Bonjour, tout le monde. Merci pour joindre mon JMP parler aujourd'hui. Aujourd'hui, je serait comme à parler à toi à propos comment nous regarder à équivalence entre ensembles de lot données sur temps à Fujifilm. Dans particulier, Identifiant comme à parler à propos un nouveau multivarié prendre sur le deux un face Tt est.
Bien que ce particulier peu est un nouveau comparaison technique, il n'a pas remplacer, plutôt il compléments le habituel célibataire indiquer techniques, et dans le flux de travail, nous sont toujours compter fortement sur ceux. Le dernier peu ici volonté décrire comment nous comparer données des ensembles, depuis le temps série, nous obtenir depuis deux différent Balance, mais il pourrait être n'importe lequel logique groupe.
Je vais rapidement aller à travers comment nous préparer le données, ou plutôt obtenir il dans le État où nous peut courir le des scénarios, et nous volonté regarder à le visualisations pour le habituel célibataire temps points dans JMP, et Bien aussi regarder à quelques scripts que je utiliser à courir APC sur tous le variables et test équivalence.
T alking à propos TOST ou équivalence test. T il deux Test T est un deux un face T- test, et il chèques si sur moyenne, ton deux données ensembles pour un donné variable sont équivalent.Très de la même manière, un multivarié test chèques si sur moyenne le prend fin principal composant ou PC pour un donné jour de un fermentation ici, est équivalent pour deux différent Balance.
Toi besoin données à être dans un spécifique format, mais dans particulier toi besoin deux différent groupes ici. C'est deux Balance, si toi avoir plus que deux, toi volonté besoin à diviser eux dans ensembles de deux. C'est plus approprié pour temps série, parce que c'est un données réduction technique que toi ne le ferais-je pas besoin si toi n'avait pas un problème avec ayant un parcelle de données points.
Ce était partie, initialement, de un scénario que était tous fait dans R, mais comme je déplacé dans en utilisant JMP pour visualisations plus et plus, je pensée que il était beaucoup Plus facile à utiliser, en particulier si nous vouloir à passer sur ceux scripts à personnel. R. est pas toujours que accessible.
je déplacé un parcelle de le scénario dans JMP par maintenant. Le seulement chose c'est toujours dans R. est le données imputation. Le scripts et pré travail prendre se soucier de les valeurs aberrantes, manquant données, et inconsistant entrées. Le R. fait le données imputation. Pourquoi avoir je déplacé à JMP ? D'abord de tous, il était parce que je visualisé dans JMP.
Pourquoi est il bien à visualiser données dans JMP ? Parce que JMP est juste fait pour que. C'est vraiment bien pour regarder à manquant données et valeurs aberrantes et n'importe lequel graphiques. Le temps série sont Non exception à ce. Le manquant données visuels dans JMP, donner toi un couleur carte de où ton données est manquant, donc toi peut trouver Lignes où données est manquant.
Que moyens un jour pourrait pas être le meilleur à garder dans le données ensemble. Toi peut immédiatement visualiser morceaux de données manquant, que il serait être jours dans un rangée, et toi peut faire un décision sur si toi vouloir à garder tous ceux jours ou faire le analyse deux fois, pour exemple, et il volonté rapidement montrer toi si toi avoir données manquant depuis un groupe et pas le autre, dans lequel cas tu aurais avoir à faire loin avec que variable tout à fait.
Aussi, valeurs aberrantes besoin traitement avant toi interpoler, sinon ils volonté avoir un énorme effet sur le APC et le comparaison test. Là est un valeur aberrante détection plate-forme dans JMP, mais ce est utilisé ici dans notre flux de travail combinaison avec en train de regarder le temps série et le comparaisons. Mais Je vais montrer tous que dans le démo.
Alors le Graphique Constructeur est utilisé à parcelle tous le temps série. Là sont beaucoup façons à faire que, mais je volonté montrer toi dans le scénario le deux principal graphiques que nous utiliser à vérifier que notre données est bien à aller. Ici ils sont, le temps série, et ceux dans particulier sont enveloppé par un lot, donc que toi obtenir un individuel parcelle pour chaque temps série.
C'est un petit parcelle, mais généralement c'est assez à place manquant données valeurs aberrantes ou n'importe lequel bizarre ou différent comportement. Ici, pour exemple, laisser moi obtenir le laser sur. Et voilà.Ici nous avoir un grappe de points que sont discutable. Nous besoin à vérifier si ce est comportement que nous vouloir à capturer ou si c'est comportement c'est inhabituel, et nous vouloir à imputer le repos de le données.
Ou nous pourrait avoir célibataire valeurs aberrantes comme ici. Nous voir ce assez souvent, mais ici toi peut avis c'est tous sur le même jour. Donc est il quelque chose que arrive sur jour six dans ceux fermentations ? Un autre chemin à parcelle temps série, et nous faire que comme Bien, est à en fait recouvrir eux. Par superposition eux, toi peut voir si ton données est cohérent pour un donné jour.
Ici nous avoir individuel valeur des parcelles, lequel est quoi nous regarder à. Mais j'ai aussi demandé JMP à mettre un petit boîte parcelle autour tous ceux données parce que ce imite quoi nous avoir quand nous sont faire notre ANOVA dans le deuxième étape de notre données visualisation.
Ce est très typique de quoi arrive dans notre processus sur temps. Dans le d'abord semaine, le données est montrant très faible variabilité. Le boîte parcelles sont petit et ils sont généralement assez Bien aligné. Le moyenne est autour le même valeur.
Quand nous atteindre le deuxième semaine de le fermentation, des choses commencer à dérive à part et des choses commencer à obtenir beaucoup plus variable. Si toi étaient traçage jour six par lui-même dans un lot par jour taper de parcelle ici, tu aurais être capable à voir quoi le différence est sur moyenne entre le grand échelle dans rouge et le petit échelle dans bleu.
Sur jour six, toi avoir un petit différence et sur jour 12, toi avoir un grand différence. Ceux différences sont quoi nous sont regarder à test quand nous faire célibataire point Tests T avec notre ANOVA. Avant nous porter sur, je juste vouloir rapidement avoir un résumer de quoi le différences sont entre T- test et TOST.
UN T- test est complètement statistique, si le TOST a besoin un utilisateur saisir pour un pratique acceptable différence. Dans un T- test, toi émettre une hypothèse que là est Non différence entre le signifier et si toi obtenir un petit P. valeur ou significatif résultat, alors toi refuser que et toi dire là est un différence entre ton données ensembles.
UN TOST raconte toi que là est Non différence entre ton données des ensembles, si toi avoir un significatif résultat. Si toi échouer un T- test, le confiance intervalle pour le principal différence, dans ceux des parcelles, c'est ça noir carré ici. Donc le confiance intervalle pour le TOST, si toi échouer, fait pas croix le zéro doubler.
Mais si toi échouer un TOST, le confiance intervalle pour le différence est pas contenu par le pratique acceptable différence. Toi avoir deux résultats pour un T- test et deux résultats pour un TOST, lequel moyens toi avoir quatre combinaisons.
Soit toi passer ou échouer les deux, ou toi passer et échouer un de eux. Dans JMP, généralement, là sont différent plates-formes que faire TOST et test T, mais toi volonté avoir un normale distribution pour le différence. Si toi passer un test, alors ton signifier différence est dans que petit cloche courbe.Si pas, c'est dehors.
Donc il pourrait rapidement visualiser lequel ceux passé ou pas dans un ANOVA. H avant ils sont, le ANOVA. Allons étape deux de notre visualisation et faire le ménage processus. Nous utiliser un scénario à parcelle tous de ceux ensemble dans un rapport donc que nous peut regarder à tous de eux. Si toi pense à propos le données ensemble ici, il était à propos 15 variables sur 12 jours. Donc toi avoir sur 150 tel des parcelles, lequel est un parcelle de données à regarder à, en particulier si toi changement des choses et parcelle eux encore.
Mais ici sont quelques exemples de quoi toi pourrait voir. Toi pourrait passer un Test T ou échouer il. Toi pourrait passer un test T, mais seulement parce que toi avoir assez couche c'est tirant un de le données ensembles en haut ou vers le bas, pour exemple. Là sont beaucoup possible résultats que toi serait obtenir ici.
Pas tout est sur ce capture d'écran, mais étaient aussi regarder à le variance dans que rapport. Le principal Composants comparaisons, nous ne le faites pas faire ce ici avec le scénario. je utiliser le graphique constructeur à en fait parcelle ceux parce que ils sont comme le parcelles je avait dans un couple de diapositives précédent.
Mais le différence que toi pourrait voir ici est dans le échelle. Maintenant, parce que étaient parler à propos principal Composants, le partitions tendre à être autour zéro sur moyenne, et ils varier entre moins trois et trois parce que nous normaliser le données avant portant dehors le APC.
Le avantage de ce est que, maintenant plutôt de ayant à fournir un acceptable valeur pour un tâche, parce que le données est normalisé, nous peut en fait couverture calculer que acceptable différence par prise un multiplicateur de le standard déviation pour notre scores.
Ici nous avoir le d'abord principal composant et il clairement montre il y a un grand différence entre le grand et le petit échelle. Ici avec le deuxième principal composant, là est un plus petit différence. Ce est typique de quoi nous voir, parce que le d'abord principal composant tend à capturer le plus large forme de le fermentation profil.
Donc si là est un différence dans que plus large forme, le TOST pour le d'abord PC tend à échouer. Typiquement, quoi j'ai vu est que pour notre données, deux principal Composants pourrait capturer à propos 60 % de le information dans le variables. Pour ceux de toi OMS peut avoir fait PC sur données avant, que peut sembler un faible nombre, mais c'est probablement parce que tous le variables avoir un différent histoire à dire.
Un autre chose Identifiant comme à dépenser un petit peu de temps sur est le chargement' s intrigues. Ce est partie de le APC plate-forme dans JMP, et il a ce parcelle à le très haut de le plate-forme, et c'est un bien un à regarder à si tu es un scientifique c'est plus intéressé dans regarder à qu'est-ce que c'est vraiment en allant sur.
Mais le raison pourquoi je avoir ce sur un glisser ici est parce que ce est un bien représentation de quoi nous sont en allant à voir dans comment beaucoup chaque variable contribue à le modèle que étaient choisir avant faire le équivalence test.
Ici, pour exemple, tous le variables en rapport à viabilité pour notre fermentation sont très corrélé parce que ils sont fermer ensemble et le chemin ils projet sur le PC un et PC deux ici, ils obtenir haut valeurs. Nous dit que ceux carte Bien à le d'abord deux PC. Donc que moyens que ils sont participant un parcelle à le modèle.
Ici nous avoir quelques autre variables que sont étroitement regroupé ensemble ici. Donc sodium, potassium et Glutamine. Ils sont très corrélée. Ils carte très Bien à le d'abord ordinateur, mais pas à le deuxième. Donc ils ne le faites pas contribuer un parcelle à le modèle avec le deuxième PC.
Alors ici toi avoir problématique variables. Ils faire pas carte Bien à soit PC. Que moyens que dans un 2 pièces modèle, toi sont pas en allant à capturer le comportement pour ceux variables. Quand toi voir ce, toi déjà savoir que un 2 pièces modèle est pas en allant à donner toi un parcelle de équivalence pour ceux variables.
Dernier étape est à en fait parcelle le TOST. Ce est fait encore en utilisant un scénario. Ceux graphiques sont pas le graphiques que toi serait généralement trouver dans JMP, mais ils sont joli typique de TOST des parcelles. Pour chaque PC pour chaque jour, nous volonté avoir un TOST ou équivalence test résultat. Si le confiance intervalle est dehors de le acceptable gamme, lequel est trois fois le standard déviation de le partitions dans ce cas, alors nous échouer le TOST.
Quand nous échouer le test, nous donner il un zéro dans le scénario. À résumer quoi arrive ici, chaque PC volonté capturer un certain montant de le variabilité. Chaque PC peut passer ou échouer un TOST. En outre, chaque variable contribue à un certain étendue à chaque PC.
UN principal composant est un linéaire combinaison de tous le variables. Tout à fait, un variable que a un fort contribution à un principal composant que passe un TOST volonté avoir un fort impact sur dans l'ensemble équivalence entre le lots.Ce est quoi nous sont en essayant à mettre ensemble.
Comment faire nous mettre ce ensemble? Là sont beaucoup façons nous pourrait mettre ce ensemble. je avoir fait quelque chose joli simple ici. C'est juste un produit somme de qui passe ou échouer un ordinateur, fois le contribution de le variable. Essentiellement, pour exemple, pour deux PC ici, étaient échouer le d'abord équivalence test, et ce viable, avait un 40 % contribution, donc que obtient zéro, plus un qui passe le TOST, fois le contribution ici, à que PC.
C'est le dans l'ensemble score pour il. Dans noir, toi avoir le basique partitions pour chaque jour ici. Allons appel le QEI, tu vas voir que dans le les tables plus tard. Sur moyenne, étaient obtenir à propos 70 %. C'est pas aussi mauvais sur le cours de le fermentation. Ajouter PC n'a pas faire un très grand différence parce que ce cartographié très Bien à le deux PC.
Le pH, lequel était un de le variables que a fait pas carte très Bien à le d'abord deux PC obtient un vraiment mauvais moyenne score, si toi ajouter seulement deux PC dans le modèle, autour 30 %. Mais si toi ajouter un autre quatre PC, là sont en allant à dire nous ce un, que nombre va en haut à sur 80 %.
Là est Non mauvais ou bien Nombres ici, mais c'est quelque chose toi besoin à garder dans esprit que il vraiment dépend sur le modèle que toi choisir pour en cours d'exécution ce. En mouvement sur, ce est le très dernier sortir depuis le scénario, et c'est quoi étaient vraiment intéressé dans, en particulier si nous sont comparant différent processus ou différent façons à courir il.
Toi avoir un bar graphique de tous ton individuel équivalence s. Ce montre toi vraiment, par variable, lequel ceux sont similaire depuis un échelle à le autre. Ici nous avoir trois variables que sont joli similaire parmi des lots, et alors il vraiment gouttes vers le bas en haut à le dernier un ici lequel a un très faible équivalence.
Dans le haut droite coin ici, JMP volonté mettre un moyenne si toi demander pour il. T Chapeaux un bien métrique, bien que c'est très réduisant. C'est un bien métrique à comparer le même processus, si tu es en utilisant différent façons à courir le TOST ou différent Nombres de PC.
je avoir plus diapositives à propos ce, mais je pense c'est mieux à courir droit dans le démo dans le intérêt de temps. j'ai mettre un petit JMP journal ensemble. Pas très bien à ce.je espoir c'est en allant à travail. Dans JMP, Bien juste regarder à le données, le trois des scénarios, et deux différent façons à courir le dernier un.
C'est le anonymisé données ensemble ici. Mon ordinateur est très lent. Là nous aller. je pense c'est fonctionnement. C'est juste vraiment paresseux. Dans ce données ensemble est le nu le minimum que toi besoin, un courir taper avec deux groupes, un lot IDENTIFIANT, lequel est un catégorique variable malgré être un nombre ici, et le temps IDENTIFIANT dans ce cas, c'est sur un enregistrement un jour, donc c'est sur un nombre de jours.
Le d'abord peu nous faire est parcelle tous le temps série. j'ai gauche ce avec un peu morceaux et bobs que sont pas vraiment bien, donc que je pourrait indiquer eux dehors. Tous le scripts dans ce groupe et là sont trois de eux, sont essentiellement faire le même chose à le commencer, un peu de nettoyage en haut et préparation, et c'est en allant à créer un cloner de ton données tableau à travail sur sans rupture ton données tableau, et aussi un annuaire à sauvegarder tous le les sorties depuis le scénario.
Alors le scripts sont essentiellement boucle ici sur le nombre de variables et traçage eux un à un temps et en mettant tout dans un rapport.Allons courir ce. Ce est un très généralisé scénario et il travaux Bien sur tous le données ensembles. Toujours nerveux, des choses sont pas en allant à travail parce que c'est donc lent. Ici nous aller. C'est toujours pensée. je vais juste être patient et attendez.
Ce volonté parcelle ce enveloppé par lot temps série et dans superposé temps série comme Bien. Vous allez avoir un de chaque pour chaque variable. Il volonté dire variable un, le réel nom de ton variable ici et parcelle eux. Ce est quoi nous vouloir à voir, essentiellement.
Nous avoir le même forme pour tous le lots et ils sont cohérent à travers le Balance. Bien se déplacer vers le bas à un que n'a pas regarder comme bien. Là nous aller. Pour ce variable, nous avoir le même forme pour ce échelle ouais, et alors un très différent forme pour le petit échelle. Nous besoin à trouver dehors pourquoi ce est événement et faire nous vouloir à garder ce variable dans le modèle.
Dans particulier ici, nous avoir un lot c'est très s'est mal comporté. Si toi regarder à ce dans un recouvrir parcelle, il est très évident que ce moyenne courbe n'a pas représenter soit le grand échelle ou le petit échelle. Ce est un variable que toi besoin à viens dos sur.
Variable 6, je pense était dans le présentation. Ce montre toi où toi avoir quelques valeurs aberrantes que toi peut avoir manqué le temps avant. Alors un autre chose toi besoin à regarder pour dans ceux des parcelles, est si ton petit et grand échelle Nombres sont mêlé ensemble.
Si ton rouge et bleu points sont tous mixte ensemble, alors chances sont ton Balance sont joli similaire. Mais dans quelques cas, comme ici, pour exemple, le petit échelle données est presque toujours au-dessus de le grand échelle données. Donc toi peut attendre à voir un différence ici. Ici je avoir moins que variable 11, lequel est vraiment, vraiment mauvais.
Ce arrive assez souvent à nous, quand nous avoir un différence dans enregistrement le variables. Ici il était en fait un différent unité, et c'est pourquoi nous avoir très différent Nombres. Maintenant, quand toi mettre le données depuis graphiques dans un rapport comme ce, malheureusement, toi perdre mon préféré fonctionnalité dans JMP, lequel est interactivité.
Toi ne peut pas en fait souligner un indiquer ou un série de points et aller voir quoi ils sont faire dans le tableau. Mais le scénario est économie tous ceux individuel parcelles pour toi. Ici nous étaient. Dans ici, c'est créé un annuaire avec tous le parcelles que nous avons juste vu, plus il enregistré que cloner avec le temps série étiqueté à le fin.
Dans ici, toi peut voir... Si je peut en fait utiliser mon souris, toi peut voir ceux temps série un à un temps. Alors toi peut sélectionner le points que toi serait normalement à utiliser le interactivité dans JMP. Si toi avoir plusieurs ouvrir à le même temps, tous de eux volonté être Souligné dans tous ton des parcelles.
C'est il pour temps série. Bien se déplacer sur à le deuxième partie de le processus, et c'est regarder à tous ton ANOVA. Ce est dans le Ajustement de la plateforme Y-by-X, et comme le autre scénario, c'est faire un peu de ranger en haut à le commencer, et alors il boucles sur jours et crée un sous-ensemble de le tableau pour chaque jour. Alors il y a un rapport sur le différences entre le groupes.
Si toi avoir écrit scénario avant, toi volonté voir que ce est joli typique de en écrivant un scénario dans JMP. Quelques de il est écrit par main, et un parcelle de il, le en gros de qu'est-ce que c'est événement, je essentiellement couru dans JMP et copie collé il dans le scénario. Bien courir ce sur ce sale données ensemble. Avec un peu de chance, il n'a pas prendre aussi beaucoup temps.
Si toi avoir un rapide ordinateur, je croire que toi serait pas même voir ceux les fenêtres en fait ouvrir. Il serait être instantané. Toi pourrait voir ici comment JMP est essentiellement en allant à un nombre jour et alors prise un sous-ensemble de que tableau, en cours d'exécution un scénario, économie il à que petit données tableau, et c'est faire ce pour tous les jours, et nous avoir 12 jours ici, donc il prend un alors que.
Ce volonté aussi sauvegarder tout dans c'est propre dossier. Dans ce cas, Bien juste regarder à un de le enregistré rapports. Ici toi avoir un sous-ensemble, tous ce est pour jour un, mais c'est un beaucoup plus petit tableau. Ici toi avoir le rapport que toi et ton scientifiques serait vouloir à regarder à, lequel montre toi tous le Tests T. Maintenant toi peut regarder à tous ceux Tests T juste à voir si ils passer.
Toi pourrait compter comment beaucoup passer et prendre un proportion de qui passe Test T. Mais ce est aussi un bien lieu pour découverte ceux plus subtil valeurs aberrantes parce que chaque boîte parcelle pourrait avoir quelques données que toi vouloir à question. Encore, toi serait souligner ceux points et vérifier si toi vouloir à garder eux dans ton final données ensemble ou pas.
En mouvement sur encore. Étaient enfin à le dernier peu, lequel est probablement le la plupart intéressant. C'est tous le PCA. Ce est un beaucoup plus gros scénario, parce que il a à aller chercher information depuis le JMP plates-formes. je ne le faites pas avoir un parcelle de temps pour ce, mais je peut répondre des questions à le fin si tu es intéressé.
Le autre chose avec ce scénario est que je avoir dur codé quelques morceaux, donc il besoins à être modifié pour chaque données ensemble. je besoin à réparer que à quelques indiquer. Pour exemple ici, c'est en fait faire un principal composant analyse sur un de le jours, donc un sous-ensemble de le données tableau. Alors nous changer à le APC rapport, et ce devient un objet dans ton JMP scénario.
Alors depuis ce objet ici, toi peut obtenir articles. Pour exemple, je courir le APC et je avoir ce comme un objet, et maintenant je dire, je vouloir le valeurs propres dans là. Le chemin à trouver le objets que toi besoin est à ouvrir le arbre structure, dans ton JMP rapport et tout est numéroté et aligné. Donc toi peut obtenir tout que toi besoin depuis le JMP rapport comme un valeur, comme un matrice, comme un tableau.
Il vraiment dépend sur quoi toi vouloir. Mais toi pourrait voir j'ai fait ce ici. Donc une fois il a tous ces valeurs ici, je extrait le principal Composants et je ajuster encore, Y-par-X le principal Composants contre mon Balance ici. UN gagner, je changer à rapport. Je suis faire ce donc que je peut obtenir le racine signifier carré erreur depuis que rapport.
C'est parce que c'est le meilleur estimation je volonté avoir pour mon standard déviation. Je suis en utilisant ce standard déviation ici à couverture calculer mon acceptable différence pour mon TOST. je enfin peut en fait courir mon TOST ici. Donc encore, c'est un autre groupe. Et ce temps c'est pieds large par X, mais Je suis demander pour un équivalence test avec Delta comme mon acceptable différence.
Le repos de le scénario volonté parcelle tous le Tâches et c'est très ennuyeux. Alors à le fin, il volonté créer un tableau avec tous le les sorties et tous le des choses que nous besoin à créer notre bar graphique et finalement nous pourrait aussi créer le bar graphique. Bien courir ce pour ce données ensemble. Juste vérification je avoir le droite un. Là nous aller. Voilà. Je vais Cliquez sur sur il maintenant.
Toi pourrait voir il dans le arrière-plan ici. C'est bouleversant le les tables et c'est faire ce douloureusement lentement. Pour chaque jour, il volonté sélectionner le jour, faire un plus petit données tableau, faire un APC sur tous le variables, et alors je volonté sauvegarder le principal Composants, le valeurs propres et le cosinus pour plus loin calculs.
Il volonté utiliser le principal Composants pour d'abord faire un test T, parce que c'est où étaient en allant à obtenir notre estimation de le standard déviation et deuxième, faire un équivalence test à vérifier si il passe équivalence. je pense nous sommes sur jour Sept, étaient en allant à obtenir là finalement.
Il volonté aussi parcelle tous notre équivalence des essais, et il volonté aussi créer le bar graphique et le nouveau annuaire. Bre avec mon ordinateur.Bien, ce est prise plus long que il devrait, vraiment. je espoir c'est en allant à travail. Parfois scripts que sont assez occupé, signifier que c'est dur pour JMP à attraper en haut avec qu'est-ce que c'est événement dans le arrière-plan.
je espoir c'est pas en allant à échouer parce que de que. Non, ici nous aller. C'est maintenant créé un rapport, et pour chaque jour, c'est en allant à mettre chaque TOST dans un colonne de graphiques. je avoir écrit le scénario dans tel un chemin que ils sont tous le même taille et que était suggéré par un de notre scientifiques, en fait, donc ils sont beaucoup Plus facile à comparer.
Ici nous avait données que vraiment nécessaire quelques supplémentaire nettoyage en haut, donc il vient à Non surprendre que tous notre équivalence essais pour le d'abord principe composant sont échouer. C'est parce que le APC est fait sur variables que sont pas similaire entre groupes. Mais le plus subtil comportement c'est capturé dans un deuxième PC est toujours qui passe un parcelle de le équivalence essais.
Je vais fermer ce à montrer toi qu'est-ce que c'est a été enregistré dans le annuaire pour ce un. Pour ce, toi avoir individuel sous-ensemble tableau avec leur APC et sous scénario. Même ouverture un petit tableau comme ce est prise un long temps. Là nous aller. Ici sont le PCA. Voici le chargement parcelle.
Ce est où le valeurs propres viens depuis, et ici le cosinus lequel sont tiré dehors par le scénario. Il a le TOST résultats c'est utilisé pour fabrication le TOST des graphiques, mais nous avons déjà vu ceux. Il a un tableau que montre toi lequel TOST passé avec un zéro ou un un ici, et le expliqué variance, et le calculs pour le expliqué variance dans le même tableau.
T son Colonnes ici est quoi étaient en allant à utiliser à créer notre bar graphique.Le bar graphique obtient enregistré dans le journal dans ce cas. Là sont beaucoup façons toi pourrait faire ce, vraiment. Pour 15 variables et pas le meilleur de nettoyer emplois, allons voir quoi équivalence nous obtenir ici. Il est tous fonctionnement.
C'est juste vraiment lent. Désolé à propos que. Là nous aller. j'ai avait, encore, retour depuis scientifiques en disant que ils serait préférer à voir le variables dans le commande ils étaient dans initialement, parce que la plupart de notre données est enregistré dans des modèles, donc personnes sont utilisé à voyant ceux variables dans commande.
Mais c'est aussi bon à avoir il dans descendant commande donc que toi peut rapidement voir lequel variables sont assez équivalent et lequel ceux sont pas faire donc Bien. Ici sur moyenne, nous avoir 21 % équivalence à travers tous notre variables. C'est pas un très haut nombre. je ne le faites pas avoir un critères pour que nombre, mais je pense autour 60 %- 75 % serait être assez souhaitable.
Je vais fermer tout je peut à faire quelques espace. Bien aller dos à voir quoi arrive si nous retirer un offensant variable. je n'ai pas fait assez nettoyage en haut ici, mais Je suis suppression variable 11, lequel était vraiment pas un acceptable variable à avoir dans notre données ensemble.
je volonté courir le tâche avec trois PC ce temps, donc que je peut à moins avoir un tir à capturer le variabilité dans des choses comme pH ou PO2, lequel tendre à être beaucoup plus complexe. Bien courir ce un et Bien avoir un regarder à le bar graphique et voir comment beaucoup équivalence nous peut capturer.
je suspect ce est en allant à être lent encore. Ce est en allant lentement. Étaient seulement sur jour deux, donc je besoin à remplir en haut le temps. Comme je dit, nous ne le faites pas avoir un critère à regarder à ce total nombre. C'est plus de un relatif nombre.
Soit toi avoir un ensemble de critères pour nettoyage en haut ton données, ou peut être parce que toi sont en cours d'exécution lots et enregistrement eux dans similaire façons, toi serait dire, nous volonté toujours seulement regarder à ceux dix variables, et alors toi peut comparer le dans l'ensemble équivalence ou le bar graphiques pour donné ensembles de variables que sont comparable.
Le autre chemin toi pourrait faire il est en utilisant le même données ensembles comme je avoir aujourd'hui.je savoir nous avoir 21 % équivalence pour 15 variables, mais une fois nous retirer variables 11 et cinq, pour exemple, et faire le ménage en haut quelques de le les valeurs aberrantes, alors que nombre départs en allant en haut, ou il pourrait être nous avoir seulement 21 % avec deux PC, mais si nous ajouter un couple parce que quelques de le variables ne le faites pas carte très Bien à le d'abord deux PC, alors ce nombre aussi est en allant en haut.
C'est très difficile à mettre un critère sur que nombre, mais c'est joli bien pour comparant différent des modèles ou différent données ensembles que avoir a été traité raisonnablement de la même manière. Comment sont nous faire ici? Presque là. Je suis très Désolé à propos ce. Mon ordinateur est particulièrement lent aujourd'hui. Ici nous aller.
Ici sont Tâches, et ce temps là sont trois PC, donc ils sont aligné par trois. je pense si nous a fait ce plus gros, il serait commencer collage dehors de le fenêtre ici. Parce que nous avoir supprimé un variable déjà, nous pourrait voir que quelques de le Tâches sont qui passe même pour le d'abord PC. Donc c'est certainement fait un très grand différence.
je volonté fermer ceux et aller dos dans le annuaire il était créé. Le chemin j'ai écrit ce, si Je suis faire deux données ensembles dans le même annuaire, c'est en allant à obtenir effacé parce que Sauvegarder Comme dans scénario dans JMP volonté sauvegarder sur haut de existant données si il a le même nom.
Ici était le même données, nous juste supprimé un variable et ajoutée un ordinateur, et nous a obtenu depuis 21 % à à propos 47 % sur moyenne à travers le variable équivalence. C'est montrant toi quoi un grand différence il peut faire depuis juste un petit nettoyage étape ou choisir un légèrement différent modèle avec un plus PC dans ce cas.
Maintenant c'est moi. j'ai disparu à travers tous le scripts. Je vais mettre dos mon très dernier glisser en haut ici à conclure. Ce est un nouveau technique à regarder à équivalence, ce multivarié technique. je n'ai pas vu il utilisé quelque part autre. C'est un complément, pas un remplacement.
Toi devrait toujours, en particulier si tu es fortement impliqué avec le données, toi devrait toujours regarder à tous le temps points que tu es intéressé dans. Il donne un holistique image avec un parcelle de détail parce que toi avoir un parcelle de sortir. Mais si tu es seulement intéressé dans le final information, vraiment que bar graphique, donne toi un parcelle de information dans juste un graphique.
Toi pourrait faire ce avec n'importe lequel les types de groupes que toi vouloir à. Ce arrive à être Balance parce que nous regarder à le différence entre fabrication et laboratoire Balance un parcelle à Fujifilm. C'est il, vraiment. C'est ton multivarié à un face Test T. Comme un partie de notre processus couler à regarder à échelle en haut et échelle vers le bas données. Identifiant être heureux à répondez à toutes vos questions.
