[Zusammenfassung der Präsentation]
Mit einer einzigartigen Kombination aus einer fortschrittlichen Statistikplattform und Versuchsplanung trägt JMP dazu bei, die Wettbewerbsfähigkeit und technische Effizienz unternehmensübergreifend durch Analysen und statistische Methoden zu verbessern.
In dieser Präsentation stellen wir vor, wie die in JMP 17 bereitgestellten experimentellen Designtools Benutzer in verschiedenen Phasen unterstützen können. In der ersten Hälfte der Präsentation stellen wir DOE mit Navigation (englischer Name: Easy DOE) vor. Das Navigated DOE ist ein Tool, das die Art und Weise revolutioniert, wie unerfahrene Experimentatoren ihre Arbeit angehen.
Dieses Tool macht den Design-of-Experiment-Workflow, von der Planung bis zur Analyse, für Menschen aller Erfahrungsstufen zugänglicher. Erfahren Sie, wie diese innovative Lösung den Prozess vom experimentellen Design bis zur Analyse vereinfacht und es Anfängern ermöglicht, mit dem experimentellen Design sicher zu beginnen.
Geht man beim Design von Experimenten weiter, können Designs Merkmale wie Blockierungsfaktoren oder Kombinationen von Faktoren enthalten, die schwer und leicht zu ändern sind (Split-Experimente). Diese Designs werden mithilfe eines Mischungsmodells ordnungsgemäß analysiert.
Gemischte Modelle (Antworten sind normalverteilt) und verallgemeinerte lineare gemischte Modelle (Antworten sind diskret, binär, binomial (y/n) verteilt) ermöglichen eine schnelle und genaue Analyse für eine effektive Entscheidungsfindung. Ich werde es schaffen. Das Erkennen und Anwenden dieser Techniken mag zunächst kompliziert erscheinen, muss aber nicht schwierig sein.
Tatsächlich haben wir als Entwickler von JMP auf Einfachheit geachtet, um es für Forscher und Analysten aller Ebenen zugänglich und benutzerfreundlich zu machen. Erfahren Sie, wie diese Funktionen das Spektrum an Plänen und Reaktionen erweitern, die Sie in der benutzerfreundlichen Umgebung von JMP Pro analysieren können.
[Präsentatorprofil]
Ryan Lekivetz: Manager, Advanced Analytics R&D, JMP Development, JMP Statistical Discovery LLC.
Manager des Teams, das die Versuchsplanung (DOE) und die Zuverlässigkeitsplattform von JMP entwickelt. in Statistik von der Simon Fraser University (Burnaby, British Columbia, Kanada) und hat Artikel zu DOE-Themen in von Experten begutachteten Fachzeitschriften veröffentlicht. Darüber hinaus erforschen wir durch die Anwendung von DOE auf das tägliche Leben Möglichkeiten, diese Forschung auch zu Hause zu nutzen.
Elisabeth A. Claassen :Sr Research Statistician Developer, JMP Development, JMP Statistical Discovery LLC.
Senior Research Statistics Developer mit über 10 Jahren Erfahrung in JMP und SAS. Sein Hauptverantwortungsgebiet sind verallgemeinerte lineare gemischte Modelle (GLMM) und er ist Entwicklungsleiter für GLMM in JMP Pro. Er erhielt seinen Master-Abschluss und seinen Doktortitel in Statistik von der University of Nebraska-Lincoln, wo er den Holling Family Award für herausragende Lehre am College of Agricultural Sciences and Natural Resources erhielt.
*Es sind keine Präsentationsmaterialien vorhanden.
