775243_de-DE

liliconcom

Ordinal Jitter Side (neue Option „Graph Builde“ von JMP19 EA1) sollte auch für Logistic- und Fit Nominal-Logistic-Plots verwendet werden.

Was hat diese Wunschlistenanfrage inspiriert? Als SE- und TS-Mitglieder bei JMP Japan das EA1-Einführungsvideo sahen. Dies wurde von Masakazu Okada-san, SE bei JMP Japan, vorgeschlagen.

Bitte beschreiben Sie die neue oder verbesserte Funktion oder Lösung, die Sie gerne sehen würden.

Okada-san schlägt vor, dass wir JMP19 EA1s Ordinal Jitter Side im Graph Builder auch für die Logistikdiagramme „Logistic“ und „Fit Nominal“ verwenden. Das mit den Optionen „Ordinal Jitter Side“ von JMP19 EA1 erstellte Logistikdiagramm des Graph Builders sieht besser aus als das Logistikdiagramm „Logistic“ und „Fit Nominal“. Sehen Sie den Unterschied, indem Sie das folgende Skript ausführen.

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>Welchen Mehrwert hätte diese neue Funktion für Sie und/oder andere Benutzer?</STRONG> Das Erscheinungsbild von Logistic Plot muss besser sein.</P> <P><STRONG>Handelt es sich hierbei um eine externe Kundenanfrage?</STRONG> Nein.</P> <P><STRONG>Gibt es ein konkurrierendes Softwarepaket mit dieser Funktion oder Lösung, das wir kennen sollten?</STRONG> Ich weiß es nicht.</P> <P><STRONG>Wird dies Auswirkungen auf eine Erneuerung, Erweiterung oder Einführung bei einem Kunden haben und wird ein Konto gefährdet, wenn wir dies nicht berücksichtigen?</STRONG> Nein.</P><LINGO-LABS id="lingo-labs-775243" slang="en-US" mode="CREATE"><LINGO-LABEL>Grundlegende Datenanalyse und Modellierung</LINGO-LABEL></LINGO-LABS>Betreff: Ordinal Jitter Side (neue Option „Graph Builde“ von JMP19 EA1) sollte auch für logistische und nominelle Anpassungen des logistischen Diagramms verwendet werden.

Hinweis: Die Ordinal Jitter Position von Graph Builder unterstützt derzeit nicht mehr als zwei Ebenen. Daher kann dieser Vorschlag nur für Y mit zwei Ebenen angewendet werden.

Betreff: Ordinal Jitter Side (neue Option „Graph Builde“ von JMP19 EA1) sollte auch für logistische und nominelle Anpassungen des logistischen Diagramms verwendet werden - Status geändert in: Bestätigt

Vielen Dank, dass Sie diese Idee mit uns teilen! Schön, dass Ihnen diese neue Funktion im Graph Builder gefällt!

Betreff: Ordinal Jitter Side (neue Option „Graph Builde“ von JMP19 EA1) sollte auch für logistische und nominelle Logistikdiagramme verwendet werden.

Die Seite mit dem ordinalen Jitter unterstützt zwar die Verarbeitung von mehr als zwei Ebenen, aber vielleicht meinen Sie, dass dies keine nützliche Methode für die Logistik ist. Hier ist ein Beispiel mit komplett erfundenen Kurven in einem benutzerdefinierten Grafikskript.

Betreff: Ordinal Jitter Side (neue Option „Graph Builde“ von JMP19 EA1) sollte auch für logistische und nominelle Anpassungen des logistischen Diagramms verwendet werden.

@XanGregg -san, danke für Ihre Antwort. Die Verwendung selbst ist mir überhaupt nicht aufgefallen.

Wenn wir Datenpunkte für die mittleren Y-Ebenen gut darstellen können, könnte diese Option auch für Daten mit mehr als zwei Ebenen verwendet werden. Aber das scheint mir schwierig. Im Allgemeinen werden die kumulativen Wahrscheinlichkeiten nicht zu den mittleren konstanten Y-Koordinaten. Sie werden in Bezug auf die X-Werte geändert. Daher müssen wir ihre Y-Koordinaten im Allgemeinen entsprechend den X-Koordinaten ändern. Die folgende Abbildung zeigt ein Beispiel.

Zum Zeichnen des obigen Diagramms habe ich das folgende Skript verwendet.

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>Ich habe keine Ahnung, wie wir Datenpunkte in beliebigen Bereichen schön darstellen können ... Vielleicht ist zufälliges Jittering, das derzeit in der Logistik- und Fit-Nominal-Plattform verwendet wird, der einfachste Weg, obwohl es nicht so schön ist wie das Gitterpunktdiagramm. Ich habe versucht, Zufallszahlen nur für die mittleren Ebenen zu verwenden. Das folgende Diagramm ist ein Beispiel für die obigen Daten. Ich denke, dieses Jittering ist ein wenig irreführend. Ich denke, wir sollten für alle Ebenen dieselbe konsistente Jittering-Methode verwenden.</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>Für die obige Darstellung wird das folgende Skript verwendet.</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>Bei nominalen Fällen mit mehr als zwei Ebenen kann das logistische Diagramm komplexer werden. Das folgende Skript zeigt ein Beispiel für ein logistisches Diagramm auf der Logistikplattform unter Verwendung von Penguins.jmp-Beispieldaten.</P>

<CODE class=" language-jsl">dt = Open("$SAMPLE_DATA/Penguins.jmp");
dt << Logistic( Y( :Species ), X( :Culmen Length ) );

Betreff: Ordinal Jitter Side (neue Option „Graph Builde“ von JMP19 EA1) sollte auch für logistische und nominelle Logistikdiagramme verwendet werden.

Danke @yusuke_ono für die realistischen Beispiele.

Betreff: Ordinal Jitter Side (neue Option „Graph Builde“ von JMP19 EA1) sollte auch für logistische und nominelle Logistikdiagramme verwendet werden.

Gibt es eine Y-Position für die innere Ebene, die nützlich wäre? Beispielsweise ein gewichteter Durchschnitt des mittleren Wahrscheinlichkeitswerts für jeden Punkt:

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>

Betreff: Ordinal Jitter Side (neue Option „Graph Builde“ von JMP19 EA1) sollte auch für logistische und nominelle Anpassungen des logistischen Diagramms verwendet werden.

Mit Farbe

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>

Betreff: Ordinal Jitter Side (neue Option „Graph Builde“ von JMP19 EA1) sollte auch für logistische und nominelle Anpassungen des logistischen Diagramms verwendet werden – Status geändert in: Benötigt InformationenBetreff: Ordinal Jitter Side (neue Option „Graph Builde“ von JMP19 EA1) sollte auch für logistische und nominelle Anpassungen des logistischen Diagramms verwendet werden.

@XanGregg -san und @Sarah-Sylvestre -san, Entschuldigen Sie die Verzögerung meiner Antwort.

Ich denke, dass einer der Zwecke des Zeichnens des logistischen Diagramms darin besteht, zu sehen, wie gut das aktuelle Modell an die Daten angepasst ist. Intuitiv sind die Kurven sehr weiche Gummibänder, und die Datenpunkte können sich innerhalb der Kurven nur vertikal bewegen. Die Punkte schieben Gummibänder. Wenn das logistische Modell gut passt, sind die Punkte gleichmäßig in den vertikalen Positionen verteilt.

Daher denke ich, dass die Punkte innerhalb von Kurven dargestellt werden sollten.

Das Folgende ist ein sehr künstliches Beispiel.

Das folgende Logistikdiagramm zeigt, dass das Modell schlecht an die Daten angepasst ist, da die Punkte nicht gleichmäßig in den vertikalen Positionen verteilt sind.

Das folgende Logistikdiagramm zeigt, dass das Modell gut an die Daten angepasst ist, da die Punkte gleichmäßig in den vertikalen Positionen verteilt sind.

Nachfolgend finden Sie ein Skript zum Zeichnen der beiden obigen Abbildungen.

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>