JMP 18 et JMP Pro 18 offrent de nombreuses nouvelles fonctionnalités . Regardez une vidéo de certaines des nouvelles fonctionnalités clés et téléchargez le Journal pour essayer vous-même certaines des techniques de JMP 18. Notez que pour plusieurs fonctionnalités, vous aurez besoin de JMP Pro 18.
Regardez la vidéo entière ci-dessous ou cliquez sur les titres dans la liste à puces pour voir uniquement les segments sur le sujet dans la liste.
Découvrez comment utiliser :
- Nouvelles fonctionnalités pour les tableaux, les rapports et l'aide contextuelle
- Nouvelles capacités d’optimisation, de modélisation et de fiabilité des processus
- Courbes de rappel de précision – Utile lorsque vous avez des données déséquilibrées.
- Visualisations du profileur – Interagissez avec les variables pour optimiser la variabilité à l'aide d'interactions superposées et examinez les points de données pour voir dans quelle mesure les données prennent en charge les interactions du modèle.
- Modélisation de fatigue - Créez, affichez les résultats et sélectionnez parmi 24 modèles différents, choisissez parmi six types de courbes SN ainsi que l'une des quatre distributions pour assembler un modèle, obtenez des informations détaillées sur et comparez tous les modèles.
-
Nouveauté pour l'importation de données, l'ingénierie et la production
-
Nouveauté pour les données spectrales, à crête et haute dimension (JMP Pro)
-
Nouvelle intégration Python
- Améliorations de la bibliothèque Python et de l'intégration – Utilisez la version de Python fournie avec JMP pour un environnement cohérent qui fonctionnera immédiatement. Obtenez un accès direct à la mémoire des tables de données Python dans un environnement réel et utilisez l'éditeur de script Python qui utilise les conventions Python et un journal intégré.
Questions répondues par @HydeMiller et @MikeD_Anderson lors du webinaire en direct.
Q : Comment utiliser les annotations pliables ?
R : À partir d'un graphique dans Graph Builder, commencez par l'icône Annotations. Pour réduire une annotation, faites un clic droit sur une annotation et sélectionnez Réduit. L'annotation réduite apparaîtra sous la forme d'une icône « i ». Voir la vidéo ci-dessous.
Q : Veuillez préciser comment les intervalles de confiance sont utilisés ?
R : Les zones ombrées du Profiler représentent l'intervalle de confiance sur la ligne elle-même. Il existe donc une ligne d'ajustement à travers les données et l'intervalle de confiance montre où pourrait se situer cette ligne d'ajustement. C'est la confiance qui est en jeu. Ce n'est pas un intervalle de confiance sur les valeurs. Désormais, si vous accédez au menu Triangle rouge, les intervalles de prédiction sont disponibles et affichent l'intervalle de confiance pour les valeurs prédites elles-mêmes. Il y a une ligne de couleur turquoise, puis les nombres qui correspondent aux lignes qui montrent la confiance pour l'intervalle de prédiction. Dans JMP 18, vous pouvez désormais les afficher tous les deux dans le profileur de prédiction. Voir la vidéo :
Patrick Guiliano @PatrickGiuliano , support technique JMP a envoyé ces informations après le webinaire :
Le commentaire suivant provient d'un autre utilisateur de JMP. Les lignes « Confiance » (voir image) sont légèrement incurvées et définissent un espace bidimensionnel dans lequel nous affirmons que la véritable ligne de régression linéaire existe ; autrement dit, si nous imaginons que la droite de régression linéaire observée peut tourner autour du point Xavg, Yavg mais uniquement dans cet espace (c'est-à-dire que la droite tournante doit rester complètement à l'intérieur des lignes de confiance), alors la véritable pente du paramètre de on dit que la ligne se situe quelque part entre la pente la plus grande et la plus petite possible en effectuant de telles rotations, à un niveau de confiance = quelle que soit la valeur de confiance que nous avons utilisée pour calculer ces lignes de confiance. Les lignes de confiance peuvent donc être utilisées pour prédire le pire des cas pour une valeur Y AVG à une valeur X SPÉCIFIQUE.
Les lignes d'intervalle de prédiction sont également légèrement incurvées ; ils définissent un espace bidimensionnel dans lequel nous PRÉDISONS que la prochaine valeur X, Y que nous obtiendrons se produira. Notre prédiction est plus sûre à mesure que nous nous rapprochons du point Xavg,Yavg, et elle est moins sûre à mesure que nous nous en éloignons, c'est pourquoi les lignes semblaient courbes.
Q : Les équations sont-elles utilisées pour utiliser Profiler ?
R : Pas avec cette version. Ils se concentraient sur le cadre de base. Vous pouvez ajouter une demande à ce sujet à la liste de souhaits J MP pour une version future.
Q : Est-il possible d’appeler JMP depuis Python ? IE à l'opposé de ce que vous avez montré, où JMP appelle Python.
R : Certains appels vont dans les deux sens. La documentation indiquera ce que tout est autorisé.
Ressources
Concernant la question sur les intervalles de confiance et la différence entre les intervalles de confiance (IC) et les intervalles de prédiction (IP) tels qu'affichés dans le profileur désormais dans JMP 18, voici une bonne référence de notre portail de connaissances statistiques qui décrit visuellement l'explication écrite. ci-dessus (dans le contexte des IC en particulier) : Régression linéaire simple | Introduction aux statistiques | JMP .
