RE: 사건 번호 00060333
간략한 내용: 선택한 관심 변수(예: "반대")에서 여러 데이터 포인트를 축소하기 위해 그래프 빌더의 끌어서 놓기 기능을 요청합니다. 씌우다 ]를 알리는 것을 목표로 더 똑똑하게 SEM 오류 막대는 표시된 나머지 데이터 포인트 수의 N에 의해 결정됩니다. 이는 통계적으로 오해의 소지가 있거나 잘못된 여러 시각화를 수정하고 현재 복잡한 데이터 세트 탐색을 어렵게 만드는 수많은 해결 방법이 필요한 효율성을 대폭 향상시킵니다. 이 기능을 사용하면 JMP가 놀라울 정도로 강력해집니다.
이 위시리스트 요청에 영감을 준 것은 무엇입니까?제 이름은 Brian Sweis, MD, PhD입니다. 저는 뉴욕 시 Mount Sinai 병원에서 근무하는 정신과 의사이자 행동 신경과학자입니다. 저는 주로 매우 크고 복잡한 데이터 세트를 생성하는 마우스 행동 데이터를 사용하여 작업합니다. 데이터를 분석하기 위해 JMP에서 만든 표에는 일일 체중 측정과 같은 간단한 항목이나 의사 결정 작업에서 테스트한 시험 반응 시간과 같은 더 복잡한 작업 수행 측정을 포함하여 다양한 유형의 데이터가 있습니다. 마우스당 별도의 행 x 40마리의 마우스 x 60일, 쉽게 100만 행에 도달합니다. 나는 종종 생쥐의 평균을 분석하고 특정 테스트 주로 분석을 제한하거나 특정 날짜 또는 여러 날의 처음 10번의 시도로 분석을 제한하는 등 다양한 방법으로 데이터를 분할합니다. 수치를 생성할 때 Graph Builder를 사용하여 이 방대한 데이터세트를 유연하게 탐색하는 것이 핵심입니다. 막대 그래프 또는 선 그래프에 평균의 표준 오차를 표시해야 하는 경우가 종종 있습니다. 여기서 행동 신경과학에서 N 샘플에 대해 원하는 오류 항은 유기체/생쥐 수 수준입니다. 수많은 반복 또는 샘플이 있는 데이터 세트에서, 특히 하루 또는 여러 날에 걸쳐 여러 번 측정한 경우, 위에서 설명한 대로 그룹 평균을 표시하려는 경우 그래프 빌더의 N이 다음과 같기 때문에 SEM 오류 막대가 잘못 과소평가되는 경우가 많습니다. 디스플레이에 있는 총 샘플 수를 사용합니다(예를 들어 실제로 단순히 N=40마리의 마우스가 필요한 경우 며칠에 걸쳐 비닝하는 경우 때때로 N=5,000개의 샘플이 사용됩니다).
당신이 보고 싶은 개선점은 무엇입니까?
저는 이메일을 통해 JMP 지원팀 구성원과 긴 스레드 대화를 나누었습니다. 우리는 궁극적으로 제가 원하는 기능이 그래프 빌더 내에서 기본적으로 올바르게 구현된다면 매우 가치가 있을 것이라고 함께 결정했습니다. 변수 수가 증가하거나 데이터를 비닝하는 방식을 계속 변경해야 하는 경우.
아래에서는 일련의 스크린샷 샘플 데이터, 문제 및 잠재적인 해결책을 설명하겠습니다.
먼저, 여기에 10일 동안 매일 채취한 쥐 10마리의 체중에 대한 예시 데이터가 있으므로 총 N=100개의 샘플이 있습니다.
다음으로 10마리의 쥐에 대한 평균 체중을 그래프 빌더의 그룹 X에 포함시켰을 때 일별로 나누어 표시하겠습니다.
N=10dots/day 수준을 감상할 수 있습니다. 여기에서는 평균 및 SEM 오류 막대가 정확하고 원하는 대로 표시됩니다. 이는 아래에서 빠르게 문제가 됩니다.
그룹 X에서 날짜를 간단히 제거하면 모든 데이터가 여러 날짜에 걸쳐 함께 폴링되지만 이제 여기에 100개의 샘플이 모두 표시됩니다. 각 마우스는 여기에 10번 표시됩니다. 여기서 평균은 괜찮지만 SEM 오차 막대는 N=100을 오차항으로 사용하고, 행동 신경과학에서는 거의 항상 사용되어야 하는 n=10 마우스를 사용하지 않습니다. 이는 JMP가 그래프 빌더 내의 기본 솔루션을 구축하는 경우 매우 유용할 간단하고 일반적인 문제입니다. 현재 해결 방법으로는 쉽게 해결할 수 없는 문제가 어떻게 더 복잡해지는지 아래에서 확인하세요.
가장 확실한 방법은 테이블 요약 기능을 사용하는 것입니다.
나는 종종 이것에 의지해야 하지만, 일반적으로 더 복잡한 변수가 있을 때 원래 데이터 세트에서 수백 개의 테이블 요약을 만들어야 합니다. 내 데이터를 탐색할 때 이 문제는 매우 매우 빠르게 해결됩니다. 그리고 이는 일반적으로 데이터 필터를 적용해야 하고, 요약의 요약을 작성해야 하는 등의 복잡한 배열과 결합됩니다.
JMP 지원 멤버 중 한 명이 마우스당 10일 동안의 평균을 계산하는 새 열을 추가할 것을 제안했습니다. 아래에서 볼 수 있듯이 이러한 종류의 작업은 작동하지만 체중과 같은 단일 변수에 대해서는 상당히 번거롭고 적합하지 않습니다. 예를 들어 행동 작업 수행 측정과 같이 훨씬 더 복잡한 100개의 다른 변수가 있는 테이블입니다. 그것만으로도 8개의 열 x 100개의 변수가 추가되어 관리가 불가능해집니다. 이러한 열에 대한 수식을 추출하고 수식이 사용하는 변수를 바꾸는 것조차 이상적이지 않으며 극도로 수동적이거나 힘든 일입니다.
데이터를 여러 수준으로 세분화하려는 경우, 특히 수준이 비대칭 데이터 포인트로 구성된 경우 특히 그렇습니다. 특히 그래프 빌더에서 데이터를 탐색하고 이러한 비닝 매개변수를 즉시 변경하는 경우가 많습니다. 아래를 참조하세요.
다음은 로컬 데이터 필터를 사용하여 데이터의 하위 집합을 지정하는 또 다른 사용 사례입니다. 이는 스크립트나 새 열을 사용하여 구현하는 데 더욱 문제가 됩니다.
그룹 X 수준에서 날짜별로 분할하면 왼쪽에 7~10일만 하위 집합으로 포함하고 포함하는 경우 물론 의도한 대로 선택한 날짜에 대해서만 막대당 n=10이 표시되지만 풀링된 데이터는 표시됩니다. 오른쪽에는 여전히 n=40이 있습니다.
본질적으로 최적의 솔루션은 그래프 빌더의 새로운 드롭 영역에 관심 변수를 끌어서 놓는 방법을 구현하는 것입니다. 아래에서는 제가 상상하고 있는 두 가지 가능한 솔루션을 설명합니다.
왼쪽에는 주석이 달린 빨간색은 "마우스 ID" 중심 방법입니다. , 그래프 빌더에서 마우스 ID를 입력하는 방법 및/또는 기본적으로 마우스당 10개의 데이터 포인트를 마우스당 단일 데이터 포인트로 줄이는 것이 목표인 오류 간격/오류 스타일 옵션에서 선택하는 옵션으로 사용됩니다. 여기 그래프 빌더 내의 모든 것. 따라서 우리는 하루가 끝날 때 오류 항을 결정하려는 변수가 무엇인지 그래프 빌더에 알릴 수 있습니다(예: 고유 값을 통해 나머지 점에 대한 평균화). 오른쪽에 주석이 달린 녹색은 "일" 중심 방법입니다. - 이 특정 예에서는 신경 쓰지 않고 축소하려는 변수입니다. 이것을 다음과 같이 생각하십시오. "오버레이의 반대" - 이 변수로 분할하는 대신 이 특정 차원에 걸쳐 데이터를 축소하고 싶습니다(본질적으로 제가 의도적으로 떠나는 것과 같습니다). 낮 테이블 요약 그룹화 변수에서 제외). 나는 빨간색 방법이 더 합리적이라는 느낌을 받았지만 사용자는 어떤 변수(예: 날짜)를 명시적으로 축소하려고 하는지 어떻게든 알려주기를 원할 수 있습니다. 그럼에도 불구하고, 둘 다 올바른 오류 항(n=총 데이터 포인트 n=10, 마우스당 1개)이 있는 이상적인 막대 그래프로 연결됩니다. 그래프 빌더에서 데이터를 시각적으로 탐색할 때 위에서 설명한 더 복잡한 예(예: 사용자 정의 수준, 데이터 필터 등)를 해결할 수 있습니다.
이 아이디어가 왜 중요한가요?
내 제안을 사용하여 더 스마트한 오류 막대를 조정하는 빠른 방법을 사용하면 기본적으로 Graph Builder에 직접 내장된 경우 복잡한 데이터 세트를 매우 효율적으로 탐색할 수 있습니다. 이는 많은 과학자와 연구자가 개별 유기체를 가정된 오류 항으로 사용할 때 수행하는 기본 분석을 나타내지 않는 여러 가지 오해의 소지가 있거나 통계적으로 잘못된 시각화를 수정합니다. 이렇게 하면 더 크거나 더 복잡한 데이터 세트를 관리하기가 금세 번거롭거나, 유지 불가능하거나, 불가능해지는 수많은 해결 방법을 피할 수 있습니다.Graph Builder의 이러한 제어 수준은 전례가 없을 것이며 독특하고 믿을 수 없을 만큼 강력한 도구가 될 것이라고 생각합니다.
