Le côté de gigue ordinale (nouvelle option Graph Builde de JMP19 EA1) doit également être utilisé pour le tracé logistique de Logistic et Fit Nominal.Qu'est-ce qui a inspiré cette demande de liste de souhaits ? Lorsque les membres SE et TS de JMP Japon ont regardé la vidéo d'introduction d'EA1. Ceci est suggéré par Masakazu Okada-san, SE chez JMP Japon.
Veuillez décrire la fonctionnalité ou la solution nouvelle ou améliorée que vous souhaiteriez voir.
La suggestion d'Okada-san est que nous utilisions également le côté de gigue ordinale du JMP19 EA1 dans le générateur de graphiques pour le tracé logistique de la logistique et de l'ajustement nominal. Le tracé logistique du générateur de graphiques tracé par les options côté de gigue ordinale du JMP19 EA1 a une meilleure apparence que celui de la logistique et de l'ajustement nominal. Plot. Voyez la différence en exécutant le script suivant.
Random Reset(1111111);
n = 500;
x = J(n, 1, Round(Random Normal(),2));
y = Random Binomial(1, Squish(1 + 1.5 * x));
dt = As Table(x||y,<<COLUMN names=""></COLUMN>
<DIV> </DIV>
<P><STRONG>Quelle serait la valeur pour vous et/ou pour les autres utilisateurs si cette nouvelle fonctionnalité était fournie ?</STRONG> L’apparence de Logistic Plot doit être meilleure.</P>
<P><STRONG>S'agit-il d'une demande d'un client externe ?</STRONG> Non.</P>
<P><STRONG>Existe-t-il un progiciel concurrent doté de cette fonctionnalité ou de cette solution dont nous devrions être conscients ?</STRONG> Je ne sais pas.</P>
<P><STRONG>Cela aura-t-il un impact sur le renouvellement, l'expansion ou l'adoption chez un client, et cela met-il un compte en danger si nous ne résolvons pas ce problème ?</STRONG> Non.</P><LINGO-LABS id="lingo-labs-775243" slang="en-US" mode="CREATE"><LINGO-LABEL>Analyse et modélisation des données de base</LINGO-LABEL></LINGO-LABS>Re : Le côté de gigue ordinale (la nouvelle option Graph Builde de JMP19 EA1) doit également être utilisé pour le tracé logistique de Logistic et Fit Nominal.Remarque : La position de gigue ordinale de Graph Builder ne prend actuellement pas en charge plus de deux niveaux. Cette suggestion ne peut donc être appliquée que pour Y à deux niveaux.
Re : Le côté de la gigue ordinale (la nouvelle option Graph Builde de JMP19 EA1) doit également être utilisé pour le tracé logistique de la logistique et de l'ajustement nominal - Statut modifié en : ReconnuMerci d'avoir partagé cette idée! Heureux que vous aimiez cette nouvelle fonctionnalité de Graph Builder !
Re : Le côté de gigue ordinale (la nouvelle option Graph Builde de JMP19 EA1) doit également être utilisé pour le tracé logistique de Logistic et Fit Nominal.Le côté gigue ordinale prend en charge la gestion de plus de deux niveaux, même si vous voulez peut-être dire que ce n'est pas une méthode utile pour la logistique. Voici un exemple utilisant des courbes entièrement créées dans un script graphique personnalisé.
Re : Le côté de gigue ordinale (la nouvelle option Graph Builde de JMP19 EA1) doit également être utilisé pour le tracé logistique de Logistic et Fit Nominal.@XanGregg -san, merci pour votre réponse. Je n'ai pas du tout remarqué l'utilisation elle-même.
Si nous pouvons tracer correctement les points de données pour le(s) niveau(s) Y intermédiaire(s), cette option pourrait également être utilisée pour les données à plus de deux niveaux. Mais cela me semble difficile. Généralement, les probabilités cumulées ne deviennent pas la ou les coordonnées Y constantes du milieu. Elles sont modifiées en fonction des valeurs X. Nous devons donc changer leurs coordonnées Y correspondant aux coordonnées X dans les cas généraux. La figure suivante montre un exemple.
J'ai utilisé le script suivant pour dessiner le tracé ci-dessus.
Random Reset(111111);
n1 = 500;
n2 = 50;
n3 = 50;
y = J(n1,1,1) |/ J(n2,1,2) |/ J(n3,1,3);
x = y + J(n1 + n2 + n3,1,Random Logistic());
dt = As Table(y||x, <<COLUMN names=""></COLUMN>
<P>Je n'ai aucune idée de la façon dont nous pouvons tracer joliment des points de données dans des zones arbitraires... Peut-être que la gigue aléatoire, qui est actuellement utilisée dans la plate-forme Logistic et Fit Nominal, est la méthode la plus simple, même si elle n'est pas aussi agréable que le tracé de points en grille. J'ai essayé d'utiliser des nombres aléatoires uniquement pour le(s) niveau(x) intermédiaire(s). Le tracé suivant est un exemple pour les données ci-dessus. Je pense que cette instabilité est un peu trompeuse. Je pense que nous devrions utiliser la même méthode de gigue cohérente pour tous les niveaux.</P>
<P><SPAN class="lia-inline-image-display-wrapper lia-image-align-inline" image-alt="yusuke_ono_2-1721950289764.png" style="width: 400px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_2-1721950289764.png" style="width: 400px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_2-1721950289764.png" style="width: 400px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_2-1721950289764.png" style="width: 400px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_2-1721950289764.png" style="width: 400px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_2-1721950289764.png" style="width: 400px;"><span class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_2-1721950289764.png" style="width: 400px;"><img src="https://us.v-cdn.net/6038925/uploads/images/66510iFE4BFA7669593F67/yusuke_ono_2-1721950289764.png" role="button" title="yusuke_ono_2-1721950289764.png" alt="yusuke_ono_2-1721950289764.png" /></span></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></P>
<P>Le script suivant est utilisé pour le tracé ci-dessus.</P>
<CODE class=" language-jsl">
Random Reset(111111);
n1 = 500;
n2 = 50;
n3 = 50;
y = J(n1,1,1) |/ J(n2,1,2) |/ J(n3,1,3);
x = y + J(n1 + n2 + n3,1,Random Logistic());
dt = As Table(y||x, <<COLUMN names=""></COLUMN>
<P>Le schéma logistique pourrait devenir plus complexe pour les cas nominaux à plus de deux niveaux. Le script suivant montre un exemple de tracé logistique sur la plateforme logistique utilisant des exemples de données Penguins.jmp.</P>
<CODE class=" language-jsl">dt = Open("$SAMPLE_DATA/Penguins.jmp");
dt << Logistic( Y( :Species ), X( :Culmen Length ) );Re : Le côté de gigue ordinale (la nouvelle option Graph Builde de JMP19 EA1) doit également être utilisé pour le tracé logistique de Logistic et Fit Nominal.Merci @yusuke_ono pour les exemples réalistes.
Re : Le côté de gigue ordinale (la nouvelle option Graph Builde de JMP19 EA1) doit également être utilisé pour le tracé logistique de Logistic et Fit Nominal.Y a-t-il une position y pour le niveau intérieur qui serait utile ? Par exemple, une moyenne pondérée de la valeur prob centrale pour chaque point :
Random Reset(111111);
n1 = 500;
n2 = 50;
n3 = 50;
y = J(n1,1,1) |/ J(n2,1,2) |/ J(n3,1,3);
x = y + J(n1 + n2 + n3,1,Random Logistic());
dt = As Table(y||x, <<COLUMN names=""></COLUMN>
Re : Le côté de gigue ordinale (la nouvelle option Graph Builde de JMP19 EA1) doit également être utilisé pour le tracé logistique de Logistic et Fit Nominal.Avec de la couleur
Graph Builder(
Transform Column(
"yy",
Formula(
If(
:y == "1", 0,
:y == "3", 1,
Col Mean(
(:"Cum Prob[1]"n + :"Cum Prob[2]"n) / 2,
:y,
<<FREQ></FREQ>
Re: Le côté gigue ordinale (nouvelle option de création de graphique JMP19 EA1) doit également être utilisé pour le tracé logistique de Logistic et Fit Nominal - Statut modifié en : Besoin d'informationsRe: Le côté gigue ordinale (nouvelle option de création de graphique JMP19 EA1) doit également être utilisé pour le tracé logistique de la logistique et de l'ajustement nominal@XanGregg -san et @Sarah-Sylvestre -san, désolé de retarder ma réponse.
Je pense que l'un des objectifs du tracé du diagramme logistique est de voir dans quelle mesure le modèle actuel est bien adapté aux données. Intuitivement, les courbes sont des bandes de caoutchouc très souples et les points de données ne peuvent se déplacer que verticalement à l'intérieur des courbes. Les points poussent les bandes de caoutchouc. Si le modèle logistique s'adapte bien, les points sont répartis uniformément dans les positions verticales.
Je pense donc que les points doivent être tracés dans des courbes.
Ce qui suit est un exemple très artificiel.
Le graphique logistique ci-dessous montre que le modèle est mal adapté aux données car les points ne sont pas répartis uniformément dans les positions verticales.
Le graphique logistique ci-dessous montre que le modèle est bien adapté aux données car les points sont répartis uniformément dans les positions verticales.
Ce qui suit est un script pour dessiner les deux figures ci-dessus.
Random Reset(1111111);
n = 500;
x = J(n,1, Random Normal());
eta1 = x;
eta2 = 2*x + 2*x^2;
cum1 = Squish(eta1);
cum2 = Squish(eta2);
y = J(n,1,1);
For(i = 1, i <= NRow(x), i++,
u = Random Uniform();
If( u < cum1[i], y[i] = 1,
u < cum2[i], y[i] = 2,
y[i] = 3
)
);
dt = As Table(x||y, <<COLUMN names=""></COLUMN>
