随着越来越多的公司寻求让员工根据数据做出决策，易于使用的统计软件已成为几乎所有企业的必备工具。 全面的统计分析、建立复杂的描述性和预测模型以及挖掘数据以发现见解不再仅仅由统计学家完成，而是由组织内许多职能领域的人员完成。 学术界也面临着类似的需求。 跨学科的项目和课程数量大幅增加，让学生接触统计科学的工具和技术。 交互式点击软件可以大大降低学生培养必要技能的障碍，无需编程即可享受数据探索过程。
本白皮书探讨了两种流行的软件包——Minitab 和 JMP。 我们将说明两者之间的差异，目的是让经验丰富的 Minitab 用户轻松过渡到 JMP。 重点是用户界面、如何访问工具、如何执行分析以及用户分析数据所遵循的一般工作流程。
Minitab 是一种基于图形用户界面 (GUI) 的统计软件程序，最初开发于 1978 年，作为支持统计入门课程的计算工具。 本白皮书中介绍的版本是 2020 年 6 月发布的 Minitab v19。
JMP 和 JMP Pro 也是基于 GUI 的软件，最初由 SAS 于 1989 年开发，旨在支持工程师、科学家和研究人员在非编程、高度交互的环境中应用统计科学工具。 JMP 和 JMP Pro 广泛用于各种行业和学科。 本文介绍的版本是 2021 年 3 月发布的 JMP 16 和 JMP Pro 16。
由于这是一个过渡指南，而不是对他们各自能力的全面覆盖，因此我们无法在本白皮书中涵盖两者之间的所有差异。 访问minitab.com和jmp.com了解更多。
本文涵盖的主题包括：
白皮书全文如下。
（注意：您可以通过单击上面的超链接直接跳转到特定部分。）
介绍
随着越来越多的公司寻求让员工根据数据做出决策，易于使用的统计软件已成为几乎所有企业的必备工具。 全面的统计分析、建立复杂的描述性和预测模型以及挖掘数据以发现见解不再仅仅由统计学家完成，而是由组织内许多职能领域的人员完成。 学术界也面临着类似的需求。 跨学科的项目和课程数量大幅增加，让学生接触统计科学的工具和技术。 交互式点击式软件可以大大降低学生培养必要技能的障碍，无需编程即可享受数据探索过程。
本白皮书探讨了两种流行的软件包——Minitab 和 JMP。 我们将说明两者之间的差异，目的是让经验丰富的 Minitab 用户轻松过渡到 JMP。 重点是用户界面、如何访问工具、如何执行分析以及用户分析数据所遵循的一般工作流程。
Minitab 是一种基于图形用户界面 (GUI) 的统计软件程序，最初开发于 1978 年，作为支持统计入门课程的计算工具。 它在 20 世纪 90 年代中后期在业界广受欢迎，因为参与质量计划（例如 6 Sigma）的公司开始使用统计技术来提高其流程和产品的质量。 本白皮书中介绍的版本是 2020 年 6 月发布的 Minitab v19。
JMP 和 JMP Pro 也是基于 GUI 的软件，最初由 SAS 于 1989 年开发，旨在支持工程师、科学家和研究人员在非编程、高度交互的环境中应用统计科学工具。 JMP 和 JMP Pro 广泛用于各种行业和学科。 本文介绍的版本是 2021 年 3 月发布的 JMP 16 和 JMP Pro 16。
由于这是一个过渡指南，而不是对他们各自能力的全面覆盖，因此我们无法在本白皮书中涵盖两者之间的所有差异。 访问www.minitab.com和www.jmp.com了解更多。
概述
虽然 Minitab 和 JMP 之间存在一些相似之处，但对于正在过渡到 JMP 的人来说，应该了解一些重要的基本差异。
1.交互式分析输出。 在 JMP 中执行分析时，输出显示在交互式窗口中。 创建的所有分析输出，包括跨不同平台创建的分析输出，都动态地相互链接并链接到数据表。 这允许用户直接与分析输出交互。 诸如从模型中删除/添加变量、切换变量的角色以及对数据进行子集化等更改可以直接从分析输出中完成，而无需重新运行分析。 还可以对数据表进行更改（例如，添加/删除数据），并且所有输出都可以设置为自动更新。
Minitab 输出主要是静态的，并且不跨不同的分析工具进行连接。 例如，要从模型中删除变量，需要重新启动分析工具，指定这些更改，然后重新运行分析。 在许多 Minitab 工具中，对数据进行更改不会自动更新分析结果。
2. 上下文菜单。 JMP 中执行的每个分析输出都与对与该分析相关的一组工具的访问相关。 通过这种方式，分析数据的方法本质上更具探索性和交互性，一次分析的结果将引导用户使用一组被设计为分析工作流程中的后续步骤的工具。
Minitab 以更传统的批处理模式运行分析，用户通常必须决定执行哪种分析，而与查看数据中的特征完全无关。 选择工具后，将打开一个对话框。 变量被分配角色并选择选项。 运行分析会产生一组通常是静态的输出。 典型分析工作流程的下一步通常需要启动新工具，需要另一轮指定变量角色和选项。
3. 定义用于分析的数据。 Minitab 中的典型方法是创建一个工作表，其中包含特定分析将基于的所有数据。 例如，如果需要对该数据的子集执行分析，通常需要执行操作（例如，子集、拆分工作表等）来创建新工作表。 如果发现异常值，并且分析师希望查看没有这些数据点的结果，通常需要创建另一个新工作表并再次运行分析。 这需要在典型的分析会话中管理许多工作表。
尽管还可以在 JMP 中使用多个数据表，但通常最简单的方法是使用数据过滤器和行状态操作来定义特定分析所依据的数据。 这些数据过滤器和行状态可以随时保存和访问，这使得分析人员可以拥有一个数据表，可以在该数据表上执行对该数据的各个子集的所有分析。
此外，JMP 中的本地数据过滤工具甚至允许用户在执行分析后过滤数据。 例如，可以根据数据表中的所有数据创建线性回归模型。 从回归分析输出中，可以启动本地数据过滤器，这会立即更改所选数据的不同子集的所有结果。
4. 同时进行多重分析。 JMP 的一个关键功能是它能够同时执行大量分析。 在 JMP 内的几乎所有分析平台中，都提供“按变量”选项，允许对该变量的每个级别执行分析。 例如，如果想要执行单独的假设检验，比较分类变量的 10 个不同组中每一组的两种均值，则只需指定“按变量”即可。 Minitab 需要单独运行该分析 10 次。
JMP 平台还允许您通过简单地选择所有响应变量和因子来同时运行大量单独分析。 例如，如果想要对三个不同的响应变量和五个不同的解释因素执行每一种可能的单因素分析，则可以一步执行所有 3x5=15 种不同的分析，包括基于数据类型的不同单因素分析技术。响应变量和因素。 方差分析、线性回归、逻辑回归和卡方分析都可以同时执行，结果显示在同一输出窗口中。 Minitab 需要使用不同的工具单独运行这些分析。
JMP 拥有独特的平台，旨在执行大量分析以及创建的自定义图表和输出。 例如，可以对 50 个不同的过程变量执行多变量能力分析。 除了为 50 个不同的个人能力分析生成输出之外，还将创建独特的图表和数字输出，标准化所有个人结果，以便轻松比较这 50 个变量 - 真正的多变量分析。
JMP 中还有专门为需要大量分析的应用程序定制的平台。 在某些科学领域，很常见的是，例如，可能有一千个不同的响应变量和一个解释因素。 可以执行响应筛选分析，产生 1,000 个单独的单向方差分析。 结果（根据分析数量进行统计调整）使用一组自定义图表和数据表一起显示，旨在轻松比较和后续分析。
5. 整合。 JMP 能够与 SAS、MATLAB、R 和 Python 等外部计算环境集成。 通过 JSL（JMP 的脚本语言），分析师可以利用这些工具的强大功能，同时还能够在 JMP 的交互式 GUI 中工作。
Minitab 目前只能与 Python 集成，但不能与 SAS、R 或 MATLAB 集成。
6. 发布报告。 Minitab 和 JMP 都有用于在软件外部导出和保存报告的工具（例如，.jpg、Microsoft PowerPoint 和 Word）。 JMP 还可以生成交互式 .html 报告，允许其他人使用交互式工具在 JMP 之外查看分析报告，以进一步深入了解数据。 JMP 产品套件中的另一个产品是 JMP Live，它提供了额外的功能，可在数据和模型发生变化时自动生成和共享更新仪表板的报告。
7.统计分析技术。 尽管这两种软件都包含许多更常见的统计分析工具，但 JMP 和 JMP Pro 中提供了无数更先进的统计技术和数据管理工具，而 Minitab 中没有这些工具。 JMP 在特定统计分析技术中通常还具有更多选项和功能。 访问www.jmp.com了解更多。
数据集
本指南将使用各种数据集。 他们可以在这里找到。
文件格式
有经验的 Minitab 用户在学习 JMP 时可能首先注意到的一个区别是，无需在项目文件结构中工作。
Minitab 项目文件
Minitab 用户最熟悉的是扩展名为 .mpx 的 Minitab 项目文件。 在此项目文件中，可以导入或创建多个工作表（即数据表）。 图 1 显示了包含四个工作表的 Minitab 项目文件示例。 显示屏分为三个窗格。 右下窗格显示活动工作表（完整 4 个数据）以及每个工作表底部的选项卡。 左侧窗格称为导航器，显示已执行的分析和操作的列表（例如，产量和水分含量的图形摘要，...，拆分工作表）。 右上方的窗格是输出窗口，显示特定的分析输出。 可以选择三种不同的视图（数据和输出、仅数据和仅输出）。 在此图中，选择了数据和输出视图。
Figure 1 Minitab: Project File图 1 Minitab：项目文件
选择的任何分析或操作都在活动工作表上执行。 如果用户希望对数据子集执行分析，则需要从父工作表创建新工作表。 这里使用“数据”>“拆分工作表”命令创建了一组工作表，每个工作表对应四个地理位置（A、B、C 和 D）。 要仅对其中一个地理位置执行分析，首先需要选择该工作表以使其成为活动工作表，然后再运行分析。
JMP 数据表文件
JMP 也可以在项目文件结构中使用。 首先，让我们看一下 JMP 数据表文件的工作原理，因为许多用户选择使用该类型的文件。 JMP 数据表文件的扩展名为 .jmp。
图 2 显示了 JMP 数据表文件的示例。 该文件有四个窗格。 数据表位于右侧，行窗格位于左下角，提供数据表中行的摘要，包括已选择、排除或隐藏的行数。 中间左侧的列窗格显示数据表中的变量，标识该变量的属性，例如建模类型和标签的使用。 左上方窗格显示已保存到该数据表文件的脚本。 运行和保存脚本的步骤将在后面的部分中显示。
在不同窗格中看到的红色三角形可访问各种工具以对数据表、列或行执行操作。 通过单击列窗格中的列列表并将其拖动到所需位置，可以对数据表中的列进行重新排序。 可以在“列”菜单下或通过右键单击数据表中的列来找到可对列执行的更全面的工具和操作列表。
Figure 2 JMP: Data Table图 2 JMP：数据表
JMP 有一系列工具，我们将在稍后进行说明，允许用户对特定的数据子集进行分析。 在许多情况下，您会发现以这种方式使用一个主数据表可以执行所有所需的分析，而无需像 Minitab 中所要求的那样创建和管理多个数据表。
JMP 项目文件
JMP 项目文件是另一种有助于使用的文件结构。 项目文件为 JMP 提供单一界面，充当许多不同项目元素的容器。 它可以包含（或引用）数据表、分析脚本、JMP 日志、报告以及非 JMP 元素，例如文档、数据文件等。
图 3A 是 JMP 项目文件的示例。
在此示例中，左侧显示两个窗格。
内容：项目文件中包含的所有文件的列表，例如文件夹、JMP 数据表和其他非 JMP 文件（例如，.xls、.csv、.doc）。 .ppt、.jpg 等）。 这里有一个文件夹、两个 JMP 数据表、一份 JMP Journal、两个 Excel 文件和一个 Word 文档。
工作空间：当前正在显示的项目内容的分层列表。 这里我们有 JMP 日志和两个 JMP 数据表，以及与其中一个 JMP 数据表中的脚本关联的分析报告。
一组选项卡式窗口排列在右侧，每个窗口对应“工作区”窗格中列出的每个元素。 这里我们将其中一个数据表作为活动窗口。 您应该将其识别为图 2 中所示的 JMP 数据表。
Figure 3A JMP: Project File图 3A JMP：项目文件
每个窗格（包括任何选项卡）都可以移动，以将显示重新配置为所需的视图。
图 3B 显示了一个项目示例，其中已排列选项卡，以便将两个 JMP 数据表和日记直接放置在“工作区”和“内容”窗格的右侧，并选择其中之一进行显示。 右侧是两份分析报告，一份放在另一份之上。
Figure 3B JMP: Project File图 3B JMP：项目文件
这种选项卡式可配置环境使用户可以灵活地以最适合情况的方式显示、隐藏和显示项目文件的内容。
可以共享项目文件，并且所有内容（包括非 JMP 文件）都将包含在内。
访问 jmp.com， jmp.com/帮助或者社区.jmp.com并搜索“项目”以查看资源列表，包括录音、教程、文档和用户讨论，以了解有关 JMP 项目功能的更多信息。
导入数据
通常，数据是在其他应用程序中生成的，而不是在统计软件中生成的。 例如，工程师可以将实验数据记录在 Excel 电子表格或包含大量客户行为数据的中央数据库中，需要从中检索和分析该数据的某些子集。 Minitab 和 JMP 都可以打开许多不同的文件类型，包括 .csv、.txt、.xls 等，并且都能够通过 ODBC（开放数据库连接）查询数据库。
联合管理计划
JMP 能够打开 Minitab 无法打开的其他文件类型，例如 SAS、R、MATLAB、.html 和 .pdf 文件。 JMP 还可以使用 Internet 打开功能打开网页中内置的表格。
JMP 还具有能够导入多个文件并将其合并到一个数据表中的额外优势。 图 4 显示了一个文件夹，其中包含与调查相关的不同文本文件的集合以及其中一个文件的内容。
Figure 4 JMP: Importing Multiple Files图 4 JMP：导入多个文件
选择“文件”>“打开多个”将启动导入向导，该向导将指导您完成将这些多个文件中的所有数据导入到一个 JMP 数据表中的过程。
要将 Minitab 文件中当前的数据导入 JMP，最好首先以 .xls、.csv 或 .txt 等格式保存 Minitab 工作表。 然后只需选择“文件”>“在 JMP 中打开”即可将该数据导入到 JMP 数据表中。 将启动导入向导来指定如何导入数据（例如，选择要导入的变量和行、包含/排除变量名称等）。
清理和格式化数据
Minitab 和 JMP 都有一系列工具，允许用户清理和格式化数据以准备分析。
迷你表
大多数用于格式化、清理和准备数据的 Minitab 工具都可以在“数据”和“计算”菜单下找到。 图 5 显示了这些菜单下的工具列表。
Figure 5 Minitab: Data and Calc menus图 5 Minitab：数据和计算菜单
一旦选择了一个工具，就会出现一个对话框，允许将变量放置到不同的角色中来描述要执行的特定操作集。
图 6 是 Minitab 排序工具的对话框示例。 在这里，我们选择根据将数据保存到同一工作表中的 GeoLocation 变量按字母升序对所有数据进行排序（即“在原始列中”）。
Figure 6 Minitab: Sort Tool图 6 Minitab：排序工具
联合管理计划
大多数用于格式化、清理和准备分析数据的 JMP 工具都可以在三个不同的菜单下找到：表格、行和列（如图 7 所示）。
Figure 7 JMP: Tables, Rows and Cols Menus图 7 JMP：表格、行和列菜单
图 8 是 JMP 排序工具的示例。 尽管对话框的外观有所不同，并且使用不同的操作名称，但总体过程非常相似。
Figure 8 JMP: Sort Tool图 8 JMP：排序工具
您在 Minitab 中执行的所有数据操作操作也可以在 JMP 中执行。 只需进行一点练习即可了解如何访问这些工具以及如何在对话框中指定所需的操作。
“表格”菜单中的一个 JMP 工具（Minitab 中不提供）对于数据集的初步检查非常有用，它是缺失数据模式平台。 以下示例使用小型数据集，但您会发现该工具在检查大型数据集时最有价值。 图 9 显示了一个包含 5 个变量、25 行和 18 个缺失值的数据表。
Figure 9 JMP: Data Table with Missing Values图 9 JMP：包含缺失值的数据表
表菜单下的缺失数据模式工具将通过新的 JMP 数据表总结数据中的“缺失”。 图 10 显示了结果表以及随附的单元格图。
Figure 10 JMP: Missing Data Pattern图 10 JMP：缺失数据模式
这个新数据表描述了数据中的缺失数据模式。 特别是，有 15 行没有缺失值；变量 Y5 中有一行缺少值；四行变量 Y3 中有一个缺失值；两行在 3 个变量中存在缺失值 - Y3、Y4 和 Y5 等。 突出显示此缺失数据模式表中的一行将突出显示原始数据表中具有该缺失数据模式的所有行。 这允许您在将来的分析中隐藏和/或排除该数据，或生成行状态，例如分配要在图表中显示的唯一符号。 在“分析”>“筛选”菜单下有一个名为“探索缺失值”的相关平台，它提供了用于处理缺失数据的其他工具，包括用于查找变量和行中缺失模式之间的共性的统计技术以及估算缺失数据的能力用估计值替换它们。
创建新变量
Minitab 和 JMP 都允许创建新变量。 例如，这些新变量可以是使用数据表中其他变量的简单算术运算或逻辑条件参数。
迷你表
新变量是通过“计算”菜单下的“计算器工具”在 Minitab 中创建的。 图 11 说明了如何根据变量“水分含量”的值创建新的文本变量，并将结果保存在 C9 列中。
Figure 11 Minitab: Calculator图 11 Minitab：计算器
联合管理计划
要在 JMP 中创建新变量，请突出显示某一列并选择列 > 公式来访问该新列的公式工具。 也可以通过右键单击列并从菜单中选择“公式”来访问它。 在图 12 中，公式工具用于根据条件参数创建相同的文本变量。 请注意，有一个可用的预览功能，可让您在创建公式时查看应用公式的结果。
Figure 12 JMP: Formula图 12 JMP：公式
JMP 的公式工具还可以使用模式序列、其他列中的随机样本或指定的概率分布来创建新变量。 在 Minitab 中，需要访问其他工具才能生成这些类型的运算。
数据过滤器和行状态
迷你表
在 Minitab 中执行分析时，包含该分析数据的工作表将处于活动状态。 如果要对父数据集的子集执行分析，很可能需要创建一个仅包含该数据子集的新工作表。 如果发现异常值并需要从未来的分析中排除，则需要创建另一个没有这些数据点的新工作表。 因此，通常必须在一个项目文件中管理许多工作表。
联合管理计划
如前所述，还可以在 JMP 项目文件中设置多个数据表。 相反，数据过滤器和行状态操作可用于定义特定数据，以基于特定分析，从而导致许多用户选择从一个数据表进行所有分析。 这些数据过滤器和行状态可以随时保存和访问。
我们将使用以下内容来说明这些分析粮食产量数据。
图 13A 显示了选择了 GeoLocations 和 C 的数据表。 这是通过单击数据表左上角的小直方图图标以打开标题图，然后只需选择这些地理位置来完成的。 标题图是一个方便的工具，它在每列顶部显示变量的高级摘要（例如，连续变量的直方图和最小/最大值，分类变量的条形图）。 图 13B 显示了选择“行”>“隐藏和排除”工具时的结果。 在此行状态活动状态下执行的任何分析都不会在计算中包含地理位置 A 和 C，也不会出现在任何图形显示中。 其他选项包括在计算中使用选定的数据但不显示在图表中（仅隐藏）或在图表中显示数据但不用于计算（仅排除）。 可以通过再次选择“行”>“隐藏和排除”或“行”>“清除行状态”来关闭此行状态。
Figure 13A JMP: Rows selected图 13A JMP：选定的行
Figure 13B JMP: Hide/Exclude图 13B JMP：隐藏/排除
全局数据过滤器是定义数据子集的另一个有用工具。 通过选择“行”>“数据文件管理器”来访问此工具。 图 14 显示了打开的数据过滤器，其中选择了地理位置 B 和 D。 在这里，我们打开了“显示”和“包括”复选框，然后选择了我们要使用的地理位置。 数据过滤器可以包含许多变量，并且可以使用分类变量和连续变量。 该数据过滤器可以保存到数据表中，可以清除行状态，然后随时再次访问。
Figure 14 JMP: Global Data Filter图 14 JMP：全局数据过滤器
其他特征可以设置为行状态。 例如，您可能希望分析中生成的所有图表对不同的地理位置使用不同的颜色。 可以通过“行”>“颜色”或“按列标记”来设置此首选项。 图 15 是结果数据表，其中颜色显示为行状态。 任何使用此行状态活动创建的图形显示都将使用此颜色编码。 该行也可以保存并随时访问。
Figure 15 JMP: Color Row State图 15 JMP：颜色行状态
JMP 中的本地数据过滤器提供了另一种处理数据子集的方法。 这种方法提供了一个交互式工具，可以在其中看到分析结果随着选择不同的数据子集而立即变化。 可以在分析报告窗口中顶部红色三角形下访问本地数据过滤器。 图 16 显示了使用所有数据（左）进行回归分析的结果，然后基于从本地数据过滤器中仅选择地理位置 A 来更改相同的输出。 请注意，数据点使用我们在图 15 中设置的颜色行状态。
Figure 16 JMP: Local Data Filter图 16 JMP：本地数据过滤器
描述性统计
Minitab 和 JMP 都能够计算描述数据特征的汇总统计量。
我们将使用以下内容来说明其中一些分析粮食产量数据。
迷你表
有几种方法可以在 Minitab 中生成描述性统计量（例如，在统计菜单下显示描述性统计量、存储描述性统计量和图形摘要）。 还可以使用表格工具生成描述性统计数据，我们将在此处进行说明。 图 17 显示了计算每个地理位置/年份组合的产量样本均值和样本标准差的步骤以及结果表。
Figure 17 Minitab: Descriptive statistics via Table图 17 Minitab：通过表格进行描述性统计
如果需要不同的汇总统计，或者要使用不同的分类和/或关联变量，则重新启动“表”>“描述性统计”工具，更新对话框并重新运行分析。
联合管理计划
JMP 还可以通过多种方式计算描述性统计量，包括分布平台、图形生成器、列查看器以及通过列公式。 与使用 Minitab 显示的内容类似，我们说明如何通过“分析”>“制表”平台计算汇总统计量。
启动 Tabulate 平台将打开图 18A 所示的窗口。 只需将变量放入不同的角色即可创建表。 可以移动这些变量来更改表的显示方式。 可以删除、添加变量、计算新的统计数据以及其他功能，并在做出这些更改后立即更新表。 将其视为您创建所需表格的空白画布。
Figure 18A JMP: Descriptive Statistics via Tabulate图 18A JMP：通过制表进行描述性统计
图 18B 显示了创建表格的步骤，该表格显示了年份和地理位置的 6 种不同组合的产量的平均值和标准偏差。
我们首先将 Yield 放入结果单元格放置区域。 默认情况下将该变量的总和（默认统计量）显示为单个单元格（图 18B 中的左上图像）。 注意：您还可以选择通过首选项（JMP > 首选项 > 平台 > 制表）默认显示平均值和标准差。
在这种情况下，我们将通过将这两个统计数据从显示单词总和的单元格顶部的列表中拖动来将总和替换为平均值和标准差。 该表将更新，用平均值和标准差替换总统计量（图 18B 中的右上图）。
分类变量（年份和地理位置）只需放入所需的位置即可。 年份放置为行（图 18B 中的左下图），地理位置放置为列（右下图）。
Figure 18B JMP: Descriptive Statistics via Tabulate图 18B JMP：通过制表进行描述性统计
通过将变量移动到不同的放置区域，可以轻松更改此表以创建不同的视图。 图 18C 显示了当变量 GeoLocation 移动到 Year 内的另一个行变量时生成的表。
Figure 18C JMP: Descriptive Statistics via Tabulate图 18C JMP：通过制表进行描述性统计
通过选择红色三角形下方的“制作成数据表”，可以将该汇总统计数据表制作成 JMP 数据表，以供进一步分析。 图18D显示了结果数据表。
Figure 18D JMP: Descriptive statistics via Tabulate – Creating a Data Table图 18D JMP：通过制表进行描述性统计 – 创建数据表
绘图
Minitab 和 JMP 绘制数据图形的方式截然不同；这是 JMP 新用户将体验到的两个软件之间最显着的差异之一。
我们将使用以下内容来说明其中一些分析粮食产量数据。
迷你表
要在 Minitab 中创建图形，必须首先决定需要哪个图形，然后从“图形”菜单中选择它。 图 19 显示了该菜单下可用的图表列表。
Figure 19 Minitab: Graph menu图 19 Minitab：图形菜单
我们将通过创建散点图来说明在 Minitab 中创建图形的过程。 启动散点图工具后，会出现一个屏幕（图 20A 中的左图）。 此时，用户必须选择散点图选项之一。 在此示例中，选择了 Simple。 然后出现一个对话框，输入要在 Y 和 X 轴上绘制的变量（图 20A 中的右图）。
Figure 20A Minitab: Scatterplot图 20A Minitab：散点图
比例、标签、数据视图、多个图形和数据选项按钮提供了附加选项。 图 20B 显示了未选择其他选项时的结果图。
Figure 20B Minitab: Scatterplot图 20B Minitab：散点图
通过启动右上角下拉菜单下的编辑图表工具，可以编辑图表的一些元素（例如，更改点的颜色）。
要制作图 20C 中所示的散点图，该散点图对 4 个地理位置中的每一个都有单独的回归线，则需要创建一个全新的图表。 这可以通过重新启动散点图工具并从图 20A 所示的对话框中选择“With Regression and Groups”来完成。
Figure 20C Minitab: Scatterplot图 20C Minitab：散点图
要使用相同的数据创建完全不同类型的图形（例如，比较箱线图等），则用户将返回图形菜单，启动特定的图形工具并指定适当的选项。 以图形方式探索数据的每次迭代通常都需要这种方法，直到生成所需的图形。
联合管理计划
JMP 创建图形的方法与 Minitab 非常不同。 尽管 JMP 中提供了跨每个分析平台创建图形的工具，但我们将说明如何通过强大的图形生成器平台创建可视化。 该工具的设计符合人们在实践中探索和分析数据的典型方式。 启动图形生成器平台（图形 > 图形生成器）后，首先显示的内容可以视为空白画布和图形调色板（图 21A）。
Figure 21A JMP: Graph Builder图 21A JMP：图形生成器
通过将变量放入不同的角色并选择所需的图形显示来创建图形。 例如，如果将变量水分含量放入 Y 区域，JMP 将首先显示点图（图 21B）。
Figure 21B JMP: Graph Builder – Dotplot图 21B JMP：图形生成器 – 点图
如果需要不同的图表（例如箱线图）而不是点图，只需从顶部的图表调色板中选择该选项，图表就会立即发生变化。 图21C显示了同时选择了点图和箱线图的图表。
Figure 21C JMP: Graph Builder – Dotplot and Boxplot图 21C JMP：图形生成器 – 点图和箱线图
如果将另一个连续变量放入 X 区域，JMP 会自动将图形更改为散点图。 图 21D 显示了包含回归线的此类图的示例。
Figure 21D JMP: Graph Builder – Scatterplot with regression line图 21D JMP：图形生成器 – 带回归线的散点图
对于所选的每种类型的图表，左侧都会显示工具和选项，以进一步更改或增强图表。 例如，将方程、95% 置信区间和 R 方值添加到图表中。
如果需要，在此过程中创建的每个图表都可以保存到数据表中。 或者，分析师可以继续直观地探索数据。 图 21E 显示了如果将变量 GeoLocation 放入 Wrap 放置区域，图表将如何变化。
Figure 21E JMP: Graph Builder – Individual scatterplots with regression lines图 21E JMP：图形生成器 – 带有回归线的单个散点图
如果 GeoLocation 从“包裹”放置区域移动到“叠加”放置区域，并且显示方程和 R 方的选项被关闭，则图形将更改为图 21F 所示。
Figure 21F JMP: Graph Builder – Scatterplot with overlaid regression lines图 21F JMP：图形生成器 – 具有重叠回归线的散点图
将光标悬停在其中一个轴上，指针会变为手形符号，从而提供一种简单的方法来移动和/或重新缩放轴。 双击轴会弹出一组工具来进一步更改图形，例如从线性刻度更改为对数刻度。
右键单击图表会弹出一个附加工具菜单，用于更改显示，例如更改所使用的颜色和符号。
这个过程说明了每个软件如何进行图形分析的根本区别。 在 Minitab 中，选择图形类型并选择选项，但不会看到这些选项的作用。 在 JMP 中，您可以交互式地构建图表，了解每个选择将如何改变和增强图表。 这将带来更高效、更丰富的数据探索，让您能够快速生成无数图表来发现数据中的特征，并创建最能传达您的发现的可视化效果。
JMP 的本地数据过滤器和列切换器是两个非常强大的工具，可以极大地增强数据的可视化探索。 插图与广告实验数据。
利用 JMP 的动态链接数据，可以切换新变量和/或过滤数据，并且图表将立即更新以反映这些变化。 图 22 显示了变量 WS1 的比较点图，其中变量广告样式的四个不同类别的置信区间为 95%。 列切换器（如左上角所示）的设置使分析人员可以简单地选择（或浏览）其他 9 个可能的结果变量以显示在 Y 轴上。 还使用解释因素促销（三个级别）和时间段（10 个级别）设置本地数据过滤器。 分析师可以根据这些变量对数据进行子集化。 对于每个选择，图表将立即更新以显示 Y 轴的选定变量，并仅包含使用本地数据过滤器选择的数据。 在 Minitab 中，必须为这些变量的每种可能组合单独创建一个新图表。
Figure 22 JMP: Column Switcher and Local Data Filter图 22 JMP：列切换器和本地数据过滤器
JMP 包含许多目前 Minitab 中不可用的图形工具。 这些极大地扩展了您探索和呈现数据的能力。 图 23A-J 显示了其中一些可视化效果。
Figure 23A JMP: Hover Graphlet图 23A JMP：悬停图
Figure 23B JMP: Image Labels图 23B JMP：图像标签
Figure 23C JMP: Geographic Maps图 23C JMP：地理地图
Figure 23D JMP: Motion Bubble Plot图 23D JMP：运动气泡图
Figure 23E JMP: Correlation Color Map图 23E JMP：相关颜色图
Figure 23F JMP: Shape Based Heat Maps图 23F JMP：基于形状的热图
Figure 23G JMP: Density Contour Plot图 23G JMP：密度等值线图
Figure 23H JMP: Word Cloud图 23H JMP：词云
Figure 23I JMP: Comparative Histograms图 23I JMP：比较直方图
Figure 23J JMP: Scaled Parallel Plots图 23J JMP：按比例缩放的平行图
Figure 23K JMP: Mosaic Plot图 23K JMP：马赛克图
Figure 23L JMP: Nonlinear Functional Fit图 23L JMP：非线性函数拟合
单变量分析
Minitab 和 JMP 运行统计分析的方法截然不同。 我们将逐步分析每个软件的单个连续变量，以证明这些差异。
我们将使用以下内容来说明这些分析酸奶生产数据。
迷你表
在 Minitab 中，图形摘要工具是分析单个变量的有用方法。 要运行此分析，请在统计菜单中选择此工具。 将出现一个对话框，供您选择要执行分析的变量。 图 24A 显示运行分析的步骤，24B 显示结果输出。 图表上显示的正态分布曲线是此输出中可以显示的唯一分布。 使用其他概率分布需要 Minitab 中的不同工具。
Figure 24A Minitab: Graphical Summary图 24A Minitab：图形摘要
Figure 24B Minitab: Graphical Summary图 24B Minitab：图形摘要
如果需要显示的统计数据以外的不同统计数据，则需要启动不同的工具（统计 > 基本统计数据 > 显示描述性统计数据）并选择这些选项。 现在显示步骤和输出。
图形摘要显示 Anderson-Darling 正态性检验的结果。 如果您想检查概率图和/或经验累积分布函数图来配合测试，则需要使用两种不同的附加工具（统计>基本统计>正态性检验和图表>经验 CDF）来完成。 该过程与运行任何其他分析类似。 启动该工具时会出现一个对话框，供用户指定要运行分析的变量并选择选项。 图 25A 显示了运行正态性检验分析的步骤，25B 显示了结果输出。
Figure 25A Minitab: Normality test图 25A Minitab：正态性检验
Figure 25B Minitab: Normality test图 25B Minitab：正态性检验
要创建 CDF 图，将启动不同的工具（图形>经验 CDF）并运行分析（现在显示步骤和输出）。
例如，如果正态分布不是用于变量的良好模型，则可能需要评估其他分布。 该评估是在不同的工具中执行的（统计>质量工具>个体分布识别）（步骤和输出未显示）。
假设分析的下一步是对总体平均值进行假设检验。 为此，需要访问另一个工具（统计 > 基本统计 > 1-样本 t）（步骤和输出未显示）。 要执行有关方差的假设检验，请使用新工具（统计 > 基本统计 > 1 方差）执行相同的过程
分析单个连续变量的其他常见分析包括：等价检验、公差区间、预测区间、能力分析等。 每个都需要 Minitab 中的不同工具，并且每个工具都会生成单独的输出。 目前，Minitab 无法生成预测区间，因此实际上需要手动创建公式。
联合管理计划
JMP 的单变量分析方法截然不同，更符合探索和分析数据的自然工作流程。 JMP 具有单一平台（分析 > 分布），可以执行上一节中提到的所有分析。 通过从菜单中选择平台并完成对话框来访问该平台，如图 26A 所示。 图 26B 显示了初始输出。
Figure 26A JMP: Distribution图 26A JMP：分布
Figure 26B JMP: Distribution图 26B JMP：分布
初始输出提供数据的图形和数字显示，包括直方图、箱线图、汇总统计数据和平均值的置信区间。 单击摘要统计表顶部的红色三角形可以访问一组工具来更改显示的统计信息。
所有提到的分析以及许多其他分析都可以在这一报告窗口内进行。 这些都是通过变量名称旁边的红色三角形访问的。 这些上下文菜单为您提供了一组分析，您将在分析工作流程中考虑这些分析。 图 27 显示了该菜单以及所选的连续拟合 > 正态分析。
Figure 27 JMP: Distribution图 27 JMP：分布
图 28A 到 28K 显示了连续拟合和对这些数据执行的所有其他单变量分析的结果，其中每组新的输出都添加到一个报告窗口中，以便于进行轻松比较。
Figure 28A JMP: Quantile Plot and Distribution Fit图 28A JMP：分位数图和分布拟合
Figure 28B JMP: Goodness of Fit图 28B JMP：拟合优度
Figure 28C JMP: CDF Plot图 28C JMP：CDF 图
Figure 28D JMP: Interactive Distribution Profiler图 28D JMP：交互式分布刻画器
Figure 28E JMP: Interactive Quantile Profiler图 28E JMP：交互式分位数刻画器
Figure 28F JMP: Test Mean图 28F JMP：测试均值
Figure 28G JMP: Test Standard Deviation图 28G JMP：测试标准偏差
Figure 28H JMP: Prediction Interval图 28H JMP：预测区间
Figure 28I JMP: Tolerance Interval图 28I JMP：公差区间
Figure 28J JMP: Equivalence Test图 28J JMP：等价测试
Figure 28K JMP: Capability Analysis图 28K JMP：能力分析
还可以使用其他交互式工具，通过“假设”场景提供额外级别的分析功能。 图 29A – 29C 显示了其中的三个（p 值动画、功率动画和能力动画）。 除了帮助更好地理解正在研究的过程之外，这些交互式工具还提供了一种理解或教授统计概念的好方法。
Figure 29A JMP: p-value Animation图 29A JMP：p 值动画
Figure 29B JMP: Power Animation图 29B JMP：电源动画
Figure 29C JMP: Interactive Capability Plot图 29C JMP：交互能力图
此交互式报告中还提供本地数据过滤器和列切换器。 图 30 显示了为 7 条生产线设置的色谱柱切换器以及为批次号设置的本地数据过滤器。 您现在可以选择要包含在分析中的生产线和批次，并且所有数字和图形输出都会立即更新。 使用 Minitab，希望分析的每个结果变量和/或数据子集都需要在所有各种工具中重新运行每一项分析，从而创建大量需要管理的报告。
Figure 30 JMP: Column Switcher and Local Data Filter图 30 JMP：列切换器和本地数据过滤器
保存和共享结果
迷你表
每次在 Minitab 中执行分析时，输出都会作为单独的元素放置在导航器窗格中。 保存项目文件会将所有这些输出元素以及所有工作表保存到项目文件中。 单独的输出也可以保存为图像文件（例如.png、.jpg）并放入其他应用程序中。
联合管理计划
有多种方法可以在 JMP 中保存分析结果。 其中包括保存为交互式 .html 文件、保存为 JMP 日志文件、保存为放置到其他应用程序中的图像文件，甚至通过以下方式发布到私有安全仪表板。 JMP Live 提供在 JMP 外部查看报告并与之交互的能力。 我们将说明将报告作为脚本保存到数据表中，因为这是保存分析工作的最常见方法。
在报告中，选择报告窗口左上角红色三角形下方的“保存脚本”>“至数据表”（图 31A）。
Figure 31A JMP: Saving a script to data table图 31A JMP：将脚本保存到数据表
保存的脚本将出现在数据文件窗口的左上角窗格中（图 31B）。
Figure 31B JMP: Saved Scripts图 31B JMP：保存的脚本
单击绿色三角形将重新运行保存的脚本以执行与该报告关联的所有分析。 这允许您对修改后的数据集重新运行全套分析（例如，删除/添加数据、重新编码值、通过全局数据过滤器进行子集化、新行状态）。 脚本可以在窗格中重新排序或分组在一起，以帮助管理您的分析工作。
单因素分析
Minitab 和 JMP 都有执行单因素分析的工具（例如，简单线性分析）
回归、简单逻辑回归、单因素方差分析和卡方检验
比较比例）。 与单变量分析类似，他们研究如何
分析的执行方式非常不同。
我们将使用平板电脑生产数据来说明其中一些分析。
迷你表
在 Minitab 中执行单因素分析时，会启动适当的工具（例如统计 > 回归 > 拟合线图）。 在对话框中指定适当的变量并选择其他选项。 生成输出并将其放置在输出窗口中。 例如，考虑检查简单线性回归的输出，需要向图形添加置信区间，或者检查残差图，或者可能需要将其中一个变量的尺度从线性更改为对数或也许一起使用不同的响应或预测变量。 需要重新启动拟合线图工具，更改选项，然后创建一组新的输出。 Minitab 中的每组输出主要是静态的，只允许进行少量更改。
不同的单因素分析（例如逻辑回归、方差分析、卡方检验）需要使用其他工具。
联合管理计划
在 JMP 中，所有单因素分析均在一个平台上执行：分析 > 用 X 拟合 Y。图 32A 显示了该平台的对话框。 选择 Y（响应变量）和 X（因子）后，JMP 会自动确定正确的分析。
为了说明 JMP 如何同时执行多项分析，我们选择了两个变量作为 Y、响应（溶出度，连续变量；批次验收，二元变量）和两个变量作为因子（API 粒径，一个包含三个变量的分类变量）。水平；研磨时间，连续变量）。
JMP 将创建四种不同的分析：
- 溶出度与 API 粒径的单向方差分析。
- 溶出度与研磨时间的简单线性回归。
- 批次验收与 API 粒径的列联表分析。
- 批次验收与工厂时间的简单逻辑回归
Figure 32A JMP: Fit Y by X图 32A JMP：用 X 拟合 Y
与 JMP 中的许多其他平台一样，“Fit Y by X”能够进行包含按变量分类的分析，为该变量的每个水平运行单独的分析。 该模型还可以为观测值分配加权值。 该平台还可用于汇总频率/表格格式的数据。
这四项分析的初始输出如图 32B 所示。 注：行状态的设置使得满足溶出度≥70规格的批次颜色编码为绿色，那些<70的批次颜色编码为红色。
每个分析旁边都有一个红色三角形热点，其中显示了一个上下文菜单，其中包含 JMP 在整体分析中尽可能推荐的后续步骤工具。 由于执行了四种不同的统计分析技术，因此每个菜单下有四组不同的工具。 图 33 显示了每个上下文菜单。 您现在可以选择分析工作流程中的下一步。 每个后续分析都会生成另一组输出，添加到报告中，并带有提供其他选项的新红色三角形热点。
Figure 32B JMP: Fit Y by X Report图 32B JMP：通过 X 拟合 Y 报告
Figure 33 JMP: Fit Y by X Contextual Menus图 33 JMP：按 X 拟合 Y 上下文菜单
为了说明如何在“通过 X 拟合 Y”平台中展开分析，选择了红色三角形下的“按研磨时间进行溶出度的二变量拟合”的“拟合线”选项。 图 34 显示了现在根据该选择添加到报告中的输出。
Figure 34 JMP: Linear Regression Fit图 34 JMP：线性回归拟合
请注意，所选线性拟合旁边出现了一个新的红色三角形热点。 图 35 显示了该上下文菜单下的可用选项。 在这里，您可以看到向图表添加置信区间或预测区间、创建残差图、将值保存到数据表等的选项。
Figure 35 JMP: Linear Fit Contextual Menus图 35 JMP：线性拟合上下文菜单
如图 33 中的双变量拟合菜单所示，可以拟合和比较其他模型。 例如：多项式、样条曲线、正交、非参数密度和稳健回归。 改造可在 Fit 特价下进行。 图 36 显示了这些选项。
Figure 36 JMP: Transformation图 36 JMP：转换
当您探索和比较不同的模型选择以找到最适合数据的模型时，可以在报告中添加或删除正在考虑的每个模型拟合。 图 37 显示了添加了二次拟合和非参数密度的显示。
Figure 37 JMP: Comparing Models图 37 JMP：比较模型
如果您希望更改使用的变量或选择数据子集作为分析的基础，则可以访问本地数据过滤器和列切换器。 所有输出将立即更新以反映这些选择。 无需像使用 Minitab 那样将数据子集到新的数据表中并重新运行分析。
正如此示例再次说明的那样，在 JMP 中分析数据不仅仅是简单地对数据集执行特定统计技术并观察输出的静态集合。 这些平台旨在遵循与您在实践中分析数据的方式一致的自然分析工作流程。 您探索、与数据和结果交互、更改变量、过滤数据、尝试不同的模型选项，每个结果都会导致一系列分析步骤中的下一个逻辑步骤。
多变量统计模型
建立涉及许多变量的统计模型可能是最强大且最常用的分析类型。 构建这些模型通常有四个目的：
- 用于测试特定假设。
例子：与安慰剂相比，药物治疗 A 是否会使 70 岁以上男性的康复率降低至少 15%？ 女性的效果也一样吗？
- 从众多变量中找出与结果最相关的几个变量。
例子：与社区不良健康结果最相关的关键社会经济条件是什么？
- 定量描述变量之间的关系。
例子：当加工温度增加 5 时，溶液的粘度会降低多少0 C 处理时间增加10分钟？
- 创建一种预测结果的方法。
例子：根据客户的特征及其当前抵押贷款，客户有兴趣了解新的抵押贷款再融资计划的可能性有多大？
模型的主要目标可能只是其中之一、部分甚至全部。 所选择的建模技术通常由这些目标中最重要的一个决定。
迷你表
Minitab v19 具有三种多变量建模技术：
· 广义线性模型（例如方差分析、线性回归、逻辑回归）
· 分类和回归树
· 判别分析
与执行单因素分析类似，构建多变量统计模型需要首先选择适合情况的建模类型（例如，统计 > 方差分析 > 一般线性模型）。 然后，用户在该对话框中指定要包含的变量以及任何其他相关选项。
运行分析时生成输出并放置在输出窗口中。 在构建统计模型的过程中，分析师通常需要拟合许多不同的模型，每个模型都包含一组不同的变量和模型项，直到确定最终模型。 如果决定从模型中删除变量或项，则会重新启动对话框，进行更改，然后重新运行分析。 考虑的每个可能的模型必须单独运行，每个模型产生一组不同的输出。 与 Minitab 中的大多数分析结果一样，数字和图形输出大多是静态的，只有几个选项可以进行更改。 例如，如果希望从数据中删除一些观察结果，则必须创建一个新的工作表并再次运行所有模型。
JMP 和 JMP Pro
JMP 和 JMP Pro v16 具有以下多变量建模技术以及每种技术中的许多变体。
· 广义线性模型（例如方差分析、线性回归、逻辑回归）
· 分区（决策树）
· 神经网络
· 判别分析
· 引导森林 *
· 增强树*
· K 最近邻*
· 朴素贝叶斯 *
· 支持向量机 *
* 仅限 JMP Pro
除此之外，JMP 和 JMP Pro 中还有其他建模技术。 它们通常用于更专业的应用，而不是一般建模目的，因此上面没有列出（例如，社会科学中的结构方程模型；用于消费者研究的 Uplift、Choice 和 MaxDiff；用于对函数、信号等数据进行建模的功能数据浏览器，或系列）。
每个 JMP 建模平台还提供许多有关估计方法和模型拟合规范的选项。 这些提供了生成更多模型以供考虑的能力，并允许在处理复杂情况时提供更大的能力（例如，加权最小二乘、惩罚回归、信息缺失、K 折交叉验证等等）。
我们将通过使用以下函数拟合 Logistic 回归模型来说明 JMP Pro 中的模型构建过程：抵押贷款再融资外展数据。
逻辑回归模型：
在 JMP 中，所有线性模型都是使用“分析”菜单下的“拟合模型”平台创建的。 这一平台允许您通过在“个性”下拉菜单下选择所需的选项，从各种模型形式和模型拟合技术中进行选择。 图 38 显示了 JMP（左）和 JMP Pro（右）中可用的选项。
Figure 38 JMP and JMP Pro: Fit Model – Personalities图 38 JMP 和 JMP Pro：拟合模型 – 个性
图 39A 显示了“拟合模型”平台的对话框，其中添加了结果变量和模型项。 在这里，我们正在拟合一个仅主效应模型。 可以选择包括交互项、二次效应、将项定义为：（交叉或嵌套）和（固定或随机）。 我们还包括一个验证列。 此列将数据随机分配为：75% 训练和 25% 验证。 JMP 将仅使用训练数据来拟合模型。 验证数据将用于评估拟合模型的预测能力。 这种方法可以帮助避免模型过度拟合数据带来的不良结果。
Figure 39A JMP Pro: Fit Mode图 39A JMP Pro：拟合模式
运行分析后，JMP 将生成名义逻辑回归报告。
与 JMP 的所有分析输出一样，最好将报告视为交互式平台而不是静态输出。 例如，可以从拟合模型中删除模型项，而无需返回“拟合模型”对话框、进行更改并重新运行分析。 图 39B 显示了报告中带有变量的效果摘要表年龄已选择。
Figure 39B JMP Pro: Fit Model – Effect Summary for Nominal Logistic Regression图 39B JMP Pro：拟合模型 – 名义 Logistic 回归的效果摘要
图 40 显示了顶部红色三角形下方的可用选项。
Figure 40 JMP Pro: Fit Model – Contextual Menu in Nominal Logistic Regression report图 40 JMP Pro：拟合模型 – 名义 Logistic 回归报告中的上下文菜单
图 41A – 41D 显示了在构建添加到报告中的逻辑回归模型时检查的一些常见输出类型。
Figure 41A JMP Pro: Fit Model – Confusion Matrix in Nominal Logistic Regression report图 41A JMP Pro：拟合模型 – 名义 Logistic 回归报告中的混淆矩阵
Figure 41B JMP Pro: Fit Model – ROC Curve in Nominal Logistic Regression report图 41B JMP Pro：拟合模型 – 名义 Logistic 回归报告中的 ROC 曲线
Figure 41C JMP Pro: Fit Model – Lift Curve in Nominal Logistic Regression report图 41C JMP Pro：拟合模型 – 名义 Logistic 回归报告中的提升曲线
Figure 41D JMP Pro: Fit Model – Profiler in Nominal Logistic Regression report图 41D JMP Pro：拟合模型 – 名义 Logistic 回归报告中的刻画器
当统计模型的主要目标仅用于预测并且方程不必具有具有可解释系数的简单形式时，则应探索其他更复杂的模型。 JMP Pro 有一个非常强大的平台，称为模型筛选，可以使用各种技术拟合许多不同的模型，并在一份报告中一起呈现结果。 图 42 显示了该平台的对话框，其中包含分配给其角色的变量以及选定的一组模型类型。
Figure 42 JMP Pro: Model Screening图 42 JMP Pro：模型筛选
图 43 显示了报告中生成的一些摘要结果，使您可以轻松查看和比较模型性能。 请注意，增强神经网络模型在验证数据上的总体错误率最低 (16.0%)，而名义 Logistic 回归为 19.2%。
图 44 显示了决策阈值工具，在预测我们在这里所做的分类结果时，该工具对于评估非常重要。 该工具提供了一种交互式方法来评估当您考虑不同的概率阈值时每个模型的错误率如何变化。
每个模型平台都可以从此报告启动，提供对每个模型平台可用的全套工具的访问。
Figure 43 JMP Pro: Model Screening – Model Summary图 43 JMP Pro：模型筛选 – 模型摘要
Figure 44 JMP Pro: Model Screening – Decision Threshold图 44 JMP Pro：模型筛选 – 决策阈值
结论
Minitab 和 JMP 都为用户提供了一个易于使用的点击环境来分析数据。 尽管它们都包含许多相同的统计技术，但您访问和使用它们的方式不同。 例如：JMP 中的大多数单变量分析都是在分布平台中执行的，而在 Minitab 中，根据要分析的特定数据类型和要选择的统计技术，使用许多不同的工具。 在 JMP 中，每个单变量分析的输出都可以添加到同一报告窗口中。
正如本转换指南中所示，数据表、图表和报告在 JMP 中动态链接，为您提供了一个更具交互性的环境来探索和分析数据。 此功能允许您仅使用一个数据表和一组分析报告对各种数据子集进行一整套分析。 相比之下，Minitab 中的典型分析会话要求您管理许多不同的工作表和大量分析输出。
JMP 通过图形生成器直观地探索数据的方法与 Minitab 处理图形数据的方式截然不同。 正如我们在指南中所演示的，JMP 的图形生成器允许您查看您正在考虑的每个选项如何更改可视化，为您提供发现数据中的特征和模式的动态方式。
访问jmp.com了解有关 JMP 功能的更多信息并查找书籍、网络研讨会、白皮书、课程等学习资源。
关于作者
