595605_ja-JP
「JMP® Pro: Functional Data Explorer を使用した曲線とプロファイルの分析」コースのホームページ
まとめ：このコースは、JMP Pro を使用して機能データを認識してモデル化するのに役立ちます。 設計された実験の結果などの応答として、または多変量解析などの新しい共変量または機能としてデータを使用することを教えてくれます。
機能データは、関数、プロファイル、または曲線として定義されます。 それらは、経時的な一連の観測またはその他の連続変数です。 これらのデータをモデル化して、形状の変化を他の変数の変化に関連付けることができます。
モダリティ:
- インストラクターと一緒にオンラインでライブ -- このコースは、公開講座スケジュール. 公開コースは、このコンテンツを一緒に学ぶ機会です。ライブインストラクター、しかし、それらは現在英語でのみ提供されており、米国の聴衆にとって最も便利な場合があります (ほとんどのインストラクターは米国のタイムゾーンにいるため)。 お探しのものが見つかりませんか?我々に教えてください.
- サードパーティのトレーニング ベンダーを通じて -- 当社の JMP カリキュラムのすべてのコースは、自社のトレーニング部門を含め、認可を受けたトレーニング ベンダーによって教えることができます。 詳細については、JMP 担当者にお問い合わせください。
前提条件:このコースに参加する前に、以下を完了することをお勧めします。 JMP® ソフトウェア: データ探索へのケース スタディ アプローチとJMP®: ANOVA と回帰を使用した統計的決定コースまたは同等の経験をお持ちの方。
学習目標：
- 機能データとその用途を認識します。
- 機能データ分析に合わせてデータを前処理します。
- 機能のモデルを選択します。
- 関数の最適な表現を取得します。
- 計画された実験の分析で、新しい表現を応答として使用します。
コース概要：
機能データを調べる
機能データの前処理
- 機能データのさまざまな形式を識別します。
- 機能データをクリーンアップします (タスクの記録)。
- 機能データ出力を変換します (センタリングとスケーリング、その他の一般的な変換)。
- 機能データ入力を揃えます。
機能データの適合モデル
- 基底関数展開を連続関数のモデルとして記述します。
- 平滑化により、モデルのバイアスと分散の間のトレードオフを最適化します。
- モデルのスプラインまたはフーリエ基底を選択します。
- モデルに適合します。
- 最適なモデルを選択してください。
- モデルを診断します。
機能主成分の抽出
- 連続関数の主成分分析について説明します。
- 機能主成分スコアを導出して使用します。
実験の機能解析
- 実験の分析の目標を特定します。
- 機能主成分に対する因子効果を推定します。
キャップストーンのケーススタディ
- 完全な機能データ分析を実践するために、さまざまな業界から選択されたいくつかの新しいケースの 1 つを選択します。
高度な統計モデリング実験計画法予測モデリングと機械学習
Comments
There are no comments yet
