|
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
其他新功能: 1.改进了图例框中的点符号放置。 修正: 1.改进了对双变量混合分布拟合中缺失值的处理。 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。 修正: 1.改进了分布拟合(双变量混合分布)中等高线的绘制。 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。 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。 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:
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:
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。 维恩图和欧拉图 维恩图和欧拉图过程创建的图显示离散事件发生的相对频率。 它们由代表特定事件频率的圆形区域组成,其中圆圈的重叠表示多个事件同时发生。 瀑布图 版本 19 中添加了 3 种类型的瀑布图:有序图、顺序图和 3 维图。 有序瀑布图用于说明感兴趣的变量如何在个人样本中增加或减少。 数据值被排序并绘制为条形图,通常相对于等于 0 的基线。可以将参考线添加到图中以显示目标值 连续瀑布图用于说明正负贡献对总值的累积影响。 绘制的条形代表每个贡献以及总计和小计。 应用程序包括财务分析、库存分析、绩效分析、招聘和人口统计。 三维瀑布图用于显示多列数据和一个公共变量。 一个经常遇到的示例是累积频谱衰减图,其中多次绘制频谱以说明振幅随频率和时间变化的变化。 通常,这些图用于显示定量变量相对于时间和其他一些因素的变化。 Python 接口 版本 19 为 Python 编程语言添加了一个接口,该接口类似于在版本 18 中添加的 R 接口。添加了一些程序,可以轻松地在 Statgraphics 和 Python 之间传递数据。 Python 脚本也可以在 Statgraphics 中编写和执行。 K-均值聚类 K-Means 聚类过程实施机器学习过程以创建多变量定量变量的组或聚类。 聚类是通过对输入变量空间中靠近在一起的观察进行分组来创建的。计算由 Python 中的“Scikit-learn”模块执行。 新的概率分布 几个新的概率分布已添加到可用于拟合数据和生成随机数的分布列表中:
属性能力的一致性分析 一致性分析已添加到基于属性数据确定能力的程序中。 一致性分析用于确定过程符合以每个包装的不合格物品数量表示的规范的程度。 新的统计检验 现有的统计程序中添加了几个新的统计检验: 1. Levene 检验,用于比较多个样本的方差。 2. Wald-Wolfowitz 检验,用于检验 2 个独立样本来自同一总体的假设。 3.在单向方差分析程序中进行Games-Howell赛后多重比较测试。 统计过程控制图 控制限的重新计算点数已从 4 更改为 9。 缺失数据图 数据查看器中添加了一个图来显示数据集中缺失数据的位置。 条形图 现在可以将可选线添加到简单和多个条形图。 一般线性模型 逐步变量选择已添加到 GLM 过程中,用于定量和分类因素。 此外,还简化了交互作用和其他高阶项的输入。 配对样本比较 配对样本比较程序中添加了 2 个新的诊断图。 第一个是对角线图,用对角线绘制成对的值。 第二个绘制来自 Y=X 线的残差。 其他更改 在整个程序中添加了新选项。 1. 能够在数据编辑器中撤销多个连续操作。 2. 能够颠倒数据表中的行顺序。 3. 能够将包含在 StatGallery 中的图像保存为图像文件。 4. 能够以透明背景保存图形。 5.保存图形时更改点大小的能力。 6. 校准模型的新单边预测限制。 7. 在树状图上分隔集群的可选线。 8. 在 DOE 向导中仅优化选定响应的能力。 9. 许多程序中的新残差概率图。 10. 可选输入雷达和蜘蛛图中的数据和代码列。 11. 直接从 Minitab 项目文件、SAS 传输文件和 SPSS 便携文件导入数据。
Statpoint Technologies, Inc. 是Statgraphics的制造商
|
|
|
站点地图|隐私政策|加入我们 |
Copyright ©2021 上海卡贝信息技术有限公司 All rights reserved. |