Sobre el Siguiente Hablando analíticamente , escucharemos de Xan Gregg, JMP Director de I + D y creador del generador de gráficos de arrastrar y soltar. Aquí hay una vista previa de lo que él discutirá. Sintonice el miércoles, 16 de marzo, a la 1 pm ET para escuchar el resto.
P: Cuéntanos sobre la importancia de los gráficos y la visualización de datos.
R: Al principio de mi carrera, pude ver lo valioso Visualización de datos era, pero no entendía realmente por qué hasta que empecé a estudiar la percepción y cómo funciona la mente. Hay una gran parte de la mente dedicada al procesamiento visual, lo que hace que una forma muy eficiente de obtener información en nuestra mente.
Hay un ejemplo famoso, el Cuarteto de Anscombe. Tiene cuatro conjuntos de datos diferentes, y si solo se ven los números en una tabla, se ven iguales. Y si nos fijamos en las estadísticas de resumen, son las mismas. Pero cuando ves los puntos en el diagrama de dispersión, puedes ver inmediatamente que todos son diferentes.
Cuarteto de Anscombe: cuando ve los puntos en el diagrama de dispersión, inmediatamente puede ver que los cuatro conjuntos de datos son todos diferentes.
Ese es el poder de la visualización, solo en ese simple ejemplo. Se extiende, también, a los gráficos más elaborados que tenemos hoy.
P: ¿Cuál es su perspectiva sobre la terminología de visualización de datos diferentes?
R: La terminología es a veces borrosa. Por ejemplo, "visualización de datos" versus "visualización de información" o "descriptiva" versus "analítica" depende de su punto de vista. Pero creo que los términos señalan un espectro de propósitos de visualización de datos. Algunas veces estamos viendo los datos sin procesar, especialmente cuando estamos usando JMP para la exploración y el descubrimiento. Solo queremos ver qué hay en los datos y obtener una descripción de ellos. Pero otras veces, cuando hemos encontrado algo y queremos hacer un punto; Ahí es cuando utilizamos una visualización de información para comunicar los resultados del análisis.
E incluso con los mismos datos, puede elegir cómo visualizarlos y eso cambia la información. Si tiene una serie de puntos de datos y los ve como barras, entonces la información que está comunicando es que estos son valores discretos. Pero si lo ves como una línea conectada, estás comunicando que esto es una secuencia y te estás enfocando en el cambio. Considerando que, si utiliza un suave, en su lugar, se está centrando en la tendencia a largo plazo.
Entonces, incluso con los mismos datos, existe la posibilidad de comunicar información diferente según la forma en que la visualice. Tenemos una opción de visualizaciones. No es para decir que uno está bien y uno está mal. Cada uno comunica un mensaje diferente.
P: ¿Por qué algunos gráficos son menos útiles que otros?
R: Pueden ser menos útiles porque podemos poner demasiadas cosas en el gráfico. Agregamos etiquetas adicionales, marcas de verificación, colores, dimensiones, y es posible que no estén en los datos. O incluso si están en los datos, a veces todavía distraen de la información real que queremos comunicar.
Y la otra forma en que pueden ser menos útiles es no estar en línea con nuestros sentidos. Hay algunas cosas que podemos percibir con mayor precisión que otras. Hay algunas cosas que percibimos categóricamente en lugar de continuamente. Por lo tanto, debemos asegurarnos de que alineamos la percepción visual categórica con los datos categóricos y lo mismo para la continuidad.
Jessica escribió:
Gracias por tu comentario. Los coeficientes de correlación son alrededor de 0.816. La imagen muestra el valor de RSquare, que es el cuadrado del coeficiente de correlación, para los dos conjuntos de datos principales. ¡Espero que ayude!
Michael Clayton escribió:
Versión más corta de mi petición: los estudios de caso y los blogs deben incluir más ejemplos de Variabilidad, que, en mi opinión, NO son estudios de medición. Ramírez es bueno. Necesita muchos más y compárelos con métodos multivariados. Multi-Vari sigue siendo OFAT pero visualmente anidado o cruzado, en lugar de ser multivariable.
Pero muy útil como primer vistazo a los datos en bruto con muchos factores en mi opinión.
Michael Clayton escribió:
JMP realmente ha PERDIDO el poder de Multi-Vari o Variability Plot solo en estudios de gage.
Me encantaría un CONSTRUCTOR DE GRÁFICOS que pudiera anidar o cruzar 4 o 5 factores de la misma manera gráfica que la famosa parcela de variabilidad utilizada en la industria de los semiconductores para SITIO DENTRO DE UN LUGAR DENTRO DE MUCHO DENTRO DE UN PRODUCTO DENTRO DE FUNDICION ... ETC.
Y nos encantan las nuevas opciones de Variance Components que incluyen a REML y BAYES, así como a las antiguas matemáticas desequilibradas.
Desbloquee la potencia de ese gráfico de tipo Multi-Vari.
Es la PRIMERA OPCIÓN para verificar los datos de los resultados del DOE antes de ejecutar regresiones.
También se elige para EDA en los impactos de herramientas y recetas en metrología o datos de prueba.
Y primero mire GRR antes de usar EMP.
Me encantan los perfiladores más nuevos ... y los simuladores.
Aún no estoy seguro de si se necesita JMP PRO para la mayoría de los trabajos de fábrica.
Podría usar algunos ejemplos de fábrica donde JMP Pro vale el costo más alto.
También desea más formas de mover los perfiladores a Excel, etc. para administradores que no sean JMP.
Ed escribió:
Sería interesante ver los coeficientes de correlación correspondientes al Cuarteto de Anscombe
