CIAO, Io sono Jerry Pescare.
IO lavoro per JMP.
IO supporto Nostro clienti In IL Centrale Regione Di IL Unito Stati.
Oggi, Id Piace A parlare A Voi Di UN aggiungere Quello Io ho sviluppato.
IL titolo Di IL carta È
Recuperare A arbitrario Parte vera Distribuzioni
da facilitato Parte Distribuzioni E IL Misura Caratteristiche
Quello andare lungo con IL misurazione.
Di oggi ordine del giorno.
Primo erano andando A parlare Di, Di corso, Che cosa fa questo parlare indirizzo?
Perché È Questo COSÌ importante?
Perché non posso Noi Appena sottrarre varianze A Ottenere Nostro Vera distribuzione delle parti?
UN poco morso Di cosa c'è dietro Nostro stima calcoli.
Malato demo IL aggiungere,
Compreso Alcuni test risultati E aggiungere Alcuni Risoluzione dei problemi suggerimenti.
Malato raccontare Voi Dove Voi Potere Trovare IL aggiungere,
E Poi BENE condividere con Voi Come Voi Potere Dare Me feedback
SU cosa c'è Bene E Che cosa Voi non Piace Di IL aggiungere,
le zone per miglioramenti, E COSÌ via.
Che cosa Sono Noi indirizzamento Qui?
BENE, erano parlando Di UN aggiungere Quello determina UN Distribuzione delle parti reali
Se Voi Dare Esso UN misurato parte distribuzione
E Se Voi descrivere tuo misura prestazione caratteristiche.
Suo bello facile A concettualizzare Se Noi inizio con UN Distribuzione delle parti reali.
Ecco Nostro VERO parte valore contro Nostro percentuale Di parti.
Poi Noi correre Quello Attraverso UN misura,
UN imperfetto misura Quello ha Alcuni varianza E pregiudizio caratteristiche.
Noi Volere Ottenere UN misurato parte distribuzione fuori Di Quello.
Noi non Sapere, Anche se, Che cosa Nostro Distribuzione delle parti reali È.
Che cosa erano parlando Di È scambio quelli posizioni
Dove Noi inizio con UN Misurato P arte Distribuzione,
Noi sottrarre fuori Nostro misura prestazione caratteristiche,
E Noi FINE su con UN Distribuzione delle parti reali.
Quello è bello semplice A capire, Ma Esso prende Di più complicato
Se Noi Avere UN Misurato Parte Distribuzione Quello È non normalmente distribuito
e/o Noi Avere UN calibro Quello esegue In non standard modi, Voi Potrebbe Dire.
Forse Nostro standard deviazione Spettacoli curvatura con IL misurato parte valore,
O Forse Esso ha pregiudizio Quello linearmente i cambiamenti,
O Forse Esso ha curvatura COME BENE.
Come Potere Noi Prendere questi le quantità, IL Misurato Parte Distribuzione
e un arbitrario misura prestazione curva,
E Venire su con Che cosa IL VERO Parte Valore era
Quello dovere Avere causato Questo Misurato Parte Valore?
Perché È Esso importante?
BENE, Noi Tutto Sapere Quello Tutto calibri Sono imperfetto.
Lo faremmo Piace A Ottenere UN idea Di Questo Distribuzione delle parti reali.
Lo farai Vedere Esso riferito A COME, Noi andare lungo COME TPD.
Noi Potere capire Nostro tipo 1 E tipo 2 errori.
UN tipo 1 errore significa Nostro misura È lancio lontano Bene parti.
UN tipo 2 errore significa Nostro misura È accettando Cattivo parti.
Entrambi Di questi, in particolar modo In UN produzione ambiente,
Sono Cattivo cose A accadere.
Se erano lancio lontano Bene parti, Poi quello è sciupare.
Noi non Volere A Avere sciupare In Nostro processi.
Quello è Appena UN Dritto metter il fondo a linea deduzione da Nostro profitto dichiarazione.
Noi Anche non Volere A accettare Cattivo parti.
Se Noi Fare Quello, Noi nave IL Cattivo parti fuori A UN cliente.
Erano probabile andando A Ottenere denunce, contestazioni, erano andando A Ottenere ritorna, rielaborazioni,
suo andando A danno Nostro dell'azienda reputazione.
Noi non Volere A Avere O uno Di quelli tipi Di errori.
Essi Entrambi male Nostro azienda.
Se Noi sapevo IL Distribuzione delle parti reali,
Noi Potevo stima IL costi associato con questi errori.
Quello particolare soggetto È affrontato In un altro carta
essendo presentata Qui A Scoperta 2023.
Con Questo titolo E Questo carta numero, IO incoraggiare Voi A Aspetto Esso su.
IO coautore Questo carta con due
Di Mio colleghi, Brady Brady, E Giasone Wiggins.
Noi Bisogno Quello Distribuzione delle parti reali A Fare Questo valutazione.
Perché non posso Noi Appena sottrarre IL varianze?
BENE, Voi Potere.
Se tuo La distribuzione delle parti misurate è normalmente
E tuo misura ha costante varianza E pregiudizio attraverso IL misurazione allineare,
Poi Voi Potere Ottenere A tuo Distribuzione delle parti reali.
Voi non Sapere IL Parte vera valori Di individuale parti.
Tu sei Mai andando A Sapere Quello, Ma Voi Potere Ottenere A IL distribuzione.
Suo semplicemente, Sotto questi vincoli, Sotto questi ipotesi,
IL varianza Di IL Distribuzione delle parti reali È Appena IL differenza In IL varianze
Di tuo Distribuzione delle parti misurate E tuo misura varianza.
Voi sottrarre quelli due,
Voi Prendere IL piazza radice, E Voi Ottenere IL standard deviazione Di tuo misura.
T Lui media, Io sono Scusa, standard deviazione Di tuo Distribuzione delle parti reali.
IL media Dove tuo VERO Parte Distribuzione È centrato
È semplicemente dovunque tuo Misurato Parte Distribuzione
È centrato meno IL pregiudizio Di IL misura.
O F corso, IL domanda È, Che cosa Fare Voi Fare
Se tuo Distribuzione delle parti misurate È non normale
O Se tuo misura ha insolito caratteristiche?
Questo È Come Noi Potere concettualizzare inserendo questi valori,
E Malato spettacolo Voi IL aggiungere In Appena UN secondo.
Noi Potere Avere Qualunque arbitrario ingresso.
Qui noi abbiamo avuto per Nostro Distribuzione delle parti misurate,
Questo È Nostro Valore della parte misurata.
T Lui conta per Tuttavia parti Quello Noi Avere misurato.
Forse Questo sembra Piace UN combinazione Di due normale distribuzioni.
Forse suo qualcosa UN poco diverso di Quello.
IL punto È, Voi Potere Mettere In Qualunque ingresso Quello lo faresti Piace,
Qualunque ingresso forma per IL Misurato Parte Distribuzione.
Poi Noi descritto IL misura utilizzando quadratico funzioni
per IL sigma E per IL pregiudizio Di IL misura.
Normalmente, Tutto tu sei andando A Avere È UN standard misura
volevo Essere Appena questi costanti fuori Qui In davanti,
C0 E D0, E D0 Maggio Essere zero se tu non Avere Qualunque misura pregiudizio.
IO F tuo sigma i cambiamenti linearmente con parte valore,
Noi permettere Voi A Mettere In C1 E D1 Se tuo pregiudizio i cambiamenti linearmente.
Se c'è Qualunque curvatura, Noi permettere Voi A Mettere In UN C2 E UN D2.
Quando Voi impostato su tuo misura equazione, Se Voi Mettere In Tutto Di questi valori,
suo possibile A creare negativo standard deviazioni
entro IL misurazione allineare.
Non Fare Quello.
Se Voi Potere Evitare Esso, non Fare Quello.
Là Maggio Essere inaspettato risultati con IL aggiungere
Se Voi Avere negativo standard deviazioni.
Appena attenzione Di Quello.
Cosa c'è dietro IL stima calcoli?
BENE, Noi inizio con, Di corso,
IL effettivo misurare parte distribuzione E IL misura caratteristiche.
Noi scegliere UN stimato Distribuzione delle parti reali,
Quale sembra Piace UN Bene idea.
BENE inizio con l'attuale Misurato Parte D distribuzione.
Poi Noi Mettere Quello stimato Vero, parte D distribuzione
Attraverso UN trasformazione Quello rappresenta IL misura caratteristiche,
E Quello cede UN stimato Misurato Parte Distribuzione.
Noi Potere Poi confrontare IL stimato Pa misurato rt Distribuzione
con IL effettivo Misurato P arte Distribuzione SU UN contenitore per contenitore base
E Ottenere UN Residuo Somma Di Piazze errore per Quello confronto.
Poi Se Noi andare Indietro E regolare IL ampiezze
Di IL VERO Parte D distribuzione stima,
noi possiamo regolare quelli Fino a Noi Ottenere IL stimato Misurare Parte Distribuzione
A Essere d'accordo COME da vicino COME possibile con il effettivo misurare parte distribuzione.
Noi Fare Quello utilizzando UN JSL Minimizza funzione
A Tentativo A minimizzare IL Residuo Somma Di Piazze.
Tutto Giusto, andiamo Prendere UN Aspetto A IL aggiungere.
Una volta Voi installare IL aggiungere,
Esso Volere Venire In Sotto Misura Studio utensili E TPD stima.
Questo È Che cosa IL aggiungere attualmente sembra Piace, versione 1.0.
Noi inizio spento con IL capacità A scegliere
Che cosa tipo Di ingresso Fare la distribuzione delle parti misurate Voi Avere?
Ora Quello varia, Malato Venire Indietro A IL arbitrario forma In UN minuto.
Noi Anche Avere normale,
Voi ingresso IL media E standard deviazione, LogNormale, Weibull,
esponenziale, Gamma, E due miscele normale distribuzione.
Noi Potere impostato questi su A Essere parametrico Se Noi Volere.
Se Voi Sapere Quello Voi Avere UN Weibull distribuzione, per esempio,
Voi Potere utilizzo Quello COME tuo ingresso distribuzione.
Andiamo inizio con normale. Andiamo Appena Fare Esso semplice.
Qui Noi Avere UN normale distribuzione che ha UN Significare Di zero
E UN standard deviazione Di tre.
T cappello mostrato In Questo pannello Qui In Questo poco grafico.
Andiamo utilizzo UN misura, quello è UN molto semplice misura,
ha UN standard deviazione Di uno E UN pregiudizio Di zero.
Clic Prossimo.
Qui, tanto Piace Sopra, Noi Ottenere A scegliere IL Distribuzione delle parti reali forma.
Noi Potevo Dire quello è andando A Essere arbitrario, O Esso Potevo Avere UN normale distribuzione,
O Esso Potevo Avere UN lognormale, Tutto IL Stesso distribuzioni Qui.
O giù Qui A IL metter il fondo a,
Noi Dare Voi IL opzione A adatto Tutto Di IL distribuzioni Sopra.
Andiamo Ancora inizio con UN semplice esempio Di UN normale distribuzione,
E BENE calcolare quelli risultati.
Noi presente due produzione trame.
Questo complotto Spettacoli IL Distribuzione delle parti reali In blu,
IL stimato Distribuzione delle parti reali contro IL Misurato Parte Distribuzione,
IL effettivo Misurato Parte Distribuzione In rosso.
COME Voi volevo aspettarsi In Questo caso,
noi abbiamo avuto UN normale distribuzione per IL misurato, E noi abbiamo avuto UN semplice misura.
Questo È uno Di quelli Quello Noi potrebbe risolvere di mano Se Noi ricercato A.
Noi FINE su con UN leggermente più stretto Distribuzione delle parti reali di IL Misurato.
Se Noi Poi andare A Fare UN controllo SU Quello,
Noi Potere Prendere Quello Distribuzione delle parti reali, Mettere Esso Attraverso IL misura,
E Noi FINE su con UN stimato Misurato Distribuzione contro IL effettivo.
Quello è Che cosa Noi Ottenere giù Qui.
Esso sembra Piace noi abbiamo avuto molto Bene accordo In Questo particolare caso.
Andiamo andare Indietro su A Nostro misura definizione.
BENE Mantenere IL Stesso misurato parte distribuzione.
Questo tempo BENE Mettere In UN pregiudizio Di due.
BENE risolvere Ancora, assumendo Quello
la nostra vera distribuzione delle parti È normalmente distribuito.
Noi Ottenere Questo fuori.
Bello facile A concettualizzare.
Qualunque cosa È Appena spostato Sopra di due unità.
Ecco Nostro Distribuzione delle parti reali E Nostro Misurato Parte Distribuzione.
Se Noi Mettere Quello Attraverso Quello misura con IL pregiudizio,
Noi Ottenere Indietro A molto Bene accordo fra
IL effettivo Distribuzione delle parti misurate e IL stimato Misurare Parte Distribuzione.
Terzo esempio, andiamo Dire Quello...
Andiamo Venire Indietro su Qui E Malato giro pregiudizio spento Da noi abbiamo dimostrato Quello.
Andiamo Dire noi abbiamo avuto IL Stesso ingresso, noi abbiamo avuto IL Stesso semplice misura,
Ma Ora andiamo Dire Forse noi abbiamo avuto UN Gamma distribuzione Qui.
C'è Gamma, E Noi Volere A adatto Quello.
BENE colpo calcolare.
Questo È IL migliore- adatto Gamma distribuzione per Quello ingresso normale distribuzione.
Voi Potere Vedere Esso no adatto abbastanza COME BENE.
Nostro Distribuzione delle parti reali È UN poco morso distorto, Quale È caratteristica Di Gamma.
Se Voi Mettere Quello Attraverso Nostro misura, Noi FINE su con Questo accordo
fra IL Misurato Parte Distribuzione, effettivo E IL stimato.
Suo non COME Bene UN adatto.
UN riepilogo Di quelli È dato Qui In Questo tavolo.
Questo Spettacoli noi Quello IL Primo tempo Noi corso Questo, Noi fatto UN normale distribuzione ingresso,
Quale con due parametri, Noi fatto UN normale adatto SU IL produzione
con due parametri, E Noi avuto Questo somma Di piazze errore.
IL secondo tempo era con UN pregiudizio,
E Noi avuto IL Stesso somma Di piazze errore In IL FINE, COME Voi Potrebbe aspettarsi.
Poi con IL Gamma, Nostro somma Di piazze errore era UN poco morso più alto.
Noi Ottenere UN presto poco riepilogo In Questo tavolo.
Là Sono due altro
JMP dati tavoli Quello Sono costruito Quello Avere Tutto Di Questo informazione,
IL originale distribuzione E IL produzione distribuzioni
E Tutto IL misura caratteristiche.
Tutto Di quelli Sono riassunto In questi altro due tavoli
A permettere Voi A andare Attraverso E Fare tuo Proprio trame Se Voi Volere A.
Essi Sono Anche Là.
Andiamo Fare uno quello è UN poco morso diverso.
Andiamo Venire Indietro su A IL superiore E andiamo scegliere UN definito dall'utente forma.
IL dati tavolo È semplicemente UN due colonne dati tavolo.
IL Primo colonna È presunto A Essere IL centri Di tuo parte valori,
tuo bidone centri, Se Voi Volere, In Quello istogramma.
IL secondo colonna rappresenta IL ampiezze COME Voi andare attraverso.
Quelli ampiezze Potere Essere effettivo parte conta, Essi Potere Essere percentuali.
Nulla Quello ogni bidone altezza
O ogni istogramma sbarra altezza È parente A IL altro altezza.
IO scala qualunque cosa A Fare IL somma Di Tutto quelli aggiungere su
A uno entro IL programma Comunque.
COME lungo COME IL parente altezza Sono IL Stesso,
no questione Che cosa IL effettivo ampiezze Sono.
IO Dare IL opzione A aprire UN dati tavolo Se suo non Già ha aperto,
O Se suo Già ha aperto entro JMP,
Poi Noi Potere Appena Dire, Selezionare IL Già ha aperto dati tavolo.
Ecco UN esempio con UN piazza onda
O UN uniforme distribuzione per Nostro ingresso, Misurato Parte Distribuzione.
Ora, Questo È UN difficile distribuzione A Avere.
Se Voi pensare Di Questo, Se hai avuto UN misura
quello è fabbricazione normalmente distribuito errori A Qualunque punto,
suo andando A Essere Veramente difficile A Fare
qualcosa quello è Carino E affilato E croccante Piace Questo distribuzione SU IL produzione.
Andiamo Dare Esso UN Tentativo.
Andiamo Dire Qui Io ho avuto UN bello Largo variazione.
Questo va da zero A 30, IO pensare.
Andiamo Dire noi abbiamo avuto UN calibro Quello ha UN standard deviazione Di cinque con NO pregiudizio.
Andiamo Dire Noi Volere A adatto UN normale distribuzione A Quello,
E Ora BENE calcolare quelli risultati.
Qui noi abbiamo avuto IL migliore adatto normale distribuzione
per UN Distribuzione delle parti reali quello è andando A correre Attraverso Questo misura
con UN standard deviazione Di cinque A Tentativo A Dare noi Questo piazza onda
per il nostro M facilitato Parte Distribuzione.
Come BENE fatto Noi Fare?
BENE, suo Qui.
Suo non UN vero Grande forma, E Voi probabilmente non lo farebbe aspettarsi Esso
A Essere UN Grande adatto dato Quello erano provando A utilizzo UN normale distribuzione
A adatto UN piazza, UN Io diesis piazza funzione.
Se Noi ricercato A Fare UN arbitrario funzione, andiamo Dire Questo uno Qui.
Questo uno IO Appena fatto su Alcuni dati.
Malato spettacolo Voi UN poco morso Di più Di Che cosa Esso È.
Forse Questo sembra Piace UN normale
due miscele, due normale distribuzioni misto insieme.
Andiamo controllo Quello fuori.
Andiamo Vedere Se Noi Potere adatto Questo A UN due miscele normale,
E Quello opzione È giù Qui, E BENE calcolare quelli risultati.
Qui Noi andare.
Permettere Me correre Quello uno Di più tempo.
IO non Volere Mio standard deviazione A Essere Quello grande.
Andiamo Prendere UN più piccola standard deviazione.
BENE parlare Di Quello cosa In UN minuto.
Qualunque cosa altro IL Stesso, calcolare risultati.
A volte Esso prende UN pochi secondi A Venire Indietro.
Esso Appena dipende SU il modo IL routine È raccordo cose.
Qui È Nostro montato Distribuzione delle parti reali
rispetto A IL Misurato Parte Distribuzione.
Supponendo Quello Nostro Distribuzione delle parti reali
È due normale distribuzioni misto insieme.
Se Voi correre Quello Attraverso IL misura, Esso finisce su guardare Piace Questo.
Questo È IL tentativo A incontro Quello
E Che cosa Nostro Misurato Parte D distribuzione volevo Avere stato.
Quello è non pure Cattivo.
Quello è IL modo Quello IL aggiungere lavori.
Ora, Là È un altro opzione Qui,
E Quello È Quando Voi adatto, Voi Potere scegliere Qualunque cosa input Voi Volere
per tuo Misurato Parte Distribuzione, tuo misura caratteristiche.
Poi Quando Voi adatto giù Qui, Voi Potere Anche adatto UN arbitrario forma.
Ora, Quello prende SU Mio computer Forse UN minuto A correre.
Io sono andando A ricambio Voi Quello E Appena spettacolo Voi IL uscite entro UN Presa della corrente diapositiva.
Qui Noi Sono Indietro In Presa della corrente.
Questo È uno altro esempio Quello Io ho avuto Prima IO Ottenere A IL arbitrario input.
Questo uno ha UN pregiudizio Quello Io ho espresso COME uno più 0,03 volte IL parte valore.
Io ho avuto UN linearmente mutevole pregiudizio attraverso IL misurazione allineare.
IO Avere UN normale distribuzione per Mio ingresso,
E IO Volere A adatto UN normale distribuzione A IL produzione.
COME Esso giri fuori, Questo È Mio Distribuzione delle parti reali,
E Questo È Mio Misurato Parte Distribuzione.
Se IO correre quelli Attraverso Questo misura,
Anche Anche se suo avuto Questo linearmente mutevole pregiudizio
attraverso IL misurazione allineare, IO Ottenere molto Bene accordo fra IL due.
Questo È Che cosa accade Se IO Prendere Quello piazza onda
E Dire, "EHI JMP, andare adatto Qualunque cosa Distribuzione delle parti reali tu vuoi
E correre Esso Attraverso UN misura Quello ha UN sigma Di due E UN pregiudizio Di zero,
E raccontare Me Che cosa Quello distribuzione Potrebbe Aspetto Piace.
Che cosa Voi Ottenere fuori, IL rosso curva Ancora
È IL misurato parte distribuzione, Quello piazza onda.
Voi Ottenere Questo dall'aspetto pazzo cosa con
Tutto diverso picchi E valli In Esso COME IL Distribuzione delle parti reali.
BENE, Quello no Aspetto Piace Qualunque Parte vera Distribuzione Quello IO volevo Avere,
Ma Se Voi Aspetto giù Qui, Quando Voi correre Quello Attraverso IL misura,
Esso fa UN bello Bene lavoro Di simulando Questo piazza onda distribuzione.
Questo è uniforme distribuzione.
IO credere suo lavorando.
Ora, Là Sono motivi Quello Esso Potrebbe salire con qualcosa Piace Questo,
probabilmente associato con IL risoluzione Di IL misura Quello Voi Avere.
IL misura Appena Maggio non risolvere Abbastanza elementi attraverso IL misurazione allineare
come cosa Voi Bisogno A Ottenere UN Carino liscio distribuzione Sopra Qui.
Quello è IL idea Quello Voi Potere Fare Questo con Questo misura.
UN poco Di Risoluzione dei problemi.
Là Sono i problemi Se tuo misura standard deviazione
È pure grande In confronto A IL Misurato Parte risoluzione.
Se Voi Avere UN Misurato Parte Distribuzione,
andiamo Dire suo normalmente distribuito con UN standard deviazione Di tre,
E Voi raccontare Questo aggiungere Quello Mio misura ha un standard deviazione Di cinque.
BENE, c'è NO modo A Ottenere, Anche Se Voi Avere IL Stesso VERO parte
Quello Voi misurare Sopra E Sopra E Sopra Ancora, tu sei andando A Ottenere UN diffusione
Quello ha UN standard deviazione Di cinque, Esso non posso adatto.
Lo farai Ottenere Alcuni UN errore Quando Questo si verifica.
Suo su A Voi A figura Quello fuori Quello,
"EHI, Mio standard deviazione per Mio misura È modo pure grande."
Se suo semplicemente SU IL limite Di essendo pure grande.
Andiamo Dire tuo standard deviazione Di tuo misurato distribuzione È 3,
E tuo misura È 2.8,
Poi Ancora, suo andando A Tentativo A Dare Voi UN molto stretto
Distribuzione delle parti reali A supporto Quello,
E Quello Potere Guida A Alcuni strano risultati.
Là Sono Alcuni strano combinazioni Quello Io ho correre attraverso
Quello Potere causa questi cose, IO chiamata loro intrappolabile errori.
Quando Voi andare in IL JMP Minimizzare funzione,
Esso fa suo Proprio cosa E Poi arriva Indietro con UN risposta.
Se Esso corre in UN problema, Esso Volere gettare UN errore.
Forse Piace Questo.
Io ho visto due O tre diverso quelli, Questo È uno Di loro.
IO non Avere UN modo A trappola per quelli.
Se Voi Ottenere UN errore Piace Questo, IL aggiungere Volere Continua A correre,
Ma lo farai Bisogno A Aspetto in Che cosa condizioni Avere Voi Mettere In Qui
Quello JMP no Piace Quello suo avendo guaio risolvere per.
Grosso Misurato Parte Distribuzioni.
Se Voi Avere UN Misurato Parte Distribuzione,
In fatto, Questo uno Qui, Questo Potrebbe Essere bello grosso.
Di grosso, IO Significare Là non lo sono molto molti bidoni attraverso IL misurazione allineare.
Suo imparentato A tuo misura In IL FINE. Suo Come tanto Potere tuo gaumakege risolvere.
Voi Volere A Avere UN quantità Di bidoni attraverso Qui.
Di più bidoni È Meglio.
Meno bidoni fa IL VERO parte distribuzione molto difficile A stima.
Poi IO menzionato O alluso A prima Quello Voi Potere Avere lungo convergenza volte,
in particolar modo Quando tu sei provando A risolvere per questi
arbitrario Parte vera Distribuzioni.
SU Mio computer, suo non raro A andare UN minuto O UN poco morso Di più.
Appena appendere In Là. IL aggiungere ha Sempre Venire Indietro per Me.
Esso no appendere. Esso Appena prende UN Mentre per Alcuni soluzioni.
Aggiungere disponibilità Dovrebbe Essere allegato A Questo particolare registrazione,
E Voi Dovrebbe Anche Essere capace A Trovare Esso
In IL JMP Comunità File Scambio Sotto TPD stima.
Se Voi Avere Commenti O domande, Voi Potere inviare loro O sotto Questo video
O SU IL File Scambio, E Per favore Mettere In Là Qualunque suggerimenti Quello Voi Avere
per migliorato grafico Utente I interfaccia, Qualunque i cambiamenti In IL uscite.
Noi non l'ho fatto parlare Di IL dati tavoli Quello IO costruito,
Ma Se Voi Vedere quelli E Voi decidere, "EHI, IO desiderio Esso volevo Essere In Questo formato."
Permettere Me Sapere.
Quelli Sono cose IO Potere modifica abbastanza facilmente.
Suggerimenti per Di più parametrico, Misurato, O Distribuzioni delle parti vere.
Questi Sono IL normale, IL lognormale,
IL Weibull, IL Gamma, Tutto Di quelli funzioni.
Se Voi Avere Di più Quello Voi Volere A aggiungere A Quello,
permettere Me Sapere E Malato Vedere Se IO Potere incorporare quelli.
Poi, Di corso, i problemi incontrato.
Se Voi Potere includere UN descrizione Di IL problema, Come Esso si è verificato,
Quello Volere aiuto Me In debug.
Se possibile, includere UN non confidenziale campione file di input
Quello IO Potere utilizzo A aiuto replicare IL problema.
E dovunque Voi inviare questi Commenti,
Per favore includere @JerryFish In tuo Commenti, COSÌ Malato Ottenere UN notifica.
Grazie Voi molto tanto per ascoltando A Questo registrazione.
Non dimenticare A controllo fuori IL accompagnamento Scoperta carta,
Notizie FLASH, Calibri non lo sono perfetto, Va bene, Voi Sapere Quello.
Ma Come tanto È Esso costo tuo Attività commerciale?
Sotto Questo particolare carta numero?
Grazie Voi molto tanto per tuo tempo.
