¿Debería graduarme de Big Class.jmp?Este es un tema delicado. Si lo siente, por favor dígame, envíeme un correo electrónico (Yusuke.Ono@jmp.com), o dígaselo indirectamente a alguien (si quiere decírmelo de forma anónima). Eliminaré esta entrada.
Cuando reviso algunas funciones en JMP, casi siempre uso Big Class.jmp al principio.
Pero personalmente llego a pensar que este conjunto de datos no es una buena muestra de datos para principiantes.
(1) Los datos físicos humanos pueden ser inapropiados éticamente. Estadísticos modernos como Galton, K. Pearson y RA Fisher recopiló datos físicos y mentales humanos para la mejora de la "raza". El movimiento “científico” se llama “eugenesia”. Desde los puntos de vista actuales, este movimiento es inaceptable.
Algunas personas incluso niegan haber utilizado los datos de Iris de Fisher. Por favor vea el siguiente blog y comentarios.
https://armchairecology.blog/iris-dataset/
https://www.meganstodel.com/posts/no-to-iris/
(2) Big Class.jmp es un conjunto de datos ficticio, pero algunas personas podrían pensar que se trata de un conjunto de datos real. Puede ser una práctica de investigación cuestionable (QRP) no decir que un conjunto de datos es falso, incluso si lo es.
Re: ¿Debo graduarme de Big Class.jmp?Gracias por traer esto @yusuke_ono ! El conjunto de datos de BigClass me incomoda, no lo uso. Aunque los datos son artificiales, no puedo evitar considerar cómo me sentiría si mis propios hijos fueran parte de un estudio como este, o si llegara una nota de la escuela preguntando si pueden participar. Dejando de lado todas las estadísticas, se siente invasivo.
Re: ¿Debo graduarme de Big Class.jmp?Muchas gracias por su respuesta, @MikeD_Anderson -san
Estoy de acuerdo en que este tipo de conjuntos de datos de medición física son útiles para explicar métodos estadísticos básicos para principiantes. Supongo que se debe a que se han desarrollado y personalizado muchas herramientas estadísticas "modernas" básicas (como histograma, varianza, coeficiente de variación, IQR, correlación, regresión, etc.) para analizar dichos conjuntos de datos. Pero también creo que la utilidad es diferente de la ética.
Incluso cuando Big Class.jmp es útil para explicar las estadísticas de manera intuitiva, puede ser éticamente inapropiado usarlo.
Hasta donde yo sé, es relativamente reciente que muchos estadísticos miren hacia atrás en la historia negativa de las estadísticas. En 2021, la sesión de “RA Fisher and Eugenics” se han llevado a cabo en JSM. En 2020, COPSS eliminó el nombre de Fisher de su premio. En 2021, UCL publicó una investigación sobre la historia de la eugenesia en UCL. En 2020, la universidad de Cambridge eliminó la vidriera del cuadrado latino de Fisher.
Las estadísticas deben ser útiles para la eugenesia, y los datos de medidas físicas deben ser útiles para explicar las estadísticas "modernas". Pero podría estar en contra de la ética.
Esta es solo mi opinión personal altamente sesgada, y no es popular.
Re: ¿Debo graduarme de Big Class.jmp?Muchas gracias por su respuesta, @Phil_Kay -san
no conozco la historia de Clase grande.jmp bueno, pero supongo que viene de " SAHELP.CLASE ", un conjunto de datos de muestra en SAS System. SAHELP.CLASE tiene 19 filas. ( Clase grande.jmp tiene 40 filas.)
En la documentación de los conjuntos de datos de muestra de SAS ( documento SAS ), se escribe la siguiente explicación.
El conjunto de datos Sashelp.Class proporciona información sobre una pequeña clase ficticia de estudiantes. Las variables incluyen sexo, edad, altura y peso. Este conjunto de datos se usa con frecuencia en la documentación de SAS para ilustrar la codificación básica de SAS. ...
Hasta donde recuerdo, SAHELP.CLASE ya ha existido alrededor de la versión 6.03 de SAS. Cuando era instructor de capacitación de SAS, siempre usaba este conjunto de datos en el curso de estadística.
El conjunto de datos tiene una larga historia, por lo que puede que no sea fácil graduarse de él (al menos para mí).
Re: ¿Debo graduarme de Big Class.jmp?No he tenido a nadie que se queje al respecto. Es un conjunto de datos útil en el sentido de que podemos enviarlo a los clientes y ellos pueden hacernos un prototipo de las preguntas sin problemas. También es simple, accesible e increíblemente flexible.
Dicho esto, si te sientes incómodo, entonces no tienes que usarlo. Las únicas veces que lo uso en estos días es cuando necesito algo para mostrar la mecánica de algo (para lo cual es realmente bueno). Sé que otros SE simplemente cambian los nombres de las columnas y recodifican donde sea necesario para usarlos en otros contextos. Dado que es sintético, está bien jugar con el conjunto de datos como quieras.
Si tiene un conjunto de datos alternativo que cree que podríamos usar en lugar de Big Class, debe acercarse a la gestión de productos y ellos pueden ayudarlo a iniciar el proceso para que lo revisen. Me sentí lo suficientemente fuerte acerca de los datos de Iris de Fisher que hice exactamente eso.
Los datos de Iris de Fisher han ido perdiendo popularidad debido a sus puntos de vista (que mencionaste). He estado usando los datos de Palmer Penguin como sustituto de Iris porque no me sentía cómodo con la asociación. En el camino, descubrí que Palmer Penguins es probablemente un conjunto de datos superior en muchos aspectos. También sería un buen sustituto de Big Class si desea una alternativa.Lo he subido a JMP Public: https://public.jmp.com/packages/xQKykD2bwdwNwh7GxqBpL
Re: ¿Debo graduarme de Big Class.jmp?Hola @yusuke_ono ,
Gracias por hablar de esto.
También me siento incómodo usando este conjunto de datos. De hecho, suelo hacer una broma sobre lo espeluznante que es que estemos rastreando la altura y el peso de los estudiantes de la escuela.
En cualquier caso, creo que deberíamos poder encontrar mejores conjuntos de datos que sean relevantes para nuestros usuarios de ciencia e ingeniería.
También estoy de acuerdo en que debemos ser honestos cuando un conjunto de datos es falso. Hago un punto de decirle a la gente cuando uso datos simulados. Entienden por qué no siempre podemos usar datos reales. Siempre debemos ser honestos con nuestros clientes.
Gracias de nuevo,
phil
