Nel mio primo post sugli studi sui dati grezzi dopo il rilascio di JMP 19, sono rimasto sorpreso nello scoprire che già utilizzavo diverse nuove funzionalità di JMP 19. Poiché nessuna di queste era inclusa nell'articolo principale "Novità di JMP 19" , ho pensato che sarebbe stato utile riassumerle in un post di meta-blog. Nel post originale, stavo esplorando i dati sui giocatori di football americano delle scuole superiori e dei college. A un certo punto, ho creato un grafico a punti con due gruppi sull'asse Y che indicavano se un giocatore era stato selezionato dalla NFL o meno. Ogni punto rappresenta un giocatore e l'asse X mostra il suo punteggio scolastico.
Questo grafico utilizza diverse funzionalità di JMP 19:
- la direzione di jitter "ordinale" che sposta i punti nei due gruppi verso il centro. Mi assumo la responsabilità del nome criptico, che è un riferimento per l'applicazione di questo stile in un grafico di adattamento logistico ordinale o nominale.
- il dot plot a griglia esagonale per un impaccamento più compatto.
- il jitter smoothing, in cui uno stack può prendere punti dal suo vicino in base a un criterio di ottimizzazione che bilancia la fluidità della densità e l'errore nella direzione X.
Il grafico seguente mostra la percentuale di giocatori provenienti da college selezionati che sono stati arruolati, separando i giocatori in base al loro punteggio di scuola superiore.
Il grafico utilizza l'elemento Linea di Adattamento, ma la variabile di risposta è in realtà binomiale (selezionata o meno). In tal caso, l'intervallo di confidenza è binomiale, il che significa che può essere sbilanciato e non può mai superare l'intervallo compreso tra 0 e 1. Si noti che la Carolina del Sud aveva solo pochi giocatori a cinque stelle, quindi l'intervallo di confidenza è molto ampio, e tutti sono stati selezionati, quindi la media è del 100%, ma l'intervallo di confidenza è anche limitato al 100%. Un'altra novità di JMP 19: il testo del piè di pagina è parte dell'output quando si utilizza il tasto destro del mouse > Copia grafico.
Infine, il post originale mostra in modo più fluido la curva di tendenza della percentuale di giocatori al draft rispetto al rating dei licei. Ecco un'analisi di tale relazione per istituto.
Utilizza il nuovo smoother p-spline e alcune funzionalità che abilita:
- La curva di tendenza è vincolata a non essere negativa, pur rimanendo liscia.
- La curva di tendenza è vincolata a non essere discendente. L'idea è che una valutazione più alta di un giocatore non dovrebbe mai comportare una previsione di probabilità di draft inferiore. Ad esempio, la Florida ha solo pochi giocatori con una valutazione bassa (intorno a 0,8), ma due di loro sono stati selezionati. Se non fosse vincolata, la curva di tendenza inizierebbe molto più in alto per poi scendere.
Per un contesto più ampio, ecco la stessa curva vincolata per la Florida sovrapposta all'intervallo di confidenza per la curva non vincolata.
Non è garantito, ma è in qualche modo confortante che l'adattamento vincolato sia ancora all'interno dell'intervallo di confidenza dell'adattamento non vincolato.
Ottimo! Utilizziamo regolarmente molti di questi miglioramenti di Graph Builder: sono fantastici! Anzi, usiamo GB ogni singolo giorno nel nostro lavoro.
Grazie per l'ottimo lavoro svolto di recente e nel corso degli anni!
(E nutriamo ancora la speranza che altre nuove funzionalità vengano implementate in futuro, ad esempio lo zoom con la rotellina del mouse, il ridimensionamento dei punti in base agli assi, le zone di rilascio con "etichetta"/"colore di sfondo", ecc. È ancora un terreno molto fertile!)
