| Conférencier |
Transcription |
| Caleb King |
Bonjour, je m'appelle Caleb King et je suis développeur chez JMP Software. Je fais partie du groupe de conception d'expériences, mais aujourd'hui, je vais… |
| |
un peu hors sujet et parlons de la façon dont vous pouvez utiliser les graphiques et certains des autres outils de JMP pour vous aider à raconter visuellement vos données. |
| |
Maintenant, l'ensemble de données que j'ai choisi est un... pour illustrer cela, il s'agit des données sur les crimes haineux collectées par le FBI, donc peut-être un ensemble de données un peu controversé, mais aussi assez pertinent par rapport à ce qui se passe. |
| |
Et mon objectif est de rendre cela plus illustratif, donc je vais parcourir quelques graphiques que j'ai créés précédemment. |
| |
pour cet ensemble de données. Je ne vais pas forcément vous montrer comment j'ai réalisé les graphiques, mais mon objectif est de vous montrer comment utiliser JMP. |
| |
pour, comme je l'ai dit, la narration visuelle, alors utilisez l'interactivité pour aider à guider les gens qui regardent les graphiques et interagissent avec eux |
| |
Vous pourrez peut-être poser davantage de questions et répondre à certaines d'entre elles au fur et à mesure. Encouragez l'exploration des données, c'est notre raison d'être chez JMP. |
| |
Ceci étant dit, entrons directement dans le vif du sujet. |
| |
Je vais d'abord vous donner un aperçu de l'ensemble de données lui-même, en le parcourant. Il y a beaucoup d'informations sur |
| |
où les incidents ont eu lieu. |
| |
Au fur et à mesure que nous avançons, nous avons quelques informations sur les auteurs de l'incident. |
| |
et quel délit, quel type de délit a été commis. Encore quelques informations de base, quel type de partialité a été présent lors de l'incident. Quelques informations sur les victimes. |
| |
Et la catégorie de discrimination globale, ainsi que quelques informations supplémentaires sur la latitude et la longitude, si elles sont disponibles, ainsi que sur la population, que j'utiliserai pour d'autres graphiques. Pour être clair, |
| |
le FBI, c'est-à-dire le Bureau fédéral d'enquête des États-Unis, définit un crime de haine comme tout |
| |
Infraction criminelle motivée par des préjugés contre un groupe particulier. Ces préjugés peuvent être raciaux, religieux, sexuels, identitaires, etc. |
| |
Ainsi, tant qu'un crime est motivé par un préjugé particulier, il est considéré comme un crime haineux, et ces données comprennent tous les incidents qui ont été commis. |
| |
recueillies par le FBI, remontant jusqu'en 1991 et jusqu'en 2019. Je n'ai pas de données pour 2020, aussi intéressantes que cela puisse être, |
| |
Mais c'est parce que le FBI aime prendre son temps et s'assurer que les données sont soigneusement nettoyées et préparées avant de rédiger ses rapports. |
| |
vous pouvez être assuré que ces données sont assez précises, compte tenu du temps et des efforts qu'ils consacrent à s'assurer qu'elles le sont. |
| |
Très bien, commençons par un résumé visuel simple des données. Je vais commencer par exécuter ce petit script de table. Il nous donne simplement |
| |
Un décompte au fil des jours, indiquant ainsi le nombre d'incidents survenus chaque jour, selon un biais particulier. À partir de là, je vais créer un graphique de base, ici un simple graphique linéaire. |
| |
Ici, le nombre d'incidents quotidiens est indiqué sur toute la période. Vous pouvez donc visualiser l'ensemble des données de 1991 à 2019. |
| |
et le nombre d'incidents survenus. En soi, cela constituerait probablement une bonne image statique, car cela donne une idée de |
| |
Où se situe le nombre d'incidents ? Je vais modifier légèrement les paramètres de l'axe. Voyons, nous avons des incréments de 50 secondes ; incrémentons-les de 20 secondes. Et voilà. |
| |
Il y a donc un peu d'interactivité pour vous… d'interaction. Nous avons modifié les échelles pour affiner le tout et avoir une meilleure idée de |
| |
Combien d'incidents y a-t-il en moyenne ? J'ai effectué une petite distribution et, en moyenne, environ 20 incidents par jour. |
| |
Vous vous demandez sans doute pourquoi je n'ai pas encore abordé les deux pics observés dans les données. |
| |
Donc oui, il y a clairement deux pics très hauts. Et donc, si c'était |
| |
Pour tout autre type de logiciel, vous pourriez dire : « OK, j'aimerais bien m'y intéresser. » Vous revenez donc aux données que vous essayez et… |
| |
Il faut savoir où se situent ces dates et peut-être essayer de présenter des graphiques ou de faire des analyses pour montrer ce qui se passe à cet endroit. Eh bien, c'est JMP, et nous avons quelque chose qui peut |
| |
Pour vous aider, nous avons introduit ce système dans JMP 15, appelé graphlets, et cela fonctionne comme ceci : je survole l'objet et ça fait boum. |
| |
Un petit graphique est apparu pour résumer plus précisément la situation à ce stade. Dans ce cas précis, les informations sont nombreuses. |
| |
Nous remarquerons d'abord la date du 1er mai 1992. Donc, si vous êtes familier avec l'histoire américaine, vous savez peut-être ce qui se passe ici, mais sinon, |
| |
Vous pouvez obtenir un indice supplémentaire en cliquant sur le graphique. Vous verrez que je vous montre |
| |
Les incidents sont classés selon leur nature particulière. On constate donc que la plupart des incidents visaient des personnes blanches, suivies des Noirs ou des Afro-Américains, et ainsi de suite. |
| |
Je donne en quelque sorte la réponse ici, dans la mesure où les incidents qui ont eu lieu à cette époque étaient les émeutes de Rodney King en Californie. Rodney King, |
| |
un individu afro-américain qui a malheureusement été tué par un policier, ce qui a provoqué de nombreuses réactions négatives et des émeutes. |
| |
À cette époque. Voilà ce que nous observons dans ce point de données précis. Si vous ne le saviez pas, vous auriez au moins ces informations pour commencer à chercher en ligne et comprendre ce qui s'est passé. |
| |
On peut faire la même chose ici avec un pic très important. Là encore, j'utiliserai le graphique à survol : survolez-le. Je marque une pause pour vous permettre de regarder. Nous regardons donc la date, le 12 septembre 2001. C'est en soi un indice très important. |
| |
quant à ce qui s'est passé. Mais si nous regardons ici la répartition, nous pouvons voir que la plupart des incidents ont été commis contre des personnes de confession musulmane, |
| |
L'origine ethnique arabe ou une autre origine ethnique ou ascendance similaire. Dans ce cas, on voit clairement |
| |
qu'après les événements malheureux du 11 septembre, les attaques terroristes qui ont eu lieu alors, il y a eu le lendemain, beaucoup de réactions négatives contre |
| |
des membres qui étaient d’origine ethnique similaire, de confession similaire, etc., nous avons donc eu une réaction négative malheureuse à ce moment-là. |
| |
Donc, avec seulement cette intrigue et une partie de cette interactivité, nous avons pu glaner beaucoup d'informations, beaucoup d'informations de haut niveau dans des domaines où vous pourriez vouloir approfondir vos recherches. |
| |
Mais nous pouvons continuer. Nouveauté dans JMP 16 : grâce à la date sur l'axe des X, nous pouvons regrouper les dates dans une catégorie plus large. Dans ce cas, nous les classons par mois. |
| |
Et on voit que l'intrigue disparaît. Alors voilà ce que je vais faire : je vais la rejouer et on verra. |
| |
Et voilà. |
| |
On ne sait jamais ce qui peut arriver. Dans ce cas, c'est ce qui est censé se passer ; ne vous inquiétez pas. |
| |
Nous avons donc classé les données par mois et avons remarqué une tendance intéressante. Il semble y avoir une tendance saisonnière, et utilisons les graphiques de survol pour nous aider à identifier ce qui pourrait se produire. Je vais donc survoler les points les plus bas. Si je fais cela, |
| |
On voit bien, janvier, décembre, bien. Intéressant. Passons maintenant à un autre, décembre. |
| |
Et encore un autre, décembre. Ah, il se pourrait bien qu'il y ait une tendance saisonnière dans ce cas précis. On semble atteindre des creux en hiver. |
| |
Et en fait, si je reviens à mon tableau de données, je constate que j'ai déjà vu ce phénomène. C'est quelque chose que j'ai découvert en explorant cette technique, et j'ai déjà créé un graphique pour y remédier. |
| |
C'est donc quelque chose que j'ai créé à partir de cela, en quelque sorte, regardez, vous savez, quelle est la variation du nombre d'incidents au cours de toutes les années au cours de ce mois. |
| |
Et ici, nous pouvons voir les tendances moyennes, mais nous voyons également beaucoup de variations, en particulier ici en septembre en raison de cet énorme pic là-bas. |
| |
Il nous faudrait peut-être quelque chose de plus approprié. J'ouvre le panneau de configuration et, eh bien, choisissons la médiane. C'est plus fiable, et examinons peut-être l'écart interquartile, pour obtenir une valeur un peu plus fiable. |
| |
des métriques avec lesquelles jouer. |
| |
Et donc, encore une fois, nous voyons que les tendances saisonnières, il semble donc qu'il y ait certainement une forte baisse au cours des mois d'hiver. |
| |
par opposition à un pic au printemps et en été. |
| |
c'est peut-être quelque chose que quelqu'un voudrait examiner de plus près et rechercher pourquoi cela se produit. |
| |
Vous avez peut-être vos propres explications. Personnellement, je crois que l'esprit de Noël est si puissant qu'il surpasse toute haine ou tout préjugé que les individus pourraient avoir en décembre. |
| |
Encore une fois, ce n'est que ma préférence personnelle, vous avez probablement la vôtre. Mais encore une fois, avec une seule intrigue, j'ai pu découvrir cette tendance et |
| |
Créer une autre intrigue pour explorer cela plus en profondeur. Donc, avec cette seule intrigue, j'ai encouragé davantage de recherches. Et nous pouvons continuer. |
| |
Voyons voir, classons-les par année, et si nous faisons cela, nous pouvons clairement voir ce genre de tendance générale. |
| |
Nous observons donc une sorte de pic à la fin des années 90, vers le début des années 2000, avant de chuter, vous savez, de manière presque linéaire, |
| |
Jusqu'à atteindre son point médian vers le milieu des années 2010, avant de repartir à la hausse. Gardez cela à l'esprit : vous pourriez observer des tendances similaires dans d'autres graphiques que nous présentons. Mais prenons un peu de recul et réalisons que, dans ce graphique, nous avons observé des variations différentes. |
| |
aspects des données. Nous avons même |
| |
Nous avons répondu à quelques questions, mais nous en avons peut-être aussi soulevé d'autres. D'où vient cette tendance saisonnière ? |
| |
Et si vous ne saviez pas quels étaient ces événements dont je vous ai parlé, sachez-le. C'est là tout l'intérêt de l'interactivité des graphiques JMP : elle permet à l'utilisateur de s'engager et d'explorer, et encourage tout cela au sein d'un seul et même support. |
| |
D'accord. |
| |
Continuons. J'ai mentionné qu'il s'agissait d'une sorte de narration visuelle, donc on peut considérer cela comme un prologue, une sorte de vue d'ensemble. Qu'est-ce que… qu'est-ce que |
| |
Quelle est la situation générale ? Regardons maintenant les différents acteurs. |
| |
Autrement dit, qui commet ce type d'infractions ? Contre qui ? Quelles informations pouvons-nous obtenir à ce sujet ? |
| |
J'ai créé, encore une fois, un graphique pour répondre à cette question. Ceci pourrait être un bon début. J'ai créé ici une carte thermique. |
| |
Cela met ensuite l'accent sur les chefs d'accusation, dans ce cas précis, en fonction de l'origine ethnique du délinquant, par opposition à ses préjugés particuliers. On voit donc que |
| |
Beaucoup de choses se passent. Dans ce cas, j'ai trié les colonnes pour que l'on puisse voir qu'il se passe beaucoup de choses. La plupart se trouvent ici, en haut. |
| |
Dans le coin gauche, il ne se passe pas grand-chose ici, ce qui est une bonne nouvelle. Il y a beaucoup de biais, mais il ne se passe pas grand-chose, la plupart du temps, dans ce coin. |
| |
L'intrigue pourrait être intéressante, mais il y a beaucoup d'espace libre. On pourrait donc jouer avec les éléments pour essayer de mettre en valeur ce qui se passe. Une façon de procéder est de me rendre ici, sur l'axe des X, et de dimensionner par comptage. |
| |
Vous verrez, j'avais quelque chose de caché en coulisses. J'avais en fait mis une étiquette, une étiquette de pourcentage, par-dessus. |
| |
Il se passait tellement de choses avant qu'on ne pouvait même pas les voir, mais maintenant, on peut voir certaines de ces informations. C'est une façon plutôt simple de les résumer, plutôt que de les compter. |
| |
Mais même avec la simple visualisation, on voit clairement que la majorité des préjugés touchent les citoyens noirs ou afro-américains, puis les Juifs, et ainsi de suite jusqu'à ce qu'il n'y en ait presque plus. Donc, un simple examen de l'axe des abscisses fournit de nombreuses informations sur la situation. |
| |
Nous pouvons faire la même chose avec le Y, donc encore une fois, la taille par le compte. |
| |
Et encore une fois, il y a beaucoup d'informations contenues dans la taille et la façon dont j'ai ajusté les axes. |
| |
Et dans ce cas-ci, nous avons vraiment mis l'accent sur ce coin, pour bien voir qui sont les meilleurs joueurs. Dans ce cas-ci, la plupart des |
| |
les délinquants sont de race blanche ou inconnue contre les Afro-Américains, le suivant contre les Juifs, puis |
| |
anti-blanc, puis la valeur continue de baisser. On a donc un bon résumé de ce qui se passe. Vous avez peut-être remarqué qu'en survolant la zone, on voit notre petit cercle. C'est mon indicateur graphique, donc j'ai un outil ici. |
| |
Nous avons interagi un peu et encore une fois, cela pourrait être une excellente image statique, mais utilisons la puissance de JMP, en particulier ces graphslets, |
| |
pour interagir et voir quelles informations supplémentaires nous pouvons obtenir. Dans ce cas, je vais survoler cette page. |
| |
Et juste ici, un graphique, en l'occurrence un diagramme à barres dense, offert par notre expert en graphes Xan Gregg. Ici, non seulement vous pouvez voir, vous savez, |
| |
Quelles personnes commettent ces délits et contre qui ? Votre question suivante aurait pu être : quels types de délits sont commis ? Eh bien, avec un graphique, j’y ai répondu. |
| |
Nous pouvons voir ici le plus grand... le type d'infraction le plus répandu est l'intimidation, suivie par les agressions simples et aggravées, puis le reste, c'est la beauté du graphique à barres rempli. |
| |
On peut voir tous les autres types d'infractions commises. Si on les superpose, elles ne sont même pas comparables. Elles ne se classent même pas parmi les trois premières. |
| |
Cela vous en dit donc beaucoup sur les types de... ces types d'infractions, sur leur prédominance. |
| |
Maintenant, une autre question que vous pourriez avoir est, d'accord, nous avons vu les acteurs, nous avons vu les actions qu'ils entreprennent, |
| |
Mais il y a une dimension temporelle à cela. Évidemment, cela se produit progressivement. Est-ce une constante ? Y a-t-il eu une évolution des tendances ? Eh bien, |
| |
N'ayez crainte. Les graphlets viennent à nouveau à la rescousse. Dans ce cas précis, je peux vous montrer ces tendances. Nous voyons ici comment |
| |
Types de… Le nombre d'incidents d'intimidation a-t-il évolué au fil du temps ? Et encore une fois, nous constatons que la tendance générale semble suivre. |
| |
Un pic vers la fin des années 90, puis une forte tendance... une baisse presque linéaire jusqu'au milieu des années 2010, avant de connaître une légère hausse plus récemment. |
| |
Et encore une fois, nous pouvons peut-être observer cette tendance et d'autres. Je ne vais pas zoomer, mais vous pouvez voir sur le graphique ces tendances concernant les agressions simples ici et les agressions aggravées également, un peu là. |
| |
Et vous pouvez continuer à explorer. Examinons donc l'inconnu concernant les Afro-Américains et voyons quelle différence il pourrait y avoir. Dans ce cas, nous le voyons clairement. |
| |
qu'il existe deux types d'infractions qui dominent réellement, dans ce cas, la destruction ou les dommages aux biens (ce qui, si vous y réfléchissez, peut avoir du sens ; si vous voyez que votre propriété a été endommagée, il y a de fortes chances que vous ne sachiez pas qui l'a fait) |
| |
et l'intimidation sont les principales. Et encore une fois, vous pouvez… l'avantage, c'est que les étiquettes de survol persistent, ce qui vous permet d'observer les tendances qui s'y dessinent. |
| |
Dans ce cas, on observe deux pics de dégâts : un pic à la fin des années 90 et au début des années 2000, avant de retomber. Quant à l'intimidation, on observe une tendance similaire à celle observée précédemment. |
| |
Encore une fois, dans un seul graphique, il y a beaucoup d'informations contenues et avec lesquelles vous, en tant qu'utilisateur, pouvez interagir pour essayer de mettre l'accent sur certains domaines clés, puis vous, en tant qu'utilisateur, visualisez simplement... en regardant simplement cela et en interagissant avec lui, vous pouvez jouer et glaner beaucoup d'informations. |
| |
D'accord. |
| |
Et continuons. Vous remarquerez que parmi les agences de signalement, la plupart sont des agences municipales ou départementales. |
| |
Des services de police, etc., mais il y a aussi des universités. Il y a peut-être quelqu'un qui serait intéressé par ce qui se passe dans les universités. |
| |
J'ai donc créé ce petit script de table pour répondre à cette question. Cette fois, |
| |
Je viens d'exécuter les scripts de table et j'ai mentionné que je n'irai pas trop dans les coulisses, c'est plus illustratif. |
| |
Je vais vous donner un aperçu, car je souhaite non seulement vous montrer la puissance des graphiques, mais aussi celle du script de table. Si vous connaissez JMP, |
| |
vous savez peut-être, d'accord, le script de table est sympa parce que je peux sauvegarder mes analyses, je peux sauvegarder mes rapports, je peux même l'utiliser pour sauvegarder des graphiques comme je... comme je l'ai fait dans le dernier, donc vous n'avez peut-être pas remarqué que vous pouvez également sauvegarder |
| |
Des scripts pour exécuter des tables supplémentaires, des tables récapitulatives, etc. Laissez-moi vous montrer ce qui se passe derrière. En fait, lorsque j'ai exécuté le script, j'ai créé deux tables de données. |
| |
Vous n'en avez vu qu'un, donc dans ce cas, j'ai d'abord créé le tableau de données qui a sélectionné toutes les universités, puis à partir de ce tableau de données, il a créé un résumé, puis j'ai fermé l'ancien. |
| |
J'ai également ajouté quelques graphiques. Je n'entrerai donc pas trop dans les détails de la configuration, car je préfère m'y attarder pour la prochaine édition. Voici un indice : c'est basé sur une nouvelle fonctionnalité de JMP 16 qui va vraiment vous surprendre. |
| |
Bon, revenons à... excusez-moi... les incidents universitaires. |
| |
Et là encore, j'ai sauvegardé le script de table. Celui-ci nous montrera un graphique. |
| |
Nous retrouvons ici ce graphique à barres dense, qui montre les universités ayant enregistré le plus d'incidents. Ce graphique standard pourrait être assez bon en soi. |
| |
On voit bien quelle université semble connaître le plus d'incidents, et c'est plutôt appréciable de constater qu'il n'y a pas vraiment d'université dominante. On peut quand même s'en prendre aux autres universités. |
| |
Au-dessus d'eux, et personne ne domine l'un ou l'autre. C'est donc en soi une bonne nouvelle, mais il y a aussi une question de temps. |
| |
Est-ce que l'Université du Michigan à Ann Arbor a connu des difficultés tout au long de sa carrière ? Est-ce qu'elle est toujours restée au sommet ? A-t-elle simplement connu une mauvaise année ? Là encore, les graphlets viennent à la rescousse. |
| |
Dans ce cas, |
| |
Vous verrez une intrigue intéressante ici. Vous vous demandez peut-être ce que c'est que ce truc ? On dirait qu'il appartient à un musée Art déco. Quoi… |
| |
Quel genre d'intrigue est-ce ? En fait, on en a déjà vu une. J'utilise simplement une nouveauté sortie dans JMP 16, alors je vais vous donner un aperçu des coulisses. |
| |
Et dans ce cas, on voit qu'il s'agit en fait d'une carte thermique. Tout ce que j'ai fait |
| |
je fais une astuce que j'aime souvent faire, qui consiste à souligner les choses de deux manières différentes, donc non seulement en soulignant les comptes par couleur, ce que vous feriez généralement dans une carte thermique, les blancs sont les entrées manquantes, je peux également maintenant dans JMP 16 souligner par taille. |
| |
Je pense donc que cela nous ramène à la question de la mesure de ces axes. Cela met en évidence certains aspects. On voit donc qu'il y a peut-être un problème avec les incidents contre les Afro-Américains. |
| |
Cela a été assez constant, avec une année particulièrement mauvaise en 2017, contrairement à tous les autres incidents qui se sont produits. |
| |
Il n'y a désormais plus d'étiquettes de survol supplémentaires ici. |
| |
Je vais simplement résumer les données, mais ce n’est pas grave. |
| |
Cela en soi vous donne beaucoup d'informations, c'est donc une nouveauté qui est sortie dans JMP 16 et qui peut à nouveau aider à mettre l'accent sur ce point. |
| |
Et encore une fois, on peut continuer. On peut regarder ce qui se passe dans d'autres universités. Voici un exemple d'université qui semble traverser une période difficile. |
| |
l'Université du Maryland à College Park, mais il y avait aussi une zone où |
| |
les choses allaient vraiment bien, et vous pourriez donc être intéressé de savoir, eh bien, ce qui s'est passé pour que cette période soit si formidable ? |
| |
L'université a-t-elle mis en place quelque chose qui semble avoir entraîné une baisse significative du nombre d'incidents ? Cela mériterait peut-être d'être examiné. |
| |
Et vous pouvez continuer et regarder à nouveau pour voir s'il s'agit d'un problème systémique, comme dans ce cas, il semble qu'il y ait eu une très mauvaise année qui a dominé, mais dans l'ensemble, ils s'en sortaient plutôt bien. |
| |
Ils s'en sortaient plutôt bien. Encore une fois, ça pourrait être un autre cas. Ils ont eu des débuts difficiles, mais récemment, ils s'en sortent plutôt bien. |
| |
et ainsi de suite. Donc, encore une fois, pour souligner cette interactivité, |
| |
et dans ce cas, avec certaines des nouvelles fonctionnalités de JMP 16. Avant de passer à la dernière, j'ai une confession à faire : je suis un peu un passionné de cartes, donc j'aime beaucoup les cartes et tout type d'analyse de données qui s'y rapporte. |
| |
Je ne sais pas pourquoi. Je l'aime vraiment beaucoup et j'ai donc hâte de vous montrer la prochaine, car nous allons maintenant examiner la géographie des incidents. |
| |
Mais je suis également enthousiaste car cela met vraiment en évidence, je crois, la puissance des scripts de table et des graphiques JMP, en particulier les graphiques de survol. |
| |
J'espère que cela vous a enthousiasmé, alors exécutons-le. Ça va prendre un peu de temps, car ce script de table est très complexe. Il crée une nouvelle table et exécute de nombreuses fonctions dans cette table. |
| |
et calculer beaucoup de choses. Ici, nous n'avons pas seulement besoin d'extraire des informations, mais aussi de nombreuses colonnes, vers la fin, qui ont été calculées en coulisses. |
| |
Je vais maintenant prendre un instant pour parler d'un indicateur particulier que je vais utiliser. Il y a quelque temps, j'ai écrit un article intitulé « Le casse-tête du taux de criminalité » sur la communauté JMP (community.jmp.com). |
| |
C'est une publicité éhontée, mais j'ai parlé de la façon dont, vous savez, généralement, lorsque vous signalez des incidents, en particulier des incidents criminels, |
| |
En général, nous savons que vous ne souhaitez pas simplement signaler les chiffres bruts, car |
| |
il pourrait y avoir une certaine zone où il y a un nombre élevé de comptes, un nombre élevé d'incidents, est-ce simplement parce que c'est... il y a un problème là-bas ? |
| |
Ou est-ce simplement parce qu'il y a trop de monde ? On s'attend donc à beaucoup d'incidents, évidemment, vu la foule. |
| |
Les taux de signalement d'incidents sont élevés. C'est une bonne chose, car tout le monde est désormais sur un pied d'égalité. Cependant, cela a pour effet secondaire d'augmenter les taux. |
| |
Les endroits peu peuplés. En effet, si le dénominateur est petit, le ratio aura tendance à être plus élevé. |
| |
Et c'est donc en quelque sorte un effet secondaire malheureux, et donc là, je parle d'un cas intéressant où nous avons un endroit avec une population vraiment petite qui devient vraiment gonflée. |
| |
Et comment certaines personnes gèrent cela. J'ai notamment essayé d'y remédier en utilisant un taux d'incident pondéré. L'idée est la suivante : |
| |
Je prends votre taux d'incident, mais ensuite je vous pondère en fonction, en quelque sorte, de quelle proportion... |
| |
Excusez-moi… en gros, c'est une pondération selon le nombre de personnes présentes. Dans ce cas, j'ai une pondération particulière : je classe les populations. |
| |
Ainsi, le lieu le plus grand aurait le rang du plus petit. Cependant, dans ce cas, il y a 50 États, donc l'État le plus peuplé aurait un rang |
| |
Le rang est de 50 et le plus petit État, de 1. Si vous divisez ce résultat par le rang maximum, vous obtenez en gros votre pondération. C'est une façon de le classer. |
| |
un poids correspondant à votre population totale et l'idée ici est que, si votre taux d'incident est tel qu'il surmonte cette pénalité de poids, si vous voulez, |
| |
Cela signifie que vous pourriez être une personne intéressante à étudier. Il tente donc de contrer |
| |
Cette inflation, simplement due à une population réduite. Si vous êtes encore relativement petit, mais que votre taux d'incidence est suffisamment élevé pour vous permettre de surmonter votre poids, |
| |
Nous pourrions peut-être vous interroger. J'espère que ce n'était pas trop d'informations, mais c'est la mesure que j'utiliserai principalement, alors je vais exécuter le script. |
| |
et |
| |
Et c'est parti. J'ai d'abord un graphique linéaire simple qui montre les taux d'incidents pondérés au fil du temps pour tous les États. |
| |
Je vais maintenant utiliser une nouvelle fonctionnalité. On voit ici que le New Jersey semble dominer. L'interactivité est là encore présente : on peut cliquer pour la mettre en surbrillance. |
| |
Nous avons apporté de nouvelles fonctionnalités, notamment dans JMP 16. Je vais faire un clic droit ici et ajouter des étiquettes. Nous allons donc définir la valeur maximale et la dernière valeur. |
| |
juste pour comparaison. |
| |
Nous pouvons donc voir ici que le pic était d'environ 11,4 incidents pour 1 000 (c'est un taux d'incident pondéré) au début des années 90. |
| |
Et puis nous voyons une tendance à la baisse, encore une fois, il semble baisser à peu près au même rythme que le taux d'incident global avant de commencer à culminer à nouveau ici. |
| |
2019. Donc, encore une fois, avec juste quelques chiffres brefs, cela, en soi, serait un graphique intéressant à regarder, mais comme vous pouvez le voir, mon petit indicateur graphique est en marche, donc il y a plus. |
| |
C'est ici qu'intervient la partie carte. Je vais donc survoler un point particulier. |
| |
Dans ce cas, non seulement |
| |
Pouvez-vous voir le taux global ? Je peux vous le détailler, par comté dans ce cas. J'ai donc coloré ici |
| |
comtés selon le nombre total d'incidents survenus au cours de cette année. L'aspect temporel est également pris en compte : ceci vous donne un aperçu d'une année particulière, en l'occurrence 2008. |
| |
Mais peut-être que vous êtes intéressé par la tendance générale ? Une façon de le faire est de dire : « Voilà des mini-graphiques. » Je pourrais revenir en arrière, survoler un autre point, afficher ce graphique, cliquer dessus pour zoomer. |
| |
Répétez autant de fois que nécessaire. Vous pouvez faire cela ou utiliser cette nouvelle astuce que j'ai découverte en préparant cette présentation. |
| |
Dévoilons… Remarquez ici, sur le côté, un filtre de données locales. C'est la clé de ces graphlets. |
| |
Je vais maintenant passer à l'année et modifier son type de modélisation en nominal plutôt qu'en continu, car maintenant, je peux faire quelque chose comme ça. Je peux réellement parcourir |
| |
et sélectionner des années individuelles ou, maintenant c'est JMP, nous pouvons faire mieux. |
| |
Je vais faire une animation. Je vais aller un peu vite. Je clique sur « Lecture », et je peux me détendre et regarder JMP faire les choses pour moi. |
| |
On peut donc observer le cycle et comprendre ce qui se passe. Je vais le laisser se dérouler un peu. On commence déjà à voir des choses intéressantes se produire ici. |
| |
Laissons les choses se dérouler, voyons la situation dans son ensemble. On veut une vue d'ensemble, pas pour frimer. |
| |
Bon, nous avons parcouru le cycle et nous avons remarqué quelque chose. Revenons donc ici, disons vers 2004-2005. Quelque part, nous avons remarqué que ce comté en particulier semble être mis en évidence. |
| |
Et en fait, vous avez vu mon petit indicateur graphique. Je peux donc le survoler, et là, |
| |
Encore une carte. Vous comprenez maintenant pourquoi je suis si enthousiaste. |
| |
Encore une fois, dans ce cas, je peux réellement vous montrer au niveau du comté, donc au niveau de chaque comté... |
| |
Excusez-moi, laissez-moi… décalons un peu. Voilà. Quelques ajustements mineurs et, encore une fois, vous pouvez voir mon astuce : mettre en valeur les choses de deux manières, par la taille et la couleur. |
| |
Nous pouvons en quelque sorte voir une dispersion au sein du ???, ce sont des emplacements individuels et parce qu'il y a encore cet aspect temporel, |
| |
On sait… maintenant, on est plus clairs. Plus besoin de revenir en arrière, de cliquer et d'obtenir plusieurs graphiques. On peut à nouveau utiliser les astuces de filtrage des données locales. Je peux donc revenir en arrière. Je vais faire |
| |
l'année, et dans ce cas, on peut à nouveau cliquer. Ici, je vais simplement utiliser les touches fléchées de mon clavier pour faire défiler les options. |
| |
Et pour avoir une idée de l'évolution des choses au fil du temps, on observe une zone particulière, que vous avez probablement déjà vue, à partir de 2006-2007. |
| |
Il y a cette zone... celle-ci. |
| |
Keansburg, qui semble être en surbrillance, et vous remarquerez un autre graphique. Jusqu'où voulez-vous aller ? |
| |
Graphception, si vous voulez. |
| |
Nous pouvons |
| |
continuer à descendre de plus en plus loin. Dans ce cas, j'obtiens... Je le décompose en fonction du biais, et encore une fois, je pourrais faire cette astuce si je le voulais, pour parcourir et faire un cycle par année. |
| |
Encore une fois, ces graphiques sont très puissants. Grâce à ce petit graphique, j'ai pu explorer les variations géographiques à l'échelle du comté, et même au-delà. |
| |
Cela permet d'explorer différents aspects des données et de générer davantage de questions. Que se passait-il à Keansburg à cette époque pour que cela se produise ainsi ? |
| |
C'est quelque chose que vous voudriez peut-être savoir. |
| |
Voilà donc tout ce que j'ai pour vous aujourd'hui. J'espère avoir aiguisé votre appétit et avoir pu vous illustrer clairement à quel point la visualisation JMP est puissante pour explorer les données. |
| |
Si vous souhaitez en savoir plus, une conférence plénière sera consacrée à la visualisation des données. Je vous encourage vivement à explorer ce sujet, car il permet d'aborder différentes méthodes de visualisation et d'explorer l'apport de JMP. |
| |
Mais je vous ai promis, à un moment donné, de vous donner un aperçu de la façon dont j'ai pu créer ces scripts de table assez étonnants et je vais le faire maintenant. |
| |
Dans JMP 16, on parle désormais de journal amélioré. C'est l'une des nouvelles fonctionnalités les plus intéressantes de JMP 16. Le journal amélioré suit vos interactions et en assure le suivi. Ainsi, chaque fois que je fermais, dans ce cas précis, une table de données, que j'en ouvrais une autre, que j'en exécutais une autre, |
| |
si j'ajoute une nouvelle colonne, si je crée un nouveau graphique, il est enregistré ici dans le journal. |
| |
C'est un sujet que John Sall abordera lors de sa conférence plénière. C'est, encore une fois, l'une des nouveautés les plus étonnantes. |
| |
Et c'est la clé qui m'a permis de créer ces scripts de tables. Je peux honnêtement dire que sans cela, je n'aurais probablement pas pu créer ces scripts de tables vraiment intéressants, car cela aurait représenté beaucoup de travail. |
| |
Encore une fois, c'est une fonctionnalité vraiment intéressante disponible dans JMP 16. J'espère avoir réussi à vous convaincre que JMP est un excellent outil pour explorer les données et créer des visualisations impressionnantes et interactives. C'est tout. Merci d'être venus. |
