Bonjour à tous,
Je poste ici tout ce qui s'est échangé par mail sur ce sujet pour centraliser notre action.
Date: jeudi 10 février 2022 10:12
De: Stéphane
Je me permets de revenir vers vous afin de préparer un peu à l’avance notre prochaine visio-conférence (17 mars) pour notre webinar (6 juin) sur la proposition d’une aide à la modélisation bivariée sous la forme d’une Check-List.
Je vous propose un premier jet de cette Check-List dans le fichier Excel joint (cf. fichier 1) (Onglet #2 intitulé « Modélisation bivariée ». Ne tenez pas compte de l’onglet #1 intitulé « Préparation des données »)
Vos inputs sont les bienvenus ! N’hésitez pas à rajouter des étapes, corriger des absurdités, rajouter des commentaires (PS : Merci d’indiquer vos initiales), voire même des colonnes (ex : « Plateforme JMP à utiliser »). Pour info, je ne me suis focalisé que sur le cas où Y et X sont des variables continues, aviez-vous en tête de traiter aussi les autres cas ?
Ne vous formalisez pas sur la forme, ce n’est qu’un document de travail. Nous verrons ce point pas la suite.
Si nous pouvions parvenir à un consensus sur le contenu avant notre visio-conférence, ce serait parfait !
Nous pourrions ainsi nous focaliser sur :
- La revue définitive du contenu
- Le choix du format de diffusion
- L’organisation du Webinar
- Définition du scénario/déroulement
- Choix des exemples
- Choix des présentateurs
Date: vendredi 11 février 2022 15:01
De: Victor
Merci pour ce super travail très complet !
Effectivement, selon l’utilisation de la plateforme « Fit Y by X » ou « Fit Model », le nombre d’options n’est pas le même…
Je pense que ça peut d’ailleurs être intéressant de séparer les deux, les options ou tests cités dans le tableau n’étant pas forcément possible sur les deux plateformes, donc tout dépend du dataset et but visé.
- Commencer par une approche exploratoire avec du « Fit Y by X » (et d’autres plateformes comme « Distributions », « Screening>Explore Outliers », « Multivariate », … )
- Aborder une partie modélisation avec du « Fit Model » et les tests disponibles que tu cites.
Quelques compléments de ma part (certains peut-être plutôt dans la partie 2 du sujet Modélisation ?) :
- Pour le coefficient R², il n’y a pas vraiment de minimum nécessaire, tout va dépendre du contexte : si on est sur des données de rendement/production avec un process en fonction de facteurs, on va chercher à modéliser au mieux le système, donc un R² inférieur à 0,6 – 0,7 par exemple sera assez décevant : il y a potentiellement d’autres facteurs influents non pris en compte… Pour des études sensorielles/de préférences/goût, parvenir à obtenir un R² de 0,5 pour expliquer les préférences de personnes en fonction de différents attributs est déjà très instructif (exemple perso sur JMP Public, une analyse de bières qui explique 45% des préférences de quelqu’un c’est plutôt intéressant :squinting_face_with_tongue:).
- Pour le manque d’adéquation/sur-apprentissage (et la présence d’un point aberrant faussant l’analyse), j’aime beaucoup utiliser le R² PRESS : calculé en faisant la moyenne de R² calculés avec n-1 points à chaque fois, cela peut permettre de déceler un problème de généralisation du modèle si R² et R² Press sont très différents. Merci Damien pour l’astuce
- Pour les résidus, afficher les « Studentized Residuals » est assez instructif aussi, et permet en un coup d’œil de déceler un problème.
- Concernant les valeurs aberrantes, la plateforme de screening d’outliers est très bien, mais dans le cas d’un problème avec un grand nombre de dimensions j’aime bien faire une analyse d’outliers par la plateforme « Multivariate » -> Jackknife distances.
Sur la plateforme « Fit Y by X » il y a également beaucoup de choses à dire dans le cas de données catégorielles : ANOVA (avec comparaison des moyennes, test d’équivalence des moyennes et des écart-types/variance…), analyse de contingence…
Enfin, je mets en PJ deux cheatsheets que j’avais transmise à Florence, et qui sont assez pratiques pour la réalisation de tests statistiques :smiling_face_with_smiling_eyes: (cf. fichiers 2 et 3)
Date: vendredi 11 février 2022 17:18
De: André
Merci Stéphane et Victor pour ce travail et vos réflexions.
Le tableau proposé est très bien. Je crois que nous pouvons apporter un plus en indiquant dans la colonne moyen à mettre en œuvre la commande, l’option JMP associée et en s’appuyant sur l’aide pour approfondir pour se distinguer de fiches déjà existantes (cf. fichier 4) (ceintures noires, fiches méthodes d’Olivier, …). Notre cheat sheet doit être pour l’utilisation de JMP. J’ai ajouté une colonne F avec le menu JMP (cf. fichier 5). Cette colonne sera notre aide pour avoir le bon graphique, la bonne valeur, la bonne p-valeur pour interpréter nos données.
A titre d’exemple, j’ai repris la liste des options de la plateforme Fit Least squares (cf. fichier 6). On peut associer une option à 1 point à vérifier. Vous pouvez voir mes préférences ci-dessous.
Ensuite, je suis très prudent sur les niveaux des seuils pour des R² et autres coefficients de corrélations. Ce sont des variables aléatoires et il faut faire un test pour s’assurer de la significativité. On peut être satisfait d’un coefficient de corrélation linéaire faible mais significatif (idem pour R²).
Peut-être faudrait-il se répartir les lignes à travailler pour avancer. Qu’en pensez-vous ?
Encore mille mercis pour avoir amorcé un fil directeur. Cela me fait penser que le temps que j’avais planifié pour la diapo sur notre comité a été utilisé pour autre chose !
Date: vendredi 17 février 2022 14:55
De: Anne
Merci pour toutes les suggestions sur le sujet !
Je pense qu’on risque de rapidement remplir (voire déborder !) la session :smiling_face_with_smiling_eyes:
Je me demande si on ne pourrait pas se concentrer sur la plateforme Fit Y by X dans cette première session et laisser le Fit model pour la deuxième session sur la modélisation prévue au mois de juillet.
D’après moi cela pourrait être bien de traiter les différents cas de figure selon que les variables soient quantitatives ou qualitatives.
Et effectivement rester sur quelque chose de très pratique orienté JMP, pour savoir où chercher et trouver les infos correspondantes à chaque étape.
Date: vendredi 23 février 2022 13:28
De: Victor
Pour faire suite aux différents commentaires sur cette première partie modélisation, et la nécessité de se focaliser sur un nombre d’analyses (et de plateformes) réduit, je vous propose un petit condensé des analyses et tests statistiques possibles sur des distributions univariées et bivariées dans JMP, à l’aide des plateformes Distributions et Fit Y by X (cf. fichier 7).
Je ne pense pas qu’il y ait besoin de tout voir (dans un webinaire d’une heure ca risque d’être short …), mais on pourrait piocher des cas d’applications sur certaines de ces analyses, et réaliser un logigramme pour la cheatsheet qui permette aux utilisateurs de se diriger sur la bonne plateforme en fonction des données qu’ils ont et de leurs buts (modélisation, test statistique/comparaison, visualisation, …).
Je serai d’avis de pousser quelques exemples de tests statistiques dans ce webinaire, car ils sont important en analyse exploratoire pour mieux comprendre son jeu de données et se retrouvent également dans des plateformes/analyses plus complexes (analyse de plans d’expériences, MSA, …), donc pouvoir comprendre leur fonctionnement sur un exemple simple peut permettre de mieux comprendre la logique derrière des analyses plus complexes : les plans d’expériences (et les hypothèses en présence) ou les analyses de système de mesure (et l’analyse des variances en fonction des équipements, opérateurs, etc…) … :smiling_face_with_smiling_eyes:
Date: vendredi 23 février 2022 14:22
De: Stéphane
J’allais justement vous envoyer ce sur quoi j’avais travaillé depuis quelques jours pour notre groupe.
J’ai voulu mettre à l’épreuve le prototype de Check-List que je vous avais envoyé sur un cas de données (inventé). (cf. fichiers 8 et 9). Cela donne une idée en plus de la trame qui peut être déroulée lors du Webinar.
Il ne traite que du cas de la modélisation bivariée (j’avoue que c’est plus ce à quoi j’ai l’habitude) en utilisant :
- Non seulement, comme le recommandait Anne, la plateforme Fit Y by X (que j’ai redécouvert pour l’occasion :smiling_face_with_smiling_eyes:)
- Mais aussi la plateforme Fit Model (vers laquelle je me dirige en réalité instinctivement à chaque fois)
En lisant le mail et document de Victor, je me rend compte qu’il y a tant à dire qu’il va falloir … dédoubler le Webinar ou faire des choix drastiques !
(André, Florence, ça vous apprendra à mettre un Victor et un Stéphane ensemble :squinting_face_with_tongue:)
Date: vendredi 23 février 2022 16:36
De: Victor
Merci pour les slides, ça fait une démarche pas-à-pas intéressante pour la résolution d’un problème.
De mon côté, le fichier Excel n’aide pas trop à se représenter la démarche et je n’ai pas été forcément très clair, mais je voulais accentuer le côté cheatsheet en fonction des données, distributions, et de ce qu’on souhaite faire (voir exemple en PJ) (cf. fichier 10) dans JMP à la manière des logigrammes que je vous avais envoyé précédemment sur les tests statistiques (degré de précision du logigramme à considérer pour ne pas le rendre trop chargé…).
Les deux approches sont assez complémentaires je pense : Stéphane montre ce qu’il est possible de faire et les différentes précautions à prendre sur l’analyse d’un jeu de données, tandis que la cheatsheet présente un « éventail des possibilités » dans lequel piocher en fonction des besoins :smiling_face_with_smiling_eyes:
Concernant les documents et faisant suite au mail de Florence, peut-être peut-on uploader tous nos documents (Excel, ppt, etc…) sur notre espace de communauté, afin de les avoir au même endroit (et pas à travers plusieurs mails) ?
- A voir où on peut les mettre (on crée un article Knowledge base regroupant tous les fichiers actuels de travail, et les suivants viendront en réponse du post initial ?) ?
Comme le souligne Stéphane, il peut être dangereux d’associer un Stéphane et un Victor ensemble :squinting_face_with_tongue:
Date: vendredi 23 février 2022 16:53
De: Florence
Quel travail !!! bravo !!!
Je pense que les bases du webinar sont vraiment la !
J’aurais juste une remarque : N’oublions pas de rester sur le fait que JMP est simple ! alors je pense qu’il va falloir simplifier cela. Et la dessus, je te rejoins Victor. Ton fichier excel est super intéressant mais trop dense. Il faudrait le proposer dans une structure plus hiérarchique, comme le PPT, mais plus visible, car le PPT est dense aussi.
Je pense qu’on peut créer un post dans le groupe mentionné. Et du coup, réagir à ce niveau la, commenter etc. On verra à l’usage si cela est plus simple ou pas au final ! Je laisse le leader du groupe modélisation créer le premier post !
On se retrouve le 17 mars pour mettre tout ce contenu en place et, gros défi, le faire rentrer dans moins d’une heure !!!!
