JMPは、出力変数（応答）と1つ以上の入力変数（因子）の関係を対話的に分析・モデル化するための様々な方法を提供します。また、応答を説明するのに役立つ変数を特定するための説明的モデリングツールも備えています。
以下の方法をご覧ください：
- コーヒーの包装を例に、基本的な分析を用いて、プロセスに関する実践的な質問に答えてください。
- 剥離強度データは、製品の品質について何を教えてくれるのでしょうか？
- この2つの製剤には大きな違いがありますか？
- 剥離強度は他の要因と関係があるのでしょうか？
- 1標本t検定、能力区間、許容区間など、データの分布に関する統計を特定し、解釈する。
- Fit Y by X、2標本検定、不等分散検定、ANOVA、およびTukey-Kramer多重比較を用いて、配合を比較する。
- プロセス能力と単純線形回帰を用いて、変数間の関係性を分析する。
このウェビナーでは、流通とフィットY by Xについて解説します。
Didn't they know how to bag the coffee so we could open it easily without spilling it?コーヒーをこぼさずに簡単に開けられるように袋詰めする方法を知らなかったのだろうか？
ライブウェビナーで、マリリンは設定方法に関する質問に対し、2つの異なる方法を実演して回答した。
リソース
皆さんこんにちは！本日、素晴らしい講師である@MarilynWheatley氏による基礎統計分析のマスターセッションにライブでご参加いただいた皆様、ありがとうございました。このセッションは、同僚の@gail_massari氏と@Jeff_Upton氏が司会を務めました。
本日開催されたマスタリングウェビナーの質疑応答セッションでご紹介した記事はこちらです： 「p < 0.05」を超えた世界へ
これは基本的に、自動的で閾値に基づいた統計的意思決定から脱却し、より透明性が高く、状況を考慮し、不確実性を受け入れる統計的推論の枠組みへと移行しようという呼びかけである。
ここでの趣旨は、厳密な有意水準を用いたp値の使用を非難することではなく、p値を真の科学的判断の代わりとして用いることをやめさせることである。思慮深い分析のための様々なアイデアや提案の中でも、p値を用いるとしても、それはゲートキーピングの仕組みとしてではなく、記述的な手段として用いるべきである。
- 例えば、連続的なp値は引き続き報告される可能性があるが、以下の点に注意する必要がある。
- 正確な値として（例：p = 0.08）、
- 「重要」や「重要でない」といったラベルを付けずに、
- そして常に、効果量と不確実性も併せて考慮される。
- そしてもちろん、p値が解釈を支配するべきではない。
その他の方向性としては、統計的意思決定において不確実性を排除しようとするのではなく、むしろそれを受け入れるべきだという提案が挙げられる。
統計的推論は科学的推論と同等ではなく、どちらにも限界があることを認識し、慎重な分析と慎重なリスクベースの枠組みを用いるべきである。
本日聴衆から寄せられた質問を要約すると、「p値の適切なカットオフ値はどれくらいですか？」となります。
p<0.05という閾値は歴史的な背景を持つ名残であり、この記事ではp値のわずかな違い（例えば0.049対0.051）が解釈におけるカテゴリー的な違いを正当化するものではないと示唆しているものの、運用上の一貫性や、定められた受容基準に基づく慎重かつ「正直な」分析のために、カットオフ値を決定する必要がある状況（ビジネス環境や規制環境）が数多く存在することを認識している。
何よりもまず、p値の閾値を厳密に設定する方法は、研究を実施する前にいわゆる「証拠の基準」（アルファ）を設定することです。アルファによって、誤警報（誤警報とは、帰無仮説を誤って棄却すること、つまり、実際には真の信号ではないものを検出してしまう状況）をどの程度の頻度で許容するかを事前に指定することができます。
p値は、帰無仮説の下で得られた結果を観察する確率を示します。比較対象は、カットオフ値であるα（歴史的には慣例により0.05に等しいことが多い）です。p≥αの場合、帰無仮説を棄却せず、帰無仮説を妥当な説明として保持します。pがαより小さい場合、帰無仮説を棄却しません。
しかし重要なのは、p値は帰無仮説の下で、我々の結果が得られる可能性がどれくらい高いかを示しているということである。
これまでと同様、JMPソフトウェアの使用に関してご質問がございましたら、お気軽にお問い合わせください。
-JMPテクニカルサポート（ support@jmp.com ）
