에 다음 분석적으로 말하기 우리는 Xan Gregg, JMP R & D 담당 이사 겸 드래그 앤 드롭 그래프 빌더 작성자. 그가 토론 할 내용에 대한 미리보기입니다. 3 월 16 일 수요일, 동부 표준시 기준으로 나머지 시간을 들으십시오.
Q : 그래프의 중요성과 데이터 시각화에 대해 알려주십시오.
A : 내 경력에 앞서, 나는 얼마나 귀중한지를 볼 수 있었다. 데이터 시각화 나는 인식을 연구하기 시작하고 마음이 어떻게 작동 할 때까지 왜 그런지를 정말로 이해하지 못했습니다. 시각적 처리에만 전념하는 마음의 상당 부분이 우리의 마음 속에 정보를 전달하는 매우 효율적인 방법입니다.
Anscombe의 사중주 유명한 예가 있습니다. 네 개의 서로 다른 데이터 세트가 있으며, 테이블의 숫자 만 보더라도 동일하게 보입니다. 요약 통계를 보면 그 통계는 같습니다. 그러나 산점도에서 포인트 자체를 볼 때 즉시 다른 점을 볼 수 있습니다.
Anscombe 's Quartet : 산점도에서 포인트 자체를 볼 때 네 개의 데이터 세트가 모두 다른 것을 즉시 볼 수 있습니다.
바로 그 간단한 예에서 시각화의 힘입니다. 또한 오늘날 우리가 가지고있는보다 정교한 그래픽으로 확장됩니다.
Q : 다양한 데이터 시각화 용어에 대한 귀하의 관점은 어떻습니까?
A : 용어가 때때로 흐릿합니다. 예를 들어 "데이터 시각화"대 "정보 시각화"또는 "기술적 인"대 "분석적"은 사용자의 관점에 달려 있습니다. 그러나이 용어는 데이터 시각화의 다양한 목적을 지적합니다. 때로는 원시 데이터를 조사하고 있습니다. 특히 JMP를 탐색 및 검색에 사용하는 경우가 있습니다. 우리는 단지 데이터에 무엇이 있는지를보고 그것에 대한 설명을 원합니다. 그러나 다른 때, 우리가 무언가를 발견하고 우리가 한 점을 지적하고자 할 때; 그 때 우리는 분석 결과를 전달하기 위해 정보 시각화를 사용합니다.
동일한 데이터를 사용하더라도 시각화 방법을 선택할 수 있으며 정보가 변경됩니다. 당신이 일련의 데이터 포인트를 가지고 있고 그것을 막대로 본다면, 당신이 통신하고있는 정보는 이들이 별개의 값이라는 것입니다. 그러나 연결된 선으로 보시면이 선이 연속이라는 사실을 의사 소통하고 변경 사항에 중점을 둡니다. 반면에 매끄러운면을 사용하면 장기적인 추세에 집중할 수 있습니다.
따라서 동일한 데이터가 있더라도 시각화 방식에 따라 다른 정보를 전달할 수 있습니다. 우리는 시각화를 선택할 수 있습니다. 하나가 옳고 하나가 잘못되었다고 말하는 것은 아닙니다. 그들은 각각 다른 메시지를 전달합니다.
Q : 일부 그래프는 다른 그래프보다 덜 유용합니까?
A : 그래프에 너무 많은 것을 넣을 수 있기 때문에 유용하지 않을 수 있습니다. 여분의 레이블, 눈금, 색상, 크기 및 데이터가 데이터에 없을 수도 있습니다. 또는 데이터에 포함되어 있더라도 의사 소통을 원하는 실제 정보가 흐트러지는 경우가 있습니다.
그리고 그들이 덜 유용 할 수있는 다른 방법은 우리의 감각에 맞지 않는 것입니다. 우리가 다른 사람들보다 더 정확하게 인식 할 수있는 것들이 있습니다. 우리가 지속적으로보다는 오히려 어떤 것을 인식합니다. 따라서 우리는 범주적인 시각적 인식을 범주 적 데이터와 일치시키고 연속적으로 동일한 것으로 인식 할 필요가 있습니다.
제시카 쓴 :
귀하의 의견에 감사드립니다. 상관 계수는 모두 약 0.816입니다. 이미지는 상위 두 데이터 세트에 대한 상관 계수의 제곱 인 RSquare 값을 표시합니다. 희망이 도움이됩니다!
마이클 클레이튼 쓴 :
내 주장의 짧은 버전 : 사례 연구와 블로그에는 제 의견으로는 게이지 연구가 아닌 변수 플롯 (Variability Plot) 사례가 더 많이 등장해야합니다. 라미레즈는 좋은 사람입니다. 더 많은 것을 필요로하고 다 변수 방법과 비교하십시오. 다중 변수는 여전히 OFAT이지만 실제 다 변수가 아닌 시각적으로 중첩되거나 교차됩니다.
하지만 내 의견으로는 여러 가지 요소가있는 원시 데이터를 먼저 살펴 보는 데 매우 유용합니다.
마이클 클레이튼 쓴 :
JMP는 게이지 연구에서만 Multi-Vari 또는 Variability Plot의 힘을 정말로 망 쳤습니다.
나는 중첩 할 수있는 그래픽 빌더를 좋아할 것입니다. 유명한 variabllity plot과 동일한 그래픽 방식으로 4 ~ 5 가지 요소를 깊게 교차시킬 수 있습니다. 예를 들어, 제품 내부에 웨이퍼를 넣은 반도체 산업 분야에서 많이 사용됩니다.
그리고 우리는 REML과 BAYES뿐만 아니라 오래된 불평형 anova 수학을 특징으로하는 새로운 Variance Components 최상의 선택을 좋아합니다.
해당 Multi-Vari 유형 그래프의 파워를 해제하십시오.
회귀 분석을 수행하기 전에 DOE 결과 데이터를 확인하는 것은 처음의 선택입니다.
또한 계측 또는 테스트 데이터에 대한 도구 및 레서피 영향에 대해 EDA 용으로 선택됩니다.
그리고 EMP를 사용하기 전에 먼저 GRR을보십시오.
최신 프로파일 러와 시뮬레이터를 좋아해.
아직 대부분의 공장 작업에 JMP PRO가 필요한지 여부는 확실하지 않습니다.
JMP Pro가 더 높은 비용으로 가치가있는 일부 공장 예를 사용할 수 있습니다.
또한 비 JMP 관리자를 위해 Excel 등으로 프로파일 러를 이동하는 다양한 방법을 원합니다.
에드 쓴 :
Anscombe 's Quartet에 상응하는 상관 계수를 보는 것은 흥미로울 것입니다.
