Per i post precedenti su Need for Speed, clicca qui !
Mi chiamo 2-Click Clovis e sono veramente appassionato di analisi dei dati e, cosa più importante, di efficienza temporale ! JMP è stato uno strumento integrale per il mio precedente lavoro nei settori manifatturiero e dei semiconduttori. Da quando sono entrato in JMP, ho imparato tanti nuovi suggerimenti e trucchi. Non mi perdonerò mai di non sapere quello che so adesso perché avrei potuto risparmiare così tante ore nel mio flusso di lavoro di analisi dei dati! La mia missione è stata quella di condividere le mie nuove conoscenze con tutti gli attuali utenti JMP per aiutarli a ritrovare il loro tempo prezioso.
Dopo aver dimostrato la rapidità con cui JMP può eseguire la manipolazione e l'analisi dei dati di routine rispetto ad altri strumenti, ti mostrerò il modo più rapido per farlo all'interno di JMP.
ANOVA e medie di confronto
Negli ultimi anni di lavoro presso JMP, ho avuto il privilegio di fornire formazione ed eseguire dimostrazioni JMP per ingegneri e scienziati provenienti da tanti settori diversi. Durante queste dimostrazioni, ho notato che, sebbene i dati e i nomi delle variabili siano molto diversi nei vari settori, gli ingegneri e gli scienziati sono nove volte su dieci interessati agli stessi concetti e analisi statistici chiave.
Una di queste analisi statistiche vitali e universali che trascende i settori è l’analisi della varianza unidirezionale (ANOVA), combinata con la possibilità di confrontare le medie tra diversi gruppi indipendenti.
L'ANOVA unidirezionale viene utilizzata per scoprire se esiste una differenza statisticamente significativa tra le medie di due o più gruppi indipendenti. Verifica l'ipotesi nulla secondo cui tutte le medie del gruppo sono uguali. L'ipotesi alternativa è che almeno due medie di gruppo siano statisticamente significative l'una dall'altra.
È importante notare che l'ANOVA unidirezionale non è in grado di indicare quali gruppi specifici sono significativamente diversi tra loro per tre o più gruppi indipendenti. Ti dice solo che almeno due gruppi sono diversi. Fortunatamente per noi, JMP non solo dispone della funzionalità ANOVA, ma dispone anche di alcuni test post hoc per rivelare quali gruppi specifici differiscono quando esiste un risultato ANOVA unidirezionale statisticamente significativo. L'esempio di oggi utilizza il test post hoc delle differenze onestamente significative (HSD) di Tukey e presuppone che le varianze della popolazione in ciascun gruppo siano uguali.
Ricordo di aver provato a fare tutti questi calcoli da solo e di aver passato ore a correggere piccoli errori lungo il percorso. Avere una piattaforma precostruita in cui tutto ciò che devo fare è trascinare rapidamente i nomi delle variabili in ruoli specifici è un vero punto di svolta. Sono così entusiasta di trasmetterti questa conoscenza in questo blog!
Adatta Y per X in JMP
L'esempio di oggi riguarda tre marche di macchine da scrivere (Regal, Speedtype e Word-O-Matic) di cui è stata testata la velocità di battitura. Ci sono due colonne in questa tabella: marca e velocità. La tabella può essere scaricata se volete seguirla; è un allegato a questo post del blog.
Per eseguire un'ANOVA unidirezionale, iniziare selezionando l'opzione Adatta Y per X nel menu Analizza. Successivamente, trascina e rilascia la variabile di risposta continua (in questo caso, "velocità") al ruolo Y e la variabile del fattore categorico ("marca") al ruolo X. Fare clic su OK. Il rapporto inizialmente contiene un grafico a dispersione della velocità rispetto al marchio.
Fare clic sul triangolo rosso, quindi su Medie/ANOVA. Il report ora include la media dei diamanti nel grafico a dispersione, un riepilogo della tabella di adattamento, un test ANOVA con un valore p e statistiche riepilogative per ciascun gruppo.
La linea al centro di ciascun diamante medio rappresenta la media del gruppo e l'intervallo verticale rappresenta l'intervallo di confidenza del 95% per la media del gruppo. Da una rapida occhiata, puoi osservare che la media di Speedtype è notevolmente più alta rispetto agli altri due marchi. La sezione ANOVA mostra un valore p statisticamente significativo pari a 0,0004, il che significa che possiamo rifiutare l'ipotesi nulla secondo cui tutte le medie dei gruppi sono uguali.
Come promemoria, il test ANOVA ci dice che almeno una delle medie del gruppo è significativamente diversa dalle altre, ma non quali sono diverse l'una dall'altra. Il prossimo passo è includere un confronto multiplo di Tukey-Kramer tra tutte le coppie di medie. Selezionare il triangolo rosso, quindi Confronta medie, quindi Tutte le coppie, Tukey HSD.
Il report ora include cerchi di confronto a destra del grafico a dispersione iniziale. Questi cerchi forniscono una rappresentazione visiva interattiva dei confronti medi di gruppo. I cerchi per medie significativamente diverse non si intersecano o si intersecano molto leggermente. Fai clic sul cerchio associato al marchio Word-O-Matic e osserva come sia esso che il marchio Regal sono evidenziati in rosso. I cerchi rossi corrispondono a gruppi con medie non significativamente diverse. Il cerchio Speedtype è grigio e non si interseca con i cerchi degli altri due marchi, il che significa che la media Speedway è significativamente diversa dal gruppo evidenziato di Regal e Word-O-Matic.
Per risultati più quantitativi, scorri verso il basso fino al rapporto sulle differenze ordinate, che mostra la differenza tra i livelli di ciascun confronto, l'errore standard della differenza, l'intervallo di confidenza e il valore p.
Nota che i valori p per la differenza tra Speedtype e Word-O-Matic e la differenza tra Speedtype e Regal sono evidenziati in arancione. Poiché sono entrambi ben al di sotto di 0,05, significa che queste differenze sono statisticamente significative, il che corrisponde alla rappresentazione visiva dei cerchi sopra.
Questo flusso di lavoro, che prevede solo un paio di clic sull'interfaccia utente, può essere applicato a tutti i tipi di dati in tutti i tipi di settori!
Su quella nota,
sta facendo clic!
