La División Japón del JMP celebró un total de ocho seminarios denominados "Oficina de Información del JMP" todos los martes de marzo a abril de este año. El propósito de este seminario fue transmitir una variedad de información sobre JMP en una breve sesión de 30 minutos, y el número de participantes superó las expectativas.
Muchas reacciones recibidas al final.
Este blog resume los principales temas tratados en las sesiones 5.ª a 8.ª celebradas en abril.
*Para conocer el contenido principal de las Partes 1 a 4, consulte el blog a continuación.
Resumen de lo realizado en el seminario ómnibus de 30 minutos “JMP Information Bureau” (sesiones 1.ª a 4.ª) - Comunidad de usuarios de JMP。
Tabla de contenido
Episodio 5 (transmisión principal el 2 de abril, retransmisión el 9 de abril) Aprenda una vez más lo que se puede hacer con la “distribución univariada”
Introdujimos varias opciones para Univariate Distribution, una plataforma comúnmente utilizada por los usuarios de JMP.
●Opciones para variables categóricas (escala nominal, escala ordinal)
Cuando abre los datos de muestra de JMP "Employee Taste.jmp" y especifica las columnas de escala nominal "TV" en "Restaurante" como [Y, Columna] en [Analizar] > [Distribución univariada].
Al hacer clic en el triángulo rojo a la izquierda de los nombres de las columnas del informe y especificar opciones, puede hacer que su informe se vea así:
Este informe se puede crear aplicando secuencialmente las siguientes opciones:
*Si mantiene presionada la tecla Ctrl y hace clic en el triángulo rojo a la izquierda del nombre de la columna y selecciona una opción, puede aplicar esa opción a todos los informes en el mismo formato.
●Opciones para variables continuas (escala continua)
En la Parte 4, "Análisis de la canción de Taylor Swift", consideramos una serie de escalas continuas que indican el grado de popularidad de cada canción.
Para histogramas en informes de escala continua, puede usar [Herramientas] > [Herramienta manual] para cambiar el ancho de clase y la posición del paso del histograma.
Si sospecha de una distribución multimodal, utilice el botón del triángulo rojo a la izquierda del nombre de la columna para seleccionar [Ajustar distribución continua] > [Ajustar todo] y examine el informe "Comparar distribuciones".
La "Comparación de distribución" ordena los resultados en orden descendente de AICc, que es una estadística de bondad de ajuste (mejor ajuste). Este ejemplo muestra que la distribución de mezcla normal doble y la distribución de mezcla normal triple se ajustan mejor que la distribución normal.
En estos casos, es posible que desee considerar si existen variables estratificadoras que separen la distribución.
Episodio 6 (transmisión principal el 9 de abril, retransmisión el 11 de abril) “Acerca de los intervalos de predicción y los intervalos de tolerancia”
Explicamos la idea aproximada de los intervalos de predicción y los intervalos de tolerancia utilizados en estadística y los demostramos utilizando la "distribución univariada" de JMP. Los folletos y los datos de muestra de JMP utilizados en este episodio se adjuntan a este blog.
Fuente: Oficina de información del JMP Sexto intervalo de predicción e intervalo de tolerancia.pdf
Datos de muestra de JMP: JMP Information Bureau Vol. 6 Datos hipotéticos para explicar los intervalos de predicción y los intervalos de tolerancia .jmp
Análisis del séptimo cuestionario “Encuesta de concientización sobre la IA” (transmisión principal el 16 de abril, retransmisión el 18 de abril)
Realizamos una "Encuesta de concientización sobre la IA" a los participantes de este seminario y mostramos un ejemplo de análisis de datos utilizando JMP.
Ejemplo de pregunta
Recibimos respuestas de 112 personas. Además de las preguntas sobre IA, la encuesta también incluye preguntas sobre género y edad (mayores de 40, menores de 40).
Al analizar el cuestionario, utilizamos específicamente plataformas "categóricas" y de "análisis de clases latentes".
●Plataforma “categórica”
Analizar > Investigación del consumidor > Categórico le permite analizar de manera eficiente datos categóricos (nominales y ordinales).
En esta encuesta, preguntamos a los encuestados sobre la imagen de la IA en seis categorías (a-f), utilizando la misma escala de calificación de cinco puntos que va desde "aplica" a "no aplica". Para preguntas como esta, configúrelo como [Respuesta con valor común] como se muestra a continuación.
Además, especifique "género" y "edad" en [X, categoría de agrupación] y compare las respuestas divididas por género y las respuestas divididas por edad.
Este es un informe categórico. El gráfico de participación en la parte superior muestra gráficos de participación para hombres y mujeres para cada elemento especificado en la respuesta común.
Si selecciona [Prueba de homogeneidad de respuesta] en el botón del triángulo rojo en la parte superior izquierda, se mostrará "Prueba de homogeneidad de respuesta" en la parte inferior del informe. En este ejemplo, se muestran el valor de chi-cuadrado y el valor p para la hipótesis nula de que no hay diferencia en la tasa de respuesta entre hombres y mujeres, y se muestra el elemento "vida enriquecedora".sólo es significativo.
●Plataforma de “análisis de clases latentes”
Analizar > Grupo > Análisis de clase latente le permite dividir a los encuestados en grupos (grupos) utilizando respuestas categóricas.
Aquí, utilizamos el género, la edad, el enriquecimiento de la vida (combinados en 3 categorías) y la familiaridad (combinados en 3 categorías), y realizamos un análisis de clase latente para dividir a los encuestados en dos grupos (dividámoslo en).
Interpretamos estos grupos en función de la diferencia en la distribución de miembros de los grupos 1 y 2.
Grupo 1: Un grupo que tiene una actitud positiva hacia la IA
Grupo 2: Un grupo con muchos hombres mayores de 40 años que son un poco negativos con respecto a la IA.
Para saber qué encuestados pertenecen a qué grupos, haga clic en el botón del triángulo rojo a la izquierda del informe "Análisis de clases latentes (Número de grupos: 2)" y seleccione "Guardar fórmula de cálculo mixta y fórmula de cálculo de grupos" en la tabla de datos. Puedes guardarlo.
Episodio 8 (transmisión principal el 23 de abril, retransmisión el 25 de abril) Funciones útiles (consejos) recomendadas para principiantes de JMP
En el episodio final, cubrimos cómo utilizar las barras de herramientas para optimizar su trabajo.
La barra de herramientas es la parte rodeada por el marco rojo en la imagen de abajo. Al hacer clic en el icono de la barra de herramientas, puede iniciar la plataforma, operar herramientas, etc. con un solo clic.
Hay muchos ejemplos de cómo las barras de herramientas pueden ahorrarle tiempo. Por ejemplo, los iconos que se muestran a continuación se muestran en la ventana del informe. De izquierda a derecha, estos son los íconos de Filtro de datos local, Conmutador de columnas y Guardar script en tabla de datos. Estos le permiten filtrar, cambiar columnas y guardar como un script con un solo clic.
●Muestra las plataformas utilizadas con frecuencia en la barra de herramientas.
Al dibujar un gráfico de control Xbar en JMP, debe seguir la jerarquía profunda y realizar selecciones como se muestra en la imagen a continuación.
En lugar de realizar estas operaciones una y otra vez, puede registrarlas en la barra de herramientas e iniciarlas con un solo clic.
Seleccione Ver > Personalizar > Menús y barras de herramientas . Se iniciará el editor de menú JMP, así que haga lo siguiente:
Cree una nueva barra de herramientas haciendo clic derecho en la categoría que desea mostrar en la barra de herramientas y seleccionando Insertar antes o Insertar después.
En el panel derecho:
Título : Ingrese el texto que aparecerá cuando pase el cursor sobre el ícono. (En este ejemplo, el gráfico de control Xbar)
Comando incorporado : seleccione la función que desea asociar con este icono. (En este ejemplo, ANALIZAR:CALIDAD Y PROCESO:GRÁFICO DE CONTROL XBAR)
Ícono incorporado : seleccione un ícono para mostrar en la barra de herramientas.
Una vez configurado, el icono de configuración se mostrará en la barra de herramientas. (En este ejemplo, [Análisis] se verifica desde [Ver] > [Barra de herramientas]. )
Nota: Durante el seminario, hubo una pregunta en la sección de chat preguntando si había una tabla de correspondencia entre la notación en inglés de los comandos integrados y la correspondencia con el menú, pero desafortunadamente no hay una tabla de correspondencia. En ese momento, si configura JMP en visualización en inglés*, la barra de menú se mostrará en inglés, por lo que combinaremos la visualización en inglés con la visualización en inglés de los comandos integrados.
A continuación se muestra una tabla que resume algunas formas de trama y sus correspondientes comandos integrados.
| nombre de la plataforma |
ビルトインコマンド |
| Analizar > Modelo predictivo > Partición |
ANALIZAR: PARTICIÓN DE MODELADO PREDICTIVO |
| Analizar > Modelos avanzados > Ajustar curva |
ANALIZAR: MODELADO ESPECIALIZADO:NO LINEAL |
| Analizar > Multivariado > Correlación multivariada |
ANALIZAR: MÉTODOS MULTIVARIADOS:MULTIVARIADOS |
| [Análisis] > [Multivariado] > [Análisis de componentes principales] |
ANALIZAR: MÉTODOS MULTIVARIADOS: COMPONENTES PRINCIPALES |
| [Analizar] > [Análisis de conglomerados] > [Análisis de conglomerados jerárquico] |
ANALIZAR: CLÚSTER: CLÚSTER JERAQUIAL |
| Análisis > Análisis de confiabilidad/supervivencia > Univariante de vida útil |
ANALIZAR: CONFIABILIDAD Y SUPERVIVENCIA: DISTRIBUCIÓN DE VIDA |
| [Análisis] > [Análisis de confiabilidad/tiempo de supervivencia] > [Análisis del tiempo de supervivencia] |
ANALIZAR: CONFIABILIDAD Y SUPERVIVENCIA: SUPERVIVENCIA |
*Para mostrar en inglés, seleccione [Archivo] > [Preferencias] y cambie el idioma de visualización a [Japonés (japonés)] en la categoría "Solo Windows".
por Naohiro Masukawa (JMP Japón)
Naohiro Masukawa - Comunidad de usuarios de JMP
