JMP® für Statistik

Die nichtlineare Plattform von JMP ermöglicht Ihnen die rasche Anpassung von Funktionen, die in der Wirkung nichtlinear sind, indem Sie entweder die Standardmethode der kleinsten Quadrate oder eine benutzerdefinierte Verlustfunktion verwenden. Die nichtlineare Plattform ist einfach einzurichten und zu verwenden, indem entweder Variationen der Gauss-Newton-Methode oder der Newton-Raphson-Methode verwendet werden. Eine bereitgestellte umfassende Funktionsbibliothek vereinfacht die Definition Ihrer spezifischen Analyse und Sie können sie gegebenenfalls dieser Bibliothek hinzufügen. Nachdem die Anpassung konvergiert, können Sie Profil-Konfidenzgrenzen der angepassten Parameter generieren und die angepasste Funktion plotten. Mit den Funktionen der benutzerdefinierten Verlustfunktion wird zusätzliche Flexibilität bereitgestellt, sodass beispielsweise iterativ neugewichtete Funktionen des kleinsten Quadrats für eine robuste Regression verwendet werden können.

Die Plattform "Modelle anpassen" bietet eine einheitliche Umgebung für das Anpassen linearer Modelle mit festgelegten fixen und zufallsbedingten Effekten und definierten Fehlerbegriffen. Unabhängig von Ihrem bevorzugten Ansatz ermöglicht Ihnen ein kompletter Satz von Diagnosefunktionen sowie manueller und automatischer Anpassungsansätze eine rasche Entwicklung nützlicher Modelle. Spezifische Anpassungspersönlichkeiten helfen bei der Konzentration der Aufmerksamkeit auf die richtigen Stellen und JMP ermöglicht einen einfachen Vergleich der Vorhersagekraft konkurrierender Modelle, unbeschadet ihrer Entstehung. Mehrere Ergebnisse werden auf integrierte Weise verarbeitet und der Profiler von JMP erleichtert den Vergleich und die Kontrastierung der Interpretierbarkeit und der Ergebnisse verschiedener Anpassungen. Der Profiler ermöglicht es Ihnen auch, Einstellungen zu finden, die Ihre Ergebnisse optimieren. Erforderlichenfalls können Sie rasch Monte Carlo-Simulationen durchführen, um zu ermitteln, wie die Variation in den Effekten in Ergebnisse übertragen werden.

Multivariate Analysen können sich entweder auf Beobachtungseinheiten (Zeilen) oder Variable (Spalten) konzentrieren und behandeln Variable auf gleiche Weise bzw. unterscheiden zwischen Wirkungen und Ergebnissen. Unabhängig vom Zweck Ihrer Analyse unterstützt Sie JMP bei der Arbeit. Für die Berücksichtigung der Datenqualität im Kontext der multivariaten Analyse ist die Erkennung und Verarbeitung von Ausreißern und das Muster der fehlenden Werte von großer Bedeutung. Üblicherweise müssen diese Fragen während der Entwicklung der Analyse iterativ angegangen werden. Die Interaktivität von JMP ist für diese Vorgehensweise besonders gut geeignet. Im Rahmen vieler anderer Analysetechniken bietet JMP: PCA, hierarchisches und K-Means-Clustering, Normal Mixtures, selbstorganisierende Karten, Diskriminanzanalyse und PLS. Jede Plattform verwendet den sich entwickelnden Analysestil, sodass Sie Ihren Ansatz je nach den Ergebnissen formen können, die sich aus den Daten entwickeln.