Par Scott Wise et Chris Kirchberg – Équipe mondiale d'habilitation de JMP
Note de l'éditeur : ce blog bimensuel cherche à trouver des utilisations intéressantes de la découverte statistique pour résoudre des questions profondes liées aux affaires, à l'économie, au sport, à la santé, à l'alimentation, à l'histoire et à la psychologie. Pour notre blog de janvier/février, nous poserons la question : « Que peuvent nous apprendre les volcans sur l'analyse des données ? » En cours de route, nous présenterons une utilisation intéressante des visualisations et des analyses JMP pour nous aider à répondre à notre question.
Comme le chante U2 dans leur chanson de 2014 intitulée « Volcano » : « Tu ne veux pas, tu ne veux pas savoir… quelque chose en toi veut exploser. » L’une des vérités incontournables de la vie aux Philippines est le fait que vous n’êtes jamais très loin d’un volcan potentiellement actif, peu importe où vous vous trouvez dans le pays. Située le long de la « ceinture de feu » du Pacifique, la naissance même de cette magnifique chaîne d'îles est due à une activité volcanique ancienne. Le volcan illustré ci-dessous est le volcan actif Taal, qui se trouve à seulement environ vingt-trois milles de notre ville natale de San Pablo City, dans le sud de Luçon, et dont la dernière éruption remonte à la fin des années 1970.
En fait, notre ville est physiquement située dans le champ volcanique de San Pablo (actif mais dormant) et entourée des volcans suivants : le mont Banahaw (actif et peut-être éteint), le mont Maquiling (actif mais juste dormant) et le volcan Taal. (Très actif!). Cette activité volcanique passée, présente et potentiellement future signifie que c'est un endroit idéal pour cultiver certains des meilleurs fruits tropicaux de la planète (car les cendres volcaniques constituent un sol merveilleux). Cependant, comme nous abritons notre ferme de fruits tropicaux et nos activités vinicoles, le simple fait que l’un de ces « géants endormis » puisse entrer en éruption à tout moment est une pensée troublante. Mais l’étude en cours des volcans a grandement inspiré le domaine des statistiques et peut nous aider à mieux nous concentrer lors de l’analyse de nombreuses données dans le domaine de la santé et de l’industrie.
Dans l’étude des volcans, une mesure courante est le VEI (Volcanic Explosivity Index). Créée par des volcanologues en 1982, cette métrique permet d'indexer les éruptions en fonction de « la quantité de matière volcanique projetée, à quelle hauteur et combien de temps dure l'éruption ». (Source : Wikipédia). Vous trouverez ci-dessous une carte visuelle montrant le VEI moyen au cours des 2 000 dernières années pour les volcans avec des éruptions connues dans un rayon de 600 miles de notre emplacement d'origine (astérisque vert).
Mais les mesures VEI ne racontent pas toute l’histoire de l’impact d’une éruption, surtout lorsqu’on parle des effets à court et à long terme sur la population immédiate. Les effets à long terme peuvent inclure des changements dans les conditions météorologiques mondiales en raison de la quantité de cendres volcaniques et de matériaux rejetés dans l'atmosphère, qui peuvent provoquer de mauvaises récoltes à des milliers de kilomètres. Mais pour les effets à court terme, il existe un éventail vertigineux de façons dont un volcan peut causer la mort de toute personne se trouvant à proximité d’une éruption. Cependant, l’image du film hollywoodien consistant à fuir des coulées de lave bouillonnantes et à éviter de gros rochers ne constitue pas le véritable danger. Les coulées de lave sont destructrices, mais elles se déplacent également lentement et peuvent s'échapper. Les chutes de matériaux volcaniques sont une préoccupation, mais l'accumulation de cendres provoquant l'effondrement des bâtiments et l'étouffement des cultures agricoles est souvent bien plus préoccupante. 
Les principales causes réelles de décès à court terme lors d'une éruption sont le plus souvent dues aux coulées pyroclastiques (vagues de gaz très chaudes) et aux Lahars (un type de coulée de boue volcanique). Pour aggraver les choses, le fait que votre ville soit affectée par les dangers d'une éruption à proximité dépend en grande partie de nombreux facteurs, tels que l'emplacement, la topographie, les conditions atmosphériques, le type/la composition du volcan, entre autres. Une bonne discussion à ce sujet peut être trouvée sur le site Web Volcano World de l'Oregon State University ( http://volcano.oregonstate.edu/how-do-volcanoes-affect-people ). Mais une chose est claire : la direction de l'éruption et la force de l'explosion comptent beaucoup pour la survie de votre ville ! Les volcanologues modernes étudient de nombreuses mesures (allant des rejets de gaz volcaniques à l'activité sismique, en passant par la topographie et les études de déformation du sol) à partir de nombreux endroits différents sur des volcans actifs pour comprendre la menace d'éruption et les effets possibles sur les communautés environnantes. Cette surveillance rapprochée des volcans a amélioré la prévision et la préparation aux catastrophes avant les éruptions, mais elle dépend toujours du fait que les volcanologues prêtent attention aux mesures d'indicateurs appropriées parmi les nombreuses mesures collectées. Voir le site de surveillance des volcans de l'USGS pour un bon aperçu ( https://volcanoes.usgs.gov/vhp/monitoring.html ).
Il s’avère que c’est une bonne analogie avec les défis auxquels nous sommes confrontés lors de l’analyse des données modernes. Nous disposons souvent de nombreuses mesures de données pour surveiller nos processus et conceptions clés. Cependant, nous devons nous aussi savoir quelles sont les mesures les plus significatives à observer. Nous devons également savoir quelle est la force et l’orientation de ces mesures. Ce n’est qu’alors que nous pourrons faire des prévisions précises sur les mesures à prendre pour améliorer et éviter d’éventuelles éruptions de mauvaises performances. Les volcans nous viennent à nouveau en aide car ils ont inspiré un graphique statistique populaire, appelé à juste titre Volcano Plot, en raison de la façon dont il visualise les données !
Source: Wikipedia Source : Wikipédia
Le Volcano Plot est un graphique statistique populaire utilisé pour filtrer de nombreuses comparaisons moyennes entre deux conditions. Largement utilisé dans la recherche clinique et génomique, il constitue également un outil de dépistage très efficace en milieu industriel où de nombreux paramètres sont mesurés. L'intérêt de l'utilisation d'un tracé de volcan est qu'il vous permet non seulement de voir rapidement les valeurs d'intérêt les plus significatives, mais vous pouvez également avoir une idée de la direction et de la force entre les comparaisons. Dans l'exemple de tracé de volcan ci-dessous, chaque point est un indicateur d'une comparaison moyenne entre deux conditions (disons A et 
. Le motif de tous les points sur le graphique semble ressembler au rejet de matière provenant d’un volcan en éruption. En regardant les points mis en évidence par les flèches rouges. Ils ont des valeurs p log négatives sur l’axe Y, ce qui est une mesure statistique de la signification. En fait, tous les points au-dessus de la ligne rouge pointillée sur l’axe Y ont une signification de plus de 95 %. Mais ces points indiqués sont également très à gauche de l’axe X, ce qui montre une forte différence négative entre la comparaison moyenne A et B. Ainsi, sur les tracés volcaniques, les points qui font surface dans les coins supérieurs droit et gauche du graphique seront ceux ayant la signification et les différences les plus élevées. Vous remarquerez également que le graphique tire parti des transformations logarithmiques qui nous aident à mieux représenter ces comparaisons moyennes sur un graphique.
Un blog compagnon a été créé ("Comment créer un tracé de volcan dans JMP") qui vous donnera plus de détails sur le fonctionnement des parcelles volcaniques, y compris des instructions étape par étape sur la façon de construire facilement les vôtres. Pour le reste de notre blog, nous montrerons comment un tracé volcanique peut grandement nous aider à analyser une situation industrielle courante où nous avons de nombreuses comparaisons à examiner. Nous avons d’abord ouvert un ensemble de données appelé Probe (à partir des fichiers d’aide JMP) qui représente de nombreuses mesures de sondes de puces à ADN (valeur de 394 colonnes de mesure). Nous avons ensuite effectué une analyse de filtrage des processus dans JMP qui fournit des statistiques de comparaison moyenne par niveau de processus (ancien et nouveau) sur toutes les colonnes de mesure. Les tableaux résultants générés contiennent toutes les informations dont nous avons besoin pour générer un tracé volcanique. Cependant, le premier graphique que nous avons généré en examinant les 394 paires de comparaison moyennes donne un graphique qui ne semble pas ressembler à notre exemple de tracé de volcan ci-dessus (voir ci-dessous).
Dans ce tracé Probe Volcano, nous avons choisi d'utiliser le FDR Logworth sur l'axe Y (qui est une mesure plus conservatrice de la signification de la comparaison que le journal négatif de la valeur P et est utilisé pour aider à contrôler le taux de fausses découvertes). En regardant le graphique ci-dessus, il y a beaucoup de choses significatives (au-dessus de la ligne rouge FDR LogWorth = 1,3 qui est notre niveau de confiance de 95 %). En outre, il y a trois points en bleu qui présentent d'énormes différences, compressant excessivement les points de différence les plus proches au milieu de l'axe X. De plus, l'échelle des valeurs FDR significatives était plutôt grande pour de nombreux facteurs. Par conséquent, il a été décidé de zoomer pour voir uniquement les points de la plage FDR LogWorth de 0 à 5 et la différence entre -100 et 100 (la zone entourée en rouge). À l’aide de notre outil de zoom graphique, nous pouvons facilement explorer et obtenir la vue graphique souhaitée ci-dessous.
Nous sommes désormais mieux à même de voir les points intéressants dans les données de la sonde qui pourraient mériter notre attention. Bien qu'il y ait encore de nombreux points accumulés autour de la différence de 0, si nous regardons dans le coin supérieur gauche, nous voyons PS_RPNBR avec une différence de -64,69 (ce qui signifie que la moyenne de A est inférieure à la moyenne de et FDR. LogWorth de 4,3 (très significatif). De même, si nous regardons le coin supérieur droit, nous voyons 30Z5_RVREF100U avec une différence de 71,63 (ce qui signifie que la moyenne de A est supérieure à la moyenne de et FDR Logworth de 3,5 (très significatif).
Ainsi, notre intrigue volcanique fait du bon travail en faisant ressortir les points de comparaison qui méritent le plus notre attention, nous donnant un bon aperçu de la signification, de la force et de l’orientation de ces comparaisons. J'espère que cela vous aidera également la prochaine fois que vous aurez besoin de comparer de nombreuses mesures et que vous souhaiterez un bon graphique pour vous aider à prendre les meilleures décisions. Et nous devons tout à notre ami le volcan et je me repose plus facilement en pensant que quelque part au sommet d'un de mes volcans voisins, un volcanologue collecte des données qui pourraient finir par être affichées dans un tracé volcanique sur les données des capteurs de surveillance des volcans ! Mais en attendant, je demanderai si nous pouvons sacrifier quelques mangues aux dieux des volcans pour couvrir nos chances et garder ces impressionnants volcans en sommeil et dormir tranquillement au soleil ! Sinon je pourrais finir par « All Shook Up » comme The King (Elvis Presley) qui chantait « Elle a touché ma main, quel frisson j'ai eu... Ses lèvres sont comme un volcan chaud... Je suis fier de dis qu'elle est ma renoncule... je suis amoureux... je suis tout secoué"
