Comprendre les types de modélisation

JMP accepte différents types de données, qualifiés de types de modélisation des données. Le Tableau 5.1 Types de modélisation décrit les trois types de modélisation utilisés dans JMP.

Tableau 5.1 Types de modélisation
Type de modélisation et description	Exemples	Exemple spécifique
Continu Données numériques uniquement. Dans les opérations telles que les sommes et les moyennes.	Hauteur Température Temps	Un test peut prendre 2 heures, ou 2,13 heures.
Ordinal Données numériques ou caractères. Les valeurs appartiennent à des catégories ordonnées.	Mois (1,2,...,12) Note en lettre (A, B,...F) Taille (petite, moyenne, grande)	Le mois de l’année peut être 2 (février) ou 3 (mars), mais pas 2,13. Février vient avant mars.
Nominal Données numériques ou caractères. Les valeurs appartiennent à des catégories, mais l’ordre n’a pas d'importance.	Sexe (M ou F) Couleur Résultat d’un test (succès ou échec)	Le sexe peut être M ou F, sans ordre. Les catégories peuvent également être représentées par un chiffre (M=1 et F=2).

Exemple d'affichage de résultats de types de modélisation

Différents types de modélisation produisent différents résultats dans JMP. Pour mieux comprendre ces différences, procédez comme suit :

1.	Choisissez Aide > Bibliothèque d'échantillons de données et ouvrez le fichier Linnerud.jmp.

2.	Choisissez Analyse > Distribution.

3.	Sélectionnez Age et Weight, puis cliquez sur Y, Colonnes.

4.	Cliquez sur OK.

Figure 5.4 Résultats de la distribution pour Age et Weight

Bien que Age et Weight soient toutes deux des variables numériques, elles sont traitées différemment. Le Tableau 5.2 Résultats pour Weight et Age présente les différences entre les résultats des variables Weight et Age.

Tableau 5.2 Résultats pour Weight et Age
Variable	Type de modélisation	Résultats
Weight	Continu	Histogramme, quantiles et statistiques de résumé
Age	Ordinal	Diagramme en barres et fréquences

Changer de type de modélisation

Pour traiter une variable différemment, changez de type de modélisation. Comme vous l'avez remarqué dans la Figure 5.4 Résultats de la distribution pour Age et Weight, le type de modélisation des données Age est ordinal. JMP traite les valeurs ordinales en calculant les fréquences. Supposons maintenant que vous souhaitiez connaître l’âge moyen plutôt que les fréquences. Optez pour le type de modélisation continu, qui permettra d'obtenir l'âge moyen.

1.	Double-cliquez sur l'en-tête de colonne Age. La fenêtre d'informations sur la colonne apparaît.

2.	Sélectionnez le type de modélisation Continu.

Figure 5.5 Fenêtre d'informations sur la colonne

3.	Cliquez sur OK.

4.	Répétez la procédure (voir Exemple d'affichage de résultats de types de modélisation) pour créer la distribution. Figure 5.6 Résultats obtenus avec les deux types de modélisation de la variable Age affiche les résultats ordinaux et continus des données Age.

Figure 5.6 Résultats obtenus avec les deux types de modélisation de la variable Age

Lorsque la variable Age est traitée comme une variable ordinale, le rapport affiche les fréquences de chaque âge. Par exemple, l'âge 48 apparaît deux fois. Lorsqu'elle est traitée comme une variable continue, le rapport affiche l’âge moyen, qui est d’environ 48 ans (47,677 ans).