| Vocero |
Transcripción |
| Caleb King |
Hola, me llamo Caleb King y soy desarrollador en JMP Software. Trabajo específicamente en el grupo de diseño de experimentos, pero hoy... |
| |
Un poco fuera del tema y hablaremos sobre cómo puedes usar los gráficos y algunas de las otras herramientas en JMP para ayudar con la narración visual de tus datos. |
| |
Ahora bien, el conjunto de datos que he elegido es... para ilustrarlo, se trata de datos sobre crímenes de odio recopilados por el FBI. Quizás sea un conjunto de datos un poco controvertido, pero también bastante relevante para lo que ha estado sucediendo. |
| |
Y mi objetivo es hacer esto más ilustrativo, por lo que repasaré un par de gráficos que he creado anteriormente. |
| |
Para este conjunto de datos. No les mostraré necesariamente cómo hice los gráficos, pero el propósito es ilustrarles cómo usar JMP. |
| |
Para, como dije, la narración visual, así que use la interactividad para ayudar a guiar a las personas que miran los gráficos e interactúan con ellos. |
| |
Quizás puedas hacer más preguntas, y quizás respondas algunas de ellas a medida que avanzas. Pero fomenta la exploración de datos, que es lo que nos apasiona en JMP. |
| |
Dicho esto, comencemos. |
| |
Primero les daré una breve descripción general del conjunto de datos, así que simplemente me desplazaré un poco por aquí. Hay mucha información sobre... |
| |
donde ocurrieron los hechos. |
| |
A medida que avanzamos, y la fecha, bueno, cuando ocurrió ese incidente, tiene un poco de información sobre los infractores. |
| |
¿Qué tipo de delito se cometió? Nuevamente, información básica sobre el tipo de sesgo que se presentó en el incidente. Información sobre las víctimas. |
| |
Y la categoría general de discriminación, y luego la información adicional que proporcioné sobre latitud y longitud, si está disponible, así como información sobre la población que usaré en otros gráficos. Para mayor claridad, |
| |
El FBI, que es la Oficina Federal de Investigaciones de los Estados Unidos, define un crimen de odio como cualquier |
| |
Delito penal cometido por prejuicios contra un grupo en particular. Estos prejuicios pueden ser raciales, religiosos, de género, de identidad de género, etc. |
| |
Entonces, siempre que un delito esté motivado por un prejuicio particular, se considera un delito de odio, y estos datos consisten en todos los incidentes que han ocurrido. |
| |
recopilados por el FBI, desde el año 1991 hasta 2019. No tengo datos de 2020, por muy interesante que fuera, |
| |
Pero eso se debe a que al FBI le gusta tomarse su tiempo y asegurarse de que los datos estén completamente limpios y preparados antes de crear sus informes. Así que... |
| |
Puede estar seguro de que estos datos son bastante precisos, dado el tiempo y el esfuerzo que pusieron para asegurarse de que así fuera. |
| |
Bien, con esto, comencemos y hagamos un resumen visual básico de los datos. Comenzaré ejecutando este pequeño script de tabla. Esto básicamente nos da... |
| |
Un recuento de los días, es decir, cuántos incidentes ocurrieron cada día, según un sesgo específico. A partir de esto, crearé un gráfico básico; en este caso, se trata de un gráfico lineal simple. |
| |
Aquí se muestra el número de incidentes diarios en todo el rango. Así se puede ver el rango completo de datos de 1991 a 2019. |
| |
y cuántos incidentes ocurrieron. Esto en sí mismo probablemente sería una buena imagen estática, porque te da una idea de... |
| |
Donde disminuye el número de incidentes. De hecho, aquí voy a cambiar un poco la configuración del eje. Veamos, tenemos incrementos de 50 s, hagámoslo de 20 s. Listo. |
| |
Así que hay un poco de interactividad para ti... interacción. Cambiamos las escalas para refinarlas y tener una mejor idea de... |
| |
Cuántos incidentes hay en promedio. Realicé una pequeña distribución y, en promedio, unos 20 incidentes al día. |
| |
que vemos aquí. Ahora bien, seguramente se preguntarán por qué no he abordado aún los dos picos que observamos en los datos. |
| |
Así que sí, claramente hay dos picos muy altos. Y entonces, si esto fuera... |
| |
Con cualquier otro tipo de software, podrías decir: "Bueno, me gustaría investigarlo". Así que revisas los datos que intentas y... |
| |
Saber, identificar dónde están esas fechas y quizás intentar presentar algunos gráficos o hacer algún análisis para mostrar qué está pasando allí. Bueno, esto es JMP y tenemos algo que puede... |
| |
Ayuda con eso. Es algo que introdujimos en JMP 15, llamado graphlets, y funciona así: simplemente voy a pasar el cursor y ¡bum! |
| |
Ha aparecido un pequeño grafito para resumir mejor lo que sucede en ese momento. Así que, en este caso, hay mucha información. |
| |
Notaremos primero la fecha, 1 de mayo de 1992. Así que si estás familiarizado con la historia estadounidense, es posible que sepas lo que está sucediendo aquí, pero si no, |
| |
Puedes obtener una pequeña pista adicional haciendo clic en el gráfico. Así que ahora verás que te estoy mostrando... |
| |
Los incidentes se clasifican según el sesgo particular del incidente. Vemos aquí que la mayoría de los incidentes fueron contra personas blancas, seguidos por personas negras o afroamericanas, y así sucesivamente. |
| |
En cierto modo, doy la respuesta aquí, ya que los incidentes que ocurrieron en esa época fueron los disturbios de Rodney King en California. Rodney King, |
| |
Un individuo afroamericano que lamentablemente fue asesinado por un oficial de policía y que provocó muchas reacciones negativas y disturbios. |
| |
En esa época. Eso es lo que vemos capturado en este punto de datos en particular. Si no lo supieras, al menos tendrías esta información para intentar empezar a investigar... buscar en línea y averiguar qué sucedió. |
| |
Podemos hacer lo mismo aquí con un pico muy grande. Y de nuevo, usaré el graphlet flotante, así que pase el cursor sobre él. Haré una pausa para que lo observen. Así que observamos la fecha, 12 de septiembre de 2001. Eso en sí mismo es una pista muy importante. |
| |
En cuanto a lo que sucedió. Pero si observamos el desglose, podemos ver que la mayoría de los incidentes fueron contra personas de fe musulmana, de |
| |
Etnia árabe o algún otro tipo de etnia o ascendencia similar. En este caso, podemos ver claramente |
| |
que, después de los lamentables acontecimientos del 11 de septiembre, los ataques terroristas que ocurrieron entonces, hubo al día siguiente, mucha reacción contra |
| |
miembros que eran de etnicidad similar, fe similar, etc., por lo que tuvimos una reacción desafortunada en ese momento. |
| |
Así que, con sólo esta trama y algo de esa interactividad, hemos podido obtener mucha información, mucha información de alto nivel en áreas en las que quizás quieras buscar más a fondo. |
| |
Pero podemos seguir. Una novedad en JMP 16 es que, como tenemos la fecha en el eje X, podemos agrupar las fechas en una categoría más grande; en este caso, las agruparemos por mes. |
| |
Y vemos que la trama desaparece. Así que esto es lo que voy a hacer: lo voy a volver a ejecutar y veamos. |
| |
Allá vamos. |
| |
Nunca se sabe qué pasará. En este caso, esto es lo que debería pasar; no te preocupes. |
| |
Lo clasificamos por mes y notamos un patrón interesante. Parece haber una tendencia estacional, y usemos los gráficos flotantes para identificar qué podría estar sucediendo. Voy a pasar el cursor sobre los puntos más bajos. Si lo hago, |
| |
Vemos bien, enero, diciembre, bien. Interesante. Pasemos el cursor por otro, diciembre. |
| |
Y otro más, diciembre. Ah, puede que haya alguna tendencia estacional en este caso. Parece que alcanzamos mínimos durante los meses de invierno. |
| |
De hecho, si reviso mi tabla de datos, ya lo había visto antes. Fue algo que descubrí mientras exploraba esa técnica y ya he creado un gráfico para abordarlo. |
| |
Así que esto fue algo que creé en base a eso, en cierto modo, mirar, ya sabes, cuál es la variación en el número de incidentes a lo largo de todos los años dentro de este mes. |
| |
Y aquí podemos ver las tendencias medias, pero también vemos mucha variación, especialmente aquí en septiembre debido a ese enorme pico allí. |
| |
Quizás necesitemos algo más apropiado. Abriré el panel de control y seleccionaremos la mediana. Es más robusta, y quizás veamos el rango intercuartil, para que así tengamos una muestra un poco más robusta. |
| |
Métricas con las que jugar. |
| |
Y entonces, nuevamente, vemos que las tendencias estacionales, por lo que parece que definitivamente hay una gran caída dentro de los meses de invierno. |
| |
A diferencia de los meses de primavera y verano, que alcanzan su máximo. Ahora |
| |
Esto podría ser algo que alguien quiera investigar más a fondo por qué sucede. |
| |
Puede que tengas tus propias explicaciones. Mi explicación personal es que creo que el espíritu navideño es tan poderoso que supera cualquier odio o prejuicio que las personas puedan tener en diciembre. |
| |
De nuevo, esa es solo mi preferencia personal; probablemente tengas la tuya. Pero, de nuevo, con una sola parcela, pude descubrir esta tendencia y... |
| |
Crea otra trama para explorarla más a fondo. Así que, de nuevo, con solo esta trama, he animado a investigar más. Y podemos seguir. |
| |
Entonces veamos, clasifiquémoslo por año, y si lo hacemos, podremos ver claramente este tipo de tendencia general. |
| |
Así que vemos una especie de pico a finales de los años 90 y principios de los 2000 antes de caer, ya sabes, de manera casi lineal. |
| |
Hasta alcanzar su punto medio aproximadamente a mediados de la década de 2010, antes de volver a subir. Tengan esto en cuenta: podrían observar tendencias similares en otros gráficos que mostramos. Pero, de nuevo, retrocedamos un poco y consideremos que en este gráfico hemos visto diferentes... |
| |
aspectos de los datos. Incluso |
| |
Hemos respondido algunas preguntas, pero quizás también hayamos planteado algunas más. ¿Qué pasa con esta tendencia de temporada? |
| |
Y si no sabías cuáles eran esos eventos que te conté, ¿sabes cuáles eran esos eventos en particular? La belleza de la interactividad de los gráficos de JMP reside en que permite al usuario interactuar y explorar, y lo fomenta todo en un solo medio. |
| |
Está bien. |
| |
Continuemos. Como mencioné, esto es una especie de narración visual, así que pueden pensarlo como un prólogo, como una especie de visión general. ¿Qué... qué...? |
| |
¿Cuál es la situación general? Ahora veamos a los actores. |
| |
Es decir, ¿quién comete este tipo de delitos? ¿Contra quiénes los cometen? ¿Qué información podemos encontrar al respecto? Así que aquí tengo... |
| |
Creé, de nuevo, un gráfico para ayudar a responder esa pregunta. Este podría ser un buen comienzo. Aquí he creado un mapa de calor. |
| |
que luego enfatiza los cargos, en este caso, por la raza del infractor frente a su sesgo particular. Así que vemos que |
| |
Mucho de lo que está sucediendo, en este caso, he ordenado las columnas para que podamos ver que hay mucho que hacer. La mayor parte está aquí en esta parte superior. |
| |
Esquina izquierda y no hay mucho movimiento aquí abajo, lo cual creo que es una buena noticia. Hay muchos sesgos donde no hay mucho movimiento, la mayor parte ocurre aquí en esta esquina. |
| |
Ahora bien, esta podría ser una buena gráfica, pero, de nuevo, hay mucho espacio libre. Así que quizás podamos experimentar con las cosas para intentar enfatizar lo que está sucediendo. Una forma de hacerlo es ir al eje X y ajustar el tamaño según el recuento. |
| |
Verán aquí que tenía algo oculto. De hecho, les puse una etiqueta con un porcentaje encima. |
| |
Antes ocurría tanta información que ni siquiera se veía, pero ahora podemos ver parte de ella. Es una buena forma de resumirlo, a diferencia de los recuentos. |
| |
Pero incluso con solo la visualización, podemos ver claramente que el mayor sesgo se dirige contra los ciudadanos negros o afroamericanos, y luego contra los judíos, y así sucesivamente hasta que prácticamente no hay sesgo aquí. Así que, con solo observar el eje X, se obtiene mucha información sobre lo que está sucediendo. |
| |
Podemos hacer lo mismo con la Y, así que nuevamente, tamaño según el conteo. |
| |
Y nuevamente, hay mucha información contenida solo en el tamaño y cómo ajusté los ejes. |
| |
Y en este caso, incluimos... hemos enfatizado mucho esa esquina, para que podamos ver claramente quiénes son los mejores jugadores. En este caso, la mayor parte es... |
| |
Los agresores son de raza blanca o desconocida contra afroamericanos, el siguiente es contra judíos, y luego |
| |
Antiblanco y luego sigue bajando. Así que obtenemos un buen resumen de lo que está sucediendo. Ahora, habrán notado que, al mover el cursor, vemos nuestro pequeño círculo. Ese es mi indicador de grafito, así que, de nuevo, tengo una herramienta aquí. |
| |
Hemos interactuado un poco y, nuevamente, esta podría ser una gran imagen estática, pero usemos el poder de JMP, especialmente esos graphlets. |
| |
Para interactuar y ver qué más información podemos descubrir. En este caso, pasaré el cursor por aquí. |
| |
Y aquí mismo, un gráfico, en este caso, un gráfico de barras compactas, cortesía de nuestro experto en gráficos, Xan Gregg. En este caso, no solo se puede ver, ya sabes, |
| |
¿Quiénes cometen los delitos y contra quién? Tu siguiente pregunta podría haber sido, ¿qué tipos de delitos se cometen? Bueno, con un grafitero, te lo he respondido. |
| |
Aquí podemos ver que el tipo de delito más grande y abrumador es la intimidación, seguido del asalto simple y agravado, y luego el resto de estos, esa es la belleza del gráfico de barras lleno. |
| |
Podemos ver todos los demás tipos de delitos que se cometen. Si los ponemos todos uno encima del otro, ni siquiera se comparan. Ni siquiera superan los tres primeros. |
| |
Así que eso nos dice mucho sobre los tipos de... estos tipos de delitos, cuán dominantes son. |
| |
Ahora, otra pregunta que podrías tener es, bien, hemos visto a los actores, hemos visto las acciones que están tomando, |
| |
Pero esto tiene un componente temporal. Obviamente, esto está sucediendo con el tiempo, así que ¿ha sido algo constante? ¿Ha habido un cambio en las tendencias? Bueno, |
| |
No teman. Graphlets de nuevo al rescate. En este caso, puedo mostrarles esas tendencias. Aquí podemos ver cómo... |
| |
¿Tipos de... el número de incidentes de intimidación cambió con el tiempo? Y, de nuevo, vemos que el patrón parece seguir la tendencia general. |
| |
Un pico similar, a finales de los 90, y luego una tendencia pronunciada... una caída casi lineal hasta mediados de la década de 2010, antes de volver a subir más recientemente. |
| |
De nuevo, podemos observar esa tendencia y otras. No haré clic para ampliar, pero en el gráfico se pueden apreciar esas tendencias en agresiones simples y también en agresiones con agravantes, un poco más allá. |
| |
Y puedes seguir explorando. Analicemos lo desconocido con los afroamericanos y veamos qué diferencia podría haber. En este caso, podemos ver claramente... |
| |
que hay dos tipos de delitos que realmente dominan, en este caso, la destrucción o daño a la propiedad (lo que, si lo piensa, podría tener sentido; si ve que su propiedad ha sido dañada, es muy probable que no sepa quién lo hizo) |
| |
Y la intimidación son las dominantes. Y, de nuevo, lo bueno es que las etiquetas flotantes se mantienen, así que puedes volver a ver qué tendencias están ocurriendo. |
| |
En este caso, vemos que en cuanto a los daños, hay dos picos, que alcanzaron su máximo a finales de los 90 y principios de los 2000, antes de volver a caer. En cuanto a la intimidación, observamos una tendencia similar a la anterior. |
| |
Nuevamente, dentro de un solo gráfico, hay mucha información contenida y con la que usted, como usuario, puede interactuar para tratar de enfatizar ciertas áreas clave, y luego usted, como usuario, simplemente visualiza... simplemente mirando esto e interactuando con ello, puede jugar y obtener mucha información. |
| |
Está bien. |
| |
Y sigamos. Observarán que, entre las agencias que informan, la mayoría son a nivel de ciudad o condado. |
| |
Departamentos de policía, etc., pero también hay universidades. Así que quizás alguien esté interesado en ver qué sucede en las universidades. |
| |
Y así, con eso, he creado este pequeño y práctico script de tabla para responder a eso. Ahora bien, esta vez, |
| |
He estado ejecutando los scripts de la tabla y mencioné que no entraré en demasiados detalles detrás de escena, esto es más ilustrativo. |
| |
Aquí les voy a dar un vistazo, porque quiero mostrarles no solo el poder de los gráficos, sino también el poder del script de tabla. Si ya conocen JMP, |
| |
Quizás ya lo sepas, está bien, el script de tabla es bueno porque puedo guardar mis análisis, puedo guardar mis informes, incluso puedo usarlo para guardar gráficos como... como lo hice en el último, así que quizás no hayas notado que también puedes guardar |
| |
Scripts para ejecutar tablas adicionales, tablas de resumen, etc. Les mostraré qué sucede detrás de todo esto. De hecho, al ejecutar el script, creé dos tablas de datos. |
| |
Solo viste uno, entonces en este caso primero creé la tabla de datos que seleccionó todas las universidades y luego a partir de esa tabla de datos creé un resumen y luego cierro la anterior. |
| |
Y también añadí algunos gráficos. Así que no entraré en muchos detalles sobre cómo lo configuré, porque quiero dejarlo para después del próximo. Les daré una pista: se basa en una nueva función de JMP 16 que les sorprenderá. |
| |
Muy bien, volvamos a... perdón... incidentes universitarios. |
| |
Y aquí de nuevo he guardado el script de la tabla. Este nos mostrará un gráfico. |
| |
Aquí podemos ver de nuevo el gráfico de barras, y les muestro qué universidades tuvieron más incidentes. De nuevo, este podría ser un buen gráfico estándar. |
| |
Se puede ver qué universidad parece tener más incidentes, y es bueno ver que no hay una que domine. Aun así, se pueden saturar las demás universidades. |
| |
encima de ellos, y nadie domina a uno ni al otro. Así que eso en sí mismo es una buena noticia, pero, de nuevo, hay un factor temporal en esto. |
| |
¿Han sido estos quizás...? ¿La Universidad de Michigan en Ann Arbor ha tenido problemas todo el tiempo? ¿Se habrían mantenido siempre en la cima? ¿Tuvieron un mal año? De nuevo, los grafiteros al rescate. |
| |
En este caso, |
| |
Verás una trama interesante. Quizás digas: "¿Qué es esto?". Parece de un museo Art Déco. ¿Qué...? |
| |
¿Qué clase de trama es esta? Bueno, ya la hemos visto antes. Estoy usando algo nuevo que salió en JMP 16, así que les voy a dar un vistazo entre bastidores. |
| |
Y en este caso, podemos ver que esto es en realidad un mapa de calor. Todo lo que he hecho... |
| |
es un truco que a menudo me gusta hacer, que es enfatizar las cosas de dos maneras diferentes, por lo que no solo enfatizar los conteos por color, que es lo que normalmente haría en un mapa de calor, los blancos son las entradas que faltan, ahora también puedo en JMP 16 enfatizar por tamaño. |
| |
Y creo que esto nos lleva de nuevo a cómo dimensionamos esos ejes antes. Enfatiza... ayuda a enfatizar ciertas áreas. Así que aquí podemos ver que quizás haya un pequeño problema con los incidentes contra los afroamericanos, |
| |
Esto ha sido bastante consistente, con un año especialmente malo aparentemente en 2017, a diferencia de todos los demás incidentes que han estado ocurriendo. |
| |
Ahora ya no hay etiquetas flotantes adicionales aquí. |
| |
Lo único que haré será resumir los datos, pero está bien. |
| |
Esto en sí mismo proporciona mucha información, por lo que es una novedad que apareció en JMP 16 que puede ayudar nuevamente con ese énfasis. |
| |
Y, de nuevo, podemos seguir. Podemos observar otras universidades; este podría ser un ejemplo de una universidad que parece estar pasando por un mal momento. |
| |
la Universidad de Maryland en College Park, pero luego había un área donde |
| |
Las cosas iban realmente bien, y quizá te interese saber qué pasó para que este fuera un período tan grandioso. |
| |
¿Hay algo que la universidad haya implementado, alguna acción que parezca haber provocado una disminución significativa del número de incidentes? Quizás valga la pena investigarlo. |
| |
Y puedes seguir adelante y observar de nuevo para ver si se trata de un problema sistémico, si, en este caso, parecía que solo hubo un año realmente malo que dominó, y en general les estaba yendo bien. |
| |
Lo estaban haciendo bastante bien. De nuevo, este podría ser otro. Lo pasaron muy mal al principio, pero últimamente les ha ido bastante bien. |
| |
y así sucesivamente. Así que, de nuevo, resaltando esa interactividad una vez más, |
| |
Y en este caso, con algunas de las nuevas funciones de JMP 16. Antes de pasar a la última, tengo una confesión: soy un poco friki de los mapas, así que me encantan los mapas y cualquier tipo de análisis de datos relacionado con ellos. |
| |
No sé por qué. Simplemente me gusta mucho y por eso estoy muy emocionado de mostrarles el siguiente, porque ahora veremos la geografía de los incidentes. |
| |
Pero también estoy entusiasmado porque creo que esto realmente resalta el poder de los scripts de tabla y de los gráficos JMP, especialmente los gráficos flotantes. |
| |
Espero que esto también te haya entusiasmado, así que ejecútalo. Este proceso llevará un tiempo, ya que este script de tabla requiere mucho trabajo. Crea una nueva tabla y realiza muchas funciones en ella. |
| |
Y calculando muchas cosas. Así que aquí no solo extraemos información, sino que también hay muchas columnas aquí cerca del final que se han calculado en segundo plano. |
| |
Ahora tengo que tomarme un momento para hablar sobre una métrica específica que usaré. Hace un tiempo, escribí una entrada de blog titulada "El dilema de la tasa de criminalidad" en la comunidad JMP (community.jmp.com). |
| |
Hay mucha publicidad descarada, pero en eso hablé de cómo, ya sabes, normalmente cuando informas de incidentes, especialmente incidentes delictivos, |
| |
Por lo general, sabemos que no solo desea informar los recuentos brutos, porque |
| |
Podría haber una zona determinada donde haya una gran cantidad de recuentos, una gran cantidad de incidentes, ¿es solo porque... hay un problema allí? |
| |
¿O es porque hay mucha gente? Y, por supuesto, esperaríamos muchos incidentes porque hay mucha gente. Así que, por supuesto, la gente... |
| |
Informe las tasas de incidentes. Eso está bien porque ahora todos están en igualdad de condiciones, pero un efecto secundario es que tiende a elevar... |
| |
Lugares con poblaciones pequeñas. En esencia, si el denominador es pequeño, la proporción tenderá a ser mayor precisamente por eso. |
| |
Y ese es un efecto secundario desafortunado, y aquí hablo de un caso interesante en el que tenemos un lugar con una población muy pequeña que se infla mucho. |
| |
Y cómo algunas personas lidian con eso. Una forma en que intenté abordarlo fue mediante el uso de una tasa de incidencia ponderada. En esencia, la idea es... |
| |
Tomo tu tasa de incidentes, pero luego los pondero por, más o menos, qué proporción... |
| |
Disculpe... básicamente, una ponderación según la cantidad de personas presentes. En este caso, tengo una ponderación específica; básicamente, clasifico las poblaciones. |
| |
De modo que el lugar más grande tendría el rango de los más pequeños. Sin embargo, en este caso hay 50 estados, por lo que el estado con la mayor población tendría un... |
| |
Rango de 50 y el estado más pequeño, un rango de uno. Si lo divides por el rango máximo, ese es esencialmente tu peso, así que es una forma de expresarlo. |
| |
un peso correspondiente a su población total y la idea aquí es que, si su tasa de incidentes es tal que supera esta penalización de peso, por así decirlo, |
| |
Entonces eso significa que podrías ser alguien a quien valga la pena considerar. Así que intenta contrarrestar |
| |
Esa inflación, simplemente debido a una población pequeña. Si aún eres relativamente pequeño, pero tu tasa de incidencia es lo suficientemente alta como para superar tu peso, |
| |
Quizás queramos investigarte. Espero que no haya sido demasiada información, pero esa es la métrica que usaré principalmente, así que ejecutaré el script. |
| |
y |
| |
Aquí vamos. Primero, tengo un gráfico lineal sencillo que muestra las tasas de incidencia ponderadas a lo largo del tiempo para todos los estados. |
| |
Ahora usaré una nueva función. Vemos que Nueva Jersey parece predominar. De nuevo, gracias a la interactividad, podemos hacer clic para resaltarla. |
| |
Hay algunas cosas nuevas que hacemos, especialmente en JMP 16. Haré clic derecho aquí y agregaré algunas etiquetas. Así que, vamos a configurar el valor máximo y el último valor. |
| |
Sólo para comparación. |
| |
Así que aquí podemos ver esto... el pico aquí fue de alrededor de 11,4 incidentes por cada 1.000 (esa es una tasa de incidentes ponderada) aquí a principios de los años 90. |
| |
Y luego vemos una tendencia decreciente, nuevamente parece caer aproximadamente igual que la tasa general de incidentes antes de comenzar a alcanzar su punto máximo nuevamente aquí en |
| |
2019. Entonces, nuevamente, con solo algunos números breves, nuevamente este, en sí mismo, sería un gráfico interesante para observar, pero como pueden ver, mi pequeño indicador de grafito está funcionando, así que hay más. |
| |
Aquí es donde entra la parte del mapa. Entonces voy a pasar el cursor sobre un punto en particular. |
| |
En este caso, no sólo |
| |
¿Puedes ver la tasa general? Puedo desglosarla, en este caso por condado. Aquí he coloreado... |
| |
Condados según el número total de incidentes durante ese año. Y, de nuevo, está el factor tiempo, por lo que esto muestra una instantánea de un año en particular, en este caso, 2008. |
| |
Pero quizás te interese la tendencia general, así que una forma de hacerlo es: oye, estos son graflets. Podría retroceder, pasar el cursor sobre otro punto, abrir el gráfico y hacer clic para ampliarlo. |
| |
Repite según sea necesario. Puedes hacer eso o usar este nuevo truco que descubrí mientras preparaba esta presentación. |
| |
Vamos a mostrar... Observen aquí a un lado que tenemos un filtro de datos local. Esa es la clave de estos graflets. |
| |
Voy a llegar aquí al año y voy a cambiar su tipo de modelado a nominal, en lugar de continuo, porque ahora puedo hacer algo como esto. De hecho, puedo pasar por... |
| |
y seleccionar años individuales o, ahora esto es JMP, podemos hacerlo mejor. |
| |
Voy a hacer una animación. La haré un poco rápido. Le daré al botón de reproducción y ahora puedo relajarme y ver cómo JMP hace las cosas por mí. |
| |
Aquí podemos ver cómo va pasando el ciclo y hacernos una idea de lo que está sucediendo. Lo dejaré pasar un poco. Ya estamos viendo cosas interesantes. |
| |
Dejemos que el ciclo fluya, para tener una visión completa, ¿sabes? Queremos tener una visión completa, no es que esté presumiendo ni nada. |
| |
Bien, hemos revisado el sistema y notamos algo. Vayamos a 2004 o 2005. En algún punto de esta zona, notamos que este condado en particular parece estar resaltado. |
| |
De hecho, vieron mi pequeño indicador de grafito. Así que, de nuevo, puedo pasar el cursor sobre él, y aquí... |
| |
Otro mapa más. Ahora entiendes por qué estoy tan emocionado. |
| |
Nuevamente, en este caso, puedo mostrarte el nivel de condado, es decir, el nivel de condado individual... |
| |
Disculpen, permítanme... adelantémonos un poco. Listo. Algunos pequeños ajustes y, de nuevo, pueden ver mi truco para enfatizar las cosas de dos maneras, tanto por tamaño como por color. |
| |
Podemos ver una especie de dispersión dentro de los ???, estas son ubicaciones individuales y porque existe nuevamente ese aspecto del tiempo, |
| |
Ya lo sabemos... ahora sabemos más. No tenemos que volver atrás, hacer clic y obtener varios gráficos; podemos volver a usar los trucos del filtro de datos local. Así que puedo volver atrás. Lo haré. |
| |
El año, y en este caso, podemos volver a navegar. Aquí usaré las flechas del teclado para navegar. |
| |
Y simplemente para tener una idea de cómo varían las cosas con el tiempo. En este caso, si ven un área en particular, probablemente ya la hayan visto, desde alrededor de 2006 o 2007. |
| |
Hay esta área...esta aquí. |
| |
Keansburg, que parece estar resaltado, y verás otro grafitillo. ¿Hasta dónde quieres llegar? |
| |
Grafcepción, por así decirlo. |
| |
Podemos |
| |
sigue bajando más y más. En este caso, obtengo... lo desgloso según cuál fue el sesgo y, nuevamente, podría hacer ese truco si quisiera, para recorrerlo y hacer un ciclo por año. |
| |
Así que, nuevamente, estos gráficos tienen mucho poder. Con este grafito, pude explorar la variación geográfica a nivel de condado e incluso más abajo, y así podría ser. |
| |
Permitiéndote explorar diferentes aspectos de los datos, lo que te permite generar más preguntas. ¿Qué estaba sucediendo en Keansburg en esa época para que esto resaltara tanto? |
| |
Eso es algo que quizá quieras saber. |
| |
Así que eso es todo lo que tengo para ustedes hoy. Espero haberles abierto el apetito y haberles podido ilustrar claramente cuán poderosa es la visualización JMP para explorar los datos. |
| |
Si quieres saber más, habrá una charla plenaria sobre visualización de datos. Te animo a explorarla, ya que te ayudará a comprender diferentes formas de visualización y cómo JMP puede ayudarte con ellas. |
| |
Pero les prometí en algún momento darles un vistazo de cómo pude crear estos increíbles scripts de tabla y lo haré ahora mismo. |
| |
Ahora en JMP 16 se llama registro mejorado. Esta es una de las nuevas funciones más interesantes de JMP 16. El registro mejorado sigue tus interacciones y las registra. Así, cada vez que cerraba, abría o ejecutaba una tabla de datos, |
| |
Si agregué una nueva columna, si creé un nuevo gráfico, se registra aquí en el registro. |
| |
Esto es algo que John Sall abordará en su charla plenaria. Es, una vez más, una de las características más novedosas e increíbles que presentamos. |
| |
Y esta es la clave para crear estos scripts de tablas. Puedo decir con sinceridad que, si esto no hubiera estado presente, probablemente no habría podido crear estos geniales scripts de tablas, porque sería muchísimo trabajo. |
| |
De nuevo, esta es una función genial disponible en JMP 16. Espero haberlos convencido de que JMP es una herramienta excelente para explorar datos y crear visualizaciones increíbles e interactivas. Y eso es todo. Gracias por su visita. |
