레벨: 초급
Ruth Hummel, JMP 학술 대사, SAS
Rob Carver, Stonehill College / Brandeis University 명예 교수
통계 교육자는 프로젝트와 사례 연구의 가치를 코스에서 주제를 통합하는 방법으로 오랫동안 인식해 왔습니다. 초보 학생에게 통계적 추론을 소개하거나 직원에게 분석 기술을 교육할 때 학생들이 예측 가능한 워크플로를 따라야 하는 더 큰 프로세스의 맥락에서 분석이 발생한다는 것을 배우는 것이 중요합니다.
이 프레젠테이션에서는 Airbnb 목록 데이터 분석의 각 단계를 지원하는 JMP 프로젝트 도구를 시연합니다. JMP 프로젝트 환경 내에서 저널, 그래프 빌더, 쿼리 빌더 및 기타 여러 JMP 도구를 사용하여 학생들은 프로세스를 문서화하는 방법을 배웁니다. 프로세스는 다음과 같습니다.
- 질문하세요.
- 데이터 요구 사항 및 분석 계획을 지정합니다.
- 데이터를 가져옵니다.
- 데이터를 정리합니다.
- 분석을 합니다.
- 당신의 이야기를 들려주세요.
우리는 학생들이 통계적 사고의 논리를 따르고 좋은 마음 습관을 개발할 수 있도록 신뢰할 수 있는 작업 흐름을 가르쳐 학생들에게 큰 도움이 됩니다. 워크플로 방향이 없으면 통계 과정은 연결되지 않고 동기 부여되지 않은 일련의 기술처럼 보입니다. 학생들이 프로젝트 워크플로 관점을 채택하면 조각들이 흥미로운 방식으로 결합됩니다.
자동 생성된 대본...
스피커 | 성적 증명서 |
| 그럼 모두 환영합니다. 내 이름은 |
| 00 | 07.933 |
| 삼 |
| JMP의 대사. 나는 지금 |
| 은퇴한 경영학과 교수 |
| 00 | 30.566 |
| 7 |
| 학생과 A 사이 |
| 프로젝트를 진행 중인 교수. |
| 00 | 49.700 |
| 11 |
| 12 |
| 학생들을 통계에 참여시키다 |
| 추론하다, 그것을 가르치다 |
| 00 | 12.433 |
| 16 |
| 그것에 대해 현재의 생각은 |
| 학생들이 배워야 하는 |
| 재현 가능한 워크플로에 대해 |
| 00 | 36.266 |
| 21 |
| 기본 데이터 관리. 그리고, |
| 다시 통계 보기 |
| 00 | 58.800 |
| 25 |
| 26 |
| 오늘 이 일에 참여하고 싶었습니다. |
| 가상 통화. 주셔서 감사합니다 |
| 00 | 20.600 |
| 30 |
| 특히 맨해튼에서는 |
| 그리고 당신은 우리에게 그렇게 물었습니다. |
| 00 | 36.433 |
| 34 |
| 그리고 우리는 에어비앤비를 선택했습니다 |
| 임차인 관점. 그래서 우리는 |
| 00 | 51.733 |
| 38 |
| 값비싼. |
| 그래서 우리는 |
| 작성하기 시작했습니다...당신은 우리에게 |
| 00 | 09.166 |
| 43 |
| 44 |
| 귀하의 주요 문제와 별도의 문제 |
| 에서 장소를 찾는 데 중점을 둡니다. |
| 00 | 36.066 |
| 49 |
| 당신은 얻을 ... 당신이 통과하면 |
| 처음 세 가지 질문은 |
| 00 | 54.100 |
| 53 |
| 의 일부가 있습니까? |
| 맨하탄, 관심 있어? |
| 00 | 11.133 |
| 58 |
| 당신이 우리를 보낸 저장소. |
| 그리고 우리는 정말 다운로드 |
| 00 | 26.433 |
| 32.866 |
| 63 |
| 우리가 찾은 것, 같은 것이 있었다 |
| 이 데이터 세트의 4개 열 |
| 00 | 46.766 |
| 67 |
| 그것이 이것이라고 알아 냈습니다. |
| 하나, 호스트 이웃. 그래서 |
| 00 | 58.100 |
| 71 |
| 72 |
| 처음 두 가지를 알아 냈습니다. |
| 그냥 아주 작은 톤을 가지고 |
| 00 | 13:300 |
| 76 |
| 맨해튼. 그래서 우리가 선택한 |
| 맨해튼. 그리고 우리가 했을 때 |
| 00 | 29.700 |
| 80 |
| 그게 우리가 얻은 방법입니다 |
| 맨해튼 목록. 그래서 |
| 00 | 44.033 |
| 84 |
| 데이터는 |
| 왜 네 가지가 있는지와 같은 문제 |
| 00 | 03.300 |
| 88 |
| 맨해튼으로 제한하겠습니다. |
| 돌아가서 좀 청소해 |
| 00 | 18.033 |
| 92 |
| 데이터는 우리의 모든 것을 설명할 것입니다 |
| 데이터를 얻기 위해 했어, 우리는 말할거야 |
| 00 | 28.400 |
| 33.200 |
| 97 |
| 내가 결합해야한다는 것을 알고 |
| zip, 우편번호, |
| 00 | 47.166 |
| 101 |
| 102 |
| 107 열, |
| 단지 찾기가 어렵습니다 |
| 00 | 09.366 |
| 106 |
| 그래서 우리는 청소해야 한다는 것을 알았습니다. |
| 그 위로. 좋아, 우리도 있었다 |
| 00 | 27.366 |
| 111 |
| 메모 일지. 하기 위해 |
| 이것을 정리하고, 우리는 기록을 사용합니다 |
| 00 | 45.500 |
| 115 |
| 정확히. 시원한. |
| 좋아, 그래서 우리는 청소를 했다 |
| 00 | 02.200 |
| 119 |
| 맨해튼 세금 데이터에는 이 우편 번호가 있습니다. |
| 암호. 그래서 나는이 우편 번호가 있습니다 |
| 00 | 19:300 |
| 123 |
| 수업이 있는 날, 우리가 이야기했을 때 |
| ~에 대한 |
| 데이터 유형. 그리고 주의사항 |
| 00 | 42.300 |
| 128 |
| ...분포를 분석하다 |
| 그 칼럼은 재미있을 것입니다. |
| 00 | 03.200 |
| 133 |
| 맨해튼은 실제로 말하지 않는다 |
| 당신은 것입니다. |
| 그러나 우편 번호는 데이터를 정리합니다. |
| 00 | 18.466 |
| 23.266 |
| 139 |
| 레이블, 식별자 및 |
| 더 요점으로, |
| 가입하거나 병합하고 싶을 때 |
| 00 | 41.833 |
| 48.766 |
| 145 |
| 중요한. 그것만이 아니다. |
| 추상적 인 아이디어. 병합할 수 없습니다. |
| 00 | 03.166 |
| 11.266 |
| 150 |
| 명목은 모델링 유형이었고, |
| 우리는 방금 확인했습니다. |
| 00 | 26.200 |
| 31.033 |
| 155 |
| 메인 테이블에 대해 |
| 목록. 나는 지키고 싶다 |
| 00 | 45.533 |
| 159 |
| 맨해튼 세금과 결합하려면 |
| 데이터. |
| 응. 그리고 뭐? 그런 다음 우리는해야합니다 |
| 00 | 03.266 |
| 164 |
| 열이 |
| 지퍼 청소, |
| 우편번호 클린... |
| 거의. 우리는 거기에 갈. |
| zip이라는 열은 |
| 00 | 33.200 |
| 171 |
| 172 |
| 에어비앤비 목록 |
| 그리고 그것을 무엇과도 일치시킵니다. |
| 00 | 57.033 |
| 177 |
| 178 |
| 테이블의 모든 행에 |
| 다른 것과 일치하거나 |
| 00 | 13.233 |
| 182 |
| 메인 테이블, 그 다음에는 물건만 |
| 두 번째와 겹치는 |
| 00 | 29.600 |
| 186 |
| Air BnB IRS와 같은 다른 이름 |
| 또는 뭔가? 예, 많이 |
| 00 | 50.966 |
| 190 |
| 한 가지 더 |
| 왜냐하면 나는 이것들이 단지 |
| 흩어져 있는 데이터 테이블 |
| 00 | 06.666 |
| 195 |
| 달리기. 괜찮아. 그래서 나는 이것을 저장할 것이다 |
| 데이터 테이블. 이제 뭐? |
| 그리고 실제로 이것은 데이터입니다. |
| 00 | 19.833 |
| 22.033 |
| 26.266 |
| 35.466 |
| 203 |
| 우리가 잃기 전에 다른 무엇이든 |
| 우리가 어디에 있는지 추적하자 |
| 00 | 49.733 |
| 58.800 |
| 01.833 |
| 209 |
| 또는 오크 팀? |
| 그리고 |
| 프로젝트 아이디어의 일부 |
| 00 | 23.700 |
| 214 |
| 물건. 그래서 만약 당신이 |
| 잡아, 내가 말할 것입니다 |
| 00 | 50.100 |
| 218 |
| 219 |
| 220 |
| 두 개의 원본 데이터 세트, 그리고 |
| 내 최종 병합. 좋아요 |
| 00 | 16.200 |
| 225 |
| 탭으로. |
| 그리고 그래프를 생성하고 |
| 00 | 36.566 |
| 229 |
| 230 |
| 231 |
| 내가 이것들에 있을 때에도 |
| 탭. 좋아요, 정말 멋져요. |
| 00 | 58.833 |
| 02.500 |
| 236 |
| 그래, 오크팀으로 가자. |
| 음, 안녕, Dr. Carver, 고마워. |
| 00 | 19.233 |
| 240 |
| 당신은 단지 일부를 쳐다볼 것입니다 |
| 이러한 것들, 그리고 나에게 알려주십시오 |
| 00 | 32.300 |
| 244 |
| 그래프 빌더를 사용하여 |
| 동네별 가격. 그리고 |
| 00 | 45.400 |
| 248 |
| 조금 더 쉽게 도와주세요 |
| 그들 사이를 비교하십시오. 그래서 우리는 친절 |
| 00 | 01.000 |
| 252 |
| 에 대한 경험이 많다 |
| 뉴욕시. 그래서 우리는 음모를 꾸몄다 |
| 00 | 18.166 |
| 256 |
| UN 앞에 서서 |
| 모두와 함께 사진을 찍다 |
| 00 | 31.733 |
| 260 |
| 그래머시 파크에서 말하거나 |
| 머레이 힐. |
| 우리가 돌이켜보면 |
| 00 | 46.566 |
| 265 |
| 확장해야 한다고 생각했습니다. |
| 그 이웃을 넘어 검색 |
| 00 | 58.766 |
| 269 |
| 270 |
| 그냥 평균을 플로팅했습니다 |
| 이웃을 위한 것이지만 |
| 00 | 14.533 |
| 274 |
| 모델링 및 모델링 |
| 예측. 그래서 우리가 넣을 수 있다면 |
| 00 | 30.766 |
| 279 |
| 예상 가격. 우리는 시작했다 |
| 모델 구축 및 우리가 가진 것 |
| 00 | 42.800 |
| 283 |
| 요인. 그리고 우리가 넣을 때 |
| 그 요인들은 단지 |
| 00 | 58.833 |
| 287 |
| 더, 일부 적합 통계 |
| 수업시간에 우리에게 말했어요. |
| 00 | 15.466 |
| 292 |
| 하지만 대부분은 주위에 구름 |
| 그 잔여 제로 라인. 그래서 |
| 00 | 30.766 |
| 296 |
| 어느 것보다 훨씬 컸습니다. |
| 우리의 다른 모델. 그래서 우리는 안다 |
| 00 | 45.800 |
| 300 |
| 우리가 실제 데이터를 사용하는 이유. |
| 때로는 이것이 현실입니다. 이것은 |
| 00 | 58.266 |
| 304 |
| 찾고? |
| 이것이 잔존 가치입니다. |
| 00 | 19.266 |
| 309 |
| 좋다. 아, 멋지다. |
| 시원한. 알았어, 그럼 내가 찾아볼게 |
| 00 | 34.966 |
| 313 |
| 우리가 어떻게 대답하는지입니다 |
| 우리의 몇 가지 중요한 질문. 그리고 |
| 00 | 47.300 |
| 317 |
| 청소하기 정말 힘들었다 |
| 데이터를 결합하고 데이터를 결합합니다. |
| 00 | 57.866 |
| 03.500 |
| 322 |
| JMP가 어떻게 |
| 현실 세계와 결합하여 |
| 00 | 28.700 |
| 327 |
| 실제 프로젝트에서 1위, |
| 범위 지정이 중요합니다. 우리는 원한다 |
| 00 | 47.600 |
| 331 |
| 에 가져갈 수 있기를 바랍니다. |
| 그룹에. 두 번째 함정, |
| 탐색하는 것이 중요합니다 |
| 00 | 08.033 |
| 336 |
| 데이터 연결 영역 |
| 여러 데이터 결합 |
| 00 | 27.800 |
| 341 |
| 녹음 |
| 연결 가능한지 확인 |
| 00 | 45.100 |
| 345 |
| 346 |
| 재현 가능한 연구가 중요하며, |
| 특히 팀 상황에서 |
| 특히 다음을 수행할 수 있는 프로젝트의 경우 |
| 00 | 05.966 |
| 351 |
| 보장하는 습관 |
| 재현성. 그리고 마지막으로, |
| 우리는 당신이 이것들에서 |
| 00 | 32.633 |
| 356 |
| 계산과 |
| 해석이 떨어진다 |
| 00 | 51.900 |
| 360 |
데이터 프로젝트 워크플로 및 워크플로 사고에 대한 훌륭한 초보자 프레젠테이션입니다!
