los Entrenamiento JMP El currículo es diverso y complejo. Ofrecemos una gama de formación para principiantes y para usuarios avanzados. Además de nuestro esfuerzo continuo por mantener actualizada toda la capacitación con nuevas ediciones, también creamos nuevos cursos a medida que las necesidades de nuestros usuarios evolucionan. Quiero contarte una de ellas, una marca. Nuevo curso sobre análisis de datos categóricos. . Esperamos que este nuevo curso sea tan útil y popular como nuestro curso sobre ANOVA y regresión .
¿Por qué es tan importante el análisis de datos categóricos?
Es importante porque los datos categóricos son abundantes en muchos campos de trabajo. Para ser claros, los datos categóricos pueden ser numéricos o de caracteres, y representan un conjunto finito de niveles discretos. Los ejemplos incluyen género, afiliación a partidos políticos, afiliación religiosa, resultados de mortalidad y morbilidad, resultados de pruebas de productos tales como aprobación, reprobación o reevaluación, respuestas a encuestas, segmentos de mercado, calificaciones de pruebas académicas, etc. Cada vez que registre atributos cualitativos, observe la pertenencia a un grupo o la asignación de notas a una categoría en particular, tendrá datos categóricos.
¿Por qué el análisis de datos categóricos es tan diferente?
Hay muchos métodos para datos continuos o de medición, como estadísticas descriptivas (por ejemplo, media, desviación estándar), análisis de varianza (ANOVA) y regresión lineal, que son familiares para la mayoría de los analistas. Los analistas a veces usan códigos numéricos para los niveles categóricos con el fin de usar estos métodos que están diseñados para respuestas continuas. Es una pena porque siempre hay métodos análogos para los datos categóricos. En lugar de las estadísticas descriptivas para datos continuos, nos interesan las proporciones o las probabilidades para cada nivel categórico. En lugar de la correlación entre dos variables continuas, queremos conocer las asociaciones entre la respuesta categórica y otras variables. La regresión logística relaciona las variables predictoras con una respuesta categórica de una manera natural que respeta la discreción de los niveles. En tono rimbombante, JMP unifica nuestro conjunto de herramientas para que nuestro tratamiento de datos categóricos sea muy similar al de datos continuos, solo que se adapte al carácter único de los datos categóricos. Es decir, podemos esperar tener métodos de estimación de vanguardia, estadísticas de inferencia y selección de modelos, y la misma explotación y visualización de modelos para las respuestas categóricas que disfrutamos para las respuestas continuas. Destacamos estas similitudes en la formación.
¿Qué tipo de análisis de datos categóricos se cubren en este curso?
El curso comienza con una encuesta rápida de datos categóricos y revisa sus características que lo distinguen de los datos continuos. Las estadísticas descriptivas que usan la plataforma de Distribución y las asociaciones que usan la plataforma de Contingencia comienzan las lecciones sobre el análisis. Asociaciones estratificadas y pruebas exactas de asociación amplían este análisis. El modelado y la selección de modelos se introducen utilizando la plataforma de partición, complete el primer capítulo. El segundo capítulo trata sobre la regresión logística. Comienza con una introducción a los métodos de probabilidad para ajustar los parámetros del modelo, la inferencia y la selección del modelo. El resto del segundo capítulo cubre la aplicación de modelos de regresión logística binarios, nominales y ordinales. El tercer capítulo introduce modelos lineales generalizados (GLM), que incluyen respuestas categóricas. El caso de regresión logística binaria se revisa y resuelve utilizando un GLM en su lugar. El último ejemplo muestra una respuesta categórica común, recuentos, que se maneja usando la regresión lineal de registro de Poisson, otro GLM.
¿Para quién está hecho este curso?
Cualquier analista de JMP que se encuentre con datos categóricos es un buen candidato para esta capacitación. Este curso es avanzado y se basa en las lecciones de los cursos de requisitos previos. Un estudiante en este curso debe sentirse cómodo usando JMP (por ejemplo, haber tomado el Curso de exploracion de datos ) y métodos estadísticos de inferencia y modelación con respuestas continuas (como se describe en el Curso de ANOVA y Regresión. ).
¿Cuándo puedo tomar el curso?
Ofrecemos una clase pública de primavera del 30 de abril al 3 de mayo y una clase pública de otoño del 13 al 16 de noviembre. Ambos estas clases Se llevará a cabo a través de Internet (formato web en vivo).
Mark Bailey escribió:
Gracias por leer mi post y por estas excelentes preguntas. Voy a responder a los dos a su vez.
No cubrimos los contrastes en el nuevo curso sobre respuestas categóricas. Solíamos cubrir los contrastes en uno de nuestros cursos sobre respuestas continuas, . JMP facilita la prueba de uno o más contrastes con la plataforma Fit Least Squares (Analizar> Ajustar modelo). Este importante tema se eliminó, sin embargo, en una edición reciente de ese curso simplemente debido al tiempo limitado y la falta de interés. Nuestros cursos suelen durar dos días, por lo que debemos "trazar una línea" en términos del alcance de los temas y la profundidad de la cobertura en cada curso. Los comentarios de nuestros clientes nos dijeron que los usuarios que asisten a nuestras clases de capacitación preferirían dedicar el tiempo limitado a otros temas. Por supuesto, en una clase en particular, si los estudiantes desean conocer un tema como los contrastes, que no está incluido, lo abordaremos mediante las respuestas a las preguntas.
Los contrastes también están disponibles en JMP con la plataforma de modelos lineales generalizados, a los que se accede a través de Analizar> Ajustar modelo. Entonces, si bien no cubrimos los contrastes en el nuevo curso, los explicaríamos y mostraríamos cómo obtenerlos en JMP, si los alumnos preguntaran por ellos.
Dick Schaertl escribió:
Esto suena como una clase interesante. ¿Se profundizará en la aplicación de contrastes polinomiales a los análisis de los mínimos cuadrados y del factor GLM para probar el ajuste del modelo? Antes de leer esta página web, le envié un correo electrónico a Laura Archer, JMP Tech Support, con una solicitud similar. El asunto del correo electrónico está pegado aquí:
RE: [SAS 7610749983] GLM contrastes polinomiales ortogonales
