这是我自 JMP 19 发布以来发布的第一篇原始数据研究博文，我惊讶地发现自己已经开始使用 JMP 19 的几个新功能了。由于这些功能都没有出现在 JMP 19 的新增功能介绍文章中，所以我决定以一篇综合博文的形式进行总结。在之前的文章中，我分析了高中和大学美式橄榄球运动员的数据。其中，我绘制了一个散点图，Y 轴代表球员是否被 NFL 选中，X 轴代表他们的高中评分。每个点代表一名球员。
此图表使用了 JMP 19 的多个功能：
- “序数”抖动方向使两组点都向中心移动。我为这个晦涩的名称负责，它指的是这种样式在序数或名义逻辑拟合图中的应用。
- 六边形网格点图用于更紧密的堆积。
- 抖动平滑，其中一个堆栈可以根据平衡 X 方向上的密度平滑性和误差的优化标准，从其相邻堆栈中获取点。
下一张图表显示了来自特定大学的球员被选中的百分比，并按球员的高中星级评分进行分类。
该图表使用了拟合线元素，但响应变量实际上是二项分布（是否被选中）。在这种情况下，置信区间也是二项分布，这意味着它可能是不平衡的，并且永远不会超出 0 到 1 的区间。请注意，南卡罗来纳州只有少数五星级球员，因此置信区间非常宽，而且所有五星级球员都被选中，所以平均值为 100%，但置信区间也限制在 100%。此外，JMP 19 新增了一项功能：右键单击 > 复制图表时，页脚文本会包含在输出中。
最后，原文中有一个更平滑的图表，展示了选秀概率与球员高中评分之间的趋势曲线。以下是按学校划分的这种关系的详细分析。
它利用了新的 P 样条平滑器及其启用的几个功能：
- 趋势曲线被限制为非负值，同时还要保持平滑。
- 趋势曲线被限制为非下降趋势。其理念是，球员评分越高，其选秀概率预测值越低。例如，佛罗里达大学只有少数几名球员的评分较低（约 0.8），但其中两名球员最终被选中。如果不加以限制，趋势曲线的起始点会很高，然后逐渐下降。
为了提供更多背景信息，这里是佛罗里达州的同一条受限曲线，并叠加了非受限曲线的置信区间。
虽然不能保证，但令人欣慰的是，约束拟合仍然在非约束拟合的置信区间内。
太棒了！我们经常使用 Graph Builder 的这些改进功能——非常实用！事实上，我们每天工作中都会用到 GB。
感谢您近来以及多年来的出色工作！
（我们仍然希望其他新功能最终也能实现，例如鼠标滚轮缩放、基于坐标轴的点大小调整、“标签”/“背景色”放置区域等等。这方面仍然有很大的发展空间！）
