758526_es-ES

liliconcom

Modernización de la Plataforma de Distribución (2020-US-30MP-536)

Tonya Mauldin, probadora principal de software analítico, SAS

La distribución es una de las plataformas más utilizadas en JMP. Existe desde la primera versión de JMP. Es útil para diversas tareas, como la exploración de datos, el análisis de capacidad y, por supuesto, para comprobar qué distribución se ajusta mejor a sus datos. La versión 15 presenta una plataforma de distribución modernizada. Esta charla analiza los cambios realizados en la plataforma de distribución en la versión 15 de JMP.

Transcripción generada automáticamente...

Vocero	Transcripción
tabaco	La modernización de la plataforma de distribución. Me llamo Tonya Mauldin y soy la tester de distribución.
	Para esta presentación utilizaré la versión 15.2 de JMP.
	La distribución es una de las plataformas más utilizadas en JMP. Esta plataforma no solo se utiliza para probar qué distribución se ajusta a sus datos, sino también para la exploración de datos, el análisis de capacidad y mucho más. JMP 15 moderniza esta plataforma tan utilizada.
	¿Por qué decidimos actualizar esta plataforma? La distribución ha existido desde la primera versión de JMP. Era hora de modernizarla. Lo logramos mejorando el flujo y ofreciendo una apariencia más limpia.
	haciendo que el producto sea más consistente y más fácil de mantener.
	La distribución de los ajustadores ahora utiliza el mismo código que la regresión generalizada. El análisis de capacidad ahora utiliza el mismo código que la capacidad del proceso.
	la distribución binomial negativa que es equivalente a la gamma Poisson,
	la distribución de Cauchy, Poisson inflado por cero y binomial negativa ZI.
	Los ajustes de Johnson son ahora un comando único que selecciona la distribución más adecuada del sistema de distribución de Johnson.
	Este es el mismo método, correspondencia de cuantiles, que se utiliza en la plataforma de capacidad de proceso.
	Este método es más estable y rápido que el de máxima verosimilitud.
	Los usuarios ahora tienen la posibilidad de escribir el parámetro de ancho de banda específico para cada uno para lograr un ajuste de curva suave.
	Se han agregado errores estándar para la distribución SHASH.
	Utilicemos JMP para investigar algunos de estos.
	Los retrasos de aerolíneas son parte de los datos de muestra que vienen con JMP.
	Realicemos un análisis de distribución en la columna Retraso de llegada y ajustemos una distribución de Johnson.
	Observe que, en lugar de ver los tres diferentes ajustadores Johnson, existe una opción llamada "ajuste Johnson". Tras seleccionar esta opción, observamos que la distribución Johnson SU es la que mejor se ajusta a estos datos dentro de la familia de distribuciones Johnson.
	Agreguemos también un ajuste de curva suave a este informe.
	Antes de JMP 15, la única forma de controlar el parámetro de ancho de banda para la densidad no paramétrica era mediante un control deslizante.
	Ahora hay una opción para especificar un valor específico para el parámetro de ancho de banda dentro de la interfaz de usuario y también a través de JSL.
	Además de comparar... además de modificar los propios ajustadores, JMP ha cambiado la forma en que se realizan las comparaciones de ajustes. Al seleccionar cada ajuste, se añade a un informe de comparación de distribuciones.
	En versiones anteriores de JMP solo se obtenía un informe de comparación de distribuciones cuando se usaba la opción Todos en ajustes continuos.
	Se han agregado el peso AICc y el BIC a este informe para hacerlo más consistente con otras plataformas en JMP.
	Se ha eliminado la leyenda del histograma del informe. Esta información ahora se incluye en el informe de comparación de distribuciones, que siempre aparece justo debajo del histograma.
	Además, se han añadido al informe gráficos CDF superpuestos.
	Veamos algunos de estos en JMP.
	Esta tabla de datos Arandelas se proporciona en los datos de muestra que vienen con JMP.
	Realicemos un análisis de distribución en la columna #defectuoso.
	Dado que se trata de datos de conteo, ajustemos la binomial negativa. Este es un nuevo ajuste para JMP 15. Es equivalente al ajuste gamma de Poisson.
	El informe de comparación de distribuciones se agregó automáticamente.
	Ajustemos también la distribución binomial negativa ZI para ver cómo se compara.
	Recuerde que el binomio negativo inflado a cero también era un nuevo ajuste disponible en JMP 15.
	También se agregó información sobre este ajuste al informe de comparación de distribuciones.
	También notarás algunos cambios dentro del informe de distribución comparativa.
	Se han agregado a este informe el criterio de información corregido y ponderado AICc, el criterio de información Akaike y el criterio de información bayesiano BIC.
	Estas estadísticas ya estaban disponibles en otras secciones de JMP, como la comparación de modelos. Ahora se han añadido a la plataforma de distribución para que JMP sea más consistente.
	Tenga en cuenta que el informe de comparación de distribuciones siempre aparece directamente debajo del histograma.
	Esto nos dio la posibilidad de eliminar la leyenda que anteriormente aparecía debajo de los histogramas.
	Esta información ahora está contenida en los informes de comparación de distribuciones.
	Encontramos que la línea verde es para el ajuste binomial negativo, la línea azul es para el ajuste binomial negativo ZI.
	Los gráficos de CDF también han cambiado. A medida que se añaden ajustes, las CDF de las distribuciones ajustadas se superponen a las CDF empíricas.
	Vemos que tanto las líneas verde como azul siguieron de cerca las CDF empíricas para este ejemplo.
	El histograma muestra que las líneas verde y azul siguen de cerca los datos. En un informe de comparación de distribuciones,
	La distribución binomial negativa aparece primero porque tiene un valor AICc menor, lo que indica un mejor ajuste. Si quisiéramos usar el Ic, en lugar del AICc, como criterio de mejor ajuste, simplemente podemos hacer clic en el encabezado de esa columna para ordenarla.
	Algo útil, aunque quizás no tan obvio, es que se puede eliminar un ajuste de la ventana del informe por completo haciendo doble clic en su nombre en la sección Comparar distribución. En este caso, hice doble clic en el binomial negativo ZI para eliminarlo del informe.
	Gráficos QQ y PP. El gráfico cuantil-cuantil muestra la relación entre las observaciones y los cuantiles obtenidos mediante los parámetros estimados.
	El gráfico de percentil-percentil muestra la relación entre la función de distribución acumulativa empírica y las CDF ajustadas obtenidas utilizando los parámetros estimados.
	Se han añadido dos perfiladores. El perfilador de distribución es el perfilador de predicción de la función de distribución acumulada.
	El perfilador de cuantiles es el perfilador de predicción de la función cuantil.
	Guardar fórmula de distribución y guardar fórmula de simulación.
	Las pruebas de bondad de ajuste se han estandarizado para utilizar las pruebas de Anderson-Darling y Chi-cuadrado de Pearson. La prueba de Chi-cuadrado de Pearson ha mejorado las creaciones de ???. A partir de la versión 15 de JMP, ahora cumplimos con la regla general de que hay al menos cinco observaciones esperadas en cada ???.
	Veamos algunos de estos en JMP. Del informe de Lavadoras anterior, seleccione el gráfico QQ y el gráfico PP.
	En cada uno de estos gráficos, observamos la proximidad de los puntos a la línea de referencia. Cuanto más cerca estén los puntos de la línea de referencia, mejor será el ajuste.
	Agregue los perfiladores de distribución y cuantiles al informe.
	Si los datos siguen la distribución binomial negativa, la probabilidad de tener cuatro defectuosos o menos es del 84%.
	Al igual que con otros perfiladores en JMP, puede modificar la configuración de entrada para ver qué efecto tendrá en la probabilidad.
	El generador de perfiles cuantiles funciona de manera similar, mostrando la relación entre la probabilidad y el cuartil binomial negativo.
	Otra nueva opción es la fórmula de simulación de guardado.
	Esta opción guarda una nueva columna en la tabla de datos que contiene una fórmula que genera valores simulados utilizando los parámetros estimados.
	Esta columna se puede utilizar en la utilidad de simulación así como en otras partes de JMP.
	Aunque estamos tratando con datos discretos, agreguemos la distribución exponencial al informe para que podamos ver el informe de bondad de ajuste.
	El histograma muestra que la distribución exponencial podría no ser adecuada para estos datos. Para comprobar esta hipótesis, seleccione la bondad de ajuste.
	La prueba de Anderson-Darling es ??? para una distribución continua. Aquí tenemos un valor p simulado menor que 0,05, lo que indica que debemos rechazar la hipótesis nula de que estos datos provienen de la distribución exponencial.
	La capacidad de proceso se introdujo en la versión 12 de JMP. Partes de esta nueva plataforma se agregaron al generador de gráficos de control al mismo tiempo.
	Ahora, con JMP 15, se han añadido partes de esta plataforma a la plataforma de distribución. Esto facilita el mantenimiento de las plataformas y las hace más coherentes entre sí.
	Existen varias diferencias que ocurren en torno al lanzamiento de un informe de distribución.
	El histograma solo muestra los límites de especificación si la opción Mostrar como líneas de referencia de gráfico está marcada en las propiedades de la columna de límites de especificación.
	Al usuario se le da la posibilidad de deshabilitar el análisis de capacidad, incluso si hay propiedades de columna de límite de especificación.
	Si hay una propiedad de columna de distribución de capacidad de proceso, esa distribución se utilizará para el análisis de capacidad.
	El flujo de trabajo para la opción de cuantiles para distribuciones ajustadas se ha simplificado en un solo lanzamiento, mientras que las versiones anteriores requerían dos llamadas a la plataforma.
	Los análisis de capacidad normal y no normal ahora utilizan diálogos similares.
	Analicemos JMP. El script que estoy ejecutando abre la tabla de datos de muestra de mediciones de proceso y modifica algunas propiedades de la columna.
	Para el Proceso 1, hay una propiedad de columna de límites de especificaciones, mostrar como líneas de referencia de gráfico, que no está marcada.
	En el Proceso 2, la propiedad de la columna "Límite de especificación" (mostrar como líneas de referencia gráfica) está activada. En el Proceso 3, la propiedad de la columna "Distribución de la capacidad del proceso" (Weibull) está definida, así como la propiedad de la columna "Límites de especificación" (mostrar como líneas de referencia gráfica) está desactivada.
	En el diálogo de distribución, asignaré estos tres procesos como Y.
	Observe la nueva casilla de verificación en la esquina inferior izquierda: "Crear capacidad de proceso". Esta casilla solo aparece si al menos una columna Y tiene una propiedad de límite de especificación de columnas.
	Desmarque esta casilla y haga clic en Aceptar.
	En versiones anteriores de JMP, se obtenía un análisis de capacidad para cada uno de estos tres procesos. Además, se dibujaban límites de especificación en cada uno de los tres histogramas.
	En este informe, no se proporciona ningún análisis de capacidad porque se desmarcó esa casilla. Los límites de especificación solo se muestran para el Proceso 2, ya que era el único Y cuya propiedad de columna de límite de especificación tenía activada la opción "Mostrar como líneas de referencia gráficas".
	Regresemos al diálogo de distribución y marquemos la casilla Crear capacidad de proceso para comparar.
	El análisis de capacidad ahora proporciona resultados para las tres variables del proceso.
	En el histograma principal en la parte superior, los límites de especificación solo se muestran para el Proceso 2.
	El análisis de capacidad del Proceso 3 se basa en la distribución de Weibull.
	El informe de capacidad tiene el mismo aspecto. Incluye las mismas opciones que los informes detallados individuales de una plataforma de capacidad de proceso introducida en JMP 12.
	Tenga en cuenta que el etiquetado Ppk ahora es el predeterminado para el sigma general.
	El informe muestra índices sigma tanto internos como generales cuando se asume una distribución normal.
	Investiguemos el caso donde la tabla de datos no tiene propiedades de columna con límite de especificación. Thickness.JMP es la tabla de datos de ejemplo sin propiedades de columna.
	En el cuadro de diálogo de distribución, observe que no hay una casilla de verificación para la capacidad de proceso creativo. Esto se debe a que no hay propiedades de columna con límite de especificaciones.
	Investiguemos el informe de distribución de Espesor 3 y Espesor 4.
	Podemos agregar un informe de capacidad de proceso para Espesor 3 seleccionando esta opción en el menú del triángulo rojo.
	Estas opciones funcionan de la misma manera que las opciones que encontraría en nuestra plataforma de capacidad de proceso presentada en JMP 12.
	Realicemos un análisis de capacidad simple y definamos LSL como 0,03, objetivo como 0,045 y USL como 0,05. Activemos también la función de mostrar límites.
	Se presenta un análisis de capacidad basado en la distribución normal para los límites de especificación. Los límites se muestran en el gráfico porque marcamos esa opción en el diálogo.
	Se le proporcionan estadísticas de capacidades sigma tanto internas como generales.
	Para el espesor 4, ajustemos una distribución beta.
	La capacidad del proceso para una distribución ajustada produce las siguientes opciones de diálogo.
	La sección de opciones de cálculo de límites de especificación de cuantiles de este diálogo contiene la opción de cuantiles y las opciones de establecer k para k sigma que estaban disponibles en los ajustadores heredados.
	Para este ejemplo, especifique la probabilidad LSL como .05 y la probabilidad objetivo como .5.
	Y la USL probablemente sea .95.
	Cuando hacemos clic en el botón Calcular límite de especificación, los límites de especificación se calculan para las probabilidades dadas utilizando la distribución beta ajustada.
	En versiones anteriores de JMP, era necesario ajustar una distribución, obtener los cuantiles y devolverlos a la plataforma, lo que requería dos llamadas de distribución. Ahora, esto se puede hacer con una sola llamada.
	El análisis de capacidad se basa en la distribución beta. Se proporcionan las estadísticas generales de capacidad sigma. Los límites de especificación no se muestran en el histograma superior porque no se activó la opción "Mostrar límites" en el cuadro de diálogo.
	En conclusión, la plataforma de distribución en la versión 15 se ha modernizado para mejorar el flujo, proporcionar una apariencia más limpia, proporcionar consistencia y requerir menos mantenimiento.
	Gracias por asistir a mi presentación sobre la modernización de la plataforma de distribución.

Modelado estadístico avanzadoAnálisis y modelado de datos básicosInvestigación de mercados y consumidoresCombinación y limpieza de datosExploración y visualización de datosModelado predictivo y aprendizaje automáticoIngeniería de Calidad y Procesos