JMP 11 Es un gran paso adelante en muchos frentes, pero especialmente para JMP Pro . Desde el momento en que se introdujo en JMP 9, JMP Pro se ha centrado principalmente en el modelado predictivo, con procedimientos más sofisticados para ajustar redes neuronales y modelos de árbol de regresión de arranque y arranque. JMP Pro 11 amplía su alcance sustancialmente con la adición de cuatro nuevas plataformas: ajuste mixto, regresión generalizada, aumento y diagrama de bloques de confiabilidad.
La plataforma Fit Mixed fue desarrollada por Laura lancaster , John Sall y yo mismo, y aporte a JMP Pro la capacidad de ajustar modelos lineales mixtos con diferentes estructuras de correlación que tengan en cuenta el espacio y el tiempo, modelos de coeficientes aleatorios, entre otros. La plataforma se implementa utilizando matrices dispersas y es multiproceso, lo que le permite ajustar modelos a conjuntos de datos más grandes con un número bastante grande de efectos aleatorios. Puede aprovechar estos modelos en casi todas las disciplinas científicas, desde las ciencias sociales y ambientales hasta la ingeniería y la fabricación.
La plataforma de Regresión Generalizada desarrollada por Arcilla barker Es nuestra plataforma de modelado lineal generalizado de próxima generación. Como sucesor de la plataforma de modelos lineales generalizados, puede ajustar modelos a datos no distribuidos normalmente. El aspecto más poderoso de la plataforma es la incorporación de herramientas de regresión modernas como Lasso y Elastic Net, que automatizan el proceso de ajuste de modelos y la selección de variables. La red elástica, en particular, es muy útil cuando se ajustan modelos a datos observacionales con entradas correlacionadas. En el futuro, aquí será donde agregaremos más opciones de modelado distributivo, así como cosas como ecuaciones de estimación generalizadas y, posiblemente, incluso modelos jerárquicos bayesianos.
La plataforma de diagrama de bloques de confiabilidad desarrollada por nuestro desarrollador principal de confiabilidad, Peng Liu, en colaboración con el autor de la biblioteca NodeGraph de JMP, Aaron Anderson, completa nuestro conjunto de herramientas de confiabilidad de ingeniería. Permite predecir la confiabilidad de productos complicados hechos de muchos componentes. Por ejemplo, un fabricante de automóviles habrá realizado experimentos preliminares para comprender la confiabilidad de los distintos subcomponentes de un auto nuevo que aún no ha salido. Al usar la plataforma Diagrama de bloques de confiabilidad, puede combinar estos modelos de confiabilidad para subcomponentes, como la transmisión, el tren motriz, el motor y el sistema eléctrico, con una interfaz basada en gráficos fácil de usar que luego traza la distribución de confiabilidad para el automóvil en general.
La plataforma Uplift Modeling, desarrollada por el propio John Sall, es una poderosa herramienta de minería de datos con aplicaciones que varían desde el marketing directo hasta la industria farmacéutica. La plataforma se ajusta a modelos que le permiten identificar las subpoblaciones que tienen más probabilidades de responder a un tratamiento. Por ejemplo, podría identificar qué personas tienen más probabilidades de realizar una compra después de incluirlos en una campaña de marketing directo o identificar las subpoblaciones de pacientes que tienen más probabilidades (o es poco probable) de responder a un tratamiento farmacológico.
También hemos estado muy ocupados trabajando en la edición estándar de JMP. Posiblemente el esfuerzo más significativo en este frente ha sido nuestro compromiso renovado de servir a las personas en las ciencias sociales. La pieza central de estos esfuerzos ha sido otro proyecto liderado por John Sall: una revisión dramática de la plataforma categórica para facilitar el análisis de las encuestas de investigación de mercado. El análisis factorial, una parte esencial del conjunto de herramientas estadísticas del científico social, ha recibido su propia plataforma JMP por nuestro desarrollador de análisis multivariado, Jianfeng Ding.
JMP 10 inició una renovación de los componentes de control de procesos estadísticos y de calidad en JMP y vio la introducción del Control Chart Builder y la plataforma de Análisis de Sistemas de Medición (MSA). Desarrollado por Annie Zangi , el Generador de gráficos de control es una herramienta de arrastrar y soltar para crear gráficos de Shewhart para datos de respuesta continua que se ha expandido para manejar gráficos de atributos para datos de conteo y categóricos, así como gráficos para monitorear el comportamiento de eventos raros. La plataforma MSA de Laura Lancaster es la primera implementación comercial del enfoque EMP de Don Wheeler que es una alternativa a los estudios Gauge R&R. Lo bueno de esto es la manera simple y directa de aclarar el impacto del error de medición en la capacidad de detectar cambios en un proceso de fabricación. En JMP 11, la plataforma MSA se ha ampliado para manejar modelos más sofisticados que describen de manera más realista cómo se toman las mediciones de un proceso de fabricación moderno.
Una de las características que más me entusiasma personalmente es Ryan Parker s además del Perfilador en JMP. Ryan ha desarrollado un enfoque basado en simulación para evaluar la importancia de la variable que se basa solo en una fórmula de predicción y no en cómo se ajusta al modelo. La técnica se basa en la descomposición de Sobol de una función, y puede aplicarla a casi cualquier fórmula. Lo que esto significa es que ahora tiene una herramienta que se puede usar para la selección de variables que se puede aplicar a cualquier modelo estadístico, incluso redes neuronales que son demasiado parecidas a una caja negra para usar los métodos tradicionales de selección de variables. Aquí está la herramienta de Importancia Variable aplicada a un modelo de red neuronal de dos capas que se ajusta usando JMP Pro a algunos (simulados) datos de aprobación de tarjetas de crédito.
Otro nuevo y genial widget en JMP es el módulo de comparaciones múltiples desarrollado por Laura Lancaster que facilita la realización de una amplia variedad de procedimientos de comparaciones múltiples en conjuntos arbitrarios de combinaciones de variables de entrada. Estos incluyen el Análisis de medias, las comparaciones de Tukey en pares, la prueba de Dunnett para comparaciones frente a un control e incluso la prueba de equivalencia cuando hay un umbral de importancia práctica. Cada uno de estos viene con un bonito gráfico que hace que sea fácil ver dónde están las diferencias en sus datos. A continuación se muestra un ejemplo de la prueba de equivalencia:
JMP 11 Realmente tiene mucho que esperar!
Nota: Este post es parte de una serie de vistas previas de JMP 11 por miembros y expertos técnicos de JMP R&D. El blog de JMP contará con una nueva vista previa todos los martes hasta que JMP 11 se lance en septiembre. Echa un vistazo a todos los JMP 11 vistas previas .
Casas de michelle escribió:
Algunas grandes mejoras y nuevas características de hecho! Gracias por el adelanto. ¿Cuándo es la fecha de lanzamiento programada?
