이 데모에서는 JMP에서 일반적으로 사용되는 일부 플랫폼에서 수행한 분석을 스크립팅하는 방법을 살펴보겠습니다.저널 섹션에서 콘크리트 강도 및 습도 데이터를 클릭합니다.이것은 이 데모의 모든 예제에 사용할 데이터 세트입니다.따라서 콘크리트 혼합물의 유형, 결과 콘크리트 강도, 콘크리트가 건조될 때 주변 습도가 있습니다.이 데모에서는 표를 실제로 살펴보지 않으므로 이것은 옆으로 옮기겠습니다.그리고 코스 저널로 돌아와서 분포 분석 스크립트를 클릭합니다.따라서 이 미리 작성된 스크립트에서 데이터 테이블 Concrete에 메시지로 분포를 보내고 해당 결과를 변수 dist에 저장합니다.해당 객체 참조를 저장합니다.그리고 다시 이것은 분석 계층 객체 참조가 됩니다. 세 개의 열(콘크리트 유형, 습도, 강도)을 모두 Y 분석 역할에 넣은 다음, 실행 중에 세 개의 열 모두에 대해 동일한 옵션을 요청합니다.하지만 보고서 창을 열면 모든 열이 이러한 모든 옵션에 응답할 수 있는 것은 아닙니다.따라서 플랫폼을 실행할 때 분포에 대한 인수 중 몇 가지를 살펴보겠습니다.스택은 빨간색 삼각형 메뉴의 옵션으로, 맨 위에 있고, 그 다음 분포가 있는데, 히스토그램을 수평으로 변경하고, 일반적으로 히스토그램 아래에 표시되는 보고서 표의 위치를 변경하고, 히스토그램 자체가 나란히 또는 수직으로 정렬되는지 여부를 변경합니다.스택은 빨간색 삼각형 메뉴의 옵션입니다.스크립트에서 부울을 사용하여 해당 옵션을 껐습니다.스크립트에서 이를 선택할 수 있습니다.사용자가 기본 설정에서 변경하여 항상 누적 분포를 갖도록 하는 매우 일반적인 옵션이기 때문입니다. 스크립트 결과에 이러한 히스토그램이 기본 방식으로 구성되는 것이 중요하다면 스택을 해제하는 것이 좋습니다. 또한, 히스토그램을 세로로 표시하도록 지정합니다. 이는 히스토그램 옵션 아래의 각 빨간색 삼각형에 대한 개별 빨간색 삼각형 메뉴에서 확인할 수 있습니다. 여기에서 해당 옵션이 체크되어 있는 것을 확인할 수 있습니다. 다시 말하지만, 이는 기본값입니다. 스크립트는 사용자 선호도와 관계없이 JMP의 기본 설정대로 표시되도록 하기 위한 것입니다. 스크립트의 다음 줄에서는 분위수를 해제합니다. 분위수는 연속형 변수에만 적용됩니다. 이러한 하위 메뉴에서 "구체 유형" 옆의 빨간색 삼각형 메뉴를 확인해 보면 "분위수"라는 단어가 없습니다. 하지만 습도 또는 강도 옆에 있는 빨간색 삼각형을 보면 표시 옵션에서 분위수는 기본적으로 켜져 있지만, 이 메뉴에서는 선택되어 있지 않은 것을 볼 수 있습니다. 부울을 사용했기 때문입니다. 마찬가지로, 이상치 상자 그림은 일반적으로 연속형 변수에 대해 켜져 있습니다. 이상치 상자 그림이 표시되지 않도록 부울을 사용하여 끕니다. 마지막으로, 부울을 괄호로 묶어 정규 분위수 그림을 요청했는데, 일반적으로 켜지지 않지만 이러한 변수에 대해 요청했습니다. 다시 말하지만, 이는 플랫폼 출시의 일부였으므로 해당 명령에 응답할 수 있는 변수는 그렇게 했습니다. 이제 플랫폼을 시작하고 분포를 사용하여 변수에 객체 참조를 저장하면 모든 변수와 한 번에 통신하거나 개별 열이나 변수에 메시지를 보낼 수 있습니다. 그리고 이 작업은 아래 첨자를 사용하여 수행합니다. 따라서 줄은 세 개의 열 모두에 Fit Distribution(Normal)을 전송하는 것을 보여줍니다. 즉, 정규 분포를 적합하는 것입니다. 물론, 콘크리트 유형은 명목상이므로 응답할 수 없지만 습도와 강도는 응답합니다. 따라서 line을 실행해 보겠습니다. 두 연속 분포에 모두 적합된 정규 분포가 겹쳐져 있고, 적합된 정규 윤곽선 항목도 표시됩니다. 이 명령은 빨간색 삼각형 메뉴의 명령입니다. 적합 분포는 이 명령의 이전 이름입니다. 최신 버전의 JMP에서는 연속 적합이라고 하지만 둘 다 여전히 작동합니다. 한 가지 주의할 점이 있습니다. 로그로 돌아가 보겠습니다. 배포를 시작하기 위해 스크립트를 실행했을 때 플랫폼 이름이 표시되었습니다. 이는 분석 레이어 객체 참조가 있음을 나타냅니다. 스크립트에서 dist 위에 마우스를 올리면 표시되는 내용입니다. 반면에 빨간색 삼각형 메뉴에서 명령을 실행했을 때는 "스크립트 가능한" 결과만 표시되었습니다. 이제 lines과 lines는 평균에 대한 단일 표본 검정을 수행합니다. 빨간색 삼각형 메뉴의 명령은 단순히 평균 검정입니다. 하지만 습도의 경우(샘플 평균이 이고 샘플 평균의 강도가 약 이므로) 두 가지 모두에 대해 동일한 가상 평균을 검정하는 것은 말이 되지 않습니다.그러니 실제로 대화형으로 어떻게 보이는지 보여드리겠습니다.연속 변수 옆에 있는 빨간색 삼각형 중 하나로 가서 검정 평균을 선택하면 가정된 평균에 대한 값을 입력합니다.그러니 취소하고 스크립트 편집기 창으로 돌아갑니다.그러니 평균이 와 같은지 검정하고 분포 창의 세 번째 열로 보냅니다.그러니 dist에 숫자를 첨자로 넣습니다.그러니 줄을 실행합니다.보고서 창으로 이동하면 평균에 대한 단일 표본 t 검정이 있습니다.그런 다음 습도에 대해 다른 가상 평균을 사용하여 같은 작업을 수행하고 첨자를 넣는 방법이 약간 다릅니다. 보고서에서의 위치가 아닌 열 이름을 문자열(내 첨자)로 사용하려고 합니다.그러므로 줄을 실행하면 습도에 대한 t-검정이 나옵니다.이것은 분포 플랫폼에 대한 몇 가지 예이고 빨간색 삼각형 메뉴의 명령을 사용하여 분석 계층을 스크립팅하는 것입니다.일방향 플랫폼으로 넘어가겠습니다.그리고 분포 스크립트와 분포 보고서를 닫겠지만 여전히 Concrete 데이터 테이블을 사용할 것입니다.그러므로 저널에서 일원 분산 분석 스크립트를 클릭할 것입니다.그리고 이것은 시작하기에 다소 넓었습니다.우리는 전체 출시를 한 줄에 담았습니다.그러므로 우리는 메시지를 Concrete 데이터 테이블로 보냅니다.메시지는 Y 역할에 Strength, X 역할에 Concrete Type이 있는 일방향 플랫폼 출시이고, 우리는 그 부울 인수를 사용하여 해당 평균 다이아몬드를 켜도록 요청합니다.그리고 우리는 ow에 분석 계층 객체 참조를 저장합니다. 그래서 줄을 실행하고 출력 창과 물론 플랫폼의 이름을 얻습니다.그리고 이것은 마우스를 올려 놓으면 ow에 저장되는 것입니다.저 녹색 평균 다이아몬드는--일방향 분석 옆에 있는 빨간색 삼각형으로 가면 표시 옵션, 평균 다이아몬드에서 찾을 수 있습니다.그리고 기본적으로 분산 분석을 하지 않았다면 켜지지 않습니다.하지만 스크립트에서 켤 수 있습니다.자, 지금은 이 스크립트 창을 그렇게 넓게 할 필요는 없습니다.여기에서 다른 몇 가지 예를 살펴보겠습니다.여기 빨간색 삼각형 메뉴에는 알파 수준을 설정하는 옵션이 있습니다.세 가지 표준 값이 있습니다.그리고 선택적으로 선택할 수 있는 기타가 있습니다.따라서 이 예에서 저는 ow에 알파 수준 설정 메시지를 보냅니다.그리고 그것을 으로 설정하겠습니다.그리고 이 녹색 평균 다이아몬드의 높이가 평균에 대한 신뢰 구간 또는 다른 말로 평균에 대한 마이너스 알파 신뢰 구간이라는 점에 유의하십시오. 따라서 기본 알파는 다음과 같습니다. 알파 수준을 이렇게 설정하면 신뢰 구간이 됩니다. 따라서 더 높아집니다. 따라서 줄을 실행하고 평균 다이아몬드의 높이가 변경되는 것을 볼 수 있습니다. 빨간색 삼각형으로 가면 One-Way Platform에 대해 요청할 수 있는 또 다른 보고서는 분위수 보고서입니다. 줄에서 켜고 있습니다. 이 메뉴에서 하위 메뉴가 없는 명령은 괄호 안에 부울 인수를 사용할 수 있습니다. 또는 줄에서 볼 수 있듯이 평균과 동의어인 ANOVA의 경우 인수를 전혀 사용할 필요가 없지만 하위 메뉴가 있는 메뉴 항목은 해당 하위 메뉴 항목을 인수로 사용합니다. 그리고 잠시 후에 부울 인수를 사용하고 싶은 이유에 대해 설명하겠습니다. 필수는 아니지만요. 하지만 지금은 줄을 실행하겠습니다. 그러면 분위수 보고서 표가 나오고 플롯에 상자 그림이 표시됩니다. 그리고 이제 기억하세요, ANOVA와 평균은 동의어입니다. 따라서 이것은 빨간색 삼각형 메뉴의 또 다른 명령일 뿐입니다. 하지만 다시 말하지만, 부울 인수에 괄호를 넣지 않았습니다. 그럼 line을 실행하면 어떻게 될까요? 그러면 분산 분석이 나옵니다. 다시 말하지만, 로그에서 해당 플랫폼과 상호 작용할 때마다 해당 플랫폼 이름이 표시된다는 점을 지적해야 합니다. 이제 line을 다시 실행하면 어떻게 될까요? 로그에 메시지가 표시됩니다. 이미 활성화된 옵션을 활성화하기 위해 빈 부울 인수가 포함된 메시지입니다. 해당 옵션은 활성화된 상태로 유지됩니다. 그리고 이전 버전의 JMP에서는 부울 인수를 제공하지 않고도 해당 줄을 반복해서 실행하여 앞뒤로 전환해야 했다는 내용만 언급되어 있습니다. 따라서 이전 버전으로 작성된 스크립트를 살펴보면 그런 내용을 볼 수 있을 것입니다. 하지만 항상 부울 인수를 사용하여 스크립트에서 이 옵션을 끄는 것이 아니라 켰다는 것을 명확하게 보여주는 것이 좋습니다. 그리고 제거하려고 할 때, 제거하려면 Boolean이 있는 줄을 실행합니다.사실, 분위수 보고서를 끄기 위해 그렇게 하겠습니다.그러므로 줄에서 를 a로 바꾸고 그 한 줄만 실행합니다.그러면 이제 분위수 옵션이 제거되었습니다.마지막으로 이전 데모에서 객체에 메시지를 계단식으로 보낼 수 있다는 것을 보았습니다.하지만 객체에 메시지 목록을 보낼 수도 있습니다.스크립트 편집기 창에 새 줄을 추가합니다.그리고 분석 계층 객체 참조를 저장하는 ow 변수가 메시지를 받습니다.그리고 그것은 Unequal Variances 목록이 될 것입니다.그리고 그 Boolean 인수를 사용하여 그것을 켭니다.그리고 빨간색 삼각형 메뉴로 넘어가겠습니다.Unequal Variances가 있습니다.여기서 이분산성 테스트를 제공합니다.그리고 그 뒤에 쉼표를 넣고 Unequal Variances에 대한 Boolean 인수를 닫는 괄호를 추가합니다. 그리고 알파 수준을 기본값으로 되돌리겠습니다.그러니 알파 수준 설정을 입력한 다음 괄호 안에, 그리고 입력을 마치기 전에 이 코드 줄에서 커서를 옮겼기 때문에 괄호를 닫아야 합니다.그리고 목록 위로 화살표를 이동하겠습니다.전체 줄을 볼 수 있도록 이동하겠습니다.그리고 세미콜론을 넣습니다.그리고 숫자 키패드의 Enter 키를 사용하여 이 한 줄만 다시 실행할 수 있습니다.그리고 이제 창의 아래쪽에는 이등분산 검정이 있습니다.그리고 위쪽에서 알파 수준을 복원한 것을 볼 수 있습니다.그러니 이제 이것이 우리의 신뢰 구간입니다.그리고 작은 파란색 선은 이등분산 검정에서 나온 것입니다.단방향 플랫폼에서 빨간색 삼각형 명령을 사용하여 스크립팅하는 몇 가지 예를 들어 보겠습니다.이 보고서 창을 닫고 변경 사항을 저장하지 않고 이 스크립트를 닫겠습니다.그리고 저널에서 이변량 스크립트를 클릭할 것입니다.그리고 다시 Concrete 데이터 테이블로 작업합니다. 따라서 이 분석 레이어 객체가 참조하는 변수는 biv입니다. 그리고 저는 강도를 Y 역할로, 습도를 X 역할로 하여 해당 데이터 테이블에 Bivariate를 보냈습니다. 그리고 플랫폼 실행의 일부인 빨간색 삼각형 메뉴에서 제공되는 Fit line을 요청했습니다. 그래서 라인을 실행해 보겠습니다. 그리고 다시, 로그에서 플랫폼 이름을 볼 수 있습니다. 그리고 biv 위에 마우스를 올리면 그것이 보일 것입니다. 그래서 강도를 습도에 대해 플로팅하고 회귀선을 맞췄습니다. 그리고 다른 메시지 중 일부는... 다시 빨간색 삼각형으로 이동하면 Fit Line이 있습니다. 이러한 다른 명령은 실행 후에 보낼 수 있습니다. 실제로 Fit Line을 실행한 후에 보낼 수도 있었습니다. 하지만 Fit Polynomial을 사용할 것입니다. 그리고 하위 메뉴가 있는 것을 볼 수 있습니다. 따라서 이러한 인수를 사용해야 합니다. 그리고 라인에서 해당 메시지를 biv로 보냅니다. Fit Polynomial, 즉 2차 또는 2차 다항식입니다. 그 라인을 실행하겠습니다. 그래서 두 번째 Fit이 생성됩니다. 위로 스크롤하면 두 번째 적합이 그래프에 겹쳐져 있는 것을 볼 수 있습니다. 여기에 두 개의 빨간색 삼각형 메뉴가 있는데, 하나는 선형 적합이고 다른 하나는 다항식 적합입니다. 이 두 메뉴는 창 상단의 이변량 적합 수준에서 사용하는 명령과는 다른 자체 명령을 가지고 있습니다. 예를 들어 선형 적합의 신뢰 구간에 대한 음영 적합을 원한다면(명령어는 "Confid Shaded Fit"입니다) 실제로는 약간 특별한 작업을 해야 합니다. 먼저 선형 적합과 통신해야 합니다. 그러면 해당 메시지를 수신한 선형 적합의 결과가 이변량 적합에 메시지로 전송됩니다. 여기서 스크립트된 방식은 첫 번째를 "Curve"라고 부르는데, 둘 다 "Curve"라고 부릅니다. 아래 첨자를 사용하면 "Confid Shaded Fit" 메시지를 수신합니다. 이 메시지는 괄호 안에 있습니다. 이것이 biv가 수신하는 메시지입니다. 이 괄호가 없었다면 biv는 Curve를 이해하려고 했을 텐데, 물론 여기 하위 메뉴나 주 메뉴에서는 Curve를 찾을 수 없을 겁니다.그리고 Confid Shaded Fit도 여기서는 찾을 수 없습니다.이것은 보고서에서 Linear Fit으로 표시된 Curve와 관련이 있습니다.따라서 모든 line을 실행하면 회귀선에 음영 처리된 신뢰 구간이 나타납니다.마찬가지로, 이 빨간색 삼각형 메뉴 중 하나에서 Polynomial Fit 옆에 있는 것을 클릭하면 선 색상을 변경할 수 있습니다.기본값은 첫 번째 적합의 경우 빨간색, 두 번째는 녹색 등입니다.그러니 파란색으로 변경하고 싶다고 가정해 보겠습니다.다시 말해서, 그것을 두 번째 곡선으로 보내고 괄호로 묶을 수 있고, 그게 Bivariate로 전달되는 메시지입니다.그러므로 line을 실행하면 선 색상이 변경된 것을 볼 수 있습니다.이것도 뭔가 있습니다. 이것을 스크립팅하는 방법을 알고 싶고 출시 후 플랫폼에 메시지로 보낼 필요가 없다면 출시의 일부로 포함시키고 싶다면 대화형으로 할 수 있고 JMP에서 해당 스크립트를 스크립트 창에 저장하여 그런 식으로 작업할 수 있습니다. 그렇게 하면 Confid Shaded Fit이 Fit Line에 대한 인수가 됩니다. 또한 launch에 대한 인수로 다항식을 피팅할 수 있습니다. 그리고 선 색상이 그에 대한 인수가 됩니다. 여기서 마지막으로 살펴보고 싶은 것은 이변량 플랫폼이지만 By 역할에 변수가 있어서 By 변수의 각 레벨에 대해 별도의 이변량 객체를 얻을 수 있습니다. 스크립트 창을 닫겠습니다. 그리고 이변량 보고서도 닫겠습니다. 그리고 과정 저널에서 그룹화된 이변량 스크립트를 클릭하겠습니다. 따라서 이전 스크립트와 마찬가지로 메시지를 Concrete 데이터 테이블에 보내 결과를 Y 역할의 Strength와 Humidity 역할의 X로 변수 biv에 저장하여 Bivariate 플랫폼을 시작합니다. 하지만 이제는 Concrete 유형을 By 분석 역할에 추가하고 있습니다. 라인을 실행할 때 어떻게 보이는지 보겠습니다. 실제로 이 보고서 창에는 6개의 이변량 객체가 있습니다. 로그에서 6개의 요소가 있는 목록이 할당된 것을 볼 수 있습니다. 그 목록은 어떻게 생겼을까요? 스크립트 편집기 창으로 돌아가서 biv 위에 마우스를 올려놓겠습니다. 6개의 이변량 객체 목록입니다. 따라서 biv에 메시지를 보낼 수 있습니다. 모든 객체가 응답합니다. Fit Line을 보낼 때 line에서처럼요. 로그에 나타나는 것은 응답한 모든 객체의 목록입니다. 창을 살펴보면 Ctrl 키를 누른 채 첫 번째 선형 피팅 옆에 있는 개요 공개 버튼을 클릭하여 모든 선형 피팅을 함께 축소합니다. Ctrl 키를 누르고 있기 때문에 창에 있는 모든 보고서에 브로드캐스트되므로 스크롤이 더 쉬워집니다. Consolidated Reinforced, Consolidated Standard, EZMix Reinforced, EZMix Standard 등에 대한 이변량 적합이 있는 것을 볼 수 있습니다. 이제 모든 이변량 개체가 아닌 일부 개체만 대상으로 지정하려면 어떻게 해야 할까요? 아래 첨자를 사용합니다. 개별 아래 첨자를 사용하여 하나만 대상으로 지정할 수 있습니다. 하지만 두 개 이상의 개체가 응답하도록 하려는 두 가지 예를 살펴보겠습니다. 아래 첨자에 대한 줄에는 응답하려는 개체의 인덱스 값 목록을 제공합니다. 첫 번째와 세 번째 이변량 개체가 이차 모델인 차수 다항식에 적합하도록 하려면 줄을 실행합니다. 다시 Ctrl 키를 사용하여 다항식 적합 개요 항목을 축소하여 스크롤을 조금 더 쉽게 만듭니다. 따라서 첫 번째 개체, 첫 번째 이변량 개체는 다항식 적합을 갖습니다. 두 번째는 안 됩니다. 세 번째는 됩니다. 물론 네 번째, 다섯 번째, 여섯 번째도 안 됩니다. 마지막 예제에서 다시 Index 함수를 사용하고 있는데, 두 개의 이중 콜론으로 이루어진 중위 연산자를 사용합니다. 이렇게 하면 첫 번째 숫자부터 두 번째 숫자까지 증분으로 계산합니다. 따라서 Fit Spline으로 이동합니다. Fit Spline은 빨간색 삼각형 메뉴의 Flexible 아래에 있는 옵션입니다. 여기에 제공할 수 있는 다양한 인수를 모두 볼 수 있습니다. 따라서 이변량에 대해 상당히 유연한 스플라인과 싸우고 있습니다. 따라서 line을 실행합니다. 다시 한 번, 로그에서 알 수 있듯이 이 점을 지적하는 것을 잊었습니다. 하지만 두 객체에 메시지를 보내면 두 객체가 있는 목록을 받습니다. 그리고 방금 세 객체에 메시지를 보내면 세 객체의 목록을 받습니다. 자세히 살펴보면 첫 번째와 두 번째 이변량 적합은 스플라인을 받지 못했습니다. 세 번째는 받았습니다. 네 번째는 받았습니다. 다섯 번째는 받았습니다. 그리고 여섯 번째는 받지 못했습니다. 따라서 By 역할을 사용하고 해당 By 변수의 각 레벨에 대해 별도의 분석과 객체를 생성할 수 있습니다. 그리고 모든 분석과 함께 또는 개별 분석과 통신할 수 있습니다. 지금까지는 일반적으로 사용되는 JMP 플랫폼에서 분석 계층을 실행하고 상호 작용하는 몇 가지 예시였습니다.
