Dans mon premier article sur l'analyse des données brutes depuis la sortie de JMP 19, j'ai été surpris de constater que j'utilisais déjà plusieurs nouvelles fonctionnalités. Comme aucune d'entre elles n'était mentionnée dans l'article principal sur les nouveautés de JMP 19 , j'ai pensé qu'il serait utile de les récapituler dans un article récapitulatif. Dans l'article original, j'explorais des données sur les joueurs de football américain, du lycée à l'université. À un moment donné, j'ai créé un graphique à points avec deux groupes sur l'axe des ordonnées, indiquant si un joueur avait été recruté par la NFL ou non. Chaque point représente un joueur et l'axe des abscisses indique son classement au lycée.
Ce graphique utilise plusieurs fonctionnalités de JMP 19 :
- Le sens de la variation « ordinale » déplace les points des deux groupes vers le centre. J'assume la responsabilité de ce nom cryptique, qui sert de référence pour l'application de ce style dans un graphique de régression logistique ordinale ou nominale.
- Le diagramme à points en grille hexagonale permet un empilement plus compact.
- le lissage par tremblement, où une pile peut prendre des points de son voisin sur la base d'un critère d'optimisation qui équilibre la régularité de la densité et l'erreur dans la direction X.
Le graphique suivant montre le pourcentage de joueurs issus de certaines universités qui ont été repêchés, en les classant selon leur classement au lycée.
Le graphique utilise l'élément « Droite de régression », mais la variable réponse suit une loi binomiale (joueur sélectionné ou non). Dans ce cas, l'intervalle de confiance est binomial, ce qui signifie qu'il peut être déséquilibré et qu'il ne peut jamais dépasser l'intervalle [0, 1]. Notez que la Caroline du Sud ne comptait que quelques joueurs cinq étoiles ; l'intervalle de confiance est donc très large. De plus, tous ces joueurs ont été sélectionnés, la moyenne est donc de 100 %, mais l'intervalle de confiance est également limité à 100 %. Autre nouveauté de JMP 19 : le texte du pied de page est inclus dans le graphique généré par un clic droit > Copier le graphique.
Enfin, le billet original contient un graphique plus lisse illustrant la courbe de tendance du pourcentage de repêchage en fonction du classement des joueurs au lycée. Voici une analyse de cette relation par lycée.
Il utilise le nouveau lisseur de splines P et quelques fonctionnalités qu'il active :
- La courbe de tendance est contrainte d'être non négative tout en restant lisse.
- La courbe de tendance est contrainte d'être non décroissante. L'idée est qu'une meilleure note attribuée à un joueur ne doit jamais se traduire par une probabilité de sélection plus faible. Par exemple, la Floride ne compte que quelques joueurs avec une note faible (environ 0,8), mais deux d'entre eux ont été sélectionnés. Sans cette contrainte, la courbe de tendance partirait d'une note beaucoup plus élevée avant de décroître.
Pour vous donner un peu plus de contexte, voici cette même courbe contrainte pour la Floride superposée à l'intervalle de confiance de la courbe non contrainte.
Ce n'est pas garanti, mais c'est en quelque sorte rassurant de constater que l'ajustement contraint reste dans l'intervalle de confiance de l'ajustement non contraint.
Génial ! Nous utilisons régulièrement bon nombre de ces améliorations de Graph Builder — c'est vraiment super ! En fait, nous utilisons GB quotidiennement dans notre travail.
Merci pour tout votre excellent travail ces derniers temps, et au fil des années !
(Et nous espérons toujours que d'autres nouvelles fonctionnalités seront finalement intégrées, comme le zoom à la molette de la souris, le dimensionnement des points en fonction des axes, les zones de dépôt « étiquette »/« couleur d'arrière-plan », etc. Le terrain est encore très fertile !)
