序数抖动侧（JMP19 EA1 的图形构建新选项）也应该用于 Logistic 和 Fit Nominal 的 Logistic 图是什么启发了这个愿望清单请求？当 JMP Japan 的 SE 和 TS 成员观看 EA1 介绍视频时。这是 JMP Japan 的 SE Masakazu Okada-san 提出的。
请描述您希望看到的新的或改进的功能或解决方案。
Okada-san 的建议是我们在图形生成器中将 JMP19 EA1 的 Ordinal Jitter Side 也用于 Logistic 和 Fit Nominal 的 Logistic 图。通过 JMP19 EA1 的 Ordinal Jitter Side 选项绘制的图形生成器的 Logistic 图比 Logistic 和 Fit Nominal 的 Logistic 图外观更好。通过运行以下脚本查看差异。
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>如果提供此新功能，对您和/或其他用户有何价值？</STRONG>逻辑图的外观必须更好。</P>
<P><STRONG>这是外部客户请求吗？</STRONG>不是。</P>
<P><STRONG>是否有一个具有此功能或解决方案的竞争性软件包值得我们注意？</STRONG>我不知道。</P>
<P><STRONG>这是否会影响客户的续约、扩展或采用？如果我们不解决这个问题，是否会给账户带来风险？</STRONG>不会。</P><LINGO-LABS id="lingo-labs-775243" slang="en-US" mode="CREATE"><LINGO-LABEL>基础数据分析与建模</LINGO-LABEL></LINGO-LABS>回复：序数抖动侧（JMP19 EA1 的图形构建新选项）也应用于 Logistic 和 Fit Nominal 的 Logistic 图注意：Graph Builder 的顺序抖动位置目前不支持超过两个级别。因此，此建议仅适用于具有两个级别的 Y。
回复：序数抖动侧（JMP19 EA1 的图形构建新选项）也应用于 Logistic 和 Fit Nominal 的 Logistic 图 - 状态更改为：已确认感谢分享这个想法！很高兴您喜欢 Graph Builder 中的这个新功能！
回复：序数抖动侧（JMP19 EA1 的图形构建新选项）也应用于 Logistic 和 Fit Nominal 的 Logistic 图序数抖动方面确实支持处理超过两个级别，但您可能认为它不是一种有用的逻辑方法。以下是在自定义图形脚本中使用完全虚构的曲线的示例。
回复：序数抖动侧（JMP19 EA1 的图形构建新选项）也应用于 Logistic 和 Fit Nominal 的 Logistic 图@XanGregg -san，谢谢您的回复。我根本没有注意到用法本身。
如果我们可以很好地绘制中间 Y 级的数据点，那么此选项也可能用于两级以上的数据。但在我看来这很困难。通常，累积概率不会成为中间恒定的 Y 坐标。它们会根据 X 值而改变。因此，在一般情况下，我们需要根据 X 坐标更改它们的 Y 坐标。下图显示了一个示例。
我使用以下脚本绘制上述图表。
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>我不知道如何在任意区域内很好地绘制数据点...也许，随机抖动是最简单的方法，目前在 Logistic 和 Fit Nominal 平台中使用，尽管它不如网格点图那么好。我尝试只对中间级别使用随机数。下图是上述数据的示例。我认为这种抖动有点误导。我认为我们应该对所有级别使用一致的相同抖动方法。</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>下面的脚本用于上面的情节。</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>对于超过两级的名义情况，逻辑图可能会变得更加复杂。以下脚本显示了使用 Penguins.jmp 样本数据的 Logistic 平台上的 Logistic 图示例。</P>
<CODE class=" language-jsl">dt = Open("$SAMPLE_DATA/Penguins.jmp");
dt << Logistic( Y( :Species ), X( :Culmen Length ) );回复：序数抖动侧（JMP19 EA1 的图形构建新选项）也应用于 Logistic 和 Fit Nominal 的 Logistic 图感谢@yusuke_ono提供的现实示例。
回复：序数抖动侧（JMP19 EA1 的图形构建新选项）也应用于 Logistic 和 Fit Nominal 的 Logistic 图内层是否有任何有用的 y 位置？例如，每个点的中心概率值的加权平均值：
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>
回复：序数抖动侧（JMP19 EA1 的图形构建新选项）也应用于 Logistic 和 Fit Nominal 的 Logistic 图有颜色
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>
回复：序数抖动侧（JMP19 EA1 的图形构建新选项）也应用于 Logistic 和 Fit Nominal 的 Logistic 图 - 状态更改为：需要信息回复：序数抖动侧（JMP19 EA1 的图形构建新选项）也应用于 Logistic 和 Fit Nominal 的 Logistic 图@XanGregg -san 和@Sarah-Sylvestre -san，抱歉，我的回复延迟了。
我认为绘制 Logistic Plot 的目的之一是查看当前模型与数据的拟合程度。直观地看，曲线就像非常柔软的橡皮筋，数据点只能在曲线内垂直移动。点推动橡皮筋。如果 Logistic 模型拟合良好，则点在垂直位置上分布均匀。
所以，我认为应该在曲线内绘制点。
以下是一个非常人为的例子。
下面的逻辑图表明该模型与数据的拟合度较差，因为点在垂直位置上的分布并不均匀。
下面的逻辑图显示该模型很好地适合数据，因为点在垂直位置上均匀分布。
下面是绘制上面两个图的脚本。
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>
