软件标签：JMP
JMP专业版是功能强大的预测分析软件，预测性分析软件，专业版除了拥有JMP中的所有工具，还提供各种高级功能，让您能够从容地应对复杂的分析工作。具有可视化、交互式、综合分析及可扩展性的特点。主要是用于深入发现和研究枯燥的数字表格以及统计图象中隐藏的数据分析，更全面更强大的搜索数据，挖掘数据的潜在意义并通过交互式可视化分享新的发现，能创建详细的报告，新版本带来更多重要的功能，操作录制和增强的日志模式采用全新的结构化布局，配有新的日志记录功能，能记录更多操作，包括捕获大多数数据清洗操作，让过程再现变得更加容易。全新的模型筛选平台可支持不同的预测建模同时运行，以帮助您选择最优模型。新增的情感分析功能可利用可定制的否定词、强化词和情感词列表在非结构化的文本中查找短语。新增的词条选择功能 可识别与响应相关的词条。
新功能
1、可配置的数据连接器
JMP 使您可以轻松访问各种来源的数据。借助 JMP 18 现在提供的附加数据连接器，可以使用更多数据来丰富您的分析。这些数据连接器是可配置的，提供更多选项来定制连接的详细信息
使用适用于各种数据库系统的可定制内置配置，并在脚本索引中提供可参考的示例。
使用简化的 PI 服务器导入功能导入数据。可以轻松地将多个属性导入到单个数据表中，可以将给定时间间隔内的多行数据折叠为单行，并且可以按指定的时间间隔对数据进行采样。
使用支持 ODBC 连接的可配置数据连接器，自定义 JMP 如何与数据源连接的详细信息。
轻松地与同事共享连接器以方便他们的工作。
使用与 Mac 和 Windows 兼容的配置将数据发布和刷新到 JMP Live。
2、平台预设
当您根据自己的喜好定制报告（包括颜色、轴设置、红色小三角选项）时，您可以捕获这些自定义设置以供将来启动同一平台时使用。JMP 包含一套常用的平台预设，您也可以将自己的首选配置保存为任何数据表或列集的预设。
保存常用的报告输出自定义项，以便进行高效的分析和共享。
创建演示文稿或内容输出，以便与同事共享。
提供如何使用预设在报告中执行常见分析的指导，这些预设已经预先选择了正确的红色三角形选项。
协助新用户设置组织中频繁使用的平台。
3、模型刻画器增强功能
对于许多数据分析师来说，预测刻画器是分析工作流程中的重要组成部分，可允许进行实用的、交互式的模型探索。现在您有更多选择使用刻画器来理解预测模型。
显示预测（单个）值的预测区间以及预测均值的置信区间。
在刻画器上显示数据点和重叠的交互迹线。
在模型拟合平台中，只需一步即可保存预测和区间公式。此功能可以更轻松地使用“图形 > 刻画器”来绘制置信区间和预测区间。
在所有刻画器平台中的“图形”菜单下使用更简单、更容易的启动对话框。
更轻松地查看和更新刻画器中的约束。
使用基于 K 最邻近的外推控制。
在 JMP Live 中发布具有预测间隔的刻画器和交互式刻画器，以显示更多模型类型。
4、JMP Pro 新功能
使用 JMP Pro 中最新的数据科学技术解决更复杂和更具挑战性的分析问题，包括高级预测建模和具有扩展分析功能的机器学习。
在FDE中引入直接FPCA的新方法，包括多变量曲线解析和惩罚SVD。另外还提供了色谱和光谱分析中的峰值检测。
增强的广义线性混合模型（GLMM）现在功能更加全面，支持额外的分布和协方差结构。
更多的基因组学功能，一个新的标记相关性平台，以及对标记统计、标记模拟和多变量嵌入（UMAP/t-SNE）平台的改进。
现在，您可以在“拟合响应筛选”中指定包含随机效应的模型。
结构方程模型SEM的增强功能，包括新的模型快捷方式、全平台引导和稳健推断。
5、加强 Python 集成
对于使用 Python 的数据分析师、科学家和工程师来说，全新 JMP 集成可简化编程流程，使其专注于分析。JMP 18 包括单个受支持的 Python 版本、一套广泛的标准 Python 库、JMP 与 Python 数据结构之间更强大的连接，以及在 JMP 中改善后的 Python 编码体验。
使用新的Python编辑器在JMP中运行集成的Python版本，获得简单但熟悉的Python编程体验。
从Python直接访问内存中的JMP数据表，并从JMP轻松访问Python数据。
用 Python 运行 JSL。
继续支持在JMP中使用其他软件，如SAS、R和MATLAB，并可使用开源的Python包。
6、JMP Clinical中的新功能
JMP Clinical 18 中的增强版工具套件为您提供了更多选项，用于交互式探索临床试验数据、更轻松地过滤并快速筛查安全问题。
基于美国食品药品监督管理局指南，可用于识别试验中可能存在肝损伤受试者的综合药物诱导性肝损伤报告（DILI）。
支持将原始临床数据转化为符合CDISC标准的STDM标准数据的临床数据转化工具。
重新发布的包含可视化风险指标分数的风险评估报告
用户友好的亚群构建器，用于指定搜索和过滤标准，以识别符合临时或预定义标准的试验对象的亚群。
临床重新编码功能，用于重新编码研究变量，并允许对变量的水平进行合并或拆分。
7、JMP Live中的新功能
JMP Live 18扩展了对客户/供应商模型的支持，并简化了用户管理，使组织中的科学家和工程师能够更高效地推动创新并赋能于数据驱动的决策。
与 Microsoft Active Directory 直接进行用户和组同步。
在评论中标记用户（使用 @ 提及）。
可上传各种文件类型以在 JMP Live 上刷新数据表。
文件夹级别的权限配置。
增强了根据不同标准对帖子进行排序的功能。
删除用户的选项，包括其个人身份信息 (PII)。
全新刻画器平台。
通过用户界面增强元素（包括侧栏和新的文件夹视图）来实现更轻松的导航。
其他项目
在 JMP 会话中加载 JMP 插件。
支持多个本地数据过滤器。
通过分布中的红色三角形菜单直接更改报告选项。
全新置信区间。
增强的模式填充和数据/时间模式。
改进了数据访问的身份验证。
报告或给定空间内所有内容的历史记录功能。
刷新脚本的目录访问权限。
支持 Snowflake 身份验证中的私钥。
8、数据访问、准备和探索
图形生成器更新
将图表以网格形式显示，所有图表都具有独立的比例尺。点元素上的新标签选项。对叠加变量水平的颜色和样式的新控制。
可折叠注释
报表中的新文本注释可以折叠或展开，以隐藏或显示更多信息。
列管理器
查看和管理列属性的新平台。增强型列管理器将取代JMP 19中的列查看器。
数据表更新
列宽选项的增强功能。
在列标题中显示统计数据的新选项。
字符列可以标记为紧凑，在大多数情况下，这会占用更少的内存和存储空间。具有紧凑型字符列的表格无法在JMP 17及之前的版本中打开。
现在可以对列标题进行着色。这种颜色在JMP的表标题和列列表中可见。
新增插入行命令，可在当前选区快速插入行。
分组平台
创建一个分级显示框和红色三角形菜单，用于操作一组相关平台。对于使用带有多个Y的组或启动的任何人有用。简化与多个平台的联合交互。
PI服务器导入增强功能
多属性导入；堆叠功能以重塑导入的数据；“更新”表脚本将数据导入并拼接到现有数据表；“更改属性”表脚本，通过添加列而不是行来修改数据表。
宽变换
将任意公式应用于一列（或多列）并创建新的公式列，或将结果写入原始列。
列管理器
其他项目
科学记数法中的数字显示为10的幂。
新的等高线平台水平定制对话框。
UI支持将JMP数据导出为V8 SAS传输文件格式。
现在许多提示对话框中的文本可以通过辅助技术进行阅读。
9、实验设计、可靠性、过程和质量工程
全新恒定应力ALT（加速寿命测试）平台
设计和比较包含多达三个加速因子的加速寿命测试。替代了传统的加速寿命测试设计平台。
退化平台更新
无需初始值，通过脚本拟合内置的非线性退化模型和线性退化模型。更轻松地选择适当的模型拟合类型以启动所需的分析。
轻松实验设计更新
改进了添加、编辑和重新排序因子和响应的功能，提升了对确定性筛选设计的分析、遵循效应遗传性、预测置信区间、增强的加载设计以及其他改进。
全新疲劳模型平台
分析疲劳数据，也称为S-N（应变或应力与循环次数）曲线建模。
正交混合水平设计
针对连续因素和两级分类因素的筛选设计，其中连续因素可以有三个水平，作为确定性筛选设计（DSDs）的一种替代方案。
参数生存更新
现在残差概率图中包含了置信区间。新的危害刻画器允许在给定其他因子的值的情况下检查危险率函数。
可靠性框图更新
将可靠性框图另存为可修复系统模拟图。将可靠性框图组件分布设置导出到JMP表格。
可修复系统模拟更新
将可修复系统模拟组件分布设置导出到JMP表格。
短期控制图
使用新的控制图监控短期生产数据。
过程筛选更新
使用名为“过程潜力”的新图表绘制Cp与测量值百分比Sigma2。
恒定应力ALT平台和控制图生成器
其他项目
以X拟合寿命更新：图例线条样式和线条颜色可定制。三个新脚本（时间序列、散点图矩阵和分布）可对后验样本进行诊断。
“质量和过程>控制图”下的控制图对话框的增强功能。传统控制图将在JMP 19中停用。
寿命分布更新了三个新脚本（时间序列、散点图矩阵和分布），在使用贝叶斯估计时提供后验样本的诊断。
MSA设计增强：基于标准化残差和其他平台改进的新诊断。
容差区间现在可以保存到分布平台的“规格限”列属性中。
10、统计分析、预测建模和数据挖掘
拟合曲线更新
其他峰模型包括Pseodo-Voiigt、Pearson 7函数、Skew正态函数和不对称正态函数；等价性检验现在默认使用Fieller方法；增加了T2EQ方法和T2EQ方法用于比较溶出度曲线。
配对更新
为等价性测试和分析百分比差异提供了新的选项。
非参数等价性检验
更新了单因子中的等价性检验，包括非参数检验选项。
精确率-召回率曲线
显示分类器的性能，绘制各种阈值下的精度值对召回值的图。PR曲线现在可在许多JMP平台中使用，包括模型筛选。
主成分
其他主成分方法：非负主成分和稀疏成分分析。
设计空间刻画器更新
全新菜单命令“重置因子空间”、从刻画器中获取中点值、显示当前刻画器值以及将限制作为约束发送到模拟器。发送限制到模拟软件提供了两种新的分布：正态加权为3 Sigma和正态加权为2 Sigma。“制作并连接随机表格”可将散点图直接嵌入到报告中。
分布增强功能
二项分布拟合优度检验以及零泛滥负二项分布、零泛滥SHASH和指数修改高斯分布的能力。能够将CDF图Y轴从线性尺度切换到所需的概率尺度。
精确率-召回率曲线
其他项目
连接字母报表更新：二元变量中的非参数多重比较。提供“标准差”和“置信区间”列。
Wilcoxon Kruskal-Wallis、Median、Friedman Rank或Van der Waerden组别非参数检验现在提供单侧检验p值。
现在“单因子”平台中提供了带有对照的单侧Dunnett多重比较。
Cohen的d效应大小测量现在显示在“单因子”平台的合并t检验报告中。
Jonckheere Terpsta测试现已在单因子和列联平台中提供。该测试通常用于剂量响应测试。
使用“效应汇总”面板中的控件可以排除“拟合模型”平台标准最小二乘法特质中的效应。
在拟合模型平台中，对于节点样条，指定节点点的灵活性更大。
Fit Mixed更新添加了VIF到固定效应参数估计表中。
非线性平台更新：实施了可用性改进。平台现在为基于似然法模型拟合提供边侧似然和边侧似然等高线。
更新了随机最长距离法区组设计支持Friedman秩检验的Post-Hoc比较。
响应筛选中的均值差值报表现在包含均值差值的未调整置信区间和Benjamii-Yekutieli FDR调整后置信区间。
模拟实验现在考虑加入预测刻画器中的线性约束。
11、脚本编写、自动化和工作流
工作流生成器更新
步骤级别的条件和循环支持可以让用户在同一工作流中处理多个表，并根据JMP分析结果或用户输入执行步骤。
似然比检验菜单搜索
在红色小三角菜单或顶部菜单中搜索，以便轻松浏览和选择。
帮助菜单增强功能
简化“帮助”菜单、改进示例索引和新用户指导。
功能特色
1、预测建模和交叉验证
任何人都能对上一年的业绩进行出色的整理和说明，但是，没有合适的工具和最先进的技术，就会大大增加通过建模预测新客户、新流程或新风险的难度。JMP Pro提供了一系列丰富的算法，可利用现有数据构建高效的模型。JMP Pro中可进行预测建模的一些实用技术包括决策树、Bootstrap森林法、朴素贝叶斯和神经网络。
JMP Pro的“分割”平台采用先进的方法可自动执行决策树构建过程。此平台也适用于K最近邻(K-NN)模型。
“Bootstrap森林法”平台采用随机森林技术，能够利用数据的随机子集生成众多决策树，并计算这些决策树中每个因子所造成影响的平均值。“提升决策树”技术可以构建很多简单树，从而将一棵树的残差变异重复拟合至另一棵树。
“朴素贝叶斯”平台采用Bayes定理原则，可用于预测分类响应。此平台甚至允许预测数据中未显示的预测变量的组合。
借助高级“神经”平台，您可以利用所选的三种激活函数构建一层或两层神经网络，此外，此平台还提供采用梯度提升功能的自动模型结构。“神经”平台还能够自动处理缺失值和连续X变换，可达到事半功倍的效果，并且包括可靠的拟合选项。
JMP Pro的所有平台均采用交叉验证方法，既能实现模型验证，又能将未来数据全面纳入其中。为了更有效地进行预测建模，您需要用有效的方法进行模型的验证，而复杂的模型很容易导致过拟合。因此对于大型的复杂模型，我们总是需要进行交叉验证。JMP Pro提供“数据划分”或“保留”选项来执行该操作。交叉验证能够帮助您构建更好的模型，从而使得未来关于新客户、新流程或者新的风险的数据，也可以在这些模型上得到很好的应用，从而帮助您做出由数据驱动的未来决策。
一直以来，我们都通过将数据集划分为训练集、测试集和验证集来避免过拟合，以确保构建的模型不仅仅依赖于用来建模的样本数据。JMP Pro一般会通过使用“验证列”来实现交叉验证。无论要达到何种目的，您都可以通过设置“验证列”将原始数据划分成不同的数据集（可采用随机抽样或分层随机抽样）。无论要达到何种目的，您可以通过设置“生成验证列”将原始数据划分成不同的数据集。
训练集用于构建模型，验证集用于帮助用户在建模过程中针对模型的复杂程度做出选择，而完全不参与建模过程的测试集，主要用于评估不同建模方法的质量。对于数据量比较小的数据集，还会提供K重交叉验证。此过程可帮助您构建有效推广至新数据的模型。
需要注意的是，观测数据的作用也仅限于此。要真正了解因果关系，多数情况下您可能需要采用实验设计(DOE)。JMP为您提供简单易用、业界一流的最优DOE工具。
2、模型比较
Model Comparison in JMP Pro 13
借助“模型比较”平台，您可以在一个平台/界面对JMP Pro构建的多个模型进行比较。
在实际应用中，某些模型在一些特定的情况下拟合性较好，但在其他情况下则较差。JMP Pro提供多种拟合方法，我们需要找出在特定的情况下哪种方法的拟合效果最好。一般构建模型的典型思路是尝试多种不同的模型：或简单或复杂，包含或不包含特定的因子/预测变量，采用不同的建模方法，甚至是多个模型的平均（组合模型）。
所有的这些模型都有相同的拟合指标用来判定模型的好坏：R2、误分类率、ROC曲线、AUC、提升曲线等等。
使用JMP Pro的“模型比较”，您可以对不同预测模型生成的预测公式列进行比较，并根据拟合优度、简约性、交叉验证结果综合比较选取最佳的模型。JMP Pro会自动给出最佳的结果。同时，您还可以借助模型刻画器动态交互地查看每个模型选取的关键因子有哪些。借助JMP Pro的模型比较功能，用户可以方便地对多个模型同时进行比较，还能根据需要进行模型平均。
3、模型库和生成评分代码
管理模型并不是一件苦差事–JMP Pro中的“模型库”可在处理多个模型的同时组织您的工作。此中央资源库可采用C、SQL、SAS或其他语言存储、刻画、比较和选择性地部署JMP Pro模型。
现在，当构建多个模型时，您的数据表将不再因包含执行模型比较所需的大量额外预测公式列而负担过重。可将评分代码保存至“公式库”并应用至新数据。中央建模中心让您可轻松地访问您的模型并部署至其他系统。
4、连接丰富的SAS®资源
作为SAS预测建模和数据挖掘的解决方案之一，JMP Pro能够轻松与SAS进行连接，扩展其分析功能，依托并借助强大的SAS分析与数据集成能力。无论数据是否与SAS相连接，JMP Pro均可输出SAS代码，使用新数据对JMP构建的模型进行快速、轻松的评分。
5、新型建模
广义回归是站在模型改进的角度而提出的一系列新的建模方法。该方法通过引入正则项或惩罚项来拟合广义回归模型。
当预测变量之间存在强相关或者预测变量数大于观测个数时，标准的回归方法基本是行不通的。而预测变量之间存在多重共线性（实际情况常常如此），逐步回归法或者其他标准的回归方法也得不到令人满意的结果。这些模型往往会出现过拟合，在新数据的应用上表现很差。但在建模之前如何确定该剔除哪些变量呢？或者更糟的情况是，你需要花费多少时间来手动筛选变量用以构建最终的模型？
拟合模型中的“广义回归”在进行回归时，基本会包含所有的变量和信息。广义回归过程是一个完整的建模架构搭建过程，它可以帮您进行变量选择、模型诊断，再到LS均值比较、逆预测乃至整个模型的刻画。这都是JMP Pro所特有的功能。
广义回归特性中所涉及到的正则化方法包括岭、套索、自适应套索、弹性网络和自适应弹性网络等，能够帮助您更好地识别对Y有重要影响的X变量。该方法与"拟合模型"平台中的其他建模方法一样简单易用--先确定响应变量，构建模型效应，再选择合适的估计方法和交叉验证方法。JMP可自动拟合您的数据，在适当的时候选择变量，并构建可推广到新数据的预测模型。您还可以使用向前逐步回归技术，使用最大似然法执行分位数回归或简单拟合。
最后需要指出的是，广义回归还可以为您所构建的模型的响应变量提供多种分布选项，因此当响应变量为计数数据、含有大量离群值的数据或偏态数据时，都能够进行很好的模型拟合。与JMP Pro中所有高级建模平台一样，您可选择交叉验证技术。
6、可靠性框图
您会经常遇到这种需求：要分析一个较为复杂的分析系统（例如拥有多个硬盘的RAID存储阵列，或者配备四个引擎的飞机）的可靠性。JMP为您提供了很多可以用于分析复杂系统中单独零部件的可靠性的完整工具。而借助JMP Pro，您可以利用单一部件的可靠性，构建一个多部件的复杂系统并分析整个系统的可靠性。通过“可靠性框图”，您可以轻松设计并弥补系统弱点，获得更详实的系统信息，从而避免系统在将来发生故障。
借助此平台，您可通过查看不同设计和比较多个系统的设计图，轻松执行假设分析。您还可以确定最佳位置来添加冗余，并降低系统故障的可能性。
7、可修复系统模拟
某些系统或复杂系统的部件离线时间过长会造成巨大损失。要保持这些系统的完整性，您需要合理计划系统部件的修复，或通过在系统不可用期间完成额外修复，最大化出现意外停机时能够实现的收益。借助JMP Pro，您可使用“可修复系统模拟”确定系统不可用的时长，并回答以下关键问题：在指定时间内将发生的修复事件数和每一修复事件的成本。
8、覆盖阵列
覆盖阵列用于检测因子交互作用可能导致故障且每次实验运行的成本十分高昂的情况。因此，您需要设计一个实验，在降低成本并缩短时间的同时，最大概率找到缺陷所在，实现利润最大化。覆盖阵列可以帮助您实现上述目标。您可以使用JMP Pro进行实验设计，对确定性系统进行检测，并按照特定交互作用顺序覆盖所有可能的因子组合
当出现不合理的因子组合时，您可以使用交互式的“无效组合”过滤器，将这些因子设置组合从设计中自动排除。
运用JMP Pro进行覆盖阵列设计的一个显著优势在于，JMP Pro不仅仅覆盖阵列设计的工具，更是一个强大的统计分析工具。您可以在JMP Pro中进行各种统计分析。例如，目前还没有任何覆盖阵列设计软件能够像JMP Pro一样可以使用广义回归进行数据分析。这是JMP Pro
相比其他覆盖阵列设计工具的巨大优势。
严格地说，JMP Pro不仅仅是设计工具；它还可以导入任何软件生成的覆盖阵列设计，对其进一步优化并分析结果。您可以自行设计阵列，不必依靠他人为您构建实验。JMP Pro的覆盖阵列，让测试变得更加智能。
9、混合模型
混合模型在分析中包含固定效应和随机效应。您可以利用这些模型分析同时涉及时间和空间的数据。例如，在进行药物试验时，往往存在多个受试者进行多次测量的情况，这时您可以使用混合模型进行效应的估计。另外，在制药、生产或者化工行业经常会用到的交叉设计也适用于该情况。
JMP Pro提供混合模型的拟合，您可以指定模型中的固定效应，随机效应以及重复效应；指定测试的多个变量间的关联效应，设定对象和连续性效应；以上所有操作均可在直观的界面中拖放完成。
另外，您还可以计算各种关联结构的协方差参数。比如，我们对受试对象进行测量时，如果受试对象分为不同的群体（比如来自同一个家庭），则来自同一个群体的受试对象的数据存在相关性；又譬如对同一个受试对象进行多次测量时，则该受试对象的多次观察数据之间可能存在相关性或者存在不同的变异。
如果存在空间上的相关性，那么运用JMP Pro构建混合模型时，您可以很简单地通过可视化的方式来决定您的数据到底适合哪种空间协方差结构。
10、提升模型
您也许只想给那些对营销活动做出积极响应的个人发送产品和服务信息，以便利用有限的市场营销预算获取最大的收益。然而，这项任务可能看起来很艰巨，尤其当您面临大量数据集以及包含众多消费者行为和背景信息等相关变量时更是如此。提升模型可以助您一臂之力。提升模型又称为增量建模、真提升建模或网络建模，用于帮助优化市场营销决策、确定个性化医学协议，或者概括地来说，可用于识别可能对某项活动作出回应的个人特征。
您可以借助JMP Pro中的提升模型进行这些预测。JMP Pro对那些可以拆分的分割模型进行拟合，以实现处理差异的最大化，从而帮助您识别可能对某项活动作出积极回应的特定人群，进而制定有效的针对性决策，合理规划资源，最大化影响到此特定消费群体。
11、高级计算统计
JMP Pro中的列联表分析提供了精确统计检验，单因子方差分析平台则提供了精确非参数统计检验。此外，JMP Pro还包含可用于大多数JMP报表的Bootstrapping统计的常用方法。
Bootstrapping模拟了统计量的近似分布。JMP Pro是唯一一款无需编写任何代码，即可对统计量进行自助抽样的统计软件包。一键式Bootstrapping意味着，只需点击一下即可对JMP报告中的任何统计量进行自助抽样。
当您面对的数据不符合教科书中对分布的假设，或者某些统计方法根本不存在分布假设，进而无法估计统计量的分布参数时，Bootstrap方法就可以派上用场了。比如，可使用该方法对非线性模型中用来预测的系数进行bootstrapping的估计或者对分位数进行置信区间估计。您还可以用Bootstrapping估计预测模型的不确定性。Bootstrapping让您可以在具有较少假设的估计中评估置信度–JMP Pro中的一键式Bootstrapping让这项工作变得十分轻松。
12、分享和交流结果
JMP始终以探索发现为研究重点，坚持不懈地寻找在组织范围内传达这些发现成果的最佳方法。JMP Pro涵盖了JMP所有的可视化和交互式功能，能够为您提供前所未有的数据研究方式。通过动态链接的数据、图形和统计数据，JMP Pro能够在三维图形或动画中呈现实时调查结果，显示动态变化信息，从而产生极具价值的新见解，解释如何建模并详细介绍流程。
安装激活教程
1、在本站下载并解压，双击setup.exe开始安装
2、选择安装路径
3、选择安装功能
4、安装完成，退出向导
闪电小编说明：
随着科学家、工程师和其他数据探索人员所选择的数据清洗工具的改进加强、统计发现工具与建模工具套件的最新换代，数据分析变得更为简单和强大。数据分析软件是世界数十万数据探索人员的左膀右臂。 借助卓越的交互性和可视化模式，JMP能够揭示往往会被原始数字表格和统计图像隐藏的深入信息。
软件无法下载？不知道解压密码？微信关注订阅号"闪电下载"获取
本帖长期更新最新版 请收藏下载！版权声明：本站提的序列号、注册码、注册机、破解补丁等均来自互联网，仅供学习交流之用，请在下载后24小时内删除。
