Die JMP-Japan-Abteilung veranstaltet von März bis April dieses Jahres jeden Dienstag ein Seminar mit dem Titel „JMP Information Bureau“ mit insgesamt acht Sitzungen. Der Zweck dieses Seminars besteht darin, in einer kurzen 30-minütigen Sitzung vielfältige Informationen über JMP zu vermitteln, und die Anzahl der Teilnehmer übertrifft die Erwartungen.
Eröffnung des JMP-Informationsbüros
Zweck des „JMP Information Bureau“
Der Untertitel dieses Seminars lautet „JMP verständlicher machen und mehr Spaß machen“. Unser Ziel ist es, Seminare unter folgenden Gesichtspunkten durchzuführen:
- Eine Gelegenheit, mehr über die verschiedenen Funktionen und Informationen von JMP zu erfahren
- Eine Gelegenheit, den Spaß an der Datenanalyse und statistischen Analyse kennenzulernen
Darüber hinaus bieten wir Informationen zu JMP und Statistiken, die in regulären Seminaren selten oder gar nicht behandelt werden.
Details und Bewerbungsseite des JMP Information Bureau (akzeptiert bis zum 25. April)
JMP Information Bureau ~Machen Sie JMP verständlicher und unterhaltsamer~ | JMP
Zum Zeitpunkt der Erstellung dieses Blogs ist das 4. Seminar bereits beendet. Daher habe ich die wesentlichen bisher umgesetzten Inhalte zusammengefasst. Wenn Sie an dem Seminar teilgenommen haben, lesen Sie diesen Artikel bitte als Rezension, damit Sie sich an das Gelernte erinnern können.
*Der Hauptinhalt der Episoden 5 bis 8 (letzte Episode) wird nach Ende von Episode 8 in einem separaten Blog veröffentlicht.
Teil 1 (Hauptsendung 3/5, Wiederholung 3/7) Nützliche Funktionen (Tipps) empfohlen für JMP-Einsteiger
Wir haben die JMP-Optionen [Analyse neu starten] und [Automatische Neuberechnung] erklärt.
Sie können es so oft wiederholen, wie Sie möchten. Erfahren Sie, wie Sie es verwenden, indem Sie „Analyse neu starten“.
JMP umfasst eine Vielzahl von Beispieldaten, von denen viele Skripte zur Analyse enthalten.
Wenn Sie sich beispielsweise die JMP-Beispieldaten „Car Poll.jmp“ ansehen, werden Sie feststellen, dass verschiedene Skripte gespeichert sind. Wie muss ich vorgehen, wenn ich eine „Mehrfachkorrespondenzanalyse mit zusätzlichen Variablen“ durchführen möchte? Führen Sie das entsprechende Skript aus und versuchen Sie die Analyse erneut.
Wählen Sie im roten Dreieck oben links im Bericht „Wiederholen“ > „Analyse neu starten“ aus.
Dann erscheint ein Fenster zur Angabe der Spalten und Sie können sehen, dass „Herkunftsland“ und „Größe“ als [Y, Zielvariable] und „Geschlecht“ als [Z, zusätzliche Variable] angegeben wurden.
Was passiert mit dem Analysebericht, wenn sich die Daten ändern? ～Wie die „automatische Neuberechnung“ funktioniert～
In JMP können Sie Mosaikdiagramme entweder mit den Plattformen [Bivariate Relationship] oder [Graph Builder] zeichnen. Nachdem wir beispielsweise ein Mosaikdiagramm mit den Beispieldaten „Car Poll.jmp“ von früher gezeichnet haben, kehren wir zur Datentabelle zurück und zeigen den Bericht an, nachdem wir die ersten 20 Zeilen ausgeschlossen haben.
Beim Ausschließen von 20 Zeilen zeichnet [Graph Builder] das Mosaikdiagramm unter Ausschluss von 20 Datenzeilen neu. Andererseits wird das Mosaikdiagramm in [Bivariate Beziehung] nicht neu gezeichnet. Dieser Unterschied hängt davon ab, ob [Automatische Neuberechnung] aktiviert ist oder nicht.
Bei Plattformen wie Graph Builder ist im Menü „Diagramm“ die automatische Neuberechnung standardmäßig aktiviert. Wenn Sie also Daten ausschließen oder ändern, werden diese Änderungen im Diagramm widergespiegelt. Allerdings ist die automatische Neuberechnung auf vielen Plattformen, wie z. B. „Bivariate Beziehungen“ im Menü „Analyse“, standardmäßig deaktiviert. Wenn sich die Daten ändern, werden die Änderungen nicht übernommen. Wenn Sie möchten, dass die Änderungen im Diagramm widergespiegelt werden, müssen Sie die automatische Neuberechnung manuell aktivieren.
Teil 2 (Hauptsendung 12.3., Wiederholungssendung 14.3.) Lernen Sie Statistiken interaktiv mit JMP
zu JMPist mit vielen Beispielskripten ausgestattet, mit denen Sie statistische Konzepte interaktiv erlernen können. In dieser Episode haben wir Skripte im Demoformat vorgestellt, die Ihnen helfen, Regressionsanalyse, Korrelation, Konfidenzintervalle und den zentralen Grenzwertsatz zu verstehen.
Im Seminar vorgestellte JMP-Beispieldaten und -Skripte
●Korrelation, Regression
- demoCorr.jsl
- Corrsim.jmp
- demoLeastSquares.jsl
In „demoLeastSquares.jsl“ können Sie das Konzept der Methode der kleinsten Quadrate erlernen, indem Sie eine gerade Linie zeichnen, die zu den Plotpunkten passt, und die resultierende Restquadratsumme überprüfen.
●Konfidenzintervall
Mit „Condidence.jsl“ können Sie das Konzept der Konfidenzintervalle durch Zufallszahlensimulation erlernen.
Ein 95 %-Konfidenzintervall für einen Mittelwert ist ein Intervall, innerhalb dessen eine geschätzte Wahrscheinlichkeit von 95 % besteht, dass der wahre Mittelwert eines Datensatzes innerhalb dieses Intervalls liegt.
Die folgende Abbildung zeigt den Durchschnitt5,Standardabweichung1aus der Verteilung von20Ein 95 %-Konfidenzintervall wird erstellt, indem 5 Stichproben extrahiert und überprüft werden, ob sie den wahren Grundgesamtheitsmittelwert von 5 enthalten. Wiederholen Sie diese Vorgänge 100 Mal und beobachten Sie, ob das Konfidenzintervall den wahren Mittelwert von 5 enthält. Wenn das Konfidenzintervall 5 umfasst, wird dies durch einen schwarzen Balken angezeigt. Ist dies nicht der Fall, wird dies durch einen roten Balken angezeigt. In diesem Beispiel enthalten 95 von 100 Konfidenzintervallen den Grundgesamtheitsmittelwert von 5. Dies ist das Konzept eines Konfidenzintervalls.
●Zentraler Grenzwertsatz
- Stichprobenverteilung der Stichprobenmittel.jsl
In „Sampling Distribution of Sample Means.jsl“ können Sie den „Zentralen Grenzwertsatz“ lernen, einen wichtigen Satz in der Statistik.
Grob gesagt lautet der zentrale Grenzwertsatz wie folgt.
Unabhängig von der Verteilung der Grundgesamtheit kann der Stichprobenmittelwert durch eine Normalverteilung angenähert werden.
Im folgenden Beispiel werden 25 Zufallszahlen aus einer gleichmäßigen Verteilung extrahiert und ihre Verteilung wird als Histogramm im Abschnitt „Verteilung der Beispieldaten“ in der Mitte angezeigt. Der Durchschnitt dieser 25 Elemente ist der Stichprobendurchschnitt. Durch etwa 1.800-maliges Wiederholen der Zufallszahlenextraktion können 1.800 Stichprobenmittelwerte ermittelt werden. „Verteilung der Stichprobenmittelwerte“ unten ist eine Histogrammdarstellung der Verteilung dieser 1.800 Stichprobenmittelwerte.
Wie Sie dem Histogramm „Verteilung der Stichprobenmittelwerte“ entnehmen können, können Sie visuell bestätigen, dass die Verteilung der Stichprobenmittelwerte einer Normalverteilung folgt.
Folge 3 (Hauptsendung 19.03., Wiederholung 21.03.) Über Excel-Profile
Wir haben die Funktionalität von „Excel Profile“ demonstriert, mit der Sie in Microsoft Excel gespeicherte Modelle mithilfe von JMP-Profilen visualisieren können.
- Mithilfe von JMP-Profilen können Sie sehen, wie sich mehrere Eingabevariablen auf Ausgabevariablen in in Excel festgelegten Formeln (Modellen) auswirken.
- Profile verfügen über eine Funktion namens „Simulator“. Unter der Annahme einer Verteilung für X können wir die Verteilung von Y mithilfe der Monte-Carlo-Simulation simulieren.
In diesem Zusammenhang schreibe ich einen Blog darüber, wie man das Äquivalent eines Excel-Profils nur mit JMP ausfüllt.
So erledigen Sie alles, was mit „Excel-Profil“ möglich ist, nur mit dem JMP-Profil – JMP User Community
Folge 4 (Hauptausstrahlung 26.03., Wiederholungsausstrahlung 28.03.) Songanalyse von Taylor Swift
Wir haben die Wörter analysiert, die häufig in den Liedtexten der Lieder von Taylor Swifts Alben (148 Lieder) enthalten sind, und die Faktoren, die sie populär machen.
Durch diese Analyse haben wir wichtige Punkte bei der Datenanalyse aufgezeigt.
- Lernen und untersuchen Sie den Inhalt der Daten im Detail.
- Berücksichtigen und interpretieren Sie Analyseergebnisse, indem Sie die einzigartige Technologie und das Wissen voll ausschöpfen.
Unten finden Sie eine Wortwolke des Liedtextes.
von Naohiro Masukawa (JMP Japan)
Naohiro Masukawa – JMP-Benutzergemeinschaft
