사용하기 쉬운 통계 소프트웨어는 점점 더 많은 회사에서 직원이 데이터를 기반으로 의사 결정을 내리도록 함에 따라 거의 모든 비즈니스에서 필수적인 도구가 되었습니다. 포괄적인 통계 분석, 정교한 설명 및 예측 모델 구축, 통찰력을 발견하기 위한 데이터 마이닝은 더 이상 통계학자만이 아니라 조직 내 여러 기능 영역의 사람들이 수행합니다. 학계도 비슷한 요구를 겪고 있습니다. 학생들이 통계 과학의 도구와 기법을 접할 수 있도록 다양한 학문 분야에 걸쳐 프로그램과 과정의 수가 상당히 증가했습니다. 대화형 포인트 앤 클릭 소프트웨어는 학생들이 필요한 기술을 개발하고 프로그래밍 없이도 데이터 탐색 프로세스를 즐길 수 있도록 장벽을 크게 낮출 수 있습니다.
이 백서에서는 널리 사용되는 두 가지 소프트웨어 패키지인 Minitab과 JMP를 살펴봅니다. 숙련된 Minitab 사용자가 JMP로 쉽게 전환할 수 있도록 하기 위해 이 둘의 차이점을 설명합니다. 초점은 사용자 인터페이스, 도구에 액세스하는 방법, 분석 수행 방법 및 사용자가 데이터를 분석하기 위해 따르는 일반적인 워크플로우에 있습니다.
Minitab은 1978년 통계 입문 과정을 지원하기 위한 컴퓨팅 도구로 처음 개발된 그래픽 사용자 인터페이스 기반(GUI) 통계 소프트웨어 프로그램입니다. 2020년 6월에 출시된 Minitab v19가 이 백서에 포함된 버전입니다.
JMP와 JMP Pro도 GUI 기반 소프트웨어로, 1989년에 SAS에서 엔지니어, 과학자 및 연구원이 통계 과학 도구를 비프로그래밍 고도의 대화형 환경에 적용할 수 있도록 지원하기 위해 처음 개발했습니다. JMP 및 JMP Pro는 다양한 산업 및 학문 분야에서 사용됩니다. 2021년 3월에 출시된 JMP 16 및 JMP Pro 16이 이 백서에 포함된 버전입니다.
이것은 개별 기능에 대한 포괄적인 내용이 아니라 전환 가이드이므로 이 백서에서 둘 사이의 모든 차이점을 다룰 수는 없습니다. 방문하다 minitab.com 그리고 jmp.com 자세히 알아보기
이 백서에서 다루는 주제는 다음과 같습니다.
백서의 전문은 아래와 같습니다.
(참고: 위의 하이퍼링크를 클릭하면 특정 섹션으로 바로 이동할 수 있습니다.)
소개
사용하기 쉬운 통계 소프트웨어는 점점 더 많은 회사에서 직원이 데이터를 기반으로 의사 결정을 내리도록 함에 따라 거의 모든 비즈니스에서 필수적인 도구가 되었습니다. 포괄적인 통계 분석, 정교한 설명 및 예측 모델 구축, 통찰력을 발견하기 위한 데이터 마이닝은 더 이상 통계학자만이 아니라 조직 내 여러 기능 영역의 사람들이 수행합니다. 학계도 비슷한 요구를 겪고 있습니다. 학생들이 통계 과학의 도구와 기법을 접할 수 있도록 다양한 학문 분야에 걸쳐 프로그램과 과정의 수가 상당히 증가했습니다. 대화형 포인트 앤 클릭 소프트웨어는 학생들이 필요한 기술을 개발하고 프로그래밍 없이 데이터 탐색 프로세스를 즐길 수 있는 장벽을 크게 줄일 수 있습니다.
이 백서에서는 널리 사용되는 두 가지 소프트웨어 패키지인 Minitab과 JMP를 살펴봅니다. 숙련된 Minitab 사용자가 JMP로 쉽게 전환할 수 있도록 하기 위해 이 둘의 차이점을 설명합니다. 초점은 사용자 인터페이스, 도구에 액세스하는 방법, 분석 수행 방법 및 사용자가 데이터를 분석하기 위해 따르는 일반적인 워크플로우에 있습니다.
Minitab은 1978년 통계 입문 과정을 지원하기 위한 컴퓨팅 도구로 처음 개발된 그래픽 사용자 인터페이스 기반(GUI) 통계 소프트웨어 프로그램입니다. 식스 시그마와 같은 품질 이니셔티브에 참여하는 회사가 프로세스 및 제품의 품질을 개선하기 위해 통계 기법을 사용하기 시작하면서 90년대 중후반에 업계에서 많은 인기를 얻었습니다. 2020년 6월에 출시된 Minitab v19가 이 백서에 포함된 버전입니다.
JMP와 JMP Pro도 GUI 기반 소프트웨어로, 1989년에 SAS에서 엔지니어, 과학자 및 연구원이 통계 과학 도구를 비프로그래밍 고도의 대화형 환경에 적용할 수 있도록 지원하기 위해 처음 개발했습니다. JMP 및 JMP Pro는 다양한 산업 및 학문 분야에서 사용됩니다. 2021년 3월에 출시된 JMP 16 및 JMP Pro 16이 이 백서에 포함된 버전입니다.
이것은 개별 기능에 대한 포괄적인 내용이 아니라 전환 가이드이므로 이 백서에서 둘 사이의 모든 차이점을 다룰 수는 없습니다. 방문하다 www.minitab.com 그리고 www.jmp.com 자세히 알아보기
개요
Minitab과 JMP 사이에는 몇 가지 유사점이 있지만 JMP로 전환하려는 사람이 알아야 할 중요한 몇 가지 근본적인 차이점이 있습니다.
1. 대화식 분석 출력. JMP에서 분석을 수행하면 출력이 대화형 창에 표시됩니다. 서로 다른 플랫폼에서 생성된 것을 포함하여 생성된 모든 분석 출력은 서로 및 데이터 테이블에 동적으로 연결됩니다. 이를 통해 사용자는 분석 결과와 직접 상호 작용할 수 있습니다. 모델에 변수 제거/추가, 변수 역할 전환 및 데이터 부분 집합화와 같은 변경은 분석을 다시 실행할 필요 없이 분석 출력에서 직접 수행할 수 있습니다. 데이터 테이블을 변경할 수도 있고(예: 데이터 추가/삭제) 모든 출력이 자동으로 업데이트되도록 설정할 수 있습니다.
Minitab 출력은 주로 정적이며 다른 분석 도구에 연결되어 있지 않습니다. 예를 들어 모델에서 변수를 제거하려면 분석 도구를 다시 시작하고 해당 변경 사항을 지정한 다음 분석을 다시 실행해야 합니다. 많은 Minitab 도구에서 데이터를 변경해도 분석 결과가 자동으로 업데이트되지 않습니다.
2. 상황에 맞는 메뉴. JMP에서 수행되는 각 분석 출력은 해당 분석과 관련된 일련의 도구에 대한 액세스와 연결됩니다. 이러한 방식으로 데이터 분석에 대한 접근 방식은 본질적으로 보다 탐색적이고 대화식이며, 하나의 분석 결과는 분석 워크플로우의 다음 단계로 설계된 일련의 도구로 사용자를 안내합니다.
Minitab은 보다 전통적인 배치 모드에서 분석을 실행하며, 사용자는 종종 데이터의 특징을 보는 것과 완전히 별개로 수행할 분석을 결정해야 합니다. 도구를 선택하면 대화 상자가 열립니다. 변수에 역할이 할당되고 옵션이 선택됩니다. 분석을 실행하면 일반적으로 정적 출력 세트가 생성됩니다. 일반적인 분석 워크플로의 다음 단계에서는 변수 역할 및 옵션을 지정하는 또 다른 라운드를 요구하는 새로운 도구를 시작해야 하는 경우가 많습니다.
3. 분석에 사용할 데이터 정의. Minitab의 일반적인 접근 방식은 특정 분석의 기반이 될 모든 데이터가 포함된 워크시트를 만드는 것입니다. 예를 들어 해당 데이터의 하위 집합에 대한 분석을 수행하려는 경우 일반적으로 작업(예: 하위 집합, 워크시트 분할 등)을 수행하여 새 워크시트를 생성해야 합니다. 이상값이 발견되면 분석가가 해당 데이터 포인트 없이 결과를 확인하려는 경우 일반적으로 또 다른 새 워크시트를 만들고 분석을 다시 실행해야 합니다. 이를 위해서는 일반적인 분석 세션에서 많은 워크시트를 관리해야 합니다.
JMP에서 여러 데이터 테이블로 작업할 수도 있지만 데이터 필터 및 행 상태 작업을 사용하여 특정 분석의 기반이 되는 데이터를 정의하는 것이 가장 쉬운 경우가 많습니다. 이러한 데이터 필터 및 행 상태는 언제든지 저장하고 액세스할 수 있으므로 분석가는 해당 데이터의 다양한 하위 집합에 대한 모든 분석을 수행할 수 있는 단일 데이터 테이블을 가질 수 있습니다.
또한 JMP의 로컬 데이터 필터 도구를 사용하면 분석이 수행된 후에도 사용자가 데이터를 필터링할 수 있습니다. 예를 들어 데이터 테이블의 모든 데이터에서 선형 회귀 모델을 만들 수 있습니다. 회귀 분석 출력 내에서 로컬 데이터 필터를 시작할 수 있으며, 이 필터는 선택한 데이터의 다른 하위 집합에 대한 모든 결과를 즉시 변경합니다.
4. 동시 다중 분석. JMP의 핵심 기능은 많은 수의 분석을 동시에 수행할 수 있다는 것입니다. JMP 내의 거의 모든 분석 플랫폼에서 변수별 옵션을 사용할 수 있으므로 해당 변수의 각 수준에 대해 분석을 수행할 수 있습니다. 예를 들어 범주형 변수의 서로 다른 10개 그룹 각각에 대해 두 평균을 비교하는 별도의 가설 검정을 수행하려는 경우 변수별을 지정하기만 하면 됩니다. Minitab에서는 해당 분석을 10번 개별적으로 실행해야 합니다.
또한 JMP 플랫폼을 사용하면 모든 반응 변수와 요인을 선택하기만 하면 수많은 개별 분석을 함께 실행할 수 있습니다. 예를 들어, 3개의 다른 반응 변수와 5개의 다른 설명 요인에 대해 가능한 모든 하나의 요인 분석을 수행하려는 경우, 데이터 유형에 따라 다른 하나의 요인 분석 기법을 포함하여 모든 3x5=15개의 서로 다른 분석을 한 단계에서 수행할 수 있습니다. 응답 변수 및 요인. ANOVA, 선형 회귀, 로지스틱 회귀 및 카이제곱 분석을 모두 동일한 출력 창에 표시된 결과와 동시에 수행할 수 있습니다. Minitab에서는 서로 다른 도구를 사용하여 이러한 각 분석을 개별적으로 실행해야 합니다.
JMP에는 생성된 사용자 정의 그래프 및 출력과 함께 매우 많은 수의 분석을 실행하도록 설계된 고유한 플랫폼이 있습니다. 예를 들어, 50개의 서로 다른 공정 변수에 대해 다변수 공정 능력 분석을 수행할 수 있습니다. 50개의 서로 다른 개별 기능 분석에 대한 출력을 생성하는 것 외에도 고유한 그래프와 수치 출력이 생성되어 모든 개별 결과를 표준화하여 이러한 50개의 변수(진정한 다변량 분석)를 쉽게 비교할 수 있습니다.
매우 많은 수의 분석이 필요한 경우 응용 프로그램용으로 맞춤 설계된 JMP의 특수 플랫폼도 있습니다. 특정 과학 분야에서는 예를 들어 수천 개의 다른 응답 변수와 단일 설명 요소가 있을 수 있는 것이 매우 일반적입니다. 응답 스크리닝 분석을 수행하여 1,000개의 개별 일원 분산 분석을 수행할 수 있습니다. 결과(분석 횟수를 기준으로 통계적으로 조정됨)는 손쉬운 비교 및 후속 분석을 위해 설계된 맞춤형 그래프 및 데이터 테이블 세트를 사용하여 함께 표시됩니다.
5. 통합. JMP는 SAS, MATLAB, R 및 Python과 같은 외부 컴퓨팅 환경과 통합할 수 있는 기능을 갖추고 있습니다. 분석가는 JSL(JMP의 스크립팅 언어)을 통해 이러한 도구의 기능을 활용하는 동시에 JMP의 대화식 GUI 내에서 작업할 수 있습니다.
Minitab은 현재 SAS, R 또는 MATLAB이 아닌 Python과만 통합할 수 있습니다.
6. 보고서 게시. Minitab과 JMP 모두 소프트웨어 외부에서 보고서를 내보내고 저장할 수 있는 도구가 있습니다(예: .jpg, Microsoft PowerPoint 및 Word). JMP는 또한 대화형 .html 보고서를 생성할 수 있으므로 다른 사람들이 대화형 도구를 사용하여 JMP 외부에서 분석 보고서를 보고 데이터를 자세히 살펴볼 수 있습니다. JMP 제품군의 또 다른 제품은 JMP Live로, 데이터 및 모델이 변경될 때 대시보드를 업데이트하는 보고서 생성 및 공유를 자동화하는 추가 기능을 제공합니다.
7. 통계 분석 기법. 두 소프트웨어 모두 보다 일반적인 통계 분석 도구를 많이 포함하고 있지만 JMP 및 JMP Pro에서는 사용할 수 있지만 Minitab에서는 사용할 수 없는 수많은 고급 통계 기술 및 데이터 관리 도구가 있습니다. 또한 JMP에는 일반적으로 특정 통계 분석 기술 내에서 더 많은 옵션과 기능이 있습니다. 방문하다 www.jmp.com 자세히 알아보기
데이터 세트
이 가이드 전체에서 다양한 데이터 세트가 사용됩니다. 그들은 여기에서 찾을 수 있습니다 .
파일 형식
숙련된 Minitab 사용자가 JMP를 배울 때 처음 알아차릴 수 있는 한 가지 차이점은 프로젝트 파일 구조 내에서 작업할 필요가 없다는 점입니다.
Minitab 프로젝트 파일
Minitab 사용자는 .mpx 확장자로 표시된 Minitab 프로젝트 파일에 가장 익숙합니다. 이 프로젝트 파일 내에서 여러 워크시트(예: 데이터 테이블)를 가져오거나 만들 수 있습니다. 그림 1은 4개의 워크시트가 포함된 샘플 Minitab 프로젝트 파일을 보여줍니다. 디스플레이는 세 개의 창으로 나뉩니다. 오른쪽 하단 창에는 각 워크시트의 하단 탭과 함께 활성 워크시트(전체 4 데이터)가 표시됩니다. 네비게이터로 알려진 왼쪽 창에는 수행된 분석 및 작업 목록이 표시됩니다(예: 수율 및 수분 함량의 그래픽 요약, …, 분할 워크시트). 오른쪽 상단 분할창은 특정 분석 출력을 표시하는 출력 창입니다. 선택할 수 있는 세 가지 보기가 있습니다(데이터 및 출력, 데이터만 및 출력만). 이 그림에서는 데이터 및 출력 보기가 선택되었습니다.
Figure 1 Minitab: Project File그림 1 Minitab: 프로젝트 파일
선택한 모든 분석 또는 작업은 활성 워크시트에서 수행됩니다. 사용자가 데이터의 하위 집합에 대한 분석을 수행하려는 경우 상위 워크시트에서 새 워크시트를 만들어야 합니다. 여기에서 Data>Split Worksheet 명령을 사용하여 4개의 GeoLocation(A, B, C 및 D) 각각에 대해 하나씩 워크시트 세트가 생성되었습니다. 하나의 GeoLocations에 대해서만 분석을 수행하려면 분석을 실행하기 전에 먼저 해당 워크시트를 선택하여 활성 워크시트로 만들어야 합니다.
JMP 데이터 테이블 파일
JMP는 프로젝트 파일 구조 내에서도 사용할 수 있습니다. 먼저 많은 사용자가 해당 유형의 파일에서 작업하는 것을 선택하므로 JMP 데이터 테이블 파일이 어떻게 작동하는지 살펴보겠습니다. JMP 데이터 테이블 파일은 확장자 .jmp로 표시됩니다.
그림 2는 JMP 데이터 테이블 파일의 샘플을 보여줍니다. 파일에는 네 개의 창이 있습니다. 데이터 테이블은 오른쪽에 있고 행 창은 왼쪽 아래에 있으며 선택, 제외 또는 숨겨진 행 수를 포함하여 데이터 테이블의 행에 대한 요약을 제공합니다. 왼쪽 중간에 있는 열 창에는 데이터 테이블의 변수가 표시되어 모델링 유형 및 레이블 사용과 같은 해당 변수의 속성을 식별합니다. 왼쪽 위 창에는 이 데이터 테이블 파일에 저장된 스크립트가 표시됩니다. 스크립트를 실행하고 저장하는 단계는 이후 섹션에 표시됩니다.
다른 창에 표시되는 빨간색 삼각형은 다양한 도구에 액세스하여 데이터 테이블, 열 또는 행에서 작업을 수행합니다. 열 창에서 열 목록을 클릭하고 원하는 위치로 끌어서 데이터 테이블에서 열을 재정렬할 수 있습니다. 열에서 수행할 수 있는 보다 포괄적인 도구 및 작업 목록은 열 메뉴 아래에서 또는 데이터 테이블의 열을 마우스 오른쪽 버튼으로 클릭하여 찾을 수 있습니다.
Figure 2 JMP: Data Table그림 2 JMP: 데이터 테이블
JMP에는 사용자가 데이터의 특정 하위 집합에 대한 분석을 수행할 수 있도록 나중에 설명할 도구 모음이 있습니다. 대부분의 경우 이러한 방식으로 하나의 마스터 데이터 테이블에서 작업하면 Minitab에서 요구하는 것처럼 여러 데이터 테이블을 만들고 관리할 필요 없이 원하는 모든 분석을 수행할 수 있습니다.
JMP 프로젝트 파일
JMP 프로젝트 파일은 작업에 도움이 될 수 있는 또 다른 파일 구조입니다. 프로젝트 파일은 다양한 프로젝트 요소의 컨테이너 역할을 하는 JMP에 대한 단일 인터페이스를 제공합니다. 데이터 테이블, 분석 스크립트, JMP 저널, 보고서는 물론 문서, 데이터 파일 등과 같은 비 JMP 요소를 포함(또는 참조)할 수 있습니다.
그림 3A는 JMP 프로젝트 파일의 예입니다.
이 예에서는 왼쪽에 두 개의 창이 표시됩니다.
내용물: 폴더, JMP 데이터 테이블 및 기타 비 JMP 파일(예: .xls, .csv, .doc)과 같은 프로젝트 파일 내에 포함된 모든 파일의 목록입니다. .ppt, .jpg 등). 여기에는 폴더, JMP 데이터 테이블 2개, JMP 저널, Excel 파일 2개, 워드 문서 1개가 있습니다.
작업 공간: 현재 표시되고 있는 프로젝트 콘텐츠의 계층적 목록입니다. 여기에는 JMP 데이터 테이블 중 하나의 스크립트와 연결된 분석 보고서와 함께 JMP 저널과 두 개의 JMP 데이터 테이블이 있습니다.
작업 영역 창에 나열된 각 요소에 대해 하나씩 탭으로 구분된 창 모음이 오른쪽에 구성되어 있습니다. 여기에 활성 창으로 데이터 테이블 중 하나가 있습니다. 이것을 그림 2에 표시된 JMP 데이터 테이블로 인식해야 합니다.
Figure 3A JMP: Project File그림 3A JMP: 프로젝트 파일
탭을 포함한 각 창을 이동하여 디스플레이를 원하는 보기로 재구성할 수 있습니다.
그림 3B는 2개의 JMP 데이터 테이블과 저널이 작업 공간 및 콘텐츠 창의 오른쪽에 직접 배치되도록 정렬된 탭이 있는 프로젝트의 예를 보여줍니다. 이 중 하나는 표시하도록 선택되어 있습니다. 오른쪽에는 하나가 다른 하나 위에 배치되어 구성된 두 개의 분석 보고서가 있습니다.
Figure 3B JMP: Project File그림 3B JMP: 프로젝트 파일
이 구성 가능한 탭 환경은 상황에 가장 적합한 방식으로 프로젝트 파일의 내용을 표시, 숨기기 및 표시할 수 있는 유연성을 사용자에게 제공합니다.
프로젝트 파일을 공유할 수 있으며 비 JMP 파일을 포함한 모든 콘텐츠가 포함됩니다.
jmp.com을 방문하십시오. jmp.com/help 또는 community.jmp.com JMP 프로젝트의 기능에 대해 자세히 알아보려면 녹음, 자습서, 문서 및 사용자 토론을 포함한 리소스 목록을 보려면 "프로젝트"를 검색하십시오.
데이터 가져오기
종종 데이터는 통계 소프트웨어 내부가 아닌 다른 응용 프로그램 내에서 생성됩니다. 예를 들어 엔지니어는 해당 데이터의 특정 하위 집합을 검색하고 분석해야 하는 고객 행동 데이터의 대규모 컬렉션이 포함된 중앙 데이터베이스 또는 Excel 스프레드시트에 실험 데이터를 기록할 수 있습니다. Minitab과 JMP 모두 .csv, .txt, .xls 등 다양한 파일 형식을 열 수 있으며 각각 ODBC(Open Database Connectivity)를 통해 데이터베이스를 쿼리할 수 있습니다.
JMP
JMP는 SAS, R, MATLAB, .html 및 .pdf 파일과 같이 Minitab에서 열 수 없는 다른 파일 유형을 열 수 있습니다. JMP는 Internet Open 기능을 사용하여 웹 페이지에 내장된 테이블을 열 수도 있습니다.
JMP는 또한 여러 파일을 하나의 데이터 테이블로 결합하여 가져올 수 있는 이점도 추가했습니다. 그림 4는 해당 파일 중 하나의 내용과 함께 설문 조사와 관련된 다양한 텍스트 파일 모음이 포함된 폴더를 보여줍니다.
Figure 4 JMP: Importing Multiple Files그림 4 JMP: 여러 파일 가져오기
파일 > 다중 파일 열기를 선택하면 이러한 여러 파일의 모든 데이터를 하나의 JMP 데이터 테이블로 가져오는 과정을 안내하는 가져오기 마법사가 시작됩니다.
현재 Minitab 파일에 있는 데이터를 JMP로 가져오려면 먼저 Minitab 워크시트를 .xls, .csv 또는 .txt와 같은 형식으로 저장하는 것이 가장 좋습니다. 그런 다음 파일 > JMP에서 열기를 선택하여 해당 데이터를 JMP 데이터 테이블로 가져옵니다. 데이터를 가져올 방법을 지정하기 위해 가져오기 마법사가 시작됩니다(예: 가져올 변수 및 행 선택, 변수 이름 포함/제외 등).
데이터 정리 및 형식 지정
Minitab과 JMP에는 사용자가 데이터를 정리하고 형식을 지정하여 분석을 준비할 수 있는 도구 모음이 있습니다.
미니탭
데이터 형식 지정, 정리 및 준비를 위한 대부분의 Minitab 도구는 데이터 및 계산 메뉴에서 찾을 수 있습니다. 그림 5는 해당 메뉴 아래의 도구 목록을 보여줍니다.
Figure 5 Minitab: Data and Calc menus그림 5 Minitab: 데이터 및 계산 메뉴
도구를 선택하면 수행할 특정 작업 집합을 설명하기 위해 변수를 다른 역할에 배치할 수 있는 대화 상자가 나타납니다.
그림 6은 Minitab의 정렬 도구에 대한 대화 상자의 예입니다. 여기에서는 데이터를 동일한 워크시트에 저장하는 GeoLocation 변수를 기준으로 알파벳 오름차순으로 모든 데이터를 정렬하도록 선택했습니다(예: "원본 열에서").
Figure 6 Minitab: Sort Tool그림 6 Minitab: 정렬 도구
JMP
분석을 위해 데이터의 형식을 지정하고 정리하고 준비하는 JMP의 대부분의 도구는 테이블, 행 및 열의 세 가지 메뉴에서 찾을 수 있습니다(그림 7 참조).
Figure 7 JMP: Tables, Rows and Cols Menus그림 7 JMP: 테이블, 행 및 열 메뉴
그림 8은 JMP 정렬 도구의 예입니다. 대화 상자는 모양이 다르고 작업에 다른 이름을 사용하지만 일반적인 절차는 매우 유사합니다.
Figure 8 JMP: Sort Tool그림 8 JMP: 정렬 도구
Minitab에서 수행한 모든 데이터 조작 작업을 JMP에서도 수행할 수 있습니다. 도구에 액세스하는 방법과 대화 상자에서 원하는 작업을 지정하는 방법을 배우려면 약간의 연습이 필요합니다.
데이터 세트의 초기 검사에서 매우 유용할 수 있는 테이블 메뉴(Minitab에서는 사용할 수 없음)의 JMP 도구 중 하나는 결측 데이터 패턴 플랫폼입니다. 다음 예에서는 작은 데이터 세트를 사용하지만 이 도구는 큰 데이터 세트를 검사할 때 가장 유용합니다. 그림 9는 5개의 변수, 25개의 행 및 18개의 결측값이 있는 데이터 테이블을 표시합니다.
Figure 9 JMP: Data Table with Missing Values그림 9 JMP: 누락된 값이 있는 데이터 테이블
테이블 메뉴 아래의 누락 데이터 패턴 도구는 새로운 JMP 데이터 테이블을 통해 데이터의 "누락"을 요약합니다. 그림 10은 수반되는 Cell Plot과 함께 결과 테이블을 보여줍니다.
Figure 10 JMP: Missing Data Pattern그림 10 JMP: 누락된 데이터 패턴
이 새 데이터 테이블은 데이터의 누락 데이터 패턴을 설명합니다. 특히 누락된 값이 없는 행이 15개 있습니다. 한 행에 변수 Y5에 누락된 값이 있습니다. 네 개의 행에는 변수 Y3에 하나의 결측값이 있습니다. 2개의 행은 Y3, Y4, Y5 등 3개의 변수에서 결측값을 갖습니다. 이 누락된 데이터 패턴 테이블에서 행을 강조 표시하면 원래 데이터 테이블에서 누락된 데이터 패턴이 있는 모든 행이 강조 표시됩니다. 이를 통해 향후 분석에서 해당 데이터를 숨기거나 제외하거나 그래프에 표시할 고유 심볼 할당과 같은 행 상태를 생성할 수 있습니다. 분석>스크리닝 메뉴 아래에는 누락된 값 탐색이라는 관련 플랫폼이 있습니다. 이 플랫폼은 누락된 데이터 작업을 위한 추가 도구를 제공합니다. 여기에는 변수와 행의 누락된 패턴 간의 공통점을 찾는 통계 기술과 누락된 데이터를 대치하는 기능이 포함됩니다. 예상 값으로 대체합니다.
새 변수 만들기
Minitab과 JMP 모두 새 변수를 생성할 수 있습니다. 이러한 새 변수는 예를 들어 데이터 테이블의 다른 변수를 사용하는 간단한 산술 연산이거나 논리 조건부 인수일 수 있습니다.
미니탭
계산 메뉴 아래 계산기 도구를 통해 Minitab에서 새 변수가 생성됩니다. 그림 11은 C9열에 저장된 결과와 함께 변수 '수분 함량'의 값을 기반으로 새 텍스트 변수가 생성된 방법을 보여줍니다.
Figure 11 Minitab: Calculator그림 11 Minitab: 계산기
JMP
JMP에서 새 변수를 만들려면 열을 강조 표시하고 열>수식을 선택하여 새 열에 대한 수식 도구에 액세스합니다. 열을 마우스 오른쪽 버튼으로 클릭하고 메뉴에서 "수식"을 선택하여 액세스할 수도 있습니다. 그림 12에서는 수식 도구를 사용하여 조건부 인수를 기반으로 동일한 텍스트 변수를 생성했습니다. 수식을 만들 때 수식을 적용한 결과를 볼 수 있는 미리 보기 기능이 있습니다.
Figure 12 JMP: Formula그림 12 JMP: 공식
JMP의 수식 도구는 또한 패턴화된 시퀀스, 다른 열의 무작위 샘플 또는 지정된 확률 분포를 사용하여 새 변수를 생성할 수 있는 곳이기도 합니다. Minitab에서는 이러한 유형의 작업을 생성하기 위해 다른 도구에 액세스해야 합니다.
데이터 필터 및 행 상태
미니탭
Minitab에서 분석을 수행할 때 해당 분석에 대한 데이터가 포함된 워크시트가 활성화됩니다. 상위 데이터 세트의 하위 집합에 대해 분석을 수행해야 하는 경우 해당 데이터 하위 집합만 포함하는 새 워크시트를 만들어야 할 가능성이 높습니다. 이상값이 식별되어 향후 분석에서 제외되어야 하는 경우 해당 데이터 포인트 없이 다른 새 워크시트를 만들어야 합니다. 결과적으로 하나의 프로젝트 파일 내에서 많은 워크시트를 관리해야 하는 것이 일반적입니다.
JMP
앞에서 본 것처럼 JMP 프로젝트 파일에 여러 데이터 테이블을 설정할 수도 있습니다. 대신 데이터 필터 및 행 상태 작업을 사용하여 특정 데이터를 정의하여 특정 분석을 기반으로 하여 많은 사용자가 하나의 데이터 테이블에서 모든 분석을 수행하도록 선택할 수 있습니다. 이러한 데이터 필터 및 행 상태는 언제든지 저장하고 액세스할 수 있습니다.
다음을 사용하여 이러한 분석을 설명합니다. 곡물 수확량 데이터.
그림 13A는 GeoLocations 및 C가 선택된 데이터 테이블을 보여줍니다. 데이터 테이블의 왼쪽 상단에 있는 작은 히스토그램 아이콘을 클릭하여 헤더 그래프를 켠 다음 해당 GeoLocations를 선택하면 됩니다. 머리글 그래프는 각 열의 상단에 변수에 대한 높은 수준의 요약을 표시하는 편리한 도구입니다(예: 연속 변수에 대한 히스토그램 및 최소/최대 값, 범주형 변수에 대한 막대 차트). 그림 13B는 Rows>Hide and Exclude 도구를 선택한 경우의 결과를 보여줍니다. 이 행 상태가 활성화된 상태에서 수행된 모든 분석은 계산에 GeoLocation A 및 C를 포함하지 않으며 어떤 그래픽 디스플레이에도 나타나지 않습니다. 다른 옵션으로는 선택한 데이터를 계산에 사용하지만 그래프에 표시하지 않음(숨기기만) 또는 데이터를 그래프에 표시하지만 계산에 사용하지 않음(제외만)이 있습니다. 이 행 상태는 행>숨기기 및 제외 또는 행>행 상태 지우기를 다시 선택하여 해제할 수 있습니다.
Figure 13A JMP: Rows selected그림 13A JMP: 선택된 행
Figure 13B JMP: Hide/Exclude그림 13B JMP: 숨기기/제외
전역 데이터 필터는 데이터 하위 집합을 정의하는 또 다른 유용한 도구입니다. 이 도구는 Rows>Data Filer를 선택하여 액세스합니다. 그림 14는 GeoLocations B와 D가 선택된 열린 데이터 필터를 보여줍니다. 여기에서 표시 및 포함 확인란을 켠 다음 사용하려는 GeoLocations를 선택했습니다. 데이터 필터는 많은 변수를 포함할 수 있으며 범주형 및 연속형 변수를 모두 사용할 수 있습니다. 이 데이터 필터는 데이터 테이블에 저장할 수 있으며 행 상태를 지운 다음 언제든지 다시 액세스할 수 있습니다.
Figure 14 JMP: Global Data Filter그림 14 JMP: 전역 데이터 필터
다른 특성은 행 상태로 설정할 수 있습니다. 예를 들어 분석에서 생성된 모든 그래프가 다른 GeoLocation에 대해 다른 색상을 사용하도록 할 수 있습니다. 이 기본 설정은 행>색상 또는 열별 표시를 통해 설정할 수 있습니다. 그림 15는 색상이 행 상태로 표시된 결과 데이터 테이블입니다. 이 행 상태가 활성화된 상태에서 생성된 모든 그래픽 디스플레이는 이 색상 코딩을 사용합니다. 이 행은 언제든지 저장하고 액세스할 수 있습니다.
Figure 15 JMP: Color Row State그림 15 JMP: 색상 행 상태
JMP의 로컬 데이터 필터는 데이터 하위 집합으로 작업할 수 있는 또 다른 수단을 제공합니다. 이 접근 방식은 데이터의 다른 하위 집합이 선택될 때 분석 결과가 즉시 변경되는 것을 볼 수 있는 대화형 도구를 제공합니다. 로컬 데이터 필터는 분석 보고서 창의 상단 빨간색 삼각형 아래에서 액세스합니다. 그림 16은 모든 데이터(왼쪽)를 사용한 회귀 분석 결과를 보여 주며, 로컬 데이터 필터에서 GeoLocation A만 선택하면 동일한 출력이 변경됩니다. 데이터 포인트는 그림 15에서 설정한 색상 행 상태를 사용하고 있습니다.
Figure 16 JMP: Local Data Filter그림 16 JMP: 로컬 데이터 필터
기술통계
Minitab과 JMP 모두 데이터의 기능을 설명하는 요약 통계를 계산할 수 있습니다.
다음을 사용하여 이러한 분석 중 일부를 설명합니다. 곡물 수확량 데이터.
미니탭
Minitab에서 기술 통계를 생성하는 몇 가지 방법이 있습니다(예: 통계 메뉴 아래 기술 통계 표시, 기술 통계 저장 및 그래픽 요약 저장). 여기서 설명할 테이블 도구를 사용하여 기술 통계를 생성할 수도 있습니다. 그림 17은 각 GeoLocation/Year 조합 및 결과 테이블에 대한 Yield에 대한 샘플 평균 및 샘플 표준 편차를 계산하는 단계를 보여줍니다.
Figure 17 Minitab: Descriptive statistics via Table그림 17 Minitab: 표를 통한 기술통계
다른 요약 통계가 필요하거나 다른 범주 및/또는 관련 변수를 사용해야 하는 경우 테이블>기술 통계 도구가 다시 시작되고 대화 상자가 업데이트되며 분석이 다시 실행됩니다.
JMP
또한 JMP는 분포 플랫폼, 그래프 빌더, 열 뷰어를 비롯한 다양한 방법과 열 수식을 통해 기술 통계를 계산할 수 있습니다. Minitab을 사용하여 표시된 것과 유사하게 Analyze>Tabulate 플랫폼을 통해 요약 통계를 계산하는 방법을 설명합니다.
Tabulate 플랫폼을 시작하면 그림 18A에 표시된 창이 열립니다. 변수는 단순히 다른 역할에 배치되어 테이블을 생성합니다. 이러한 변수를 이동하여 테이블이 표시되는 방식을 변경할 수 있습니다. 변수는 제거, 추가, 새 통계 계산 등이 가능하며 변경 사항이 발생하는 즉시 테이블을 업데이트하는 기능이 있습니다. 원하는 테이블을 만드는 빈 캔버스라고 생각하세요.
Figure 18A JMP: Descriptive Statistics via Tabulate그림 18A JMP: Tabulate를 통한 기술통계
그림 18B는 Year와 GeoLocation의 6가지 다른 조합에 대한 Yield의 평균 및 표준 편차를 표시하는 테이블을 만드는 단계를 보여줍니다.
Yield를 Resulting Cells Drop 영역에 배치하는 것으로 시작합니다. 기본값은 해당 변수의 합계(기본 통계)를 단일 셀로 표시하는 것입니다(그림 18B의 왼쪽 상단 이미지). 참고: 기본 설정(JMP > 기본 설정 > 플랫폼 > 도표화)을 통해 기본적으로 평균 및 표준 편차를 표시하도록 선택할 수도 있습니다.
이 경우 sum이라는 단어가 표시된 셀 상단의 목록에서 두 통계를 드래그하여 평균 및 표준 편차로 합계를 대체합니다. 테이블이 업데이트되어 합계 통계가 평균 및 표준 편차로 대체됩니다(그림 18B의 오른쪽 상단 이미지).
범주형 변수(연도 및 지리적 위치)는 원하는 위치에 놓기만 하면 됩니다. 연도는 행(그림 18B의 왼쪽 아래 이미지)으로, GeoLocation은 열(오른쪽 아래 이미지)로 배치됩니다.
Figure 18B JMP: Descriptive Statistics via Tabulate그림 18B JMP: 도표화를 통한 기술통계
변수를 다른 놓기 영역으로 이동하여 이 테이블을 쉽게 변경하여 다른 보기를 만들 수 있습니다. 그림 18C는 변수 GeoLocation이 Year 내부의 다른 행 변수로 이동될 때 결과 테이블을 보여줍니다.
Figure 18C JMP: Descriptive Statistics via Tabulate그림 18C JMP: Tabulate를 통한 기술통계
이 요약 통계 테이블은 빨간색 삼각형 아래에서 데이터 테이블로 만들기를 선택하여 추가 분석을 위해 JMP 데이터 테이블로 만들 수 있습니다. 그림 18D는 결과 데이터 테이블을 보여줍니다.
Figure 18D JMP: Descriptive statistics via Tabulate – Creating a Data Table그림 18D JMP: Tabulate를 통한 기술 통계 – 데이터 테이블 생성
그래프
Minitab과 JMP는 그래프 데이터 접근 방식이 매우 다릅니다. 새로운 JMP 사용자가 경험하게 될 두 소프트웨어 간의 가장 중요한 차이점 중 하나입니다.
다음을 사용하여 이러한 분석 중 일부를 설명합니다. 곡물 수확량 데이터.
미니탭
Minitab에서 그래프를 생성하려면 먼저 필요한 그래프를 결정한 다음 그래프 메뉴에서 선택해야 합니다. 그림 19는 해당 메뉴에서 사용할 수 있는 그래프 목록을 보여줍니다.
Figure 19 Minitab: Graph menu그림 19 Minitab: 그래프 메뉴
산점도를 생성하여 Minitab에서 그래프를 생성하는 과정을 설명합니다. 산점도 도구가 시작되면 화면이 나타납니다(그림 20A의 왼쪽 이미지). 이 시점에서 사용자는 산점도 옵션 중 하나를 선택해야 합니다. 이 예에서는 단순을 선택했습니다. 그런 다음 Y축과 X축에 플롯할 변수를 입력하는 대화 상자가 나타납니다(그림 20A의 오른쪽 이미지).
Figure 20A Minitab: Scatterplot그림 20A Minitab: 산점도
척도, 레이블, 데이터 보기, 다중 그래프 및 데이터 옵션 버튼은 추가 옵션을 제공합니다. 그림 20B는 추가 옵션을 선택하지 않은 경우 결과 그래프를 보여줍니다.
Figure 20B Minitab: Scatterplot그림 20B Minitab: 산점도
오른쪽 상단의 드롭다운 메뉴에서 그래프 편집 도구를 시작하여 그래프의 몇 가지 요소를 편집할 수 있습니다(예: 포인트 색상 변경).
4개의 GeoLocation 각각에 대해 별도의 회귀선이 있는 그림 20C에 표시된 산점도를 만들려면 완전히 새로운 그래프를 만들어야 합니다. 이것은 Scatterplot 도구를 다시 시작하고 그림 20A에 표시된 대화 상자에서 "With Regression and Groups"를 선택하여 수행됩니다.
Figure 20C Minitab: Scatterplot그림 20C Minitab: 산점도
동일한 데이터(예: 비교 박스 플롯 등)로 완전히 다른 유형의 그래프를 만들려면 사용자가 그래프 메뉴로 돌아가 특정 그래프 도구를 실행하고 적절한 옵션을 지정합니다. 데이터를 그래픽으로 탐색하는 각 반복에는 일반적으로 원하는 그래프가 생성될 때까지 이 접근 방식이 필요합니다.
JMP
JMP는 Minitab과 매우 다른 방식으로 그래프를 생성합니다. JMP의 모든 분석 플랫폼에서 그래프를 생성하는 도구가 있지만 강력한 그래프 빌더 플랫폼을 통해 시각화를 생성하는 방법을 설명하겠습니다. 이 도구는 실제로 데이터를 탐색하고 분석하는 일반적인 방법과 일치하도록 설계되었습니다. Graph Builder 플랫폼(Graph > Graph Builder)을 시작하면 디스플레이가 빈 캔버스와 그래프 팔레트로 생각할 수 있는 것으로 시작됩니다(그림 21A).
Figure 21A JMP: Graph Builder그림 21A JMP: 그래프 빌더
변수를 다른 역할에 배치하고 원하는 그래픽 디스플레이를 선택하면 그래프가 생성됩니다. 예를 들어, 수분 함량 변수가 Y 영역으로 떨어지면 JMP는 점도표를 표시하는 것으로 시작합니다(그림 21B).
Figure 21B JMP: Graph Builder – Dotplot그림 21B JMP: 그래프 빌더 - 점도표
도트 플롯 대신 다른 그래프(예: 박스 플롯)가 필요한 경우 상단의 그래프 팔레트에서 해당 옵션을 선택하기만 하면 그래프가 즉시 변경됩니다. 그림 21C는 도트 플롯과 박스 플롯이 모두 선택된 그래프를 보여줍니다.
Figure 21C JMP: Graph Builder – Dotplot and Boxplot그림 21C JMP: 그래프 빌더 - 점도표 및 상자도표
다른 연속 변수가 X 영역에 놓이면 JMP는 자동으로 그래프를 산점도로 변경합니다. 그림 21D는 회귀선이 포함된 그래프의 예를 보여줍니다.
Figure 21D JMP: Graph Builder – Scatterplot with regression line그림 21D JMP: 그래프 빌더 – 회귀선이 있는 산점도
선택한 각 그래프 유형에 대해 도구와 옵션이 왼쪽에 표시되어 그래프를 훨씬 더 변경하거나 확장할 수 있습니다. 예를 들어 방정식, 95% 신뢰 구간 및 RSquared 값이 그래프에 추가되었습니다.
이 프로세스 중에 생성된 각 그래프는 원하는 경우 데이터 테이블에 저장할 수 있습니다. 또는 분석가가 계속해서 데이터를 시각적으로 탐색할 수 있습니다. 그림 21E는 변수 GeoLocation이 Wrap 드롭 영역에 드롭된 경우 그래프가 어떻게 변경되는지 보여줍니다.
Figure 21E JMP: Graph Builder – Individual scatterplots with regression lines그림 21E JMP: 그래프 빌더 – 회귀선이 있는 개별 산점도
GeoLocation이 랩 드롭 영역에서 오버레이 드롭 영역으로 이동되고 방정식 및 RSquared를 표시하는 옵션이 해제된 경우 그래프는 그림 21F에 표시된 대로 변경됩니다.
Figure 21F JMP: Graph Builder – Scatterplot with overlaid regression lines그림 21F JMP: 그래프 빌더 - 중첩된 회귀선이 있는 산점도
축 중 하나 위에 커서를 놓으면 포인터가 손 기호로 바뀌어 축을 쉽게 이동 및/또는 재조정할 수 있습니다. 축을 두 번 클릭하면 예를 들어 선형 눈금에서 로그 눈금으로 변경하는 것과 같이 그래프를 더 많이 변경할 수 있는 도구 세트가 나타납니다.
그래프를 마우스 오른쪽 버튼으로 클릭하면 사용된 색상 및 기호 변경과 같이 디스플레이를 변경하는 추가 도구 메뉴가 나타납니다.
이 프로세스는 각 소프트웨어가 그래픽 분석에 접근하는 방식의 근본적인 차이점을 보여줍니다. Minitab에서는 그래프 유형이 선택되고 옵션이 선택될 때 어떤 결과가 나타나는지 보지 않고 옵션이 선택됩니다. JMP에서는 각 선택 사항이 어떻게 변경되고 그래프가 개선되는지 확인하면서 대화식으로 그래프를 작성합니다. 그 결과 데이터를 훨씬 더 효율적이고 풍부하게 탐색할 수 있으므로 무수한 그래프를 빠르게 생성하여 데이터의 기능을 발견하고 결과를 가장 잘 전달할 수 있는 시각화를 만들 수 있습니다.
시각적으로 탐색하는 데이터를 크게 향상시킬 수 있는 두 가지 매우 강력한 도구는 JMP의 로컬 데이터 필터와 열 전환기입니다. 로 설명 광고 실험 데이터.
JMP의 동적으로 연결된 데이터를 사용하면 새 변수를 전환하거나 데이터를 필터링할 수 있으며 그래프는 즉시 업데이트되어 이러한 변경 사항을 반영합니다. 그림 22는 변수 광고 스타일의 네 가지 범주에 대한 95% 신뢰 구간을 사용하여 변수 WS1에 대한 비교 점도표를 보여줍니다. 왼쪽 상단에 표시된 열 전환기는 분석가가 Y축에 표시할 9개의 다른 가능한 결과 변수를 간단히 선택(또는 재생)할 수 있도록 설정되었습니다. 로컬 데이터 필터도 설명 요소 프로모션(3개 수준) 및 기간(10개 수준)을 사용하여 설정되었습니다. 분석가는 이러한 변수로 데이터를 하위 집합화할 수 있습니다. 각 선택 항목에 대해 그래프는 Y축에 대해 선택한 변수를 표시하고 로컬 데이터 필터로 선택한 데이터만 포함하도록 즉시 업데이트됩니다. Minitab에서는 이러한 변수의 가능한 각 조합에 대해 개별적으로 새 그래프를 생성해야 합니다.
Figure 22 JMP: Column Switcher and Local Data Filter그림 22 JMP: 열 전환기 및 로컬 데이터 필터
JMP에는 현재 Minitab에서 사용할 수 없는 많은 그래픽 도구가 포함되어 있습니다. 이를 통해 데이터를 탐색하고 제시하는 능력이 크게 확장됩니다. 그림 23A-J는 이러한 시각화 중 일부를 보여줍니다.
Figure 23A JMP: Hover Graphlet그림 23A JMP: 호버 그래프렛
Figure 23B JMP: Image Labels그림 23B JMP: 이미지 레이블
Figure 23C JMP: Geographic Maps그림 23C JMP: 지리 지도
Figure 23D JMP: Motion Bubble Plot그림 23D JMP: 모션 버블 플롯
Figure 23E JMP: Correlation Color Map그림 23E JMP: 상관 색상 맵
Figure 23F JMP: Shape Based Heat Maps그림 23F JMP: 모양 기반 열 지도
Figure 23G JMP: Density Contour Plot그림 23G JMP: 밀도 등고선도
Figure 23H JMP: Word Cloud그림 23H JMP: 워드 클라우드
Figure 23I JMP: Comparative Histograms그림 23I JMP: 비교 히스토그램
Figure 23J JMP: Scaled Parallel Plots그림 23J JMP: 스케일링된 병렬 도표
Figure 23K JMP: Mosaic Plot그림 23K JMP: 모자이크 플롯
Figure 23L JMP: Nonlinear Functional Fit그림 23L JMP: 비선형 함수 적합
일변량 분석
Minitab과 JMP는 통계 분석을 실행하는 접근 방식이 상당히 다릅니다. 이러한 차이점을 보여주기 위해 각 소프트웨어에 대한 단일 연속 변수 분석을 단계별로 진행합니다.
다음을 사용하여 이러한 분석을 설명합니다. 요구르트 생산 데이터.
미니탭
Minitab에서 그래픽 요약 도구는 단일 변수를 분석하는 유용한 방법입니다. 이 분석을 실행하려면 통계 메뉴에서 이 도구를 선택하십시오. 분석을 수행할 변수를 선택하는 대화 상자가 나타납니다. 그림 24A는 분석을 실행하는 단계를 보여주고 24B는 결과 출력을 표시합니다. 그래프에 표시된 정규 분포 곡선은 이 출력에 표시할 수 있는 유일한 분포입니다. 다른 확률 분포를 사용하려면 Minitab의 다른 도구가 필요합니다.
Figure 24A Minitab: Graphical Summary그림 24A Minitab: 그래픽 요약
Figure 24B Minitab: Graphical Summary그림 24B Minitab: 그래픽 요약
표시된 통계 이외의 다른 통계가 필요한 경우 다른 도구를 시작하고(통계 > 기본 통계 > 기술 통계 표시) 해당 옵션을 선택해야 합니다. 이제 단계와 출력이 표시됩니다.
그래픽 요약에는 Anderson-Darling 정규성 검정의 결과가 표시됩니다. 테스트와 함께 확률도 및/또는 경험적 누적 분포 함수 그래프를 검사하려면 두 가지 추가 도구(Stat>Basic Stat>Normality Test 및 Graph>Empirical CDF)를 사용하여 수행해야 합니다. 절차는 다른 분석을 실행하는 것과 비슷합니다. 도구를 실행하면 사용자가 분석을 실행할 변수를 지정하고 옵션을 선택할 수 있는 대화 상자가 나타납니다. 그림 25A는 정규성 테스트 분석을 실행하는 단계를 보여주고 25B는 결과 출력을 보여줍니다.
Figure 25A Minitab: Normality test그림 25A Minitab: 정규성 검정
Figure 25B Minitab: Normality test그림 25B Minitab: 정규성 검정
CDF 플롯을 생성하려면 다른 도구(Graph>Empirical CDF)가 시작되고 분석이 실행됩니다(이제 표시된 단계 및 출력).
예를 들어 정규 분포가 변수에 사용하기에 좋은 모델이 아닌 경우 다른 분포를 평가해야 할 수 있습니다. 이 평가는 다른 도구(Stat>Quality Tools>Individual Distribution Identification)에서 수행됩니다(단계 및 출력은 표시되지 않음).
분석의 다음 단계는 모집단 평균에 대한 가설 검정을 수행하는 것이라고 가정해 보겠습니다. 그렇게 하려면 또 다른 도구(Stat > Basic Stat > 1-sample t)에 액세스해야 합니다(단계 및 출력은 표시되지 않음). 분산에 대한 가설 검정을 수행하기 위해 새로운 도구를 사용하는 것과 동일한 절차(Stat > Basic Stat > 1 variance)
단일 연속 변수 분석에 공통적인 다른 분석으로는 동등성 검정, 공차 구간, 예측 구간, 공정 능력 분석 등이 있습니다. 각각은 Minitab에서 서로 다른 도구가 필요하며 각각 별도의 출력을 생성합니다. 현재 Minitab에는 예측 구간을 생성하는 기능이 없으므로 실제로 수동으로 공식을 생성해야 합니다.
JMP
JMP는 단변량 분석에 매우 다르게 접근하며 데이터를 탐색하고 분석하는 자연스러운 작업 흐름에 더 잘 맞습니다. JMP에는 이전 섹션에서 언급한 모든 분석을 수행할 수 있는 단일 플랫폼(분석 > 배포)이 있습니다. 플랫폼은 그림 26A에 나와 있는 것처럼 메뉴에서 선택하고 대화 상자를 완성하여 액세스할 수 있습니다. 그림 26B는 초기 출력을 표시합니다.
Figure 26A JMP: Distribution그림 26A JMP: 분포
Figure 26B JMP: Distribution그림 26B JMP: 분포
초기 출력은 히스토그램, 박스 플롯, 요약 통계 및 평균에 대한 신뢰 구간을 포함하여 데이터의 그래픽 및 수치 표시를 모두 제공합니다. 요약 통계 표 상단의 빨간색 삼각형을 클릭하면 표시되는 통계를 변경할 수 있는 도구 세트에 액세스할 수 있습니다.
많은 분석 중에서 언급된 모든 분석은 이 하나의 보고서 창에서 수행할 수 있습니다. 변수 이름 옆에 있는 빨간색 삼각형을 통해 모두 액세스할 수 있습니다. 이러한 상황에 맞는 메뉴는 분석 워크플로우에서 고려해야 할 분석 세트를 제공합니다. 그림 27은 Continuous Fit>Normal 분석이 선택된 메뉴를 보여줍니다.
Figure 27 JMP: Distribution그림 27 JMP: 분포
그림 28A ~ 28K는 쉽게 비교할 수 있도록 하나의 보고서 창에 추가된 각각의 새로운 출력 세트와 함께 이러한 데이터에 대해 수행된 연속 맞춤 및 기타 모든 단변량 분석의 결과를 보여줍니다.
Figure 28A JMP: Quantile Plot and Distribution Fit그림 28A JMP: Quantile 플롯 및 분포 적합
Figure 28B JMP: Goodness of Fit그림 28B JMP: 적합도
Figure 28C JMP: CDF Plot그림 28C JMP: CDF 도표
Figure 28D JMP: Interactive Distribution Profiler그림 28D JMP: Interactive Distribution Profiler
Figure 28E JMP: Interactive Quantile Profiler그림 28E JMP: 대화형 Quantile 프로파일러
Figure 28F JMP: Test Mean그림 28F JMP: 검정 평균
Figure 28G JMP: Test Standard Deviation그림 28G JMP: 테스트 표준 편차
Figure 28H JMP: Prediction Interval그림 28H JMP: 예측 구간
Figure 28I JMP: Tolerance Interval그림 28I JMP: 공차 구간
Figure 28J JMP: Equivalence Test그림 28J JMP: 동등성 테스트
Figure 28K JMP: Capability Analysis그림 28K JMP: 기능 분석
"what-if" 시나리오를 통해 추가 수준의 분석 기능을 제공하는 추가 대화형 도구를 사용할 수 있습니다. 그림 29A – 29C는 이 중 세 가지(p-값 애니메이션, 전력 애니메이션 및 기능 애니메이션)를 보여줍니다. 연구 중인 프로세스를 더 잘 이해하는 데 도움이 되는 것 외에도 이러한 대화형 도구는 통계 개념을 이해하거나 가르칠 수 있는 훌륭한 방법을 제공합니다.
Figure 29A JMP: p-value Animation그림 29A JMP: p-값 애니메이션
Figure 29B JMP: Power Animation그림 29B JMP: 파워 애니메이션
Figure 29C JMP: Interactive Capability Plot그림 29C JMP: 대화형 기능 도표
로컬 데이터 필터 및 열 전환기도 이 대화형 보고서 내에서 사용할 수 있습니다. 그림 30은 7개 생산 라인에 대해 설정된 열 전환기와 배치 번호에 대해 설정된 로컬 데이터 필터를 보여줍니다. 이제 분석에 포함할 생산 라인과 배치를 선택할 수 있으며 모든 수치 및 그래픽 출력이 즉시 업데이트됩니다. Minitab을 사용하면 분석하려는 각 결과 변수 및/또는 데이터 하위 집합에 대해 관리할 상당한 양의 보고서를 생성하는 모든 다양한 도구에서 각각의 모든 분석을 다시 실행해야 합니다.
Figure 30 JMP: Column Switcher and Local Data Filter그림 30 JMP: 열 전환기 및 로컬 데이터 필터
결과 저장 및 공유
미니탭
Minitab에서 분석이 수행될 때마다 출력이 네비게이터 창에 별도의 요소로 배치됩니다. 프로젝트 파일을 저장하면 모든 워크시트와 함께 모든 출력 요소가 프로젝트 파일에 저장됩니다. 개별 출력을 이미지 파일(예: .png, .jpg)로 저장하고 다른 응용 프로그램에 배치할 수도 있습니다.
JMP
분석 결과를 JMP에 저장하는 방법에는 여러 가지가 있습니다. 여기에는 대화형 .html 파일, JMP Journal 파일로 저장, 다른 애플리케이션에 배치되는 이미지 파일로 저장, 개인 보안 대시보드에 게시 등이 포함됩니다. JMP Live는 JMP 외부에서 보고서를 보고 상호 작용할 수 있는 기능을 제공합니다. 분석 작업을 저장하는 가장 일반적인 방법이므로 보고서를 데이터 테이블에 대한 스크립트로 저장하는 방법을 설명합니다.
보고서 내에서 보고서 창 왼쪽 상단의 빨간색 삼각형 아래에서 스크립트 저장 > 데이터 테이블로를 선택합니다(그림 31A).
Figure 31A JMP: Saving a script to data table그림 31A JMP: 데이터 테이블에 스크립트 저장
저장된 스크립트는 데이터 파일 창의 왼쪽 상단 창에 나타납니다(그림 31B).
Figure 31B JMP: Saved Scripts그림 31B JMP: 저장된 스크립트
녹색 삼각형을 클릭하면 저장된 스크립트를 다시 실행하여 해당 보고서와 관련된 모든 분석을 수행합니다. 이를 통해 수정된 데이터 세트에 대한 전체 분석 세트를 다시 실행할 수 있습니다(예: 데이터 제거/추가, 값 다시 코딩, 전역 데이터 필터를 통한 하위 설정, 새 행 상태). 분할창에서 스크립트를 재정렬하거나 함께 그룹화하여 분석 작업 관리에 도움을 줄 수 있습니다.
단일 요인 분석
Minitab과 JMP 모두 단일 요인 분석(예: 단순 선형 분석)을 수행하는 도구가 있습니다.
회귀, 단순 로지스틱 회귀, 일원 분산 분석 및 카이 제곱 검정
비율 비교). 일변량 분석과 유사하게
분석은 매우 다르게 수행됩니다.
Tablet Production 데이터를 사용하여 이러한 분석 중 일부를 설명합니다.
미니탭
Minitab에서 단일 요인 분석을 수행할 때 적절한 도구가 실행됩니다(예: 통계>회귀>적합선 그림). 적절한 변수는 선택된 대화 상자 및 기타 옵션 내에서 지정됩니다. 출력이 생성되어 출력 창에 배치됩니다. 예를 들어 간단한 선형 회귀의 출력을 검토할 때 그래프에 신뢰 구간을 추가하거나 잔차 플롯을 검사하거나 변수 중 하나의 척도를 선형에서 로그로 변경하거나 다른 응답 또는 예측 변수를 모두 함께 사용할 수 있습니다. 적합선 도표 도구를 다시 실행하고 옵션을 변경한 다음 새로운 출력 세트를 생성해야 합니다. Minitab의 각 출력 집합은 기본적으로 정적이므로 약간의 변경만 허용됩니다.
다른 단일 요인 분석(예: 로지스틱 회귀, ANOVA, 카이제곱 테스트)에는 다른 도구를 사용해야 합니다.
JMP
JMP에서 모든 단일 요인 분석은 하나의 플랫폼(분석>Y를 X로 적합)에서 수행됩니다.그림 32A는 이 플랫폼의 대화 상자를 보여줍니다. Y, 반응 변수 및 X, 요인을 선택하면 JMP가 자동으로 올바른 분석을 결정합니다.
JMP가 여러 분석을 동시에 수행할 수 있는 방법을 설명하기 위해 Y, 응답(용해, 연속 변수, Lot Acceptance, 이진 변수)에 대한 두 개의 변수와 요인(API 입자 크기, 3개의 범주형 변수)에 대한 두 개의 변수를 선택했습니다. 수준, Mill Time, 연속 변수).
JMP는 네 가지 다른 분석을 생성합니다.
- 용출 대 API 입자 크기에 대한 일원 ANOVA.
- Dissolution vs Mill Time에 대한 간단한 선형 회귀.
- 로트 승인 대 API 입자 크기에 대한 비상표 분석.
- Lot Acceptance 대 Mill Time에 대한 단순 로지스틱 회귀
Figure 32A JMP: Fit Y by X그림 32A JMP: Y를 X로 적합
JMP의 다른 많은 플랫폼과 마찬가지로 Fit Y by X에는 변수별 범주를 포함하여 해당 변수의 각 수준에 대해 별도의 분석을 실행하는 분석 기능이 있습니다. 모델은 관측치에 가중치를 부여하여 적합할 수도 있습니다. 이 플랫폼은 빈도/표 형식으로 요약된 데이터에도 사용할 수 있습니다.
이 네 가지 분석의 초기 출력은 그림 32B에 나와 있습니다. 참고: 행 상태는 용출 사양 ≥70을 충족하는 로트는 녹색으로 표시되고 < 70은 빨간색으로 표시되도록 설정되었습니다.
각 분석 옆에는 전체 분석에서 가능한 다음 단계로 JMP가 권장하는 도구가 포함된 상황별 메뉴를 표시하는 빨간색 삼각형 핫스팟이 있습니다. 네 가지 통계 분석 기술이 수행되므로 각 메뉴 아래에 네 가지 도구 세트가 있습니다. 그림 33은 이러한 각각의 상황에 맞는 메뉴를 보여줍니다. 이제 분석 워크플로에서 다음 단계를 선택할 준비가 되었습니다. 각 후속 분석은 추가 옵션을 제공하는 새로운 빨간색 삼각형 핫스팟과 함께 보고서에 추가된 또 다른 출력 집합을 생성합니다.
Figure 32B JMP: Fit Y by X Report그림 32B JMP: Y를 X로 적합 보고서
Figure 33 JMP: Fit Y by X Contextual Menus그림 33 JMP: X 컨텍스트 메뉴로 Y 맞추기
Fit Y by X 플랫폼에서 분석이 전개될 수 있는 방법을 설명하기 위해 Mill Time에 의한 용출의 이변량 적합에 대한 빨간색 삼각형 아래의 Fit Line 옵션이 선택되었습니다. 그림 34는 이제 해당 선택을 기반으로 보고서에 추가되는 출력을 보여줍니다.
Figure 34 JMP: Linear Regression Fit그림 34 JMP: 선형 회귀 피팅
선택한 선형 맞춤 옆에 새로운 빨간색 삼각형 핫스팟이 나타납니다. 그림 35는 상황에 맞는 메뉴에서 사용할 수 있는 옵션을 보여줍니다. 여기에서 그래프에 신뢰 구간 또는 예측 구간을 추가하고, 잔차 도표를 만들고, 데이터 테이블에 값을 저장하는 등의 옵션이 표시됩니다.
Figure 35 JMP: Linear Fit Contextual Menus그림 35 JMP: 선형 맞춤 상황에 맞는 메뉴
그림 33의 Bivariate Fit 메뉴에서 볼 수 있듯이 다른 모델을 적합하고 비교할 수 있습니다. 예: 다항식, 스플라인, 직교, 비모수 밀도 및 강력한 회귀. 변환은 맞춤 특수에서 사용할 수 있습니다. 그림 36은 이러한 옵션을 보여줍니다.
Figure 36 JMP: Transformation그림 36 JMP: 변환
데이터에 가장 적합한 모델을 찾는 다양한 모델 선택을 탐색하고 비교하면서 고려 중인 각 모델 적합을 보고서에서 추가하거나 제거할 수 있습니다. 그림 37은 2차 맞춤 및 비모수 밀도가 추가된 디스플레이를 보여줍니다.
Figure 37 JMP: Comparing Models그림 37 JMP: 모델 비교
사용된 변수를 변경하거나 분석의 기반이 될 데이터 하위 집합을 선택하려는 경우 로컬 데이터 필터 및 열 전환기에 액세스할 수 있습니다. 모든 출력은 해당 선택 사항을 반영하도록 즉시 업데이트됩니다. 데이터를 새 데이터 테이블로 하위 집합화하고 Minitab에서와 같이 분석을 다시 실행할 필요가 없습니다.
이 예에서 다시 설명하듯이, JMP에서 데이터를 분석하는 것은 단순히 데이터 세트에 특정 통계 기법을 수행하고 정적인 결과 모음을 관찰하는 것 이상입니다. 플랫폼은 실제로 데이터를 분석하는 방법과 일치하는 자연스러운 분석 워크플로를 따르도록 설계되었습니다. 탐색하고, 데이터 및 결과와 상호 작용하고, 변수를 변경하고, 데이터를 필터링하고, 다양한 모델 옵션을 시도하고, 각 결과는 일련의 분석 단계에서 다음 논리적 단계로 이어집니다.
다변수 통계 모델
많은 변수를 포함하는 통계 모델을 구축하는 것은 아마도 가장 강력하고 자주 필요한 분석 유형일 것입니다. 일반적으로 이러한 모델을 구축하는 데는 네 가지 목적이 있습니다.
- 특정 가설을 테스트하기 위해.
예: 약물 치료 A는 위약에 비해 70세 이상 남성의 회복률을 15% 이상 줄입니까? 암컷도 같은 효과인가요?
- 많은 변수 중에서 결과와 가장 관련이 있는 몇 가지 변수를 찾습니다.
예: 지역 사회의 열악한 건강 결과와 가장 관련이 있는 주요 사회 경제적 조건은 무엇입니까?
- 변수 간의 관계를 정량적으로 설명합니다.
예 : 가공온도가 5도 증가할 때 용액의 점도가 얼마나 감소하는가 0 C와 처리 시간이 10분씩 늘어나나요?
- 결과를 예측하는 방법을 만듭니다.
예: 고객의 특성과 현재 모기지를 기반으로 한 새로운 모기지 재융자 프로그램에 대해 고객이 관심을 가질 가능성은 얼마나 됩니까?
모델의 주요 목표는 이들 중 하나일 수도 있고 일부일 수도 있고 전부일 수도 있습니다. 선택한 모델링 기술은 종종 이러한 목표 중 가장 중요한 것이 무엇인지에 따라 결정됩니다.
미니탭
Minitab v19에는 세 가지 다변수 모델링 기술이 있습니다.
· 일반화된 선형 모델(예: ANOVA, 선형 회귀, 로지스틱 회귀)
· 분류 및 회귀 트리
· 판별 분석
단일 요인 분석을 수행하는 것과 유사하게 다변수 통계 모델을 구축하려면 먼저 상황에 적합한 모델링 유형을 선택해야 합니다(예: 통계>ANOVA>일반 선형 모델). 대화 상자 내에서 사용자는 포함할 변수 및 기타 관련 옵션을 지정합니다.
분석 실행 시 출력이 생성되어 출력 창에 배치됩니다. 통계 모델을 구축하는 과정에서 분석가는 일반적으로 최종 모델이 결정될 때까지 다양한 변수 세트와 모델 용어를 포함하는 다양한 모델에 적합해야 합니다. 모델에서 변수나 항을 제거하기로 결정하면 대화 상자가 다시 시작되고 변경 사항이 적용되며 분석이 다시 실행됩니다. 고려되는 각 가능한 모델은 각기 다른 출력 세트를 생성하는 개별적으로 실행되어야 합니다. Minitab의 대부분의 분석 결과와 마찬가지로 수치 및 그래픽 출력은 변경할 수 있는 몇 가지 옵션과 함께 대부분 정적입니다. 예를 들어 데이터에서 일부 관찰을 제거하려면 새 워크시트를 만들고 모든 모델을 다시 실행해야 합니다.
JMP와 JMP 프로
JMP 및 JMP Pro v16에는 다음과 같은 다변수 모델링 기술과 각각의 다양한 변형이 있습니다.
· 일반화된 선형 모델(예: ANOVA, 선형 회귀, 로지스틱 회귀)
· 파티션(의사결정 트리)
· 신경망
· 판별 분석
· 부트스트랩 숲 *
· 강화된 나무 *
· K 최근접 이웃 *
· 나이브 베이즈 *
· 서포트 벡터 머신 *
* JMP 프로 전용
JMP 및 JMP Pro에는 이 외에도 다른 모델링 기술이 있습니다. 이들은 일반적으로 더 전문적인 응용 프로그램과 일반적인 모델링 목적으로 사용되므로 위에 나열되지 않습니다(예: 사회 과학의 구조 방정식 모델, 소비자 조사를 위한 Uplift, Choice 및 MaxDiff, 함수, 신호인 데이터를 모델링하는 Functional Data Explorer , 또는 시리즈).
각 JMP의 모델링 플랫폼에는 추정 방법 및 모델 피팅 사양과 관련된 다양한 옵션도 있습니다. 이를 통해 복잡한 상황(예: Weighted Least Squares, Penalized Regression, Informative Missing, K-Fold Cross Validation 등)을 처리할 수 있는 더 많은 모델을 생성하고 고려할 수 있는 기능을 제공합니다.
다음을 사용하여 로지스틱 회귀 모델을 피팅하여 JMP Pro에서 모델 구축 프로세스를 설명합니다. 모기지 재융자 지원 데이터.
로지스틱 회귀 모델:
JMP에서 모든 선형 모델은 분석 메뉴의 모델 적합 플랫폼을 사용하여 생성됩니다. 이 단일 플랫폼을 사용하면 Personality 드롭다운 메뉴에서 원하는 옵션을 선택하여 다양한 모델 형식과 모델 피팅 기술 중에서 선택할 수 있습니다. 그림 38은 JMP(왼쪽) 및 JMP Pro(오른쪽)에서 사용할 수 있는 옵션을 보여줍니다.
Figure 38 JMP and JMP Pro: Fit Model – Personalities그림 38 JMP 및 JMP Pro: 모델 적합 – 성격
그림 39A는 결과 변수와 모델 항이 추가된 Fit Model 플랫폼의 대화 상자를 보여줍니다. 여기서 우리는 주 효과 전용 모델을 피팅하고 있습니다. 상호작용 항, 2차 효과, (교차 또는 내포) 및 (고정 또는 무작위)로 항을 정의하는 옵션을 사용할 수 있습니다. 유효성 검사 열도 포함했습니다. 이 열은 데이터를 75% 교육 및 25% 검증에 무작위로 할당했습니다. JMP는 훈련 데이터만 사용하여 모형에 맞춥니다. 검증 데이터는 적합 모델의 예측 능력을 평가하는 데 사용됩니다. 이 접근 방식은 모델이 데이터를 과적합하는 바람직하지 않은 결과를 방지하는 데 도움이 될 수 있습니다.
Figure 39A JMP Pro: Fit Mode그림 39A JMP Pro: 맞춤 모드
분석을 실행하면 JMP는 명목형 로지스틱 회귀 보고서를 생성합니다.
JMP의 모든 분석 출력과 마찬가지로 보고서는 정적 출력이 아닌 대화형 플랫폼으로 생각하는 것이 가장 좋습니다. 예를 들어 모형 적합 대화 상자로 돌아가서 변경하고 분석을 다시 실행할 필요 없이 적합 모형에서 모형 항을 제거할 수 있습니다. 그림 39B는 변수가 포함된 보고서의 효과 요약 표를 보여줍니다. 나이 선택된.
Figure 39B JMP Pro: Fit Model – Effect Summary for Nominal Logistic Regression그림 39B JMP Pro: 모델 적합 – 명목 로지스틱 회귀에 대한 효과 요약
그림 40은 위쪽 빨간색 삼각형 아래에서 사용할 수 있는 옵션을 보여줍니다.
Figure 40 JMP Pro: Fit Model – Contextual Menu in Nominal Logistic Regression report그림 40 JMP Pro: 모델 적합 - 명목 로지스틱 회귀 보고서의 상황에 맞는 메뉴
그림 41A – 41D는 보고서에 추가된 로지스틱 회귀 모델을 구축할 때 검사되는 일반적인 출력 유형 중 일부를 보여줍니다.
Figure 41A JMP Pro: Fit Model – Confusion Matrix in Nominal Logistic Regression report그림 41A JMP Pro: 모형 적합 - 명목 로지스틱 회귀 보고서의 혼동 행렬
Figure 41B JMP Pro: Fit Model – ROC Curve in Nominal Logistic Regression report그림 41B JMP Pro: 모델 적합 - 명목 로지스틱 회귀 보고서의 ROC 곡선
Figure 41C JMP Pro: Fit Model – Lift Curve in Nominal Logistic Regression report그림 41C JMP Pro: 모형 적합 – 명목 로지스틱 회귀 보고서의 리프트 곡선
Figure 41D JMP Pro: Fit Model – Profiler in Nominal Logistic Regression report그림 41D JMP Pro: 모델 적합 - 명목 로지스틱 회귀 보고서의 프로파일러
통계 모델의 주요 목적이 예측만을 위한 것이고 방정식이 해석 가능한 계수가 있는 간단한 형식일 필요가 없는 경우 다른 더 복잡한 모델을 탐색해야 합니다. JMP Pro에는 모델 스크리닝이라는 매우 강력한 플랫폼이 있습니다. 이 플랫폼은 결과를 하나의 보고서에 함께 표시하는 다양한 기술을 사용하여 다양한 모델에 적합합니다. 그림 42는 역할에 할당된 변수와 모델 유형 세트가 선택된 해당 플랫폼의 대화 상자를 보여줍니다.
Figure 42 JMP Pro: Model Screening그림 42 JMP Pro: 모델 스크리닝
그림 43은 모델 성능을 쉽게 확인하고 비교할 수 있도록 보고서에 생성된 일부 요약 결과를 보여줍니다. Boosted Neural Network 모델은 19.2%의 명목 로지스틱 회귀와 함께 검증 데이터(16.0%)에 대한 전체 오류율이 가장 낮습니다.
그림 44는 여기에서 수행하는 것처럼 범주별 결과를 예측할 때 평가하는 데 중요할 수 있는 결정 임계값 도구를 보여줍니다. 이 도구는 서로 다른 확률 임계값을 고려할 때 각 모델의 오류율이 어떻게 변하는지 평가할 수 있는 대화형 수단을 제공합니다.
이 보고서에서 각 모델 플랫폼을 시작하여 각각에 사용할 수 있는 전체 도구 세트에 대한 액세스를 제공할 수 있습니다.
Figure 43 JMP Pro: Model Screening – Model Summary그림 43 JMP Pro: 모델 스크리닝 - 모델 요약
Figure 44 JMP Pro: Model Screening – Decision Threshold그림 44 JMP Pro: 모델 스크리닝 - 결정 임계값
결론
Minitab과 JMP는 모두 데이터 분석을 위한 사용하기 쉬운 포인트 앤 클릭 환경을 제공합니다. 둘 다 동일한 통계 기술을 많이 포함하고 있지만 서로 다른 방식으로 액세스하고 사용합니다. 예를 들어 JMP에서 대부분의 단변량 분석은 Minitab에서 분석할 특정 데이터 유형과 선택할 통계 기법에 따라 다양한 도구가 사용되는 분포 플랫폼 내에서 수행됩니다. JMP에서는 각 일변량 분석의 결과를 동일한 보고서 창에 추가할 수 있습니다.
이 전환 가이드에서 설명한 것처럼 데이터 테이블, 그래프 및 보고서는 JMP에서 동적으로 연결되어 데이터를 탐색하고 분석할 수 있는 보다 대화형 환경을 제공합니다. 이 기능을 사용하면 하나의 데이터 테이블과 하나의 분석 보고서 세트만 사용하여 데이터의 다양한 하위 집합에 대한 전체 분석 세트를 수행할 수 있습니다. 반대로 Minitab의 일반적인 분석 세션에서는 다양한 워크시트와 대규모 분석 출력 모음을 관리해야 합니다.
Graph Builder를 통해 데이터를 시각적으로 탐색하는 JMP의 접근 방식은 Minitab이 데이터 그래프에 접근하는 방식과는 매우 다른 패러다임입니다. 가이드에서 설명했듯이 JMP의 그래프 빌더를 사용하면 고려 중인 각 옵션이 시각화를 어떻게 변경하는지 확인할 수 있으며 데이터에서 특징과 패턴을 발견할 수 있는 동적인 방법을 제공합니다.
방문하다 jmp.com JMP의 기능에 대해 자세히 알아보고 책, 웨비나, 백서, 교육 과정 등의 학습 리소스를 찾을 수 있습니다.
저자 소개
