JMP 11 est un grand pas en avant sur de nombreux fronts, mais surtout pour JMP Pro . Depuis son introduction dans JMP 9, JMP Pro était principalement axé sur la modélisation prédictive, avec des procédures plus sophistiquées d’ajustement des réseaux de neurones et des modèles d’arbre de régression. JMP Pro 11 élargit considérablement son champ d'action en ajoutant quatre nouvelles plates-formes: Fit Mixed, Regression généralisée, Uplift et Reliability Diagram.
La plateforme Fit Mixed a été développée par Laura Lancaster , John Sall et moi-même et apporte à JMP Pro la possibilité d’adapter des modèles mixtes linéaires avec différentes structures de corrélation prenant en compte l’espace et le temps, ainsi que des modèles à coefficients aléatoires. La plate-forme est mise en œuvre à l'aide de matrices creuses et multithreads, ce qui vous permet d'ajuster les modèles à des ensembles de données plus volumineux comportant un nombre assez important d'effets aléatoires. Vous pouvez tirer parti de ces modèles dans presque toutes les disciplines scientifiques, des sciences sociales et environnementales à l'ingénierie et à la fabrication.
La plate-forme de régression généralisée développée par Argile barker est notre plateforme de modélisation linéaire généralisée de nouvelle génération. En tant que successeur de la plateforme des modèles linéaires généralisés, il peut adapter les modèles à des données non distribuées normalement. L'aspect le plus puissant de la plate-forme est l'incorporation d'outils de régression modernes tels que Lasso et Elastic Net, qui automatisent le processus d'ajustement du modèle et de sélection variable. Le réseau élastique, en particulier, est très utile lors de l'ajustement de modèles à des données d'observation avec des entrées corrélées. À l'avenir, nous ajouterons davantage d'options de modélisation distributionnelle, ainsi que des éléments tels que les équations d'estimation généralisées et peut-être même les modèles hiérarchiques bayésiens.
La plate-forme de blocs de fiabilité développée par notre principal développeur de fiabilité, Peng Liu, en collaboration avec l'auteur de la bibliothèque NodeGraph de JMP, Aaron Anderson, complète notre suite d'outils de fiabilité d'ingénierie. Il permet de prédire la fiabilité de produits complexes composés de nombreux composants. Par exemple, un constructeur automobile aura réalisé des expériences préliminaires pour comprendre la fiabilité des divers sous-composants d’une nouvelle voiture qui n’est pas encore sortie. À l'aide de la plate-forme Reliability Block Diagram, vous pouvez combiner ces modèles de fiabilité pour des sous-composants - tels que la transmission, le groupe motopropulseur, le moteur et le système électrique - avec une interface graphique conviviale qui trace ensuite la distribution de fiabilité pour l'ensemble du véhicule.
La plate-forme de modélisation Uplift, développée par John Sall lui-même, est un puissant outil d’exploration de données dont les applications varient du marketing direct à l’industrie pharmaceutique. La plateforme convient aux modèles qui vous permettent d'identifier les sous-populations les plus susceptibles de réagir à un traitement. Par exemple, vous pouvez identifier les personnes les plus susceptibles de faire un achat après les avoir incluses dans une campagne de marketing direct ou identifier les sous-populations de patients les plus susceptibles (ou peu susceptibles!) De répondre à un traitement médicamenteux.
Nous avons également passé beaucoup de temps à travailler sur l'édition standard de JMP. L’effort le plus important sur ce front a probablement été notre engagement renouvelé à servir les spécialistes des sciences sociales. La pièce maîtresse de ces efforts est un autre projet dirigé par John Sall: une refonte spectaculaire de la plate-forme catégorique afin de faciliter l'analyse des enquêtes de marché. L’analyse factorielle, élément essentiel de la boîte à outils statistique des spécialistes des sciences sociales, a été dotée de sa propre plate-forme JMP par notre développeur d’analyses multivariées, Jianfeng Ding.
JMP 10 a initié un renouvellement des composants de contrôle de processus qualité et statistique dans JMP et a vu l'introduction du concepteur de cartes de contrôle et de la plate-forme d'analyse des systèmes de mesure (MSA). Développé par Annie Zangi , le générateur de diagrammes de contrôle est un outil de glisser-déposer permettant de créer des diagrammes Shewhart pour les données de réponse continue qui ont été développés pour gérer les diagrammes attribut pour les données de compte et de catégorie, ainsi que les diagrammes permettant de surveiller le comportement des événements rares. La plate-forme MSA de Laura Lancaster est la première implémentation commerciale de l'approche EMP de Don Wheeler, qui constitue une alternative aux études de jauge R & R. La bonne chose à ce sujet est la manière simple et directe dont il ressort clairement l’impact des erreurs de mesure sur la capacité de détecter des changements dans un processus de fabrication. Dans JMP 11, la plate-forme MSA a été étendue pour prendre en charge des modèles plus sophistiqués décrivant de manière plus réaliste la manière dont les mesures sont prises à partir d'un processus de fabrication moderne.
L’une des caractéristiques qui me passionne le plus est: Ryan Parker ' s ajout au profileur dans JMP. Ryan a développé une approche basée sur la simulation pour évaluer l'importance variable basée uniquement sur une formule de prédiction et non sur la manière dont vous vous ajustez au modèle. La technique est basée sur la décomposition de Sobol d’une fonction et vous pouvez l’appliquer à n’importe quelle formule. Cela signifie que vous disposez maintenant d'un outil qui peut être utilisé pour la sélection de variables et qui peut être appliqué à n'importe quel modèle statistique, même ceux comme les réseaux de neurones qui ressemblent trop à une boîte noire pour utiliser les méthodes de sélection de variables traditionnelles. Voici l'outil Variable Importance appliqué à un modèle de réseau neuronal à deux couches ajusté à l'aide de JMP Pro à certaines données d'approbation (simulées) de carte de crédit.
Un autre nouveau widget intéressant dans JMP est le module de comparaisons multiples développé par Laura Lancaster, qui facilite la réalisation de nombreuses procédures de comparaison multiples sur des ensembles arbitraires de combinaisons de variables d'entrée. Celles-ci incluent l'analyse des moyennes, les comparaisons par paires de Tukey, le test de Dunnett pour les comparaisons par rapport à un contrôle, et même le test d'équivalence lorsqu'il existe un seuil de signification pratique. Chacun de ces éléments est accompagné d’un graphique qui permet de voir facilement les différences entre vos données. Voici un exemple de celui utilisé pour les tests d'équivalence:
JMP 11 a vraiment beaucoup à vous faire attendre!
Remarque: Ce billet fait partie d’une série d’aperçus de JMP 11 par des membres de JMP R & D et des experts techniques. Le blog JMP proposera un nouvel aperçu tous les mardis jusqu'à la sortie de JMP 11 en septembre. Découvrez tous les Aperçus JMP 11 .
Michelle Homes a écrit:
Quelques améliorations remarquables et nouvelles fonctionnalités! Merci pour jeter un coup d'oeil. Quelle est la date de sortie prévue?
