Einverstanden. Die Graph Builder-Funktion in JMP ist ein echter Champion. Manchmal neigen Menschen dazu, sofort anspruchsvolle statistische Analysen durchzuführen, ohne die Daten zu visualisieren/erforschen. Sie haben viele Chancen verpasst. JMP hat hier einen Vorteil.
Es scheint, dass JMP Man Dozen.jmp Die Datentabelle ist JMPs Implementierung von Datasaurus Dutzend unter Verwendung desselben Papiers, das ich in meinem Beitrag erwähnt habe. Ich wusste nicht einmal, dass es das gibt, also danke fürs Zeigen @hogi !
Mir gefällt dieses (aus Beispieldaten)
dt = Open( "$SAMPLE_DATA/JMP Man Dozen.jmp" );
dt << runScript("Trellis with Summaries");
Hallo @jthi ,
Dies ist ein großartiger Beitrag und eine Erinnerung daran, wie wichtig es ist, die Daten zu visualisieren (im wahrsten Sinne des Wortes die Strukturen in den Daten zu betrachten). Ich weiß nicht, wie oft ich Leute erlebt habe, die eine Tabellenkalkulation geteilt haben und über Trends in den Daten gesprochen haben, wenn es so viele Spalten und Reihen mit Zahlen gibt, dass man nicht genau erkennen kann, was tatsächlich passiert mit den Daten. Oder wenn Diskussionen (und möglicherweise Entscheidungen) ausschließlich auf der Grundlage von ein oder zwei Datenpunkten oder vielleicht einfach dem Mittelwert einiger Datenpunkte getroffen werden. Ohne zusätzlichen Kontext und insbesondere Visualisierung ist dies ein äußerst riskanter Weg.
Eine Sache, die ich der Diskussion hinzufügen möchte, ist, zu versuchen, die Daten auf verschiedene Arten zu visualisieren – Wärmekarten, Streudiagramme (oft in 3D über mehrere Variablen hinweg, um durchzugehen und zu sehen, wie sich die Daten über verschiedene Variablen hinweg gruppieren oder anordnen könnten), Balkendiagramme Diagramme, Boxplots, parallele Diagramme usw. Es ist immer gut, jede Art von Methode auszuprobieren, die eine andere Perspektive ermöglicht und dabei hilft, die Daten besser zu verstehen. Und vielleicht stoßen Sie auf eine neue Visualisierungstechnik, die die Botschaft Ihrem Publikum besser vermittelt. Manchmal erfordert die bessere Visualisierung einige zusätzliche Schritte wie Transformationen, die Betrachtung von Ausreißern oder Clustering, um zu sehen, wie aggregierte Gruppen zueinander in Beziehung stehen – ich habe festgestellt, dass das Konstellationsdiagramm in der Hierarchical Clustering-Plattform dabei sehr nützlich ist . Natürlich hängt vieles davon von den Besonderheiten der Daten ab, mit denen Sie arbeiten, und davon, was für Ihr Unternehmen sinnvoll ist.
Danke für den Beitrag!,
DS
Einführung
Ich denke immer noch, dass eine der leistungsstärksten Funktionen von JMP die Möglichkeit ist, schnell verschiedene Visualisierungen zu erstellen. Dieser Beitrag ist nur eine Erinnerung/ Diskussionsstarter /Wunschliste-Eintrag darüber, dass die Visualisierung Ihrer Daten äußerst wichtig ist. Dieser Beitrag enthält zwei verschiedene „einfache“, aber sehr aussagekräftige Beispiele dafür, warum Sie Ihre Daten immer visualisieren und nicht nur zusammenfassenden/beschreibenden Statistiken vertrauen sollten.
Erinnerungsteil
Anscombes Quartett
Anscombes Quartett (Wikipedia) ist ein recht beliebter Datensatz, der zeigt, warum Daten visualisiert werden sollten. Der Datensatz besteht aus vier verschiedenen Datensätzen mit nahezu identischen deskriptiven Statistiken. Der Datensatz wurde 1973 von Francis Ancombe erstellt. Weitere Informationen finden Sie in dem Artikel, in dem sie demonstriert werden ( Anscombe, FJ, 1973. Diagramme in der statistischen Analyse. The American Statistician, 27(1), S. 17-21. ).
JMP verfügt außerdem über Anscombe.jmp als eine der Beispieldatentabellen. Die Datentabelle enthält das Tabellenskript „The Quartet“, das Fit Y by X verwendet, um den Datensatz zu demonstrieren.
Datasaurus Dutzend
Ich könnte das als etwas nie dagewesenes Anscombe-Quartett ansehen. Weitere Informationen finden Sie unter Gleiche Statistiken, unterschiedliche Diagramme: Generieren von Datensätzen mit unterschiedlichem Erscheinungsbild und identischen Statistiken durch simuliertes Annealing . Die Idee des Artikels besteht nicht unbedingt darin, zu zeigen, dass Visualisierung wichtig ist, sondern vielmehr darin, wie man solche Datensätze erstellt. Der Artikel verwendet den von Alberto Cairo erstellten Datasaurus-Datensatz als Grundlage für die Erstellung verschiedener Diagramme.
Datasaurus Dutzend von Gleiche Statistiken, unterschiedliche Diagramme (autodesk.com)
Wunschteil
Ich hoffe, dass JMP entweder Datasaurus Dutzend als Datensatz zu JMP hinzufügen oder, noch besser, möglicherweise das verwenden würde Papier von Matejka, J. und Fitzmaurice, G., 2017, Mai. Gleiche Statistiken, unterschiedliche Diagramme: Generieren von Datensätzen mit unterschiedlichem Erscheinungsbild und identischen Statistiken durch simuliertes Tempern. In Proceedings der CHI-Konferenz 2017 über menschliche Faktoren in Computersystemen (S. 1290-1294). den Algorithmus zu implementieren, der es Benutzern ermöglichen würde, diese Art von Datensätzen zu erstellen.
JMP verfügt bereits über JMP Man Dozen.jmp-Beispieldaten, die aus JMP Man unter Verwendung der in vorgeschlagenen Methoden erstellt wurden Matejka, J. und Fitzmaurice, G., 2017, Mai. Gleiche Statistiken, unterschiedliche Diagramme: Generieren von Datensätzen mit unterschiedlichem Erscheinungsbild und identischen Statistiken durch simuliertes Tempern. In Proceedings der CHI-Konferenz 2017 über menschliche Faktoren in Computersystemen (S. 1290-1294).
JMP Man Dozen-Datensatz, visualisiert im Graph Builder
Demo
Hinweis: Für die Demo ist JMP16 oder neuer erforderlich.
Ich habe dies auch auf meiner Github-Seite festgeschrieben. Es hat ein etwas anderes Skript und einen anderen Text als dieser Beitrag hier ( jthi0/visualize_your_data (github.com) .
Ich habe „schnell“ ein Demo-Skript geschrieben, mit dem Anscombes Quartett und Datasaurus Dozen gezeigt werden können. Dies wurde als ZIP-Datei an diesen Beitrag angehängt. Entpacken Sie visualize_your_data.zip in einen Ordner und führen Sie demo.jsl aus. Es sollte sich ein Fenster mit der Visualisierung beider Datensätze öffnen.
Das Demofenster enthält einen Schieberegler, mit dem Markierungen in allen Diagrammerstellungsprogrammen besser sichtbar gemacht werden können. Bei den Bildern auf der linken Seite sind die Markierungen ausgeblendet, und bei den Bildern auf der rechten Seite ist die Transparenz auf 1 (100 %) eingestellt.
Ich habe dies auch gepostet mein Github (github.com/jthi0) aber die Github-Version enthält kein Datasaurus-Set, da ich mir nicht die Mühe gemacht habe, zu prüfen, ob ich das frei teilen kann (aber Sie können es kostenlos herunterladen von https://www.autodesk.com/content/dam/autodesk/www/autodesk-reasearch/Publications/pdf/SameStatsDataAndImages.zip , habe ich DataSaurusDoze.tsv als Basis für das Demoskript verwendet. Konvertieren Sie es in eine .jmp-Datei und speichern Sie es im selben Ordner wie demo.jsl und unterstützen Sie Skripte.
Dieses Skript könnte relativ einfach in ein Add-In konvertiert werden und es könnten einige Verbesserungen vorgenommen werden (z. B. das Exportieren von Daten aus der Benutzeroberfläche).
Diskussion
Haben Sie ähnliche Situationen erlebt, in denen die Visualisierung Ihnen oder Ihrem Unternehmen viel Kopfzerbrechen erspart hat?
