Niveau: intermédiaire
Laura Castro-Schilo, testeuse statisticienne de recherche JMP, SAS
Chris Gotwalt, directeur de la recherche et du développement statistiques chez JMP, SAS
L'analyse de données multivariées est devenue une compétence essentielle, car la quantité de données a explosé et les entreprises sont désormais davantage guidées par les données dans leur prise de décision. Au cours de cette longue séance, nous présentons JMP et son approche visuelle et interactive unique en matière d'analyse de données multivariée à l'aide d'une variété d'approches reposant sur des données continues, catégorielles, discrètes et fonctionnelles.
Nous allons commencer par une discussion fondamentale sur l'essence de l'analyse multivariée: l'idée selon laquelle les informations contenues dans un grand nombre de variables peuvent souvent être efficacement représentées avec un plus petit nombre de variables. Nous donnons ensuite un aperçu des outils généraux d’analyse de données multivariées dans JMP.
La session sera donnée en deux parties. L’introduction utilisera des données d’analyses sensorielles et d’études de consommation pour motiver et démontrer des méthodes classiques multivariées non supervisées telles que l’analyse en composantes principales, l’analyse de correspondances multiples et une nouvelle technique de JMP 14, l’analyse à plusieurs facteurs. La deuxième partie couvrira les méthodes supervisées pour les données multivariées utilisant les moindres carrés partiels et les composantes principales fonctionnelles. Pour illustrer ces méthodes supervisées, nous allons construire des modèles pour prédire le rendement d'un processus de fabrication par lots avec des données provenant de plusieurs flux de signaux.
Tout au long, nous indiquerons clairement quand chaque technique analytique est appropriée et nous soulignerons les options logicielles les plus importantes et les plus utiles.
Les saveurs multivariées de JMP
