STATGRAPHICS Centurion 19版最新更新-数据分析和质量改善软件-上海卡贝信息技术有限公司

19版发行说明

重要说明：安装新版本时，请勿卸载之前的版本。新版本将取代之前的版本，不需要重新激活。

19.2.01版本 2021年3月10日

动态Pareto图（位于Statlets - Data Columns）
动态雷达/蜘蛛图（位于Statlets - Data Columns）
时间序列螺旋图（位于Statlets - Data Columns）
支持向量机（位于Interfaces - Python）
拟合非正态混合分布（位于Interfaces - R）

其他新功能：

1.改进了图例框中的点符号放置。
2.添加了新选项以在单击识别图形上的点时控制鼠标光标灵敏度。

修正：

1.改进了对双变量混合分布拟合中缺失值的处理。
2.在零膨胀计数回归中修复了图表标题。
3.修复64位系统下ODBC查询问题。

19.1.03版 2020年12月29日

新功能：

1.在多变量分析中，现在可以选择是否在相关矩阵表中显示样本大小和 P 值。
2.在聚类分析和 K 均值聚类中，现在可以在二维散点图中围绕每个聚类绘制凸包。
3. 添加到条形图、多条形图、频率表、频率表、列联表和交叉表中的条形图的可选值标签。
4.在 DOE 向导中添加到实验设计摘要中的条件编号。
5.在 K-Means 聚类中添加了窗格以显示来自 Python 的任何消息。还删除了预先计算距离的选项，因为该选项在 Scikit-Learn 库中不再有效。

修正：

1.改进了分布拟合（双变量混合分布）中等高线的绘制。
2.修复了在功能区栏上使用旋转按钮时崩溃的问题。
3.防止DOE向导窗口的重命名、复制和重复等操作。
4.在稳定性分析中，修正了当X=0时估计一些非线性模型引起的误差。
5.修复了在连接到旧的 .sfx 文件时加载 StatFolio 的问题。

19.1.02版 2020年11月27日

新功能：

1.拟合大多数 DOE 模型时显示的输出现在显示预测平方和 (PRESS) 和预测 R 平方。
2. 拟合大多数 DOE 模型时的诊断图现在可以选择显示普通残差或学生化残差。
3.在自动预测中，即使不考虑差分，算法现在也会考虑包含常数的 ARIMA 模型。

修正：

1.在 DOE 向导中，修复了添加额外运行时增强设计中的问题。
2.在 StatGallery 中，修复了覆盖第二个图形时图例框覆盖自身的问题。
3.在热图中，修复了处理大量数据时的问题。

19.1.01版 2020年10月1日

Statgraphics Centurion 19 的初始版本。

Statgraphics Centurion19版最新更新

Statgraphics Centurion 19 于 2020 年发布，是我们旗舰 Windows 桌面产品的最新版本。这是一次重大升级，为统计分析、数据可视化和预测分析添加了许多新功能。亮点包括新的用户界面、对实验设计向导的重要增强、新的机器学习程序以及与 Python 交换数据和脚本的方法。

19版本增强

Statgraphics 19 是一次重大升级，包含许多新功能，包括：

一个新的图形用户界面，带有一个功能区栏，可以轻松找到您想要使用的分析和选择选项的控件。
Python 的接口，具有用于交换数据、执行脚本和访问库（例如 K-means 聚类程序）的工具。
十多种新的统计程序，包括等价分析和方差的非劣效性检验、分位数回归、分段线性回归、零膨胀泊松和负二项式回归、单变量和双变量正态分布的拟合混合、决策森林、瀑布等机器学习程序图、维恩图和欧拉图。
DOE 向导中的新别名优化设计，以及用于选择优化运行以增强现有设计的功能。
指示所选过程状态的仪表板，例如控制图和能力指数。

新的功能和增强

用户界面

选项和程序的选择现在由功能区栏和快速访问工具栏控制。

功能区栏可让您轻松找到您正在寻找的功能，而快速访问工具栏可让您在使用自己喜欢的程序时绕过菜单。

分析窗口现在允许您在多窗格和单窗格模式之间切换。与早期版本一样，多窗格模式将每个表和图形放在拆分器窗口的单独窗格中。

单窗格模式将所有输出组合为单个报告样式格式。

如上所示，输出表现在具有可修改的列和行标题，可以使用可选颜色和其他功能进行显示。

仪表盘

StatFolio 窗口集中添加了一个新的仪表板，可以并排显示来自不同分析的表格和图形。对于控制图、能力分析、回归、股票图表和测量研究等程序，表格或图形的背景可以用绿色、黄色或红色表示，以指示所选指标的状态、大的变化或异常残差。

单变量混合分布

分布拟合（单变量混合模型）过程将分布拟合到由 2 个或多个单变量正态分布的混合组成的连续数值数据。混合物的成分可能代表用于拟合整体分布的样本中的不同组，或者混合模型可能会近似某些具有复杂形状的分布。该过程拟合分布、创建图形并计算尾部区域和临界值。提供了用于确定需要多少个组件来表示数据样本的工具。

双变量混合分布

分布拟合（双变量混合分布）过程将分布拟合到由 2 个或多个双变量正态分布的混合组成的连续数值数据。混合物的成分可能代表用于拟合整体分布的样本中的不同组，或者混合模型可能会近似某些具有复杂形状的分布。该过程拟合分布并创建拟合模型的图形。还提供了用于确定需要多少个组件来表示数据样本的工具。

分段线性回归

分段线性回归过程旨在拟合一个回归模型，其中因变量 Y 和自变量 X 之间的关系是由 2 个或更多线性段组成的连续函数。该函数是使用非线性最小二乘法估计的。用户指定段数和段连接位置的初始估计。然后该过程估计斜率、斜率变化以及发生 s 变化的位置。

稳定性研究

制药公司通常使用稳定性研究来估计药物降解率并确定保质期。通常在不同时间点对来自多个批次的样品进行测量。主要感兴趣的是估计降解模型的预测下限与药物的规格下限相交的时间。根据数据的结构，批次可能被视为固定或随机因素。

分位数回归

分位数回归过程拟合线性模型以描述因变量 Y 的选定分位数与一个或多个自变量之间的关系。自变量可以是定量的或分类的。与模型用于预测平均响应的标准多元回归程序不同，分位数回归模型可用于预测任何百分位数。中值回归是一种特殊情况，其中要预测的分位数是第 50 个百分位数。

别名优化实验设计

由 DOE 向导生成的新别名优化设计不仅考虑了估计模型系数的精度，还考虑了由不在假设模型中的主动效应引起的估计中的潜在偏差。 D 最优性等标准不考虑由遗漏效应引起的混叠。有时，替代的 D 最优设计可能会受到明显不同的混叠量。在其他时候，所选设计效率的小幅降低可能会导致潜在偏差的大幅降低。

已有实验设计的最优增强

添加到 DOE 向导的一个新功能是能够将运行添加到现有实验中，以便最大化选定的最优性标准。用户首先选择要添加的运行次数，然后完成如下所示的对话框。

等效性检验 - 比较方差

添加了新程序以证明总体方差的等效性或非劣效性。一种程序将单个样本的方差与目标值进行比较，而另一种程序则比较取自 2 个不同总体的样本的方差。在第二种情况下，如果样本各自标准偏差的比率落在围绕 1 的某个指定区间内，则认为样本是“等效的”。

量具研究 - GLM 方法

GLM 方法基于一项研究来估计测量系统的可重复性和再现性，在该研究中，m 位评估员测量 n 项 r 次。它还估计了重要的数量，例如总变异、精度与容差比、测量误差的标准偏差以及各种误差分量的研究贡献百分比。除了评估师和零件引入的变化外，还可能包括其他因素。附加因素可被视为具有固定或随机效应。注意：此过程将处理不平衡的数据。

决策森林

决策森林程序实施机器学习过程以从数据中预测观察结果。它创建了两种形式的模型：

根据观察到的特征将观测值分组的分类模型。
预测因变量值的回归模型。

这些模型是通过创建大量决策树并对这些树的预测进行平均来构建的。许多树是使用类似于分类和回归树的程序构建的，具有随机节点优化和“bagging”。

零膨胀计数回归

零膨胀计数回归过程旨在拟合因变量 Y 由计数组成的回归模型。拟合回归模型将Y与一个或多个预测变量X相关，该变量可以是定量的也可以是分类的。它类似于泊松回归和负二项式回归的过程，不同之处在于它包含一个附加组件，表示这些模型中预期出现的更多零点。包含多余零的数据非常常见，包括各种示例，例如学生缺课的天数、并非每个人都有保险的人群中的保险索赔数量、制造产品的缺陷数量以及野生动物计数。