SAS教学资料

The SAS Global Academic Program provides JMP course materials to qualified professors teaching degree seeking students. The teaching materials include an electronic copy of the content used in SAS Education’s corporate JMP courses:

• 逐章教师笔记
  
• 为学生轻松呈现材料的PowerPoint幻灯片
  
• 轻松显示所讨论的概念的课程数据集
  
• 为增强学生理解能力的实践练习
  

Instructors may use some or all of materials provided, and can tailor the materials to meet the needs of the class. Teaching materials include those directed at new users as well as more advanced topics. Click below to review the contents of each course.

JMP软件: 分析多元数据

介绍多元数据

• 多元数据样本
  
• 矩阵代数审核
  

主成分分析: 降维

• 主成分解释
  
• 寻找主成分
  

因子分析: 寻找潜在因子

• 因子提取
• 因子旋转

聚类分析: 分组数据

• 介绍聚类分析
  
• 层次聚类
  
• K-均值聚类
  

JMP软件: ANOVA和回归

介绍统计

• 审核人口和样本
  
• 用描述性统计和图表探索数据
  
• 生成和理解置信区间
• 理解统计假设检验

比较均值

• 分析单样本t-检验
• 分析配对数据
• 使用t-检验比较两个独立组群

方差分析

• 拟合单因子方差分析模型
  
• 通过多层次拟合单因子方差分析模型
  
• 实施多重比较
  
• 检查方差假定
  
• 拟合多因子方差分析模型
  
• 分析功效和样本大小
  

简单线性回归

• 使用散点图和相关统计
  
• 实施简单线性回归
  
• 拟合多项回归模型
  

多重回归

• 实施多重回归
  
• 通过交互作用实施多重回归
  
• 实施逐步回归
  

回归诊断

• 检查模型假定
  
• 发现多元离群值
  
• 调查共线性
  

协方差分析

• 使用和不使用相互作用拟合ANCOVA模型
  

JMP软件: 剂量-响应曲线分析

首页

• 从测定和剂量-响应曲线分析数据
  

绪论

• 鉴别线性和非线性模型
  

估算

• 为一个标准确定未知相对效力
  

验证

• 针对假设核实结果
  

方法

• 计算参数估计值和统计，以及相对效力
  

基本范例

• 使用样本，一次性曲线拟合
  

中间范例

• 使用模板进行常规曲线拟合
  

高级范例

• 使用自定义应用程序进行复杂曲线拟合
  

非线性设计

• 设计浓度和使优化曲线拟合的测定复制
  

JMP软件: 使用JMP脚本语言开发应用程序

绪论

• 介绍JMP应用程序
  
• Motivating scenario for the course

快速应用

• 开发交互式应用程序
  
• 归纳应用程序

自定义应用程序

• JSL要领
  
• 单模板应用程序
  
• 多模板应用程序
  

应用程序部署

• 部署应用程序

JMP软件: 经典实验设计

介绍实验设计和实验分析

• 基础统计概念综述
  
• 实验设计介绍
  
• 完全随机设计
  

多因子设计和分区组

• 完全随机区组设计
  
• 不完全随机区组设计
  
• 全析因设计
  
• 2k析因设计
  
• 裂区设计
  

筛选分析

• 部分析因设计
  
• 使用筛选设计分区组
  

响应曲面方法

• 概念和术语
  
• 用于二阶模型的传统响应曲面设计
  
• 最速提升法
  

定制设计

• 生成定制设计
  
• 定制响应曲面设计
  

JMP软件: 定制实验设计

绪论

• 定制设计的特征和优点
  
• 介绍定制设计界面和培训模拟器
  

无因子实验

• 二进制或连续响应信息
  
• 位置和散布统计

单因子实验

• 分类和连续因子
• 样本量和平衡测试
  
• 测试点间距和复制
  
• 模型验证和设计扩充
  
• 参数估计值和预测方差的标准误差
  
• 最优性准则

两个因子实验

• 无需增加资源的详细信息
  
• Blocked runs for homogeneous response
• 交互作用效应
• 响应曲面模型
  
• Grouped runs and restricted randomization (split-plot design)

多因子案例研究

• 多重响应的最佳因子设置
  
• 团队活动：独立解决设计和分析问题
  
• 现场测试结果的模拟
  

JMP软件: 数据探索

绪论

• 介绍JMP特点
  
• 探索用户帮助选项
  
• 存取数据，以及在JMP中打开不同类型的文件
  
• 了解建模类型
  
• 介绍表面板，列面板和行面板
  
• 创建JMP日誌

数据挖掘和处理

• 使用列和行菜单
  
• 创建新列
  
• 创建新表
  
• 使用制表选项创建汇总表
  

图形数据探索

• 探索连续列之间的关系
  
• 使用图形生成器
  
• 用图形生成器制图
  
• 探索分类数据列之间的关系
  
• 使用递归分割进行探索性分析
  

报告和提交结果

• 修改日誌
• 使用日誌进行演示
  
• 保存和共享结果
  

JMP软件: 混料实验的设计和分析

介绍混料设计

• 查看实验设计原理
  
• 使用析因型设计制定混料方案
  

基本混料设计

• 单纯形格点设计
• 单纯形重心设计
  
• ABCD设计

混料设计的分析

• 线性Scheffe模型
  
• 二次Scheffe模型
  
• 三次Scheffe模型
  
• Cox模型

高级混料设计

• 约束混料设计
  
• 约束混料设计的分析
  
• 约束混料过程设计
  

JMP软件: 使用JMP应用程序生成器快速应用

绪论

• 介绍JMP应用程序
  
• Motivating scenario for the course

快速应用

• 开发交互式应用程序
  
• 推广应用程序
  

应用程序开发

• 开发应用程序
  

JMP软件: 介绍分类数据分析

协会

• 识别连续和分类数据之间的差异
  
• Examining associations among variables
• Conducting hypothesis tests of association
• Interpreting a correspondence plot
• Performing recursive partitioning

Logistic回归

• 介绍似然和最大似然估计
  
• 介绍logit变换
  
• 进行logistic回归，包括优势比分析
  
• 拟合有序型logistic回归模型
  
• 拟合名义型logistic回归模型
  

广义线性模型

• 介绍广义线性模型
  
• 使用GLM进行二值响应
  
• 使用GLM进行计算

分类平台（自学）

• 分类平台的特殊案例处理
  
• 使用分类调查数据
  

JMP软件: 介绍JMP脚本语言

脚本概念

• 脚本简介
  
• 介绍object-oriented approach
• 查看如何以交互方式生成脚本
  
• 在表面板中存储脚本
  

JSL生成区组

• 理解运算符，数量和名称
  
• 理解列表和表达式
  
• 理解备注，逗点，圆括号，引用字符串和矩阵
  
• 介绍可视性JSL形式进行阅览，解析以及更容易理解JSL

函数

• 使用For，While，Break和Continue功能
  
• 使用If，Match和Choose功能

数据表脚本

• 创建新的表和列
  
• 更改或添加列属性
  
• 在JSL中使用基础矩阵函数
  

平台脚本

• 理解平台层（分析和报告）
  
• 报告显示树结构
  
• 生成自定义窗口
  

对话，列表和自定义菜单项

• 建立和使用自定义对话
  
• 理解在表达式，列表和字符串中的更换
  
• 添加自定义菜单项
  

JMP软件: 测量系统分析

绪论

• 介绍测量系统
  
• 测量系统的分辨力，偏倚和变异性
  
• 测量过程的评估（EMP）以及量具重复性和再现性（R&R）方法

变异性 - EMP

• 重复性估计值的图形和统计分析
  
• 再现性估计值的图形和统计分析
  
• 评估过程中测量系统变异性的影响
  
• 量具研究模型

变异性 - 量具R&R

• 更多复杂模型的图形和统计分析
  
• 量具研究设计
  

部分最小二乘回归

• PLS算法
  
• PLS回归

偏移

• 评估测量系统的偏移和线性
  

计数量具研究

• 图形分析
  
• 评级员一致性

JMP软件: 建模多维数据

介绍多元数据

• supervised learning的样本
  
• 查看矩阵代数
  

判别分析

• Geometry of discrimination
• Linear and quadratic discrimination
• Variable selection
• Validation
• Classification

Principal Components Regression

• Review of principal components
• Principal component regression
• Variable selection

Partial Least Squares Regression

• PLS algorithms
• PLS regression

JMP Software: Modern Screening Designs

Need for Screening

• Learning the important principles in screening such as: the impact that choice of design has on the variance of estimates and bias in model prediction, inflation of variance in parameter estimates due to correlation, and estimation efficiency as measured by the estimate's confidence interval size
• Planning experiments with classic screening solutions including fractional factorial and Plackett-Burman designs

Combinatorial Screening Designs

• Planning experiments with orthogonal or near-orthogonal arrays
• Planning experiments with definitive screening designs
• Planning experiments with custom designs, like Bayesian D-optimal designs and split-plot structures for restricted randomization

Model Selection in Screening

• Identifying active factors using the effect screening tools in the Fit Least Squares platform
• Selecting models with the Screening platform
• Selecting models with forward step-wise regression
• Selecting models with all-subsets with heredity restrictions

JMP Software: Predictive Modeling Using JMP Pro

Introduction to Predictive Modeling

• Supervised classification
• Regression
• Honest assessment using holdout data
• Assessment plots anf statistics

Predictive Modeling with a Classification and Regression Trees Using the Partition Platform

• Optimizing model complexity
• Interpreting models
• Model fit statistics
• Statistical graphics
• Boosted trees
• Random forest

Predictive Modeling with Neural Networks

• Optimizing model complexity
• Interpreting models
• Model fit statistics
• Statistical graphics
• Boosted neural networks

Model Implementation

• Scoring new data

JMP Software: Reliability Analysis for Non-Repairable Systems

Introduction to Reliability

• Understanding principles of reliability, measures of reliability, and the nature of life data and censored observations
• Using nonparametric estimation of failure probabilities
• Applying parametric models of failure reliability and hazard
• Accounting for uncertainty about reliability estimates

Reliability with Factors

• Identifying failure modes and competing causes
• Describing deficient data
• Including the effect of covariates in the reliability model

Rapid Reliability

• Understanding stress factors and accelerated failures
• Computing acceleration factors
• Using acceleration relationships
• Designing accelerated life tests
• Performing degradation analysis for repeated measures and destructive tests

JMP Software: Stability Analysis

FDA Regulations, ICH Guidances, and guidance documents from the PhRMA CMC Statistics Group

• Review Stabilty Expert Team findings for definition of stability and scope of studies
• Relate requirements in 21 CFR parts to stability assessment and determination of expiry
• Use ICH guidance Q1A (R2) Stability Testing and New Drug Substances and Products
• Use ICH guidance Q1E Evaluation of Stability Data

Stability Studies Based on the Product Life Cycle

• Present a framework for the progression of stability studies
• Identify necessary stability studies for submissions for pre-clinical, clinical, and commercial batches of drug substances and products

Estimate Expiry from Accelerated Degradation Tests

• Learn to select and fit a degradation model
• Learn to extrapolate to long-term storage conditions

Determining Poolability and Verifing Expiry of Clinical and Commercial Batches

• Learn to use recommended methods
• Perform simple linear regression and inverse prediction
• Perform analysis of covariance (ANCOVA)
• Confidence, prediction, and tolerance intervals

Determining Out-of-Specification Batches and Alerts for Out-of-Trend Batches

• Learn to use recommended methods such as by time point method, slope control chart method, and regression control chart method

JMP Software: Statistical Process Control

Introduction to Statistical Quality Control

• Reviewing basic statistical concepts
• Exploring concepts in statistical quality control
• Identifying control charts for variable and attribute data

Control Charts for Variable Data

• Understanding variable data
• Constructing and interpreting mean, range, and standard deviation charts
• Saving and retrieving control limits
• Generating and interpreting Operating Characteristic curves
• Constructing and interpreting Individual and Moving Range charts
• Constructing and interpreting three-way control charts for batch processing situations

Control Charts for Attribute Data (Optional)

• Understanding attribute data
• Reviewing the binomial distribution
• Generating and interpreting P and NP charts
• Reviewing the Poisson distribution
• Generating and interpreting C and U charts

Pareto Charts

• Generating and interpreting Pareto charts

Process Capability

• Understanding process capability analysis
• Comparing control limits to specification limits
• Calculating and interpreting capability indices

Ishikawa diagrams

• Performing and interpreting Ishikawa diagrams (also known as Fishbone or Cause-and-Effect diagrams)
• Performing and interpreting related nested-relationship diagrams