Wissenswertes über Modellierungstypen

In JMP können Daten unterschiedliche Datentypen haben. JMP bezeichnet dies als Modellierungstypen der Daten. Tabelle 7.1 Modellierungstypen beschreibt die drei Skalentypen in JMP.

Tabelle 7.1 Modellierungstypen
Modellierungstyp und Beschreibung	Beispiele	Spezifisches Beispiel
Kontinuierlich Nur numerische Daten. Wird in Operationen wie Summen und Mittelwerten verwendet.	Höhe Temperatur Zeit	Die Zeit für die Durchführung eines Tests kann 2 Stunden oder 2,13 Stunden sein.
Ordinal Numerische oder Zeichendaten. Werte gehören in geordnete Kategorien.	Monat (1, 2,...,12) Buchstaben (A, B,...F) Größe (klein, mittel, groß)	Der Kalendermonat kann 2 (Februar) oder 3 (März), aber nicht 2,13 sein. Februar kommt vor März.
Nominal Numerische oder Zeichendaten. Werte gehören zu Kategorien, aber die Reihenfolge ist unerheblich.	Geschlecht (M oder W) Farbe Testergebnis (bestanden oder fehlgeschlagen)	Das Geschlecht kann M oder W sein, ohne Reihenfolge. Geschlechtskategorien können auch durch eine Zahl dargestellt werden (M=1 und W=2).

Beispiel für das Anzeigen der Ergebnisse von Modellierungstypen

Verschiedene Modellierungstypen bewirken unterschiedliche Ergebnisse in JMP. Um ein Beispiel der Unterschiede anzuzeigen, gehen Sie wie folgt vor:

1.	Wählen Sie Hilfe > Beispieldatenbibliothek und öffnen Sie Linnerud.jmp.

2.	Wählen Sie Analysieren > Verteilung aus.

3.	Wählen Sie Age und Weight aus und klicken Sie dann auf Y, Spalten.

4.	Klicken Sie auf OK.

Abbildung 7.4 Verteilungsergebnisse für Age und Weight

Obwohl Age und Weight numerische Variablen sind, werden sie nicht gleich behandelt. Tabelle 7.2 Ergebnisse für Weight und Age vergleicht die Unterschiede zwischen den Ergebnissen für Weight und für Age.

Tabelle 7.2 Ergebnisse für Weight und Age
Variable	Modellierungstyp	Ergebnisse
Weight	Kontinuierlich	Histogramm, Quantile und statistische Kennzahlen
Age	Ordinal	Balkendiagramm und Häufigkeit

Ändern des Modellierungstyps

Um eine Variable anders zu behandeln, ändern Sie den Modellierungstyp. Beispiel: In Abbildung 7.4 Verteilungsergebnisse für Age und Weight ist der Modellierungstyp für Age ordinal. Beachten Sie, dass bei einer ordinalen Variable JMP die Häufigkeitszählung vornimmt. Gesetzt den Fall, Sie möchten das Durchschnittsalter anstelle der Häufigkeitszählung erhalten. Ändern Sie den Modellierungstyp auf „stetig“, damit das Durchschnittsalter gezeigt wird.

1.	Doppelklicken Sie auf die Spaltenüberschrift Age. Das Fenster „Spalteninfo“ wird angezeigt.

2.	Ändern Sie den Modellierungstyp in Stetig.

Abbildung 7.5 Fenster „Spalteninfo“

3.	Klicken Sie auf OK.

4.	Wiederholen Sie die Schritte im Beispiel (siehe Beispiel für das Anzeigen der Ergebnisse von Modellierungstypen), um die Verteilung zu erstellen. Abbildung 7.6 Verschiedene Modellierungstypen für Age zeigt die Verteilungsergebnisse, wenn Age ordinal und stetig ist.

Abbildung 7.6 Verschiedene Modellierungstypen für Age

Wenn „age“ ordinal ist, können Sie die Häufigkeitszählung für jedes Alter sehen. Beispiel: „age“ 48 erscheint 2 Mal. Wenn „age“ stetig ist, können Sie das durchschnittliche Alter finden, das bei 48 (47,677) liegt.