| Lautsprecher |
Transkript |
| Caleb King |
Hallo, mein Name ist Caleb King, ich bin Entwickler bei der JMP-Software. Ich bin in der Gruppe für Versuchsplanung tätig, aber heute werde ich |
| |
Gehen wir etwas vom Thema ab und sprechen wir darüber, wie Sie die Grafiken und einige der anderen Tools in JMP verwenden können, um Ihre Daten visuell zu erzählen. |
| |
Der Datensatz, den ich ausgewählt habe, ist … um das zu veranschaulichen: Es handelt sich um die vom FBI gesammelten Daten zu Hassverbrechen. Es handelt sich also vielleicht um einen etwas kontroversen Datensatz, aber auch ziemlich relevant für das, was passiert ist. |
| |
Und mein Ziel ist es, dies anschaulicher zu gestalten, also werde ich ein paar Grafiken durchgehen, die ich zuvor erstellt habe |
| |
für diesen Datensatz. Und ich werde Ihnen nicht unbedingt zeigen, wie ich die Diagramme erstellt habe, aber der Zweck ist es, Ihnen zu veranschaulichen, wie Sie JMP verwenden können |
| |
für, wie ich sagte, visuelles Storytelling, also nutzen Sie die Interaktivität, um die Leute dazu zu bringen, die Grafiken anzuschauen und mit ihnen zu interagieren |
| |
Vielleicht stellen Sie weitere Fragen, vielleicht beantworten Sie im Laufe der Zeit einige ihrer Fragen. Aber fördern Sie die Datenerkundung, denn darum geht es uns hier bei JMP. |
| |
Nachdem das gesagt ist, legen wir gleich los. |
| |
Ich gebe Ihnen zunächst einen kleinen Überblick über den Datensatz selbst. Ich scrolle einfach hier entlang. Es gibt viele Informationen über |
| |
wo sich die Vorfälle ereigneten. |
| |
Wenn wir weitermachen, und das Datum, nun ja, wann sich der Vorfall ereignet hat. Sie haben ein paar Informationen über die Täter |
| |
und welche Straftat, Art der Straftat wurde begangen. Nochmals einige grundlegende Informationen, welche Art von Voreingenommenheit bei dem Vorfall vorlag. Einige Informationen über die Opfer. |
| |
Und die allgemeine Diskriminierungskategorie. Außerdem habe ich einige zusätzliche Informationen zu Längen- und Breitengraden bereitgestellt, sofern verfügbar. Außerdem werde ich andere Grafiken verwenden. Nur um das klarzustellen: |
| |
Das FBI, das Federal Bureau of Investigation der Vereinigten Staaten, definiert ein Hassverbrechen als |
| |
Straftat, die durch Vorurteile gegenüber einer bestimmten Gruppe motiviert ist. Diese Vorurteile können rassistischer, religiöser, geschlechtlicher, geschlechtlicher Identitätsbezogen usw. sein. |
| |
Solange ein Verbrechen durch eine bestimmte Voreingenommenheit motiviert ist, gilt es als Hassverbrechen, und diese Daten umfassen alle Vorfälle, die |
| |
vom FBI gesammelt, bis zurück ins Jahr 1991 und bis ins Jahr 2019. Ich habe keine Daten aus dem Jahr 2020, so interessant das auch wäre, |
| |
Das liegt aber daran, dass sich das FBI gerne Zeit lässt und sicherstellt, dass die Daten gründlich bereinigt und vorbereitet werden, bevor es seine Berichte erstellt. Also |
| |
Sie können sicher sein, dass diese Daten ziemlich genau sind, wenn man bedenkt, wie viel Zeit und Mühe sie investiert haben, um dies sicherzustellen. |
| |
Okay, damit fangen wir an und erstellen eine einfache visuelle Zusammenfassung der Daten. Ich beginne mit diesem kleinen Tabellenskript. Und das gibt uns im Grunde |
| |
eine Zählung über die Tage, also wie viele Vorfälle sich jeden Tag ereigneten, entsprechend einer bestimmten Tendenz. Daraus erstelle ich ein einfaches Diagramm, in diesem Fall eine Art Liniendiagramm |
| |
Hier wird die Anzahl der Vorfälle angezeigt, die sich täglich über den gesamten Zeitraum ereignen. Sie erhalten also den gesamten Datenbereich von 1991 bis 2019. |
| |
und wie viele Vorfälle aufgetreten sind. Nun, das an und für sich wäre wahrscheinlich ein gutes statisches Bild, weil man irgendwie ein Gefühl dafür bekommt, |
| |
wo die Anzahl der Vorfälle liegt. Ich werde hier die Achseneinstellungen ein wenig ändern. Mal sehen, wir haben 50er-Schritte, also machen wir es in 20er-Schritten. So, das war's. |
| |
Es gibt also ein wenig Interaktivität für Sie ... Interaktion. Wir haben die Skalen geändert, um sie zu verfeinern und ein besseres Gefühl dafür zu bekommen |
| |
wie viele Vorfälle es im Durchschnitt gibt. Ich habe eine kleine Verteilung durchgeführt und im Durchschnitt etwa 20 Vorfälle pro Tag |
| |
die wir hier sehen. Jetzt fragen Sie sich wahrscheinlich, warum ich die beiden Spitzen, die wir in den Daten sehen, noch nicht angesprochen habe. |
| |
Also ja, es gibt eindeutig zwei wirklich hohe Stacheln. Und wenn das so wäre |
| |
Bei jeder anderen Art von Software könnte man sagen: „Okay, das würde ich mir gerne mal ansehen.“ Also greifen Sie auf die Daten zurück, die Sie testen, und Sie |
| |
wissen, isolieren, wo diese Daten sind und vielleicht versuchen, einige Diagramme zu präsentieren oder eine Analyse durchzuführen, um zu zeigen, was dort vor sich geht. Nun, das ist JMP und wir haben etwas, das |
| |
Helfen Sie dabei. Wir haben es in JMP 15 eingeführt und nennen es Graphlets. Es funktioniert folgendermaßen: Ich schwebe einfach darüber und bumm. |
| |
Ein kleines Diagramm hilft dabei, die Vorgänge an diesem Punkt noch besser zusammenzufassen. In diesem Fall gibt es also eine Menge Informationen. |
| |
Wir werden zuerst das Datum beachten, den 1. Mai 1992. Wenn Sie also mit der amerikanischen Geschichte vertraut sind, wissen Sie vielleicht, was hier passiert, aber wenn nicht, |
| |
Sie können einen kleinen zusätzlichen Hinweis erhalten, indem Sie auf die Grafik klicken. Sie werden sehen, dass ich Ihnen |
| |
die Vorfälle nach der jeweiligen Voreingenommenheit des Vorfalls. Wir sehen hier also, dass sich die meisten Vorfälle gegen Weiße richteten, die nächste Gruppe dann Schwarze oder Afroamerikaner waren und so geht es weiter. |
| |
Ich verrate hier schon die Antwort: Die Vorfälle, die sich zu dieser Zeit ereigneten, waren die Rodney-King-Unruhen in Kalifornien. Rodney King, |
| |
ein Afroamerikaner, der unglücklicherweise von einem Polizisten getötet wurde, was zu heftigen Gegenreaktionen und Unruhen führte |
| |
ungefähr zu dieser Zeit. Das ist es also, was wir in diesem speziellen Datenpunkt erfasst sehen, und wenn Sie das nicht wüssten, hätten Sie zumindest diese Information, um zu versuchen, dort zu suchen ... online zu suchen, um herauszufinden, was passiert ist. |
| |
Dasselbe können wir hier mit einem sehr großen Spike machen. Auch hier verwende ich das Hover-Graphlet, also fahren Sie mit der Maus darüber. Ich halte kurz inne, damit Sie es sich ansehen können. Wir betrachten also das Datum, den 12. September 2001. Das ist an sich schon ein sehr wichtiger Hinweis |
| |
was passiert ist. Aber wenn wir uns hier die Aufschlüsselung ansehen, können wir sehen, dass die meisten Vorfälle gegen Personen muslimischen Glaubens gerichtet waren, von |
| |
Arabische Ethnizität oder eine andere Art ähnlicher Ethnizität oder Abstammung. In diesem Fall können wir deutlich sehen |
| |
dass es nach den bedauerlichen Ereignissen des 11. September, den Terroranschlägen, die sich damals ereigneten, am darauffolgenden Tag eine große Gegenreaktion gegen |
| |
Es gab Mitglieder ähnlicher ethnischer Herkunft, ähnlichen Glaubens usw., und so kam es damals zu einer bedauerlichen Gegenreaktion. |
| |
Schon allein mit diesem einen Diagramm und einigen dieser interaktiven Elemente konnten wir eine Menge Informationen gewinnen, viele hochrangige Informationen in Bereichen, in denen Sie vielleicht genauer hinschauen möchten. |
| |
Aber wir können weitermachen. Eine Neuerung in JMP 16 ist, dass wir die Daten, da wir hier auf der X-Achse ein Datum haben, in eine größere Kategorie einteilen können. In diesem Fall sortieren wir sie also nach Monat. |
| |
Und wir sehen, dass die Handlung verschwindet. Also werde ich Folgendes tun. Ich werde es noch einmal abspielen und mal sehen. |
| |
Da haben wir es. |
| |
Man weiß nie, was passieren wird. In diesem Fall ist es also so, wie es sein soll. Keine Sorge. |
| |
Wir haben es nach Monaten sortiert und dabei ein interessantes Muster festgestellt. Es scheint eine Art saisonaler Trend zu geben. Die Hover-Grafiken helfen uns dabei, die Ursache zu identifizieren. Ich fahre mit der Maus über die unteren Punkte. Wenn ich das mache, |
| |
wir sehen, okay, Januar, Dezember, okay. Interessant. Lassen Sie uns über ein anderes Element schweben, Dezember. |
| |
Und noch eins: Dezember. Ah, hier könnte es tatsächlich einen saisonalen Trend geben. In den Wintermonaten scheinen wir Tiefpunkte zu erreichen. |
| |
Und wenn ich mir meine Datentabelle noch einmal ansehe, sehe ich, dass ich das schon einmal gesehen habe. Ich habe es entdeckt, als ich diese Technik ausprobiert habe, und ich habe bereits ein Diagramm erstellt, um das zu verdeutlichen. |
| |
Das hier habe ich also auf dieser Grundlage erstellt, um zu sehen, wie sich die Anzahl der Vorfälle im Laufe der Jahre innerhalb dieses Monats verändert hat. |
| |
Und hier können wir die durchschnittlichen Trends sehen, aber wir sehen auch große Abweichungen, insbesondere hier im September aufgrund des enormen Anstiegs dort. |
| |
Vielleicht brauchen wir etwas Passenderes. Ich öffne das Bedienfeld und wähle den Median. Das ist robuster. Vielleicht schauen wir uns den Interquartilsabstand an, damit wir etwas robuster sind. |
| |
Metriken zum Spielen. |
| |
Und so sehen wir wieder, dass saisonale Trends, also scheint es, dass es definitiv einen großen Rückgang in den Wintermonaten gibt |
| |
im Gegensatz zu den Höhepunkten in den Frühlings- und Sommermonaten. Jetzt |
| |
Dies ist möglicherweise etwas, das jemand genauer untersuchen und erforschen möchte, warum das passiert. |
| |
Sie haben vielleicht Ihre eigenen Erklärungen. Meine persönliche Erklärung ist, dass ich glaube, dass der Weihnachtsgeist so kraftvoll ist, dass er jeden Hass und jedes Vorurteil überwindet, das die Menschen im Dezember hegen. |
| |
Auch das ist nur meine persönliche Präferenz, Sie haben wahrscheinlich Ihre eigene. Aber auch hier konnte ich mit nur einem einzigen Grundstück diesen Trend entdecken und |
| |
Erstellen Sie ein weiteres Diagramm, um das weiter zu erforschen. Mit nur diesem einen Diagramm habe ich weitere Forschung angeregt. Und wir können weitermachen. |
| |
Sehen wir also nach, sortieren wir es nach Jahren, und wenn wir das tun, können wir diese Art von Gesamttrend deutlich erkennen. |
| |
Wir sehen also eine Art Höhepunkt in den späten 90ern, Anfang der 2000er, bevor es fast linear abfällt. |
| |
bis er Mitte der 2010er Jahre seinen Mittelpunkt erreicht, bevor er wieder zu steigen beginnt. Bedenken Sie also, dass Sie in anderen Diagrammen, die wir zeigen, ähnliche Trends sehen könnten. Aber lassen Sie uns noch einmal einen Schritt zurückgehen und uns bewusst machen, dass wir in diesem Diagramm unterschiedliche |
| |
Aspekte der Daten. Wir haben sogar |
| |
Wir haben einige Fragen beantwortet, aber vielleicht auch noch ein paar mehr angesprochen. Was hat es mit diesem saisonalen Trend auf sich? |
| |
Und falls Sie nicht wussten, welche Ereignisse ich Ihnen beschrieben habe, wissen Sie, was genau das für Ereignisse waren. Das Schöne an der Interaktivität von JMP-Grafiken ist, dass sie dem Benutzer die Möglichkeit gibt, sich zu engagieren und zu erkunden, und zwar innerhalb eines einzigen Mediums. |
| |
In Ordnung. |
| |
Weiter geht's. Wie ich bereits erwähnt habe, handelt es sich um eine Art visuelles Geschichtenerzählen. Man kann es sich als eine Art Prolog vorstellen, als eine Art Gesamtüberblick. Was ist... was ist |
| |
Wie ist die Gesamtsituation? Schauen wir uns nun die Akteure an, |
| |
das heißt, wer begeht diese Art von Straftaten? Gegen wen werden sie begangen? Welche Informationen können wir darüber herausfinden? Also, hier habe ich |
| |
Ich habe wieder ein Diagramm erstellt, um diese Frage zu beantworten. Das könnte ein guter Anfang sein. Hier habe ich eine Heatmap erstellt |
| |
Dies unterstreicht dann die Bedeutung der Rasse des Täters gegenüber seiner besonderen Voreingenommenheit. Wir sehen also, dass |
| |
viel von dem, was passiert, in diesem Fall habe ich die Spalten sortiert, damit wir sehen können, dass viel los ist. Das meiste davon ist hier in diesem oberen |
| |
linke Ecke und hier unten ist nicht allzu viel los, was, wie ich vermute, eine gute Nachricht ist. Es gibt viele Vorurteile, bei denen nicht viel passiert, das meiste passiert hier in dieser Ecke. |
| |
Das könnte ein gutes Diagramm sein, aber auch hier gibt es viel Freiraum. Wir können also ein wenig experimentieren, um das Geschehen zu verdeutlichen. Eine Möglichkeit hierfür ist, hier auf die X-Achse zu gehen und die Größe anhand der Anzahl zu bestimmen. |
| |
Sie werden sehen, dass ich hinter den Kulissen etwas versteckt hatte. Ich hatte tatsächlich eine Beschriftung, eine Prozentbeschriftung, darüber angebracht. |
| |
Vorher war einfach so viel los, dass man es nicht einmal sehen konnte, aber jetzt können wir einige dieser Informationen tatsächlich sehen. Also eine nette Art, es zusammenzufassen, im Gegensatz zu Zählungen. |
| |
Aber selbst anhand der Visualisierung können wir deutlich erkennen, dass die größte Voreingenommenheit gegenüber schwarzen oder afroamerikanischen Bürgern besteht, dann gegenüber Juden und so weiter, bis hier unten kaum noch etwas zu spüren ist. Allein ein Blick auf die X-Achse gibt uns also viele Informationen darüber, was vor sich geht. |
| |
Dasselbe können wir mit dem Y machen, also wieder die Größe nach Anzahl. |
| |
Und auch hier sind allein die Größe und die Art und Weise, wie ich die Achsen angepasst habe, viele Informationen enthalten. |
| |
Und in diesem Fall haben wir diese Ecke besonders hervorgehoben, damit wir deutlich sehen können, wer die Top-Spieler sind. In diesem Fall ist das meiste davon |
| |
Täter sind weißer oder unbekannter Rasse gegen Afroamerikaner, der nächste gegen Juden, und dann |
| |
Anti-Weiß und dann fällt es einfach weiter ab. So erhalten wir hier eine nette kleine Zusammenfassung dessen, was passiert. Vielleicht ist Ihnen aufgefallen, dass wir beim Bewegen der Maus unseren kleinen Kreis sehen. Das ist mein Graphlet-Indikator, also habe ich hier wieder ein Werkzeug. |
| |
Wir haben ein wenig interagiert und das könnte ein tolles statisches Bild sein, aber nutzen wir die Leistungsfähigkeit von JMP, insbesondere die Graphlets, |
| |
um zu interagieren und zu sehen, welche weiteren Informationen wir herausfinden können. In diesem Fall werde ich hier rüberfahren. |
| |
Und hier ist ein Diagramm, in diesem Fall ein gepacktes Balkendiagramm, mit freundlicher Genehmigung unseres Diagramm-Gurus Xan Gregg. In diesem Fall können Sie nicht nur sehen, wissen Sie, |
| |
Welche Personen begehen diese Straftaten und gegen wen? Ihre nächste Frage wäre vielleicht gewesen: Welche Arten von Straftaten werden begangen? Nun, mit einem Graphlet habe ich diese Frage für Sie beantwortet. |
| |
Wir können hier sehen, dass die größte ... die überwiegende Art von Straftat Einschüchterung ist, gefolgt von einfacher und schwerer Körperverletzung und dann dem Rest davon. Das ist das Schöne an dem gepackten Balkendiagramm. |
| |
Wir können alle anderen Arten von Straftaten sehen, die begangen werden. Wenn man sie alle übereinander stapelt, sind sie nicht einmal vergleichbar. Sie erreichen nicht einmal die Top 3. |
| |
Das sagt viel über die Art dieser Straftaten und darüber aus, wie häufig sie vorkommen. |
| |
Eine andere Frage, die Sie vielleicht haben, ist: Okay, wir haben die Schauspieler gesehen, wir haben gesehen, was sie tun, |
| |
Aber es gibt einen zeitlichen Aspekt. Offensichtlich geschieht dies im Laufe der Zeit. War dies also eine konstante Entwicklung? Gab es eine Trendwende? Nun, |
| |
Keine Angst. Graphlets helfen wieder. In diesem Fall kann ich Ihnen diese Trends tatsächlich zeigen. Hier können wir also sehen, wie sich die |
| |
Arten von ... hat sich die Anzahl der Einschüchterungsvorfälle im Laufe der Zeit verändert? Und wieder sehen wir, dass das Muster dem allgemeinen Trend zu folgen scheint. |
| |
Ein Höhepunkt etwa in den späten 90er Jahren und dann der steile Trend ... ein fast linearer Rückgang bis etwa Mitte der 2010er Jahre, bevor es in jüngster Zeit wieder zu einem leichten Aufwärtstrend kam. |
| |
Und vielleicht können wir diesen und andere Trends wieder erkennen. Ich werde nicht klicken, um hineinzuzoomen, aber Sie können an der Darstellung hier die Trends bei einfacher Körperverletzung hier und auch ein wenig bei schwerer Körperverletzung dort erkennen. |
| |
Und Sie können weiter forschen. Schauen wir uns also die Unbekannten gegenüber Afroamerikanern an und sehen wir, welche Unterschiede es dort geben könnte. In diesem Fall können wir deutlich sehen |
| |
dass es zwei Arten von Straftaten gibt, die wirklich dominieren, in diesem Fall Zerstörung oder Beschädigung von Eigentum (was, wenn man darüber nachdenkt, Sinn ergeben könnte; wenn Sie sehen, dass Ihr Eigentum beschädigt wurde, besteht eine gute Chance, dass Sie nicht wissen, wer es getan hat) |
| |
und Einschüchterung sind die vorherrschenden. Und Sie können auch hier … das Schöne daran ist, dass die Hover-Labels gewissermaßen bestehen bleiben, sodass Sie erneut nachsehen und sehen können, welche Trends sich dort abzeichnen. |
| |
In diesem Fall sehen wir also, dass es bei den Schäden tatsächlich zwei Spitzen gibt. Der Höhepunkt war hier Ende der 90er und Anfang der 2000er Jahre, bevor er wieder abfiel. Und bei der Einschüchterung sehen wir einen ähnlichen Trend wie zuvor. |
| |
Auch hier sind in nur einer Grafik zahlreiche Informationen enthalten, mit denen Sie als Benutzer interagieren können, um bestimmte Schlüsselbereiche hervorzuheben. Und dann können Sie als Benutzer einfach visualisieren ... indem Sie sich dies nur ansehen und damit interagieren, können Sie herumspielen und eine Menge Informationen gewinnen. |
| |
In Ordnung. |
| |
Und weiter geht's. Sie werden feststellen, dass die meisten der Meldestellen auf Stadt-/Kreisebene angesiedelt sind. |
| |
Polizeidienststellen und so weiter, aber es gibt hier auch einige Universitäten. Es könnte also jemanden da draußen geben, der daran interessiert ist, zu sehen, was an den Universitäten passiert. |
| |
Und deshalb habe ich dieses nette kleine Tabellenskript erstellt, um diese Frage zu beantworten. Dieses Mal |
| |
Ich habe gerade die Tabellenskripte ausgeführt und erwähnt, dass ich nicht zu sehr hinter die Kulissen gehen werde, dies dient eher der Veranschaulichung. |
| |
Hier möchte ich Ihnen einen kleinen Einblick geben, denn ich möchte Ihnen nicht nur die Leistungsfähigkeit der Grafiken, sondern auch die des Tabellenskripts zeigen. Wenn Sie mit JMP vertraut sind, |
| |
Sie wissen vielleicht, okay, das Tabellenskript ist gut, weil ich meine Analysen speichern kann, ich kann meine Berichte speichern, ich kann es sogar verwenden, um Grafiken zu speichern, wie ich... wie ich es im letzten getan habe, also haben Sie vielleicht nicht bemerkt, dass Sie auch speichern können |
| |
Skripte zum Ausführen zusätzlicher Tabellen und Übersichtstabellen usw. Lassen Sie mich Ihnen zeigen, was hier alles im Hintergrund passiert. Tatsächlich habe ich beim Ausführen des Skripts zwei Datentabellen erstellt. |
| |
Sie haben nur eine gesehen. In diesem Fall habe ich also zuerst die Datentabelle erstellt, in der alle Universitäten ausgewählt wurden. Anschließend wurde aus dieser Datentabelle eine Zusammenfassung erstellt und anschließend habe ich die alte geschlossen. |
| |
Und dann habe ich auch noch ein paar Grafiken hinzugefügt. Ich werde hier nicht zu sehr ins Detail gehen, wie ich das eingerichtet habe, denn das hebe ich mir für den nächsten Teil auf. Ich gebe Ihnen einen Hinweis. Er basiert auf einer neuen Funktion in JMP 16, die Sie wirklich begeistern wird. |
| |
Also gut, kommen wir zurück zu ... entschuldigen Sie ... den Vorfällen an der Universität. |
| |
Und hier habe ich wieder das Tabellenskript gespeichert. Dieses zeigt uns eine Grafik. |
| |
Hier sehen wir wieder das gepackte Balkendiagramm. Ich zeige Ihnen, an welchen Universitäten die meisten Vorfälle auftraten. Auch dies an sich dürfte eine recht gute Standardgrafik sein. |
| |
Man kann sehen, an welcher Universität die meisten Vorfälle passieren, und es ist auch schön zu sehen, dass es keine wirklich dominierende Universität gibt. Man kann die anderen Universitäten immer noch packen |
| |
an der Spitze, und keiner dominiert den einen oder anderen. Das ist an und für sich eine gute Nachricht, aber es gibt auch einen Zeitaspekt. Also |
| |
Waren das vielleicht... hatte die University of Michigan Ann Arbor die ganze Zeit über Probleme? Hätten sie... wären sie immer an der Spitze geblieben? Hatten sie einfach ein schlechtes Jahr? Auch hier helfen Graphlets. |
| |
In diesem Fall, |
| |
Sie werden hier eine interessante Handlung sehen. Sie könnten sagen: „Was ist das für ein Ding?“ Das sieht aus, als gehöre es in ein Art-déco-Museum. Was … |
| |
Was ist das für eine Handlung? Nun, eigentlich kennen wir sie schon. Ich verwende lediglich eine Neuerung aus JMP 16 und gewähre euch einen Blick hinter die Kulissen. |
| |
Und in diesem Fall können wir sehen, dass es sich tatsächlich um eine Heatmap handelt. Alles, was ich getan habe |
| |
Ich wende einen Trick an, den ich oft gerne anwende, nämlich die Dinge auf zwei verschiedene Arten hervorzuheben. Ich hebe die Zählungen nicht nur farblich hervor, was man normalerweise in einer Heatmap macht (die weißen Stellen sind die fehlenden Einträge), sondern ich kann sie in JMP 16 jetzt auch nach Größe hervorheben. |
| |
Und ich denke, das führt uns wieder zurück zu der Achsendimensionierung von vorhin. Es hebt bestimmte Bereiche hervor. Hier sehen wir also, dass es vielleicht ein kleines Problem mit Vorfällen gegen Afroamerikaner gibt. |
| |
das war ziemlich konstant, mit einem besonders schlimmen Jahr, offenbar im Gegensatz zu allen anderen Vorfällen, die sich ereignet haben. |
| |
Jetzt gibt es hier keine zusätzlichen Hover-Labels. |
| |
Ich werde die Daten nur zusammenfassen, aber das ist in Ordnung. |
| |
Dies allein liefert Ihnen bereits eine Menge Informationen. Dies ist also eine Neuerung in JMP 16, die bei dieser Hervorhebung erneut helfen kann. |
| |
Und wir können noch weitermachen. Wir können uns andere Universitäten ansehen. Dies hier könnte ein Beispiel für eine Universität sein, die eine ziemlich schlechte Zeit hinter sich hat. |
| |
die University of Maryland in College Park, aber dann gab es einen Bereich, wo |
| |
die Dinge liefen wirklich gut, und Sie möchten vielleicht wissen, was passiert ist, dass es eine so großartige Zeit war? |
| |
Gibt es etwas, das die Universität eingeführt hat, was dazu geführt hat, dass die Zahl der Vorfälle deutlich zurückgegangen ist? Das könnte eine Untersuchung wert sein. |
| |
Und Sie können immer wieder nachsehen, ob es sich um ein systemisches Problem handelt, ob es sich, wie in diesem Fall, einfach um ein wirklich schlechtes Jahr handelte, das die Situation dominierte, während es ihnen insgesamt nur okay ging. |
| |
Es ging ihnen ziemlich gut. Auch das könnte ein weiteres Beispiel sein. Sie hatten anfangs eine wirklich schlechte Zeit, aber in letzter Zeit geht es ihnen ziemlich gut, |
| |
und so weiter. Um diese Interaktivität noch einmal hervorzuheben, |
| |
und in diesem Fall mit einigen der neueren Funktionen in JMP 16. Bevor wir nun zum letzten Punkt übergehen, muss ich etwas gestehen: Ich bin ein kleiner Karten-Nerd, also mag ich Karten und jede Art von Datenanalyse, die, wie Sie wissen, mit Karten zu tun hat, wirklich sehr. |
| |
Ich weiß nicht, warum. Es gefällt mir einfach sehr gut und ich freue mich schon sehr, Ihnen das nächste zu zeigen, denn jetzt schauen wir uns die Geographie der Vorfälle an. |
| |
Aber ich bin auch begeistert, weil dies meiner Meinung nach wirklich die Leistungsfähigkeit sowohl der Tabellenskripte als auch der JMP-Grafiken, insbesondere der Hover-Diagramme, hervorhebt. |
| |
Hoffentlich hat Sie das auch begeistert, also starten wir es. Das dauert etwas, denn mit diesem Tabellenskript passiert viel. Es erstellt eine neue Tabelle. Es führt auch viele Funktionen in dieser Tabelle aus. |
| |
und wir berechnen eine Menge Dinge. Hier ziehen wir also nicht nur Informationen ein, sondern es gibt auch viele dieser Spalten hier am Ende, die im Hintergrund berechnet wurden. |
| |
Jetzt muss ich kurz auf eine bestimmte Kennzahl eingehen, die ich verwenden werde. Vor einiger Zeit habe ich einen Blogeintrag mit dem Titel „Das Kriminalitätsraten-Rätsel“ in der JMP-Community (community.jmp.com) geschrieben. |
| |
also schamlose Werbung, aber ich habe darüber gesprochen, wie es typischerweise ist, wenn man Vorfälle meldet, insbesondere Verbrechen, |
| |
Normalerweise wissen wir, dass Sie nicht nur die Rohdaten melden möchten, weil |
| |
Es könnte einen bestimmten Bereich geben, in dem es viele Anklagen und Vorfälle gibt. Liegt das einfach daran, dass dort ein Problem vorliegt? |
| |
Oder liegt es daran, dass einfach so viele Leute da sind? Und wir würden natürlich mit vielen Zwischenfällen rechnen, weil einfach so viele Leute da sind. Also natürlich Leute |
| |
Meldung von Vorfällen. Das ist zwar in Ordnung, da alle nun die gleichen Voraussetzungen haben, aber ein Nebeneffekt davon ist, dass es tendenziell zu einer Erhöhung der |
| |
Orte mit geringer Bevölkerungszahl. Im Wesentlichen gilt: Wenn der Nenner klein ist, ist das Verhältnis tendenziell größer. |
| |
Und das ist eine Art unglücklicher Nebeneffekt. Und hier spreche ich über einen interessanten Fall, bei dem wir einen Ort mit einer sehr kleinen Bevölkerung haben, der stark aufgebläht wird. |
| |
Und wie manche Leute damit umgehen. Ich habe versucht, das durch die Verwendung einer gewichteten Vorfallrate zu lösen. Im Wesentlichen geht es darum, |
| |
Ich nehme Ihre Vorfallrate, aber dann gewichte ich Sie nach, sozusagen, welchem Anteil ... |
| |
Entschuldigen Sie, im Grunde genommen eine Gewichtung nach der Anzahl der Personen, die Sie dort haben. In diesem Fall habe ich eine bestimmte Gewichtung, ich ordne die Bevölkerungen im Grunde, |
| |
so dass der größte Ort den Rang des kleinsten hätte. In diesem Fall gibt es jedoch 50 Staaten, sodass der Staat mit der größten Bevölkerung einen |
| |
Rang 50 und der kleinste Staat einen Rang von eins. Wenn Sie das nehmen und durch den maximalen Rang teilen, ist das im Wesentlichen Ihr Gewicht, also ist es eine Möglichkeit, |
| |
ein Gewicht, das Ihrer Gesamtbevölkerung entspricht, und die Idee dabei ist, dass, wenn Ihre Vorfallsrate so ist, dass sie diese Gewichtsstrafe wettmacht, wenn Sie so wollen, |
| |
dann bedeutet das, dass Sie jemand sein könnten, der es wert ist, untersucht zu werden. So versucht es, entgegenzuwirken |
| |
diese Inflation, nur aufgrund einer kleinen Bevölkerung. Wenn Sie noch relativ klein sind, aber Ihre Inzidenzrate hoch genug ist, dass Sie Ihr Gewicht im Wesentlichen überwinden, |
| |
Wir möchten uns vielleicht mit Ihnen befassen. Hoffentlich waren das nicht zu viele Informationen, aber das ist die Metrik, die ich hauptsächlich verwenden werde, also werde ich das Skript ausführen |
| |
Und |
| |
Los geht's. Zuerst habe ich ein einfaches Liniendiagramm, das die gewichteten Unfallraten im Zeitverlauf für alle Staaten zeigt. |
| |
Jetzt nutze ich eine neue Funktion. Wir sehen hier, dass New Jersey dominiert. Auch hier ist Interaktivität gefragt: Wir können es durch Klicken hervorheben. |
| |
Es gibt einige Neuerungen, insbesondere in JMP 16. Ich klicke hier mit der rechten Maustaste und füge Beschriftungen hinzu. Nehmen wir also den Maximalwert und den Endwert. |
| |
nur zum Vergleich. |
| |
Hier können wir Folgendes sehen: Der Höchstwert lag hier bei etwa 11,4 Vorfällen pro 1.000 (das ist eine gewichtete Vorfallrate) in den frühen 90er Jahren. |
| |
Und dann sehen wir einen abnehmenden Trend, wieder scheint es, als ob der Rückgang etwa im gleichen Ausmaß erfolgte wie bei der gesamten Unfallrate, bevor sie hier wieder ihren Höhepunkt erreichte. |
| |
2019. Also noch einmal mit nur einigen kurzen Zahlen, das wäre an und für sich schon ein interessantes Diagramm, aber wie Sie sehen konnten, läuft mein kleiner Graphlet-Indikator, es gibt also noch mehr. |
| |
Hier kommt der Kartenteil ins Spiel. Ich bewege den Mauszeiger über einen bestimmten Punkt. |
| |
In diesem Fall nicht nur |
| |
können Sie die Gesamtrate sehen? Ich kann sie für Sie aufschlüsseln, in diesem Fall nach Landkreis. Hier habe ich die |
| |
Landkreise nach der Gesamtzahl der Vorfälle innerhalb des jeweiligen Jahres. Und auch hier spielt der Zeitaspekt eine Rolle. Dies zeigt Ihnen eine Momentaufnahme für ein bestimmtes Jahr, in diesem Fall 2008. |
| |
Aber vielleicht interessiert Sie der allgemeine Trend. Eine Möglichkeit hierfür ist: Hey, das sind Graphlets. Ich könnte zurückgehen, den Mauszeiger über eine andere Stelle bewegen, das Diagramm aufrufen und darauf klicken, um zu zoomen. |
| |
Wiederholen Sie dies nach Bedarf. Sie können dies tun oder diesen neuen Trick verwenden, den ich tatsächlich bei der Vorbereitung dieser Präsentation entdeckt habe. |
| |
Lassen Sie uns Folgendes einblenden: Beachten Sie hier an der Seite, dass wir einen lokalen Datenfilter haben. Das ist der eigentliche Schlüssel hinter diesen Graphlets. |
| |
Ich gehe hier zum Jahr und ändere den Modellierungstyp auf nominal statt kontinuierlich, denn jetzt kann ich so etwas tun. Ich kann tatsächlich durchgehen |
| |
und wählen Sie einzelne Jahre aus. Oder, das ist JMP, wir können es besser machen. |
| |
Ich erstelle hier eine Animation. Ich mache sie etwas schneller. Ich klicke auf „Play“ und kann mich dann entspannt zurücklehnen und zusehen, wie JMP die Dinge für mich erledigt. |
| |
Hier können wir den Zyklus verfolgen und uns ein Bild davon machen, was passiert. Ich lasse es kurz durchlaufen. Wir sehen bereits, dass hier einige interessante Dinge passieren. |
| |
Lassen Sie es uns durchlaufen, um uns ein Gesamtbild zu verschaffen, wissen Sie. Wir wollen das Gesamtbild, nicht, dass ich angeben will oder so. |
| |
Okay, wir haben das durchgesehen und uns ist etwas aufgefallen. Gehen wir also hier runter, sagen wir bis 2004, 2005. Irgendwo hier ist uns aufgefallen, dass dieser eine Landkreis hier besonders hervorgehoben zu sein scheint. |
| |
Und tatsächlich haben Sie meinen kleinen Graphlet-Indikator gesehen. Also kann ich wieder darüber schweben, und hier |
| |
noch eine weitere Karte. Jetzt können Sie sehen, warum ich so aufgeregt bin. |
| |
Auch in diesem Fall kann ich es Ihnen tatsächlich auf Bezirksebene zeigen, also auf der Ebene der einzelnen Bezirke ... |
| |
Entschuldigen Sie, lassen Sie mich das etwas verschieben. So, da wären wir. Einige kleine Anpassungen, und wieder sehen Sie meinen Trick, Dinge auf zwei Arten hervorzuheben, sowohl durch Größe als auch durch Farbe. |
| |
Wir können eine Art Streuung innerhalb der ??? sehen, das sind einzelne Standorte und weil es wieder diesen Zeitaspekt gibt, |
| |
Wir wissen es jetzt besser. Wir müssen nicht mehr zurückgehen und mehrere Diagramme abrufen, sondern können wieder die lokalen Datenfiltertricks verwenden. Ich kann also zurückgehen. Ich werde |
| |
das Jahr, und in diesem Fall können wir wieder durchklicken. Hier verwende ich einfach die Pfeiltasten auf meiner Tastatur, um durchzublättern. |
| |
Und bekommen Sie einfach ein Gefühl dafür, wie sich die Dinge im Laufe der Zeit verändern. In diesem Fall sehen Sie einen bestimmten Bereich, den Sie wahrscheinlich schon gesehen haben, etwa ab 2006, 2007. |
| |
Es gibt diesen einen Bereich ... diesen hier. |
| |
Keansburg scheint hervorgehoben zu sein, und Sie werden ein weiteres Diagramm bemerken. Wie weit möchten Sie gehen? |
| |
Graphception, wenn Sie so wollen. |
| |
Wir können |
| |
gehe immer weiter nach unten. In diesem Fall erhalte ich ... ich schlüssele es nach der Tendenz auf, und wenn ich wollte, könnte ich diesen Trick erneut anwenden, um alles nach Jahr durchzugehen. |
| |
Also, wieder so viel Aussagekraft in diesen Grafiken. Mit diesem einen Graphlet konnte ich geografische Unterschiede auf Bezirksebene und sogar noch weiter unten untersuchen, und so könnte es sein |
| |
So können Sie verschiedene Aspekte der Daten untersuchen und weitere Fragen aufwerfen. Was geschah zu dieser Zeit in Keansburg, dass es so hervorstach? |
| |
Das ist etwas, das Sie vielleicht wissen möchten. |
| |
Das ist alles, was ich heute für Sie habe. Ich hoffe, ich habe Ihren Appetit angeregt und konnte Ihnen deutlich veranschaulichen, wie leistungsstark die JMP-Visualisierung bei der Untersuchung der Daten ist. |
| |
Wenn Sie mehr erfahren möchten, besuchen Sie uns in einem Plenarvortrag zum Thema Datenvisualisierung. Ich empfehle Ihnen, sich unbedingt damit zu befassen. Dabei werden verschiedene Visualisierungsmethoden und die Unterstützung durch JMP erläutert. |
| |
Aber ich habe Ihnen versprochen, Ihnen irgendwann einen kleinen Einblick zu geben, wie ich diese ziemlich erstaunlichen Tabellenskripte erstellen konnte, und das werde ich jetzt tun. |
| |
In JMP 16 heißt es jetzt „Erweitertes Protokoll“. Es ist eine der coolsten neuen Funktionen in JMP 16. Das erweiterte Protokoll verfolgt Ihre Interaktion und behält sie im Auge. Wenn ich also eine Datentabelle schloss, öffnete oder ausführte, |
| |
Wenn ich eine neue Spalte hinzufüge oder ein neues Diagramm erstelle, wird dies hier im Protokoll aufgezeichnet. |
| |
Darüber wird John Sall in seinem Plenarvortrag sprechen. Es handelt sich hier erneut um eine der erstaunlichsten Neuerungen. |
| |
Und das ist der Schlüssel dazu, wie ich diese Tabellenskripte erstellen konnte. Ich kann ehrlich sagen, dass ich ohne diese Funktion diese ziemlich coolen Tabellenskripte wahrscheinlich nicht hätte erstellen können, weil es eine Menge Arbeit gewesen wäre. |
| |
Auch dieses Feature ist in JMP 16 wirklich großartig. Ich hoffe, ich konnte Sie davon überzeugen, dass JMP ein großartiges Tool für die Datenanalyse und die Erstellung beeindruckender und interaktiver Visualisierungen ist. Das ist alles. Vielen Dank für Ihren Besuch. |
