Par Scott Wise et Chris Kirchberg – Équipe JMP Global Enablement
Note de l'éditeur : Ce blog bimestriel cherche à trouver des utilisations intéressantes de la découverte statistique pour résoudre des questions profondes concernant les affaires, l'économie, le sport, la santé, l'alimentation, l'histoire et la psychologie. Pour notre blog de janvier/février, nous poserons la question suivante : « Que peuvent nous apprendre les volcans sur l'analyse des données ? » En cours de route, nous présenterons quelques utilisations intéressantes des visualisations et des analyses JMP pour nous aider à répondre à notre question.
Comme le chante U2 dans sa 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 des 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 ancienne activité volcanique. Le volcan illustré ci-dessous est le volcan actif Taal, qui se trouve à seulement une vingtaine de kilomètres de notre ville natale de San Pablo City, dans le sud de Luzon, 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 endormi) et entourée des volcans suivants : le mont Banahaw (actif et peut-être éteint), le mont Maquiling (actif mais juste endormi) 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 créent un sol merveilleux). Cependant, comme nous abritons notre ferme de fruits tropicaux et nos exploitations vinicoles, le simple fait qu'un de ces « géants endormis » puisse entrer en éruption à tout moment est une pensée troublante. Mais l'étude continue 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 les domaines de la santé et de l'industrie.
Dans l’étude des volcans, une mesure courante est l’indice d’explosivité volcanique (VEI). Créé par des volcanologues en 1982, cet indicateur permet d’indexer les éruptions en fonction de « la quantité de matière volcanique rejetée, de la hauteur et de la durée de l’éruption ». (Source : Wikipédia). Vous trouverez ci-dessous une carte visuelle montrant l’indice VEI moyen au cours des 2 000 dernières années pour les volcans dont les éruptions sont connues dans un rayon de 965 km de notre lieu d’origine (astérisque vert).
Mais les mesures de l'IEV ne disent pas tout sur l'impact d'une éruption, surtout quand il s'agit des effets à court et à long terme sur la population immédiate. Les effets à long terme peuvent inclure des changements dans le climat mondial en raison de la quantité de cendres et de matériaux volcaniques libérés dans l'atmosphère qui peuvent provoquer des pertes de récoltes à des milliers de kilomètres. Mais pour les effets à court terme, il existe une multitude de façons vertigineuses dont un volcan peut causer la mort de quiconque se trouve à proximité d'une éruption. Cependant, l'image des films hollywoodiens où il faut fuir des coulées de lave bouillonnantes et esquiver de gros rochers ne représente pas le véritable danger. Les coulées de lave sont destructrices, mais elles se déplacent aussi lentement et il est possible d'y échapper. La chute de matériaux volcaniques est préoccupante, mais l'accumulation excessive de cendres provoquant l'effondrement de bâtiments et l'étouffement des cultures agricoles est souvent beaucoup plus inquiétante. 
Les principales causes 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'Université d'État de l'Oregon ( http://volcano.oregonstate.edu/how-do-volcanoes-affect-people ). Mais une chose est sûre, c'est que la direction de l'éruption et la force de l'explosion sont très importantes 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 emplacements différents sur des volcans actifs pour comprendre la menace d'éruption et les effets possibles sur les communautés environnantes. Cette surveillance des volcans en temps réel a amélioré les prévisions et la préparation aux catastrophes avant les éruptions, mais elle dépend toujours de la capacité des volcanologues à prêter attention aux bonnes mesures indicatrices parmi les nombreuses mesures collectées. Consultez 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 que nous rencontrons dans l’analyse des données modernes. Nous disposons souvent de nombreuses mesures de données pour surveiller nos processus et nos conceptions clés. Cependant, nous devons également savoir quelles sont les mesures les plus importantes à visualiser. Nous devons également connaître la force et la direction de ces mesures. Ce n’est qu’alors que nous pouvons faire des prévisions précises sur ce qu’il faut faire pour améliorer et éviter d’éventuelles éruptions de mauvaises performances. Les volcans viennent à nouveau à notre secours 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 qui est utilisé lors du dépistage de nombreuses comparaisons moyennes entre deux conditions. Largement utilisé dans la recherche clinique et génomique, il s'agit également d'un outil de dépistage très puissant dans les environnements industriels où de nombreux paramètres sont mesurés. L'intérêt d'utiliser un Volcano Plot est qu'il vous permet non seulement de voir rapidement les valeurs d'intérêt les plus significatives, mais aussi d'avoir une idée de la direction et de la force entre les comparaisons. Dans l'exemple de Volcano Plot 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 déversement de matière d'un volcan en éruption. En regardant les points mis en évidence par les flèches rouges, ils ont des valeurs logarithmiques p 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 en pointillés sur l'axe Y ont une signification supérieure à 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 graphiques Volcano, les points qui apparaissent dans les coins supérieurs droit et gauche du graphique seront ceux qui auront la plus grande signification et les plus grandes différences. Vous remarquerez également que le graphique tire parti des transformations logarithmiques qui nous aident à mieux représenter graphiquement ces comparaisons moyennes sur un graphique.
Un blog complémentaire a été créé (« Comment créer un graphique de volcan dans JMP ») qui vous donnera plus de détails sur le fonctionnement des graphiques de volcan, y compris des instructions étape par étape sur la façon de créer facilement le vôtre. Pour le reste de notre blog, nous montrerons comment un graphique de volcan peut nous aider grandement à analyser certaines situations industrielles courantes dans lesquelles nous devons passer au crible de nombreuses comparaisons. Nous avons d'abord ouvert un ensemble de données appelé Probe (à partir des fichiers d'aide JMP) qui représente de nombreuses mesures de sonde de microarray (394 colonnes de mesure). Nous avons ensuite exécuté une analyse de criblage de processus dans JMP qui fournit des statistiques de paires de comparaison moyennes par niveau de processus (ancien et nouveau) par rapport à toutes les colonnes de mesure. Les tables résultantes qui sont générées contiennent toutes les informations dont nous avons besoin pour générer un graphique de volcan. 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 graphique de volcan ci-dessus (voir ci-dessous).
Dans ce graphique de volcan sonde, nous avons choisi d'utiliser le logworth FDR sur l'axe Y (qui est une mesure plus conservatrice de la signification de la comparaison que le log 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 (sur la ligne rouge FDR LogWorth = 1,3 qui est notre marque de confiance à 95 %). De plus, il y a trois points en bleu qui présentent d'énormes différences, comprimant 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 dans 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 en profondeur et obtenir la vue graphique souhaitée ci-dessous. 
Nous sommes maintenant mieux en mesure de voir des 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 un logworth FDR de 4,3 (hautement significatif). De même, si nous regardons dans 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 un logworth FDR de 3,5 (hautement significatif).
Ainsi, notre graphique Volcan fait du bon travail en faisant apparaître les points de comparaison qui méritent le plus notre attention, nous donnant un excellent aperçu de la signification, de la force et de la direction de ces comparaisons. J'espère que cela vous aidera également la prochaine fois que vous aurez besoin de comparer beaucoup de mesures et que vous voudrez un bon graphique pour vous aider à prendre les meilleures décisions. Et nous devons tout cela à notre ami le volcan et je suis plus tranquille en pensant que quelque part au sommet de l'un de mes volcans voisins, un volcanologue collecte des données qui pourraient finir par être présentées dans un graphique Volcan 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 endormis et heureux de dormir au soleil ! Sinon, je pourrais finir « All Shook Up » comme le King (Elvis Presley) qui chantait « Elle a touché ma main, quel frisson j'ai eu... Ses lèvres sont comme un volcan qui est chaud... Je suis fier de dire qu'elle est ma renoncule... Je suis amoureux... Je suis tout secoué »
