Introduction
Je pense toujours que l'une des fonctionnalités les plus puissantes de JMP est sa capacité à créer rapidement différentes visualisations. Ce message n'est qu'un rappel/ amorce de discussion /liste de souhaits sur le fait que la visualisation de vos données est extrêmement importante. Cet article comprendra deux exemples différents "simples" mais très puissants de la raison pour laquelle vous devriez toujours visualiser vos données et pas seulement faire confiance aux statistiques récapitulatives/descriptives.
Partie rappel
Le quatuor d'Anscombe
Quatuor d'Anscombe (wikipedia) est un ensemble de données assez populaire pour démontrer pourquoi les données doivent être visualisées. L'ensemble de données se compose de quatre ensembles de données différents qui ont des statistiques descriptives presque identiques. L'ensemble de données a été construit par Francis Ancombe en 1973. Plus d'informations peuvent être trouvées dans l'article où ils sont démontrés ( Anscombe, FJ, 1973. Graphiques en analyse statistique. Le statisticien américain, 27(1), pp.17-21. ).
JMP a également Anscombe.jmp comme l'un des exemples de tables de données. La table de données comprend le script de table "The Quartet" qui utilisera Fit Y by X pour démontrer l'ensemble de données.
Douzaine de Datasaurus
Je pourrais voir cela comme un peu jamais le Quatuor d'Anscombe. Vous pouvez trouver plus d'informations auprès de Mêmes statistiques, différents graphiques : génération d'ensembles de données avec une apparence variée et des statistiques identiques grâce au recuit simulé . L'idée de l'article n'est pas exactement de démontrer que la visualisation est importante, mais plutôt comment créer de tels ensembles de données. L'article utilise l'ensemble de données Datasaurus créé par Alberto Cairo comme référence pour créer différentes parcelles.
Datasaurus douzaine de Mêmes statistiques, différents graphiques (autodesk.com)
Partie de souhait
J'espère que JMP ajoutera une douzaine de datasaurus comme ensemble de données à JMP ou, mieux encore, utilisera éventuellement le papier par Matejka, J. et Fitzmaurice, G., 2017, mai. Mêmes statistiques, différents graphiques : générer des ensembles de données avec une apparence variée et des statistiques identiques grâce à un recuit simulé. Dans Actes de la conférence CHI 2017 sur les facteurs humains dans les systèmes informatiques (pp. 1290-1294). pour implémenter l'algorithme qui permettrait aux utilisateurs de créer ce type de jeux de données.
JMP dispose déjà d'exemples de données JMP Man Dozen.jmp qui ont été créés à partir de JMP Man à l'aide des méthodes suggérées présentées dans Matejka, J. et Fitzmaurice, G., 2017, mai. Mêmes statistiques, différents graphiques : générer des ensembles de données avec une apparence variée et des statistiques identiques grâce à un recuit simulé. Dans Actes de la conférence CHI 2017 sur les facteurs humains dans les systèmes informatiques (pp. 1290-1294).
Jeu de données JMP Man Dozen visualisé dans Graph Builder
Démo
Remarque : La démo nécessite JMP16 ou une version plus récente pour s'exécuter.
J'ai également commis cela sur ma page github. Il a un script légèrement différent et un texte différent de ce post ici ( jthi0/visualize_your_data (github.com) .
J'ai "rapidement" écrit un script de démonstration qui peut être utilisé pour montrer Anscombe's Quartet et Datasaurus Dozen. Ceci a été joint sous forme de fichier zip à ce message. Décompressez visualize_your_data.zip dans un dossier et exécutez demo.jsl et il devrait ouvrir une fenêtre avec les deux ensembles de données visualisés.
La fenêtre de démonstration comprend un curseur qui peut être utilisé pour rendre les marqueurs plus visibles sur tous les générateurs de graphiques. Les images du côté gauche ont des marqueurs masqués et celles du côté droit ont une transparence définie sur 1 (100%).
J'ai également posté ceci sur mon github (github.com/jthi0) mais la version github n'inclut pas l'ensemble datasaurus, car je n'ai pas pris la peine de vérifier si je pouvais le partager librement (mais vous pouvez le télécharger librement à partir de https://www.autodesk.com/content/dam/autodesk/www/autodesk-reasearch/Publications/pdf/SameStatsDataAndImages.zip , j'ai utilisé DataSaurusDoze.tsv comme ligne de base pour le script de démonstration. Convertissez-le en fichier .jmp et enregistrez-le dans le même dossier que demo.jsl et les scripts de support).
Ce script pourrait être assez facilement converti en complément et il y a pas mal d'améliorations qui pourraient être faites (comme l'exportation de données depuis l'interface utilisateur).
Discussion
Avez-vous fait face à des situations similaires où la visualisation vous a évité, à vous ou à votre organisation, de nombreux maux de tête ?
Convenu. La fonctionnalité Graph Builder de JMP est un véritable champion. Parfois, les gens ont tendance à effectuer immédiatement des analyses statistiques sophistiquées sans visualiser/explorer les données. Ils ont raté beaucoup d'occasions. JMP a un avantage sur ce point.
Semble que JMP Man Dozen.jmp data table est l'implémentation par JMP de datasaurus douzaine en utilisant le même papier que j'ai mentionné dans mon message. Je ne savais même pas que ça existait, alors merci d'avoir montré ça @hogi !
J'aime celui-ci (à partir d'exemples de données)
dt = Open( "$SAMPLE_DATA/JMP Man Dozen.jmp" );
dt << runScript("Trellis with Summaries");
Salut @jthi ,
Ceci est un excellent article et un rappel de l'importance de visualiser les données (littéralement en regardant les structures dans les données). Je ne sais pas combien de fois j'ai rencontré des gens partageant une feuille de calcul et ils commencent à parler des tendances dans les données alors qu'il y a tellement de colonnes et de rangées de chiffres qu'il est impossible de comprendre ce qui se passe réellement. avec les données. Ou, lorsque les discussions (et potentiellement les décisions) sont prises uniquement à partir d'un ou deux points de données ou peut-être simplement la moyenne de quelques points de données. Sans contexte supplémentaire et surtout visualisation, c'est un chemin tellement risqué à emprunter.
Une chose que j'ajouterais à la discussion est d'essayer de visualiser les données de plusieurs manières différentes - cartes thermiques, nuages de points (souvent en 3D sur plusieurs variables pour parcourir et voir comment les données pourraient se regrouper ou s'organiser entre différentes variables), barre graphiques, boîtes à moustaches, diagrammes parallèles, etc. Tout type de méthode qui apporte une perspective différente et aide à mieux comprendre les données est toujours bon à essayer. Et, vous pourriez rencontrer une nouvelle technique de visualisation qui transmet vraiment mieux le message à votre public. Parfois, une meilleure visualisation peut nécessiter des étapes supplémentaires telles que des transformations, la recherche de valeurs aberrantes ou le regroupement afin de voir comment les groupes agrégés sont liés les uns aux autres. . Bien sûr, cela dépend en grande partie des spécificités des données avec lesquelles vous travaillez et de ce qui a du sens pour votre organisation.
Merci pour le post!,
DS
