XLSTAT version 2020.5

Banner_White_Mail.png

 

Notre dernière mise à jour XLSTAT 2020.5 est désormais disponible ! Quoi de neuf ? 

Une nouvelle méthode vous permettant de regrouper vos sujets en fonction de leur perception des produits est désormais disponible. CLUSCATA peut être considérée comme une adaptation de CLUSTATIS pour les données CATA. La classe “K+1” permet de mettre de côté les sujets qui ne se conforment à aucune classe.

Accessible depuis le menu Analyse de données sensorielles.

La procédure CATARACT (CATA Rejection and ACceptation Tests) permet de décrire vos enquêtes CATA et d’extraire des informations relatives à la qualité de vos questionnaires. Trois options sont désormais disponibles dans la boîte de dialogue CATA :

  • Validation des données CATA : vérifiez la qualité de vos données CATA.
  • Indépendance des attributs: déterminez si vos attributs sont cochés de manière identique pour chacun des produits.
  • Gestion des sessions multiples : traitez les cas exceptionnels où les sujets évaluent un produit plusieurs fois.

Accessible depuis le menu Analyse de données sensorielles.

Les paramètres de votre arbre (taille des parents, taille des fils, profondeur) peuvent être définis de trois façons différentes. Vous pouvez :

  • Entrer manuellement les valeurs de chaque paramètre.
  • Laisser XLSTAT rechercher les valeurs optimales en se basant sur la validation croisée K-Fold.
  • Définir une plage de valeurs et laisser XLSTAT choisir la meilleure combinaison de paramètres.

Accessible depuis le menu Machine Learning.

Vous pouvez à présent :

  • Afficher des intervalles de confiance à 95% pour les paramètres du modèle.
  • Ajouter des courbes de confiance et des courbes de prévision sur le graphique de la régression non linéaire.
  • Utiliser une des quatre nouvelles équations pour modéliser différents types d’inhibition : compétitive, non compétitive, incompétitive et mixte.

Accessible depuis le menu Modélisation de données.

De nouvelles options sont disponibles dans l’outil de gestion des valeurs manquantes. Vous pouvez :

  • Traiter vos variables quantitatives et qualitatives en même temps.
  • Visualiser la position des valeurs manquantes sur l’ensemble de votre jeu de données via un graphique dédié.
  • Utiliser de nouvelles méthodes d’imputation : algorithme EM, NIPALS, Valeur.

Accessible depuis le menu Préparation de données.


Comment obtenir XLSTAT 2020.5 ? 

Si vous avez la version d'essai ou si vous utilisez une licence valide,  vous pouvez télécharger ci-dessous la version appropriée.

Si vous avez une licence perpétuelle sans accès gratuit aux mises à jour, vous pouvez commander une mise à jour via votre compte MyXLSTAT. Autrement, veuillez nous contacter.


Derniers événements

This module focuses on Analysis of Variance, but this technique makes assumptions about the underlying distributions in our data

This course covers the excellent features in XLSTAT for investigating, visualising and modelling data sets with measurements on many variables.

Derniers tweets

💡 How is XLSTAT being used in research? In this paper, discover whether and how straw materials could affect sensor… https://t.co/GqKhmO33P3

☕ How can we split a collection of stone fragments into groups of similar pieces using k-means clustering?… https://t.co/HWTEgA4Og9

🔎 How to deal with missing data? ➡️ NIPALS, MCMC, EM algorithm or Nearest Neighbor: Discover the #XLSTAT methods pr… https://t.co/I5Ia2BOlmf