Sul next Analizzando analiticamente , sentiremo da Xan Gregg, JMP Direttore di R & S e creatore del Graph Builder drag-and-drop. Ecco un'anteprima di ciò di cui discuterà. Sintonizzati mercoledì 16 marzo alle 13:00 ET per ascoltare il resto.
Parlaci dell'importanza dei grafici e dei dati di visualizzazione.
A: All'inizio della mia carriera, ho potuto vedere quanto sia prezioso visualizzazione dati è stato, ma non ho veramente capito perché fino a quando non ho iniziato a studiare la percezione e come funziona la mente. C'è una grande parte della mente che si dedica solo all'elaborazione visiva, creando un modo molto efficiente per ottenere informazioni nelle nostre menti.
C'è un esempio famoso, il Quartetto di Anscombe. Ha quattro diversi set di dati e, se guardi solo i numeri su un tavolo, hanno lo stesso aspetto. E se guardi le statistiche riassuntive, sono le stesse. Ma quando vedi i punti stessi sul grafico a dispersione, puoi immediatamente vedere che sono tutti diversi.
Il quartetto di Anscombe: quando vedi i punti sul grafico a dispersione, puoi immediatamente vedere che i quattro set di dati sono tutti diversi.
Questo è il potere della visualizzazione, proprio in questo semplice esempio. Si estende, inoltre, alla grafica più elaborata che abbiamo oggi.
Qual è la tua prospettiva sulla terminologia di visualizzazione dei dati diversa?
A: La terminologia a volte è sfocata. Ad esempio, "visualizzazione dei dati" rispetto a "visualizzazione delle informazioni" o "descrittiva" o "analitica" dipende dal tuo punto di vista. Ma penso che i termini indichino uno spettro di scopi di visualizzazione dei dati. A volte guardiamo i dati non elaborati, soprattutto perché stiamo utilizzando JMP per l'esplorazione e la scoperta. Vogliamo solo vedere cosa c'è nei dati e ottenere una descrizione. Ma altre volte, quando abbiamo trovato qualcosa e vogliamo fare un punto; è allora che usiamo una visualizzazione delle informazioni per comunicare i risultati dell'analisi.
E anche con gli stessi dati, puoi scegliere come visualizzarlo e modificare le informazioni. Se hai una serie di punti dati e la guardi come barre, le informazioni che stai comunicando sono che si tratta di valori discreti. Ma se lo guardi come una linea connessa, stai comunicando che questa è una sequenza e ti stai concentrando sul cambiamento. Considerando che, se si utilizza invece un effetto sfumato, ci si concentra sulla tendenza a lungo termine.
Quindi, anche con gli stessi dati, c'è la possibilità di comunicare informazioni diverse in base alla modalità di visualizzazione. Abbiamo una scelta di visualizzazioni. Non è per dire che uno ha ragione e uno è sbagliato. Ognuno di loro comunica un messaggio diverso.
Perché alcuni grafici sono meno utili di altri?
A: Possono essere meno utili perché possiamo mettere troppe cose nel grafico. Aggiungiamo ulteriori etichette, segni di graduazione, colori, dimensioni e quelli che potrebbero non essere nei dati. O anche se sono nei dati, a volte distraggono ancora dalle informazioni reali che vogliamo comunicare.
E l'altro modo in cui possono essere meno utili è non essere in linea con i nostri sensi. Ci sono alcune cose che possiamo percepire più accuratamente di altre. Ci sono alcune cose che percepiamo categoricamente piuttosto che continuamente. Quindi dobbiamo assicurarci di allineare la percezione visiva categoriale con i dati categoriali e la stessa cosa per il continuo.
Jessica ha scritto:
Grazie per il tuo commento. I coefficienti di correlazione sono tutti intorno a 0,816. L'immagine mostra il valore RSquare, che è il quadrato del coefficiente di correlazione, per i primi due set di dati. Spero che sia d'aiuto!
Michael Clayton ha scritto:
Versione più breve del mio motivo: i case studies e i blog dovrebbero presentare più esempi di grafici di variabili che non sono studi di gage a mio avviso. Ramirez è buono. Ne hanno bisogno di molti altri e li confrontano con metodi multivariati. Multi-Vari è ancora OFAT ma visivamente annidato o incrociato, piuttosto che vero multivariato.
Ma molto utile come primo sguardo ai dati grezzi con molti fattori a mio avviso.
Michael Clayton ha scritto:
JMP ha davvero SCOPATO la potenza del Plot Multi-Vari o Variability solo negli studi di gage.
Mi piacerebbe un GRAPH BUILDER che possa annidare o attraversare 4 o 5 fattori in profondità nello stesso modo grafico della famosa trama di variabilità USATA PESANTE nell'industria dei semiconduttori per SITO ENTRO WAFER ENTRO LOT ENTRO IL PRODOTTO NELLA FONDERIA ... ETC.
Inoltre, amiamo le nuove migliori opzioni di Variance Components che includono REML e BAYES e la vecchia matematica anova non bilanciata.
Sblocca la potenza di quel grafico di tipo Multi-Vari.
È PRIMA SCELTA per controllare i dati dei risultati DOE prima di eseguire regressioni.
Viene inoltre scelto per l'EDA sugli effetti di utensili e ricette su dati metrologici o di test.
E prima guarda il GRR prima di usare EMP.
Adoro i nuovi profiler ... e i simulatori.
Non sono ancora sicuro se JMP PRO sia necessario per la maggior parte dei lavori di fabbrica.
È possibile utilizzare alcuni esempi di fabbrica in cui JMP Pro vale il costo più elevato.
Desiderate anche altri modi per spostare i profiler in Excel ecc. Per i gestori non JMP.
Ed ha scritto:
Sarebbe interessante vedere i coefficienti di correlazione corrispondenti al Quartetto di Anscombe
