¿Qué es Statgraphics?

Statgraphics es un software estadístico que permite a sus usuarios trabajar desde procedimientos descriptivos y visualización hasta el análisis predictivo de los datos, cuenta además con diversidad de posibilidades, que cubren una amplia gama de técnicas de análisis de datos, integradas en una interfaz amigable e intuitiva.

Novedades de la versión

Interfaz

La selección de opciones y procedimientos ahora está controlada por una cinta de opciones y una barra de herramientas de acceso rápido, la primera facilita la búsqueda de las funciones , mientras que la barra de herramientas de acceso rápido le permite omitir los menús cuando utiliza sus procedimientos favoritos.

Visualización de datos y gráficos

La versión 19 contiene 28 Statlets interactivos para ayudar a visualizar los datos, así, se incluyen nuevas posibilidades y mejoras en procedimientos existentes, entre los que se destacan:

A las posibilidades dinámicas de la visualización se suman opciones como:

Diseño de experimientos y control estadístico de procesos

Gage R&R usando GLM :

Permite datos no balanceados y fuentes adicionales de variabilidad. El Método GLM estima la repetibilidad y reproducibilidad de un sistema de medición basado en un estudio en el que m evaluadores miden n elementos r veces. También estima cantidades importantes como la variación total, la relación precisión / tolerancia, la desviación estándar del error de medición y el porcentaje de contribución al estudio de varios componentes de error. Además de la variación introducida por los tasadores y las partes, también se pueden incluir factores adicionales. Los factores adicionales pueden tratarse como si tuvieran efectos fijos o aleatorios.

Aumento óptimo de diseños existentes: ejecuciones generadas por computadora agregadas a diseños para maximizar la eficiencia del diseño.

Optimización: ahora puede seleccionar qué respuestas optimizar en DOE Wizard.

Puntos de recálculo: los límites de control y los índices de capacidad se pueden volver a calcular en 9 ubicaciones.

Machine Learning

Decision Forests

Construcción de modelos de clasificación y regresión basados en múltiples árboles de decisión.
El procedimiento Decision Forests implementa un proceso de aprendizaje automático para predecir observaciones a partir de datos. Permite el trabajo con modelos de 2 formas:

• Modelos de clasificación que dividen las observaciones en grupos según sus características observadas.
• Modelos de regresión que predicen el valor de una variable dependiente.

Los modelos se construyen creando una gran cantidad de árboles de decisión y promediando las predicciones hechas a partir de esos árboles. Muchos árboles se construyen utilizando un procedimiento similar al de los árboles de clasificación y regresión.

Agrupación de K-medias:

Agrupación de observaciones basadas en similitudes de variables.

El procedimiento Clustering de K-Means implementa un proceso de aprendizaje automático para crear grupos o clústeres de variables cuantitativas multivariadas. Los conglomerados se crean agrupando observaciones que están juntas en el espacio de las variables de entrada. Los cálculos los realiza el módulo "Scikit-learn" en Python.

Funcionalidades y características

Dentro de las posibilidades y procedimientos en Statgraphics, es importante destacar la visualización y las opciones de análisis, que integra una interfaz gráfica con lenguajes de programación como R y Python.

Esta versión incluye además, muchas otras posibilidades asociadas a:

Regresión y análisis de varianza

• Modelos de calibración: estimación de límites de predicción unilaterales.
• Modelos lineales generales: selección de factores paso a paso y entrada más fácil de interacciones.
• Regresión lineal por partes: ajuste de modelos con múltiples segmentos lineales.
• Regresión de cuantiles: modelos para predecir cuantiles de variables de respuesta.
• Gráficas de probabilidad residual - agregadas a varios procedimientos.
• Estudios de estabilidad: estimación de la vida útil de varios lotes.
• Análisis de varianza: el nuevo gráfico de contribución muestra la contribución de cada componente.
• Regresión de conteo inflado cero: modelos de regresión de Poisson y binomial negativo con ceros estructurales adicionales.

Pruebas estadísticas

• Pruebas de equivalencia y no inferioridad para varianzas: Para comparación de 2 varianzas y comparar la varianza con el objetivo.
• Prueba de Mann-Kendall: Prueba de tendencia monótona en una serie de tiempo.
• Prueba de Levene modificada: prueba de homogeneidad de varianzas en ANOVA de una vía.
• Prueba de Wald-Wolfowitz: comparación no paramétrica de dos muestras.