JMP用于统计分析

JMP的“非线性”平台让您可以运用标准最小二乘法或者自定义损失函数法快速拟合效应是非线性的模型。“非线性”很容易设置、使用和迭代，迭代用的是Gauss-Newton法或Newton-Raphson法的变异。一个丰富的内置函数库让您可以非常方便地定义具体的分析。如果有需要，您还可以快速地往函数库中添加新的内容。一旦拟合收敛，您可以生成拟合参数的刻画器置信限，并绘制拟合函数。“自定义损失函数”这个工具提供了更多的灵活性，例如，它可以让您重复使用再加权最小二乘法以获得稳健的回归。

JMP中的“拟合模型”平台提供了一个统一的环境来拟合含固定效应、随机效应和自定义误差项的线性模型。无论您喜欢哪种方法，一个包含模型诊断、建模指南和自动化拟合方法的完整工具集都可以帮助您快捷地构建有效的模型。特定的拟合设置可以帮助您在分析时关注最重要的方面。无论模型是如何构建出来的，JMP都可以让您轻松地比较所有候选模型的预测功效。JMP可以综合处理多重响应的问题，而且JMP的刻画器可以让您轻松地比较不同拟合的结果。刻画器还可以让您找到所有响应最优化时的因子设置，有必要的话，您还可以快速运用蒙特卡洛模拟来评估输入因素的变异是如何传递到输出响应的。

“多元”分析既可以用来分析多个观察单元（行），也可以用来分析多个变量（列），同时它既可以平等地对待变量，也可以区别对待不同的效应和响应。无论您的分析目的是什么，JMP都将和您一起协作完成任务。在多元分析时，考虑数据质量的问题（如异常值的识别和处理，缺失值的模式等）是非常重要的，而在开展分析时会多次涉及到这些注意事项，JMP的交互特性非常适合解决这类问题。JMP提供的多元分析方法包括但不限于：主成分分析、层次聚类、K个均值聚类、混合正态分布、自定义地图、判别分析和偏最小二乘等等。每个平台都具有JMP所特有的可拓展特性，您可以根据展现在您面前的数据情况来决定您需要采用怎样的分析方式。