JMP® pour les statistiques
Associant de manière inédite des graphiques interactifs et des fonctions statistiques intégrées, JMP est conçu pour la découverte statistique. Grâce à l'informatique, les calculs statistiques sont à la portée de tous. Il n'est cependant pas si simple d'effectuer des calculs statistiques utiles.
Les statisticiens qui connaissent l'étroite relation entre données et analyse apprécieront la puissance statistique de JMP ainsi que le degré d'interactivité qui décuple cet effet de synergie. JMP fournit des outils complets pour la régression linéaire univariée, la régression non linéaire univariée, les approches multivariées destinées à l'exploration et à la réduction de la dimensionnalité, et l'analyse des séries chronologiques, entre autres.
Avec JMP, non seulement l'analyse est rapide est précise, mais vous pouvez communiquer vos conclusions plus facilement aux autres parties prenantes.
- Ajustement non linéaire
- Ajustement du modèle
- Multivarié
La plate-forme non linéaire de JMP permet d'ajuster rapidement des fonctions non linéaires avec la méthode des moindres carrés standard ou une fonction de perte personnalisée. Cette plate-forme est simple à configurer et à utiliser. Les itérations utilisent les variations de la méthode Gauss-Newton ou de la méthode Newton-Raphson. Une vaste bibliothèque de fonctions facilite la définition d'une analyse spécifique, et vous pouvez l'enrichir à tout moment. Lorsque l'ajustement a convergé, vous pouvez générer l'intervalle de confiance du profil pour les paramètres ajustés et représenter graphiquement la fonction ajustée. La fonction de perte personnalisée offre davantage de souplesse : elle permet par exemple d'utiliser des moindres carrés itérativement repondérés pour une régression efficace.
Cette sortie JMP montre une série de trois ajustements de réponse moyenne à log concentration au moyen d'un modèle Rodbard de quatre paramètres avec deux groupes.
La plate-forme Ajustement du modèle de JMP offre un environnement unifié pour l'ajustement de modèles linéaires dans lesquels sont définis des effets fixes et aléatoires ainsi que des termes d'erreur. Quelle que soit l'approche choisie, une série complète de diagnostics et de méthodes d'ajustement manuelles et automatisées facilite considérablement la création de modèles utiles. Des méthodes d'analyse statistique d'ajustement vous permettent de cibler vos efforts. En outre, JMP vous donne la possibilité de comparer la puissance prédictive de modèles concurrents, quel que soit leur mode de création. Les réponses multiples sont traitées de manière intégrée et le profileur de JMP permet de comparer facilement les résultats et les possibilités d'interprétation de différents ajustements. Grâce au profileur, vous pouvez en outre repérer les paramètres aptes à optimiser vos réponses et, si nécessaire, réaliser des simulations Monte-Carlo pour évaluer la manière dont une variation des effets sera transmise aux réponses.
Utilisation de JMP pour l'ajustement automatisé de plusieurs réponses à partir d'un modèle de base courant par validation, avec profilage commun.
Une analyse multivariée peut porter sur des unités d'observation (lignes) ou sur des variables (colonnes), et peut traiter les variables équitablement ou faire la distinction entre effets et réponses. Quel que soit votre objectif en termes d'analyse, vous pouvez compter sur JMP. Si l'on considère le contexte multivarié de la qualité des données, l'identification et le traitement des valeurs aberrantes et la configuration des valeurs manquantes sont des étapes cruciales. En règle générale, ces problèmes doivent être abordés de manière itérative à mesure que l'analyse se déroule. L'interactivité de JMP est précisément conçue pour ce mode de fonctionnement. JMP propose notamment les techniques d'analyse suivantes : analyse en composantes principales (PCA), classification hiérarchique et partitionnement par la méthode des K-means, mélanges normaux, cartes auto-organisées, analyse discriminante et moindres carrés partiels. Toutes les plates-formes utilisant le style d'analyse de JMP, vous pouvez façonner votre approche en fonction de ce que les données révèlent.
Utilisation d'un graphique parallèle, d'une analyse en composantes principales (PCA) et d'une matrice de nuages de points non paramétrique pour étudier l'évolution dans le temps d'un processus industriel multivarié.
