JMP® Pro

Des techniques sophistiquées pour des analyses poussées

Version avancée de JMP, JMP Pro vous permet d'utiliser les données dont vous disposez pour mieux anticiper l'avenir et élaborer des plans fiables.

Conçu pour les scientifiques et les ingénieurs, le logiciel d'analyse statistique JMP Pro de SAS inclut toutes les fonctions de consultation et manipulation de données, d'interactivité, d'analyse approfondie et d'évolutivité de JMP, ainsi qu'une multitude de techniques supplémentaires. La dernière version du logiciel offre des fonctions d'analyse avancées telles que la régression généralisée, les modèles à effets mixtes, les études de consommation approfondies et les diagrammes de fiabilité. JMP Pro propose aussi des outils de modélisation prédictive, de validation croisée, de comparaison de modèles et de calcul des moyennes, de test exact et de bootstrap en un clic.

Surtout, JMP Pro vous aide à élaborer un narratif et à communiquer vos résultats de manière interactive pour qu'ils soient simples à comprendre et à exploiter.

Si vous connaissez JMP, vous serez ravis d'apprendre que toutes ces fonctions statistiques sont disponibles dans un environnement bureautique familier et en mémoire. Si, au contraire, vous découvrez JMP, vous verrez que JMP Pro confère une dimension totalement nouvelle à l'analyse des données et résout plus facilement les problèmes statistiques complexes.

Principaux avantages de JMP Pro.

Captures d'écran de JMP Pro

Principaux avantages de JMP® Pro

Exécution d'analyses sophistiquées

JMP Pro offre une multitude d'algorithmes permettant de créer de meilleurs modèles avec vos données. Bénéficiez de nombreuses techniques de data mining : modèles d'arbre de décision (dont les forêts aléatoires, ou bootstrap forests, et arbres augmentés, ou boosted trees), modèles de réseaux de neurones, régression généralisée (pénalisée), régression pas à pas à validation croisée, moindres carrés partiels (PLS), modélisation uplift.

Si vous souhaitez modéliser la fiabilité d'un système complexe, vous pouvez créer des blocs diagrammes de fiabilité qui permettront d'effectuer des analyses de simulation, de combler les lacunes et de réduire les risques de panne. Si votre mission est de concevoir et d'ajuster des modèles avec des données de temps et d'espace, utilisez les fonctions de modèle mixte de JMP Pro. Si les tâches de modélisation nécessitent la sélection de variables, JMP Pro fournit tous les outils nécessaires. Outre ces nombreuses techniques de modélisation, JMP Pro inclut des fonctions d'analyse avancée, dont les tests exacts et le bootstrap en un clic. Vous avez donc toutes les cartes en main pour simplifier vos analyses statistiques et mieux exploiter vos données. Résultat : vous ferez rapidement des découvertes capitales, ce qui vous permettra d'être plus proactif et de mieux maîtriser l'avenir.

Retour au début

Gain d'efficacité

Forêts aléatoires

Une forêt aléatoire (bootstrap forest) développe des dizaines d'arbres de décision à partir de sous-ensembles aléatoires des données disponibles, puis établit la moyenne de l'incidence calculée de chacun des facteurs de ces arbres.

Si JMP Pro offre un large éventail de techniques statistiques avancées, il n'en demeure pas moins très simple d'utilisation. Vous obtenez d'ailleurs des réponses plus rapidement. Vos projets sont bouclés en quelques heures ou minutes grâce à un workflow de type  pointer-cliquer  et  glisser-déposer  qui accélère nettement la création de modèles. Un grand nombre de rapports statistiques et de graphiques interactifs vous aident à identifier le modèle qui généralisera le mieux les données futures. Il ne vous reste alors plus qu'à passer au projet suivant.

Votre temps est précieux !

Retour au début

Création de modèles généralisable

S'il est relativement aisé de décrire les performances de l'année précédente, il est en revanche beaucoup plus difficile de créer un modèle pour anticiper ce qui se passera avec les nouveaux clients, les nouveaux processus ou les nouveaux risques sans outils adéquats et techniques modernes.

Ce diagramme illustre la simplicité avec laquelle JMP Pro peut réaliser des analyses prédictives au moyen d'outils visuels et interactifs qui facilitent l'ensemble du processus de modélisation.

Ce diagramme illustre la simplicité avec laquelle JMP Pro peut réaliser des analyses prédictives au moyen d'outils visuels et interactifs qui facilitent l'ensemble du processus de modélisation.

Pour une modélisation prédictive efficace, vous avez besoin d'outils de validation performants, les grands modèles étant de surcroît propices au surajustement. Les modèles doivent toujours faire l'objet d'une validation croisée, ce qui est possible avec les méthodes de partitionnement des données, de validation en K blocs et de comparaison visuelle de JMP Pro. La méthode consistant à diviser les données en jeux d’apprentissage, de validation et de test est utilisée depuis longtemps pour éviter le surajustement et s'assurer que les modèles créés ne sont pas exclusivement liés aux propriétés de l'échantillon sur lequel ils reposent. Les modèles obtenus se prêtent bien à la généralisation des données futures, à partir desquelles vous pouvez procéder à des inférences.

Il ne faut pas non plus oublier le rôle essentiel des données observationnelles. Pour véritablement comprendre les causes et les effets, vous devez faire appel aux plans d’expérience (DOE, Design of Experiments). JMP fournit de remarquables outils de plan d'expérience, très simples d'emploi.

Validation croisée

Divisez facilement vos données en sous-ensembles pour la formation, la validation et le test afin d'évaluer correctement la capacité prédictive d'un modèle.

Retour au début

Comparaison de plusieurs techniques de modélisation

Comparez plusieurs techniques de modélisation dans JMP Pro

Dispositifs de comparaison de modèles permettant de rapprocher les ajustements de plusieurs prévisions.

Dans la réalité, un type de modèle peut être parfaitement adapté à certaines situations, mais inefficace dans d'autres. Dans JMP Pro, les techniques d'ajustement sont nombreuses et vous devez identifier celle qui convient le mieux à une situation donnée. Avec la comparaison des modèles de JMP Pro, vous pouvez comparer les colonnes de prévision enregistrées à partir de différents ajustements et choisir la meilleure combinaison d'ajustement, de parcimonie et de validation croisée. Avec JMP Pro, cette comparaison est automatique et les modèles sont rapprochés selon plusieurs critères à l'aide de mesures d'ajustement classiques ou spécifiques. Parallèlement, vous pouvez interagir avec des profileurs visuels pour identifier les facteurs importants recueillis par chaque modèle. Les mesures d'ajustement, graphiques de diagnostic et profileurs sont consignés sous forme de rapports pour faciliter la comparaison des modèles et vous aider à déterminer la marche à suivre. Vous pouvez également établir très facilement la moyenne des modèles ou utiliser la régression pseudo-orthogonale pour créer des ensembles de modèles de vos prévisions.

Retour au début

Affectation de mesures de précision aux prévisions d'un modèle

Le bootstrapping établit une approximation de la distribution d'échantillonnage d'une statistique. JMP Pro est le seul progiciel statistique qui permet de procéder au bootstrapping d'une statistique sans programmation. Grâce au bootstrapping en un clic, il suffit en effet d'un simple clic pour procéder au bootstrapping d'une quantité sous forme de rapport JMP.

Cette technique est utile lorsque les hypothèses théoriques sont remises en question, voire inexistantes. Par exemple, essayez d'appliquer des techniques de bootstrapping aux résultats d'un modèle non linéaire utilisés pour établir des prévisions ou essayez de déterminer des intervalles de couverture autour de quantiles. Vous pouvez également utiliser le bootstrapping pour évaluer le degré d'incertitude d'un modèle prédictif. Le bootstrapping permet d'évaluer la fiabilité de vos estimations à partir d'un nombre d'hypothèses restreint — et est largement simplifié avec la fonction de bootstrapping en un clic de JMP Pro.

Comparez plusieurs techniques de modélisation dans JMP Pro

D'un clic, procédez au bootstrap d'une statistique sous forme de rapport JMP. Cet exemple illustre le bootstrap de bornes d'intervalle de confiance autour d'un 10ème quantile.

Retour au début

Connexion à SAS®

Connexion à SAS

Utilisez les modèles de validation croisée et de réseaux de neurones multicouches avec du code de scoring SAS généré automatiquement.

JMP Pro faisant partie des offres SAS d'analyse prédictive et de data mining, vous pouvez aisément le connecter à SAS pour aller plus loin et bénéficier ainsi de la sophistication de SAS Analytics et des fonctions d'intégration de données. Avec ou sans connexion active à SAS, JMP Pro est capable de produire du code SAS pour évaluer rapidement le score de nouvelles données via les modèles créés dans JMP.

Retour au début

Partage des découvertes

La découverte fait partie intégrante de JMP, tout comme la communication des résultats dans l'entreprise. JMP Pro regroupe toutes les fonctions visuelles et interactives de JMP et offre ainsi des représentations de données inédites. Grâce à la liaison dynamique des données, graphiques et statistiques, JMP Pro donne vie à vos recherches sous forme de graphiques 3D ou animés qui évoluent dans le temps et mettent en évidence de nouvelles informations précieuses pour le processus de construction de modèles et d'explication.

Dow Chemical a choisi JMP Pro pour doter ses collaborateurs du meilleur outil du marché en matière d'exploration et d'extraction de données volumineuses.

Retour au début

Fonctionnalités exclusives de JMP® Pro

JMP Pro reprend toutes les fonctionnalités de JMP, auxquelles s'ajoutent les fonctions d'analyse avancée ci-dessous.

Statistique, modélisation prédictive et data mining

Arbres de classification et de régression (modèles de partition)*
Technique des forêts aléatoires (bootstrap forests).
Arbres boostés (boosted trees).
Validation croisée.
Analyse de contingence
Mesures d'association exactes.
Régression généralisée
Normale, binomiale, Poisson, Poisson à inflation de zéros, binomiale négative, binomiale négative à inflation de zéros, distribution gamma.
Techniques de régularisation : pseudo-orthogonale, Lasso, Lasso adaptatif, Elastic Net, adaptive Elastic Net.
Validation croisée.
Régression logistique (nominale et ordinale)
Validation croisée.
Modèles à effets mixtes
Spécifiez des effets fixes, aléatoires et répétés.
Corrélez des groupes de variables, configurez des sujets et des effets continus.
Choix de la structure de covariance répétée.
Comparaison de modèles
Modélisation de réseaux de neurones*
Traitement automatique des données manquantes.
Sélection automatique du nombre d'unités masquées grâce aux forêts décisionnelles.
Ajustement de réseaux de neurones à une ou deux couches.
Transformation automatique des variables d'entrée.
Trois fonctions d'activation (tangente hyperbolique, linéaire, gaussien).
Sauvegarde de colonnes de validation croisée générées de manière aléatoire.
Sauvegarde de covariables transformées.
Validation croisée.
Bootstrap en un clic
Analyse à un facteur (ANOVA)
Tests exacts non paramétriques.
Modélisation des moindres carrés partiels (PLS)
Modèles PLS avec facteurs catégoriels et interactions.
Imputation de valeurs manquantes de type NIPALS.
Ajustement du modèle de surface de réponse à la méthode PLS dans la plate-forme Modèle linéaire.
Sélection de colonnes dans le graphique d'importance des variables, puis réexécution de l'analyse avec les colonnes sélectionnées uniquement.
VarScale : centrez et adaptez les variables individuelles incluses dans un effet polynomial avant d'appliquer les options de centrage et de mise à l'échelle.
Validation croisée.
Analyse en composantes principales (PCA)
Classification des variables dans une analyse de composantes principales (PCA).
Régression pas à pas
Validation croisée.

Étude de marché et de consommation

Modélisation uplift
Incrémentielle, true-lift, modélisation en réseau.
Validation croisée.

Ingénierie de la qualité, fiabilité et Six Sigma

Blocs diagrammes de fiabilité
Créez des modèles de fiabilité des systèmes complexes.
Créez des systèmes avec des nœuds basiques, en série, en parallèle, knot et de type K sur N.
Créez des plans à effets emboîtés à l'aide d'éléments de la bibliothèque de plans.

*Génère du code SAS exploitable avec SAS Model Manager

Configuration requise

JMP Pro s'exécute sous Microsoft Windows et Mac OS. Il est compatible avec les systèmes 32 et 64 bits.

Retour au début