La division JMP Japon a organisé un total de huit séminaires appelés « Bureau d'information JMP » tous les mardis de mars à avril de cette année. L'objectif de ce séminaire était de transmettre diverses informations sur JMP au cours d'une courte session de 30 minutes, et le nombre de participants a dépassé les attentes.
De nombreuses réactions reçues à la fin
Ce blog résume les principaux sujets abordés lors des 5e à 8e sessions organisées en avril.
*Pour le contenu principal des parties 1 à 4, veuillez vous référer au blog ci-dessous.
Résumé de ce qui a été réalisé lors du séminaire omnibus de 30 minutes « JMP Information Bureau » (1ère à 4ème sessions) - JMP User Community。
table des matières
Épisode 5 (diffusion principale 4/2, rediffusion 4/9) Découvrez à nouveau ce qu'on peut faire avec la « distribution univariée »
Nous avons introduit diverses options pour la distribution univariée, une plate-forme couramment utilisée par les utilisateurs de JMP.
●Options pour les variables catégorielles (échelle nominale, échelle ordinale)
Lorsque vous ouvrez les exemples de données JMP « Employee Taste.jmp » et spécifiez les colonnes d'échelle nominale « TV » à « Restaurant » comme [Y, Colonne] dans [Analyser] > [Distribution univariée].
En cliquant sur le triangle rouge à gauche des noms de colonnes du rapport et en spécifiant les options, vous pouvez faire en sorte que votre rapport ressemble à ceci :
Ce rapport peut être créé en appliquant séquentiellement les options suivantes :
*Si vous maintenez la touche Ctrl enfoncée et cliquez sur le bouton triangle rouge à gauche du nom de la colonne et sélectionnez une option, vous pouvez appliquer cette option à tous les rapports du même format.
●Options pour les variables continues (échelle continue)
Dans la quatrième partie, « Analyse de la chanson de Taylor Swift », nous avons considéré une série d'échelles continues qui indiquent le degré de popularité de chaque chanson.
Pour les histogrammes dans les rapports à échelle continue, vous pouvez utiliser [Outils] > [Outil Main] pour modifier la largeur de classe et la position de l'histogramme.
Si vous soupçonnez une distribution multimodale, utilisez le bouton triangle rouge à gauche du nom de la colonne pour sélectionner [Ajuster la distribution continue] > [Ajuster tout] et examinez le rapport « Comparer les distributions ».
"Comparaison de distribution" trie les résultats par ordre décroissant d'AICc, qui est une statistique d'adéquation (meilleur ajustement). Cet exemple montre que la distribution de mélange double normale et la distribution de mélange triple normale s'adaptent mieux que la distribution normale.
Dans ces cas-là, vous souhaiterez peut-être déterminer s’il existe des variables stratifiantes qui séparent la distribution.
Épisode 6 (diffusion principale le 9/04, rediffusion le 11/04) « À propos des intervalles de prédiction et des intervalles de tolérance »
Nous avons expliqué l'idée générale des intervalles de prédiction et des intervalles de tolérance utilisés dans les statistiques, et les avons démontrés à l'aide de la « distribution univariée » de JMP. Les documents et les exemples de données JMP utilisés dans cet épisode sont joints à ce blog.
Source : JMP Information Bureau, 6e intervalle de prévision et intervalle de tolérance.pdf
Exemples de données JMP : JMP Information Bureau Vol. 6 Données hypothétiques pour expliquer les intervalles de prévision et les intervalles de tolérance .jmp.
Analyse du 7ème (diffusion principale le 16/04, rediffusion le 18/04) questionnaire « Enquête de sensibilisation à l'IA »
Nous avons mené une « enquête de sensibilisation à l'IA » auprès des participants de ce séminaire et montré un exemple d'analyse des données à l'aide de JMP.
Exemple de question
Nous avons reçu des réponses de 112 personnes. Outre les questions sur l’IA, l’enquête comprend également des questions sur le sexe et l’âge (plus de 40 ans, moins de 40 ans).
Lors de l'analyse du questionnaire, nous avons spécifiquement utilisé des plateformes « catégorielles » et « d'analyse de classes latentes ».
●Plateforme « catégorielle »
Analyser > Étude de consommation > Catégorique vous permet d'analyser efficacement les données catégorielles (nominales et ordinales).
Dans cette enquête, les personnes interrogées ont été interrogées sur six éléments (a à f) concernant leur image de l'IA, en utilisant une échelle de 5 points allant de « s'applique » à « ne s'applique pas ». Pour des questions comme celle-ci, définissez-le sur [Réponse avec valeur commune] comme indiqué ci-dessous.
De plus, précisez « sexe » et « âge » dans [X, catégorie de regroupement] et comparez les réponses divisées par sexe et les réponses divisées par âge.
Il s’agit d’un rapport catégorique. Le graphique de partage en haut montre les graphiques de partage pour les hommes et les femmes pour chaque élément spécifié dans la réponse commune.
Si vous sélectionnez [Test d'homogénéité de réponse] à partir du bouton triangle rouge en haut à gauche, « Test d'homogénéité de réponse » s'affichera en bas du rapport. Dans cet exemple, la valeur du chi carré et la valeur p sont affichées pour l'hypothèse nulle selon laquelle il n'y a pas de différence dans le taux de réponse entre les hommes et les femmes, et l'élément « enrichir la vie » est affiché.seul est significatif.
●Plateforme « Analyse de classes latentes »
Analyser > Cluster > L'analyse des classes latentes vous permet de diviser les répondants en groupes (clusters) à l'aide de réponses catégorielles.
Ici, nous avons utilisé le sexe, l'âge, l'enrichissement de la vie (combinés en 3 catégories) et la familiarité (combinés en 3 catégories), et avons mené une analyse de classe latente pour diviser les répondants en deux groupes (clusters).
Nous interprétons ces clusters en fonction de la différence de répartition des membres des clusters 1 et 2.
Cluster 1 : Un groupe positif à l’égard de l’IA
Cluster 2 : Un groupe avec de nombreux hommes de plus de 40 ans qui sont un peu négatifs à l'égard de l'IA
Pour savoir quels répondants appartiennent à quels clusters, cliquez sur le bouton triangle rouge à gauche du rapport « Analyse des classes latentes (Nombre de clusters : 2) » et sélectionnez « Enregistrer la formule de calcul mixte et la formule de calcul de cluster » dans le tableau de données. Vous pouvez le sauvegarder.
Épisode 8 (diffusion principale le 23/04, rediffusion le 25/04) Fonctions utiles (Conseils) recommandées aux débutants JMP
Dans le dernier épisode, nous avons expliqué comment utiliser les barres d'outils pour rationaliser votre travail.
La barre d'outils est la partie entourée par le cadre rouge dans l'image ci-dessous. En cliquant sur l'icône de la barre d'outils, vous pouvez lancer la plateforme, faire fonctionner des outils, etc. en un seul clic.
Il existe de nombreux exemples de la manière dont les barres d'outils peuvent vous faire gagner du temps. Par exemple, les icônes ci-dessous sont affichées dans la fenêtre du rapport. De gauche à droite, ce sont les icônes Filtre de données local, Sélecteur de colonnes et Enregistrer le script dans la table de données. Ceux-ci vous permettent de filtrer, de changer de colonne et de sauvegarder sous forme de script en un seul clic.
●Afficher les plates-formes fréquemment utilisées sur la barre d'outils
Lorsque vous dessinez une carte de contrôle Xbar dans JMP, vous devez suivre la hiérarchie approfondie et effectuer des sélections comme indiqué dans l'image ci-dessous.
Plutôt que de réaliser ces opérations encore et encore, vous pouvez les enregistrer dans la barre d'outils et les lancer en un seul clic.
Sélectionnez Affichage > Personnaliser > Menus et barres d'outils . L'éditeur de menu JMP démarre, procédez comme suit :
Créez une nouvelle barre d'outils en cliquant avec le bouton droit sur la catégorie que vous souhaitez afficher dans la barre d'outils et en sélectionnant Insérer avant ou Insérer après.
Dans le volet de droite :
Légende : Saisissez le texte qui apparaîtra lorsque vous survolerez l'icône. (Dans cet exemple, la carte de contrôle Xbar)
Commande intégrée : Sélectionnez la fonction que vous souhaitez associer à cette icône. (Dans cet exemple, ANALYSE : QUALITÉ ET PROCESS : CARTE DE CONTRÔLE XBAR)
Icône intégrée : sélectionnez une icône à afficher dans la barre d'outils.
Une fois définie, l’icône définie sera affichée sur la barre d’outils. (Dans cet exemple, [Analyse] est coché depuis [Affichage] > [Barre d'outils]. )
Remarque : Lors du séminaire, il y avait une question dans la section chat demandant s'il existait une table de correspondance entre la notation anglaise des commandes intégrées et le menu, mais malheureusement il n'y a pas de table de correspondance. À ce moment-là, si vous définissez JMP sur l'affichage en anglais*, la barre de menu sera affichée en anglais, nous ferons donc correspondre l'affichage en anglais avec l'affichage en anglais des commandes intégrées.
Vous trouverez ci-dessous un tableau résumant certaines formes de tracé et leurs commandes intégrées correspondantes.
| nom de la plateforme |
ビルトインコマンド |
| Analyse > Modèle prédictif > Partition |
ANALYSER : PARTITION DE MODÉLISATION PRÉDICTIVE |
| Analyse > Modèles avancés > Ajuster la courbe |
ANALYSER : MODÉLISATION SPÉCIALISÉE : NON LINÉAIRE |
| Analyser > Multivarié > Corrélation multivariée |
ANALYSER : MÉTHODES MULTIVARIÉES : MULTIVARIÉES |
| [Analyse] > [Multivarié] > [Analyse en composantes principales] |
ANALYSER : MÉTHODES MULTIVARIÉES : PRINCIPALES COMPOSANTES |
| [Analyser] > [Analyse de cluster] > [Analyse de cluster hiérarchique] |
ANALYSER : CLUSTERING : CLUSTER HÉRACHIAL |
| Analyse > Analyse de fiabilité/survie > Durée de vie univariée |
ANALYSER : FIABILITÉ ET SURVIE : DISTRIBUTION DE LA VIE |
| [Analyse] > [Analyse de fiabilité/temps de survie] > [Analyse du temps de survie] |
ANALYSER : FIABILITÉ ET SURVIE : SURVIE |
*Pour afficher en anglais, sélectionnez [Fichier] > [Préférences] et changez la langue d'affichage en [Japonais (Japonais)] dans la catégorie « Windows uniquement ».
par Naohiro Masukawa (JMP Japon)
Naohiro Masukawa - Communauté d'utilisateurs JMP
