久久精-久久经典视频-久久加久久-久久极品视频-一区二区福利视频-一区二区不卡在线观看

　　jmp軟件，全稱：SAS JMP Statistical，是一款非常專業的數據分析工具。它具有試驗設計、生存及可靠性、統計分析與建模、交互式數據挖掘、分析程序開發等功能，新版本還增增加了寬度比例功能，該版本經過注冊機激活，并且中文漢化，使用起來更加方便。

【功能特點】

　　數據清洗仍然是分析工作流程中最具挑戰性且最耗時的部分。JMP 15可輕松對列名稱進行重新編碼，實施自定義排序并自動化重新編碼過程，幫助簡化這一工作流程。

　　改進的虛擬拼接功能，可將單個列用作鍵和引用，新增懸浮提示，用于確定鏈接列的源表。此外，借助JMP 15中的虛擬拼接功能，當用戶打開一組鏈接表時，可自動打開其他表。

　　探索模式是一種篩選工具，可以調查數據的完整性，并幫助您識別數據中的異常模式。該平臺可以查找一系列重復值，行組上列之間的線性關系，以及有關格式化值的屬性和特定分布屬性。一般來說，探索模式在值比較精確的情況下可以發揮最佳作用，從而避免可能通過巧合發生的匹配。

　　JMP具備世界一流的實驗設計平臺，使用戶能夠更好地解決真實環境中各種挑戰性的問題。在JMP 15中，對實驗設計功能做了大量改進，讓用戶可以更快速地創建更好的設計，并輕松對這些設計展開分析。

　　組正交超飽和設計(GO SSD)是一個全新的平臺，用于創建和分析超飽和設計。在GO SSD中，因子按組放置：同一組中的因子相互關聯，但與其他組中的任何因子均無關聯。與其他超飽和設計不同，JMP可以將第一組因子（包括不平衡列）作為未使用因子處理。

　　另外，在JMP Pro 15中，現在還可以使用定制設計來設計函數響應實驗，其中至少一個相關響應不是標量，而是函數。

　　數據表和圖形中的新功能統一稱作信息性裝飾，以較少的點擊次數即可提供更深入的見解?，F在，直方圖顯示在每一列的上方，同JMP中所有的直方圖一樣具有交互性。為了讓您作出更好的決策選擇，本地數據過濾器中也具備直方圖選項。最后，graphlet、textlet和gridlet還可以在您分析的過程中提供上下文。主成分、過程篩選和多元控制圖平臺均支持Graphlet。

【軟件特色】

　　1、圖形生成器增強功能

　　JMP中的核心圖形平臺一直在改進。JMP 15搭載了增強圖形生成器，可以生成全新的圖形（包括時間序列預測），為現有圖形提供更多的自定義選項，并且能夠使用graphlet向下挖掘更多詳細信息。圖形生成器在JMP 15中獲得了許多其他增強功能，包括：

　　擬合線：保存擬合公式。新增兩個新擬合平臺：穩健Cauchy和時間序列預測。

　　平滑線：保存平滑線公式，改善對數變換處理，提高對凹凸程度的控制，更好地匹配二元平滑線。

　　字體首選項組中新增四個首選項：Graph Label、Legend、Graph Title和Caption。

　　新的直方圖和等高線類型。

　　新增熱圖、矩形樹圖和箱線圖自定義功能。

　　擴展線條元素功能，包括繪制面積圖的功能。

　　在軸中，改善接近零的默認行為，更好地處理熱圖中的對數軸。

　　升級的變異性圖和單因子分析的軸。

　　針對總計百分比的全新匯總統計量。

　　2、模型驅動的多元控制圖

　　單變量控制圖無法解釋多個參數中的相關性或函數關系。當存在此類關系時，標準單變量圖將無法準確描述過程運行狀況。JMP 15提供的控制圖可以支持這些關系，可以讓您更好地了解實際過程運行狀況。JMP 15中全新的模型驅動的多元控制圖平臺優勢眾多：

　　Graphlet驅動的向下挖掘功能讓您可以診斷并監控過程，而無需啟動多個平臺。

　　提高效率，因為該平臺基于得分，在每次運行時無需重新計算協方差。

　　內置降維進一步改善性能，支持在低維空間進行計算。

　　如由PLS驅動，這種降維方式將與響應關聯，可確保離群值與最重要的項目相關。

　　建模人員可以執行PLS，然后將得分轉交給過程控制工程師，這樣過程控制工程師就不必是PLS方面的專家。

【新功能】

　　1、iPad版的JMP （JMP iPad）

　　JMP本來就有支持Windows、Macintosh等不同操作系統的版本?，F在，許多人正在從傳統筆記本電腦向平板電腦遷移，，JMP10也與時俱進地推出了可以在iPad上運行的JMP版本，賦予了數據可視化以“移動性”。試想，拿著IPAD在Retina屏幕上給老板或客戶可視化地展示數據中的發現，是不是很炫？這下，JMP進一步拉近了專業統計分析與非統計專業人士的距離，連果米們也可以方便地享受到Mobile BI（移動商務智能）的樂趣了。

　　2、圖形生成器 （Graph Builder）

　　“圖形生成器”是JMP中最具創新概念的交互式可視化探索性數據分析工具，也是眾多JMP老用戶的最愛。JMP10的“圖形生成器”功能有了極大的增強。比如，作圖區上方新增的圖形圖標欄，可以讓用戶一目了然地知道目前已選擇的數據可以做哪些圖形，必要時可以快速在不同圖形之間進行切換。左側新增的統計量控制面板，可以讓用戶方便地根據自己所關心的統計量顯示圖形結果。如果有了某種發現而想進一步進行更深入的分析，可以通過菜單命令“啟動分析”直接從“圖形生成器”進入“擬合模型”分析平臺。

　　3、控制圖生成器 （Control Chart Builder）

　　控制圖是質量管理與工程技術中的一個必備工具，JMP10對質量及流程數據分析非常重視，專門開辟了一個“質量和過程”菜單組，整合了許多相關的統計分析工具。其中最引人關注的就是“控制圖生成器”，它在控制圖的繪制過程中融入了拖拽式操作、交互式圖形展現等新特性，把原先相對枯燥的控制圖變得妙趣橫生、創意不斷。更重要的是，工程師不但可以用控制圖判斷流程是否穩定，還可以用控制圖診斷流程不穩定的關鍵原因。

　　4、應用程序生成器 （Application Builder）

　　如果說“圖形生成器”能夠讓你隨心所欲地進行可視化數據探索，那么新增的“應用程序生成器”則可以讓你輕輕松松地編制一個規模更大的、包含各種統計圖形和報表的工作報告。要知道，以前定制個性化報告可是要JSL編程（JSL是JMP自帶的編程語言）的呀。從此以后，不會編程或者討厭編程的JMP用戶也可以在鼠標點擊之間即刻享受定制開發的成果。而且，所有得到的結果都會自動生成可重復運行的腳本程序，以便數據更新時能夠立刻更新工作報告。

　　5、可靠性預測 （Reliability Forecast）

　　可靠性分析是JMP近幾年來進步最快的分析模塊之一，這次JMP10又不無例外地增加了兩個平臺：“可靠性預測”和“可靠性增長”。其中，以“可靠性預測”最為令關注可靠性分析的研發、售后服務以及負責供應鏈計劃等工作的工程師和經理們歡迎。它用圖形、動畫等淺顯易懂的形式讓不懂可靠性復雜原理的分析人員也能根據已有和將有的產量（或銷量）、已有的返修量、保質期的長短預測將來一段時間內的產品返修量，以便未雨綢繆地做好應對方案。

　　6、評價設計 （Evaluate Design）

　　實驗設計DOE一直是JMP的一張王牌，其中的“定制設計”更是讓產品研發、持續改善、市場調研等相關數據分析人士愛不釋手的實驗設計利器。在實驗設計方面，JMP10除了對“定制設計”進一步優化之外，更重要的是推出了“評價設計”平臺。它可以對任意一個已有的實驗方案進行診斷和評估，以確定是否可以直接利用它的歷史結果數據進行分析，還是在需要補充實驗數據后再進行分析，或者對任意兩個已有的實驗方案進行比較，找出相對最佳的實驗方案。

　　7、比較數據表 （Compare Data Tables）

　　很多人只知道JMP是個強大的數據分析工具，卻忘了JMP還是個強大的數據整理工具。JMP10在數據整理方面也增加了很多可圈可點的地方。比如新增的“比較數據表”功能，允許用戶對任意兩個結構類似的數據表進行比較，可比較的內容包括：數值數據的比較、字符數據的比較、排列順序的比較、行列信息的比較等等，還可支持“模糊比較”！要知道以前我做這種工作時可辛苦了，眼睛看花了，還是遺漏了不少錯誤，結果吃力不討好。有可這個功能，就可以很輕松地找出兩個數據表之間到底哪些地方有怎樣的差異了。

　　8、本地數據過濾器 （Local Data Filter）

　　數據過濾器是從JMP8起就有的數據篩選工具，在選擇部分數據后立刻更新分析時十分方便。但JMP8和JMP9的數據過濾器的過濾作用對所有的分析結果都起作用，所以當用戶需要有的報表反映原數據表中的數據分析結果，有的報表反映的過濾得到的數據的分析結果時，就會不太方便。現在這個問題解決了，使用JMP10提供的“本地數據過濾器”后，它所產生的過濾作用僅對指定的一張報表起作用，不會對其他報表產生影響。

　　9、列轉換程序 （Column Switcher）

　　還記得因為要對許多不同的列變量進行相同的分析而不得不進行一次又一次重復的操作嗎？你可能曾經為此浪費了大量的寶貴時間。有了JMP10提供的“列轉換程序”功能，就不會有這樣的煩惱了，因為它可以協助你自動化地執行這種工作，哪怕面對的是一千多列的變量。而且，JMP10提高了對多核CPU的利用效率，計算速度也因此得到了極大的提高。強烈建議大家找一個海量數據表（至少是大于一百萬行、五十列的數據表）來運行一個“分布”命令，體驗一下在海量數據中輕松沖浪的奇妙感覺。

　　10、模型比較 （Model Comparison）

　　統計專業人士可能在在一年半之前就聽說JMP推出了支持64位操作系統、具備更多數據挖掘工具的JMP加強版：JMP Pro。與JMP10同步推出的JMP Pro10在高級統計分析方面也有很大的完善，比如有Bootstrapping算法、偏最小二乘法的交叉驗證、模型比較等。 “模型比較”可以對前期分別根據回歸、決策樹、神經網絡等方法構建的模型進行統一的量化比較，并從中篩選出最好的模型，這對于數據挖掘、統計模型優化需求的業務分析人員以及大學統計學專業的老師和學生比較有幫助。