你好，我是杰瑞鱼。
我工作为了JMP。
我支持我们的顾客在这中央地区的这团结的状态。
今天， ID喜欢到讲话到你关于一个加入那我有发达。
这标题的这纸是
检索A任意的真实部分发行版
来自 M放心部分发行版和这测量特征
那去沿着和这测量。
今天的议程。
第一的是去到讲话关于，的课程，什么做这个讲话地址？
为什么是这所以重要的？
为什么不能我们只是减去差异到得到我们的真实零件分布？
A小的少量关于什么是在后面我们的估计计算。
患病的演示这加入，
包括一些测试结果和添加一些故障排除尖端。
患病的告诉你在哪里你能寻找这加入，
和然后出色地分享和你如何你能给我反馈
在什么是好的和什么你不喜欢关于这加入，
地区为了改进，和所以向前。
什么是我们寻址这里？
出色地，是说关于一个加入那决定A真实零件分布
如果你给它A测量的部分分配
和如果你描述你的测量表现特征。
它是漂亮的简单的到概念化如果我们开始和A真实零件分布。
这是我们的真的部分价值相对我们的百分比的部分。
然后我们跑步那通过A测量，
一个不完善测量那有一些方差和偏见特征。
我们将要得到A测量的部分分配出去的那。
我们不知道，尽管，什么我们的真实零件分布是。
什么是说关于是交换那些职位
在哪里我们开始和A测得的 P艺术分配，
我们减去出去我们的测量表现特征，
和我们结尾向上和A真实零件分布。
那是漂亮的简单的到理解，但它得到更多的复杂的
如果我们有A测量的部分分配那是不是通常情况下分散式
和/或我们有A量具那施行在非标准方法，你可能说。
也许我们的标准偏差节目曲率和这测量的部分价值，
或者或许它有偏见那线性地变化，
或者或许它有曲率作为出色地。
如何能我们拿这些数量，这测量的部分分配
和随意的测量表现曲线，
和来向上和什么这真的部分价值曾是
那必须有造成的这测量的部分价值？
为什么是它重要的？
出色地，我们全部知道那全部量具是不完善。
星期三喜欢到得到一个主意的这真实零件分布。
你会看它提到的到作为，我们去沿着作为TPD。
我们能理解我们的类型1和类型2错误。
A类型1错误方法我们的测量是投掷离开好的部分。
A类型2错误方法我们的测量是接受坏的部分。
两个都的这些，特别在A制造业环境，
是坏的事物到发生。
如果是投掷离开好的部分，然后那是浪费。
我们不想到有浪费在我们的过程。
那是只是A直的底部线扣除从我们的利润陈述。
我们还不想到接受坏的部分。
如果我们做那，我们船这坏的部分出去到A顾客。
是可能去到得到投诉,是去到得到返回，返工，
它是去到损害我们的公司的名声。
我们不想到有任何一个一的那些类型的错误。
他们两个都伤害我们的公司。
如果我们知道这真实零件分布，
我们可以估计这成本联系和这些错误。
那特别的主题是已解决在其他纸
存在呈现这里在发现2023 年。
和这标题和这纸数字，我鼓励你到看它向上。
我合着这纸和二
的我的同事，布雷迪布雷迪，和贾森维金斯。
我们需要那真实零件分布到制作这评估。
为什么不能我们只是减去这差异？
出色地，你能。
如果你的测量部分分布为通常情况下
和你的测量有持续的方差和偏见穿过这测量范围，
然后你能得到到你的真实零件分布。
你不知道这真实部分价值观的个人部分。
你是绝不去到知道那，但你能得到到这分配。
它是简单地，在下面这些约束条件，在下面这些假设，
这方差的这真实零件分布是只是这不同之处在这差异
的你的测量部分分布和你的测量方差。
你减去那些二，
你拿这正方形根，和你得到这标准偏差的你的测量。
时间他平均的，我是对不起，标准偏差的你的真实零件分布。
这平均的在哪里你的真的部分分配是居中
是简单地无论在哪里你的测量的部分分配
是居中减这偏见的这测量。
氧F课程，这问题是，什么做你做
如果你的测量部分分布是不是普通的
或者如果你的测量有异常特征？
这是如何我们能概念化输入这些价值观，
和患病的展示你这加入在只是A第二。
我们能有任何随意的输入。
这里我们已经得到为了我们的测量零件分布，
这是我们的测量的零件值。
时间他计数为了然而部分那我们有测量。
或许这看起来喜欢A组合的二普通的分布。
或许它是某物A小的不同的比那。
这观点是，你能放在任何输入那你喜欢，
任何输入形状为了这测量的部分分配。
然后我们描述这测量使用二次的功能
为了这西格玛和为了这偏见的这测量。
通常情况下，全部你是去到有是A标准测量
会是只是这些常量出去这里在正面，
二氧化碳和D0,和D0可能是零如果你不有任何测量偏见。
我F你的西格玛变化线性地和部分价值，
我们允许你到放在C1和D1如果你的偏见变化线性地。
如果有任何曲率，我们允许你到放在A C2和A D2。
什么时候你放向上你的测量方程，如果你放在全部的这些价值观，
它是可能的到产生消极的标准偏差
之内这测量范围。
不做那。
如果你能避免它，不做那。
那里可能是意外结果和这加入
如果你有消极的标准偏差。
只是谨防的那。
什么是在后面这估计计算？
出色地，我们开始和，的课程，
这实际的措施部分分配和这测量特征。
我们选择一个估计的真实零件分布，
哪个似乎喜欢A好的主意。
出色地开始和实际上测量的D部分分配。
然后我们放那估计的真正的D部分分配
通过A转型那代表这测量特征，
和那产量一个估计的测量的部分分配。
我们能然后比较这估计的测量帕室温分配
和这实际的测得的 P艺术分配在A逐个箱基础
和得到A剩余的和的正方形错误为了那比较。
然后如果我们去后退和调整这振幅
的这真的D部分分配估计，
我们可以调整那些直到我们得到这估计的措施部分分配
到同意作为密切作为可能的与实际的措施部分分配。
我们做那使用A JSL最小化功能
到尝试到最小化这剩余的和的正方形。
全部正确的，让我们拿A看在这加入。
一次你安装这加入，
它将要来在在下面测量学习工具和TPD估计。
这是什么这加入现在看起来喜欢，版本1.0。
我们开始离开和这能力到选择
什么类型的输入测量零件分布你有？
现在那各不相同，患病的来后退到这随意的形状在A分钟。
我们还有普通的，
你输入这平均的和标准偏差，对数正态，威布尔，
指数，伽玛，和两种混合物普通的分配。
我们能放这些向上到是参数如果我们想。
如果你知道那你有A威布尔分配，为了例子，
你能使用那作为你的输入分配。
让我们开始和普通的。 让我们只是制作它简单的。
这里我们有A普通的分配具有A意思是的零
和A标准偏差的三。
时间帽子的显示在这控制板这里在这小的图形。
让我们使用A测量，那是A非常简单的测量，
有A标准偏差的一和A偏见的零。
点击下一个。
这里，很多喜欢多于，我们得到到选择这真实零件分布形状。
我们可以说那是去到是随意的，或者它可以有A普通的分配，
或者它可以有A对数正态分布，全部这相同的分布这里。
或者向下这里在这底部，
我们给你这选项到合身全部的这分布多于。
让我们再次开始和A简单的例子的A普通的分配，
和出色地计算那些结果。
我们展示二输出地块。
这阴谋节目这真实零件分布在蓝色的，
这估计的真实零件分布相对这测量的部分分配，
这实际的测量的部分分配在红色的。
作为你会预计在这案件，
我们已经得到A普通的分配为了这测量，和我们已经得到A简单的测量。
这是一的那些那我们可以解决经过手如果我们通缉到。
我们结尾向上和A轻微地更窄真实零件分布比这测量。
如果我们然后去到做A查看在那，
我们能拿那真实零件分布，放它通过这测量，
和我们结尾向上和一个估计的测量的分配相对这实际的。
那是什么我们得到向下这里。
它看起来喜欢我们已经得到非常好的协议在这特别的案件。
让我们去后退向上到我们的测量定义。
出色地保持这相同的测量的部分分配。
这时间出色地放在A偏见的二。
出色地解决再次，假设那
我们的真实零件分布是通常情况下分散式。
我们得到这出去。
漂亮的简单的到概念化。
一切是只是转移超过经过二单位。
这是我们的真实零件分布和我们的测量的部分分配。
如果我们放那通过那测量和这偏见，
我们得到后退到非常好的协议之间
这实际的测量零件分布和这估计的措施部分分配。
第三例子，让我们说那...
让我们来后退向上这里和患病的转动偏见离开自从我们已经证明了那。
让我们说我们已经得到这相同的输入，我们已经得到这相同的简单的测量，
但现在让我们说或许我们已经得到A伽玛分配这里。
有伽玛，和我们想到合身那。
出色地打计算。
这是这最好的-合身伽玛分配为了那输入普通的分配。
你能看它不合身相当作为出色地。
我们的真实零件分布是A小的少量倾斜，哪个是特征的伽玛。
如果你放那通过我们的测量，我们结尾向上和这协议
之间这测量的部分分配，实际的和这估计的。
它是不是作为好的A合身。
A概括的那些是给定这里在这桌子。
这节目我们那这第一的时间我们跑这，我们做过A普通的分配输入，
哪个和二参数，我们做过A普通的合身在这输出
和二参数，和我们得到这和的正方形错误。
这第二时间曾是和A偏见，
和我们得到这相同的和的正方形错误在这结尾，作为你可能预计。
然后和这伽玛，我们的和的正方形错误曾是A小的少量更高。
我们得到A快的小的概括在这桌子。
那里是二其他
联合管理计划数据桌子那是建成那有全部的这信息，
这原来的分配和这输出分布
和全部这测量特征。
全部的那些是总结在这些其他二桌子
到允许你到去通过和制作你的自己的地块如果你想到。
他们是还那里。
让我们做一那是A小的少量不同的。
让我们来后退向上到这顶部和让我们选择A用户自定义形状。
这数据桌子是简单地A两栏数据桌子。
这第一的柱子是假定到是这中心的你的部分价值观，
你的垃圾桶中心,如果你将要，在那直方图。
这第二柱子代表这振幅作为你去穿过。
那些幅度能是实际的部分计数，他们能是百分比。
任何事物那每个垃圾桶高度
或者每个直方图酒吧高度是相对的到这其他高度。
我规模一切到制作这和的全部那些添加向上
到一之内这程序反正。
作为长的作为这相对的高度是这相同的，
不事情什么这实际的幅度是。
我给这选项到打开A数据桌子如果它是不是已经打开，
或者如果它是已经打开之内杰普,
然后我们能只是说，选择这已经打开数据桌子。
这是一个例子和A正方形海浪
或者A制服分配为了我们的输入，测量的部分分配。
现在，这是A艰难的分配到有。
如果你思考关于这，如果你已经得到A测量
那是制作通常情况下分散式错误在任何观点，
它是去到是真的难的到制作
某物那是好的和锋利的和脆喜欢这分配在这输出。
让我们给它A尝试。
让我们说这里我有得到A漂亮的宽的变化。
这去从零到30、我思考。
让我们说我们已经得到A量规那有A标准偏差的五和不偏见。
让我们说我们想到合身A普通的分配到那，
和现在出色地计算那些结果。
这里我们已经得到这最好的合身普通的分配
为了A真实零件分布那是去到跑步通过这测量
和A标准偏差的五到尝试到给我们这正方形海浪
为了我们的M放心部分分配。
如何出色地做过我们做？
出色地，它是这里。
它是不是A真实的伟大的形状，和你大概不会预计它
到是A伟大的合身给定那是试到使用A普通的分配
到合身A正方形，一个I 锐利正方形功能。
如果我们通缉到做一个随意的功能，让我们说这一这里。
这一我只是制成向上一些数据。
患病的展示你A小的少量更多的关于什么它是。
或许这看起来喜欢A普通的
两种混合物，二普通的分布混合的一起。
让我们查看那出去。
让我们看如果我们能合身这到A两种混合物普通的，
和那选项是向下这里，和出色地计算那些结果。
这里我们去。
让我跑步那一更多的时间。
我不想我的标准偏差到是那大的。
让我们拿A较小标准偏差。
出色地讲话关于那事物在A分钟。
一切别的这相同的，计算结果。
有时它需要A很少秒到来后退。
它只是依靠在道路这常规是配件事物。
这里是我们的已安装真实零件分布
比较的到这测量的部分分配。
假设那我们的真实零件分布
是二普通的分布混合的一起。
如果你跑步那通过这测量，它结束向上看着喜欢这。
这是这试图到匹配那
和什么我们的测量的D部分分配会有到过。
那是不是也坏的。
那是这方式那这加入作品。
现在，那里是其他选项这里，
和那是什么时候你合身，你能选择任何输入你想
为了你的测量的部分分配，你的测量特征。
然后什么时候你合身向下这里，你能还合身一个随意的形状。
现在，那需要在我的个人电脑或许A分钟到跑步。
我是去到空闲的你那和只是展示你这输出之内A微软幻灯片软件滑动。
这里我们是后退在微软幻灯片软件。
这是一其他例子那我有得到前我得到到这随意的输入。
这一有A偏见那我有表达作为一加0.03次这部分价值。
我有得到A线性地改变偏见穿过这测量范围。
我有A普通的分配为了我的输入，
和我想到合身A普通的分配到这输出。
作为它轮流出去，这是我的真实零件分布，
和这是我的测量的部分分配。
如果我跑步那些通过这测量，
甚至尽管它是得到这线性地改变偏见
穿过这测量范围，我得到非常好的协议之间这二。
这是什么发生如果我拿那正方形海浪
和说， “嘿杰普,去合身任何真实零件分布你要
和跑步它通过A测量那有A西格玛的二和A偏见的零，
和告诉我什么那分配可能看喜欢。
什么你得到出去，这红色的曲线再次
是这测量的部分分配，那正方形海浪。
你得到这看起来很疯狂事物和
全部不同的峰和山谷在它作为这真实零件分布。
出色地，那不看喜欢任何真实部分分配那我会有，
但如果你看向下这里，什么时候你跑步那通过这测量，
它做A漂亮的好的工作的模拟这正方形海浪分配。
这是制服分配。
我相信它是在职的。
现在，那里是原因那它可能过来和某物喜欢这，
大概联系和这解决的这测量那你有。
这测量只是可能不是解决足够的元素穿过这测量范围
作为什么你需要到得到A好的光滑的分配超过这里。
那是这主意那你能做这和这测量。
A小的关于故障排除。
那里是问题如果你的测量标准偏差
是也大的在比较到这测量的部分解决。
如果你有A测量的部分分配，
让我们说它是通常情况下分散式和A标准偏差的三，
和你告诉这加入那我的测量有一个标准偏差的五。
出色地，有不方式到得到，甚至如果你有这相同的真的部分
那你措施超过和超过和超过再次，你是去到得到A传播
那有A标准偏差的五，它不能合身。
你会得到一些一个错误什么时候这发生。
它是向上到你到数字那出去那，
“嘿，我的标准偏差为了我的测量是方式也大的。”
如果它是简单地在这边缘的存在也大的。
让我们说你的标准偏差的你的测量的分配是3、
和你的测量是2.8,
然后再次，它是去到尝试到给你A非常狭窄的
真实零件分布到支持那，
和那能带领到一些奇怪的结果。
那里是一些奇怪的组合那我有跑步穿过
那能原因这些事物，我称呼他们无法捕获的错误。
什么时候你去进入这联合管理计划最小化功能，
它做它是自己的事物和然后来了后退和一个回答。
如果它运行进入A问题，它将要扔一个错误。
或许喜欢这。
我有见过二或者三不同的那些，这是一的他们。
我不有A方式到陷阱为了那些。
如果你得到一个错误喜欢这，这加入将要继续到跑步，
但你会需要到看进入什么状况有你放在这里
那联合管理计划不喜欢那它是拥有麻烦解决为了。
矮胖的测量的部分分布。
如果你有A测量的部分分配，
在事实，这一这里，这可能是漂亮的矮胖的。
经过矮胖的,我意思是那里不是非常许多垃圾箱穿过这测量范围。
它是有关的到你的测量在这结尾。 它是如何很多能你的戈马凯格解决。
你想到有A很多的垃圾箱穿过这里。
更多的垃圾箱是更好的。
更少垃圾箱使这真的部分分配非常难的到估计。
然后我提及或者暗示到早些时候那你能有长的收敛次，
特别什么时候你是试到解决为了这些
随意的真实部分分布。
在我的个人电脑，它是不是罕见到去A分钟或者A小的少量更多的。
只是悬挂在那里。 这加入有总是来后退为了我。
它不悬挂。 它只是需要A尽管为了一些解决方案。
加入可用性应该是随附的到这特别的记录，
和你应该还是有能力的到寻找它
在这联合管理计划社区文件交换在下面TPD估计。
如果你有评论或者问题，你能邮政他们任何一个以下这视频
或者在这文件交换，和请放在那里任何建议那你有
为了改进的图形化的用户一接口，任何变化在这输出。
我们没有讲话关于这数据桌子那我建造,
但如果你看那些和你决定， “嘿，我希望它会是在这格式。”
让我知道。
那些是事物我能改变相当容易地。
建议为了更多的参数，测量，或者真实部分分布。
这些是这普通的，这对数正态分布，
这威布尔，这伽玛，全部的那些功能。
如果你有更多的那你想到添加到那，
让我知道和患病的看如果我能包含那些。
然后，的课程，问题遭遇。
如果你能包括A描述的这问题，如何它发生了，
那将要帮助我在调试。
如果可能的，包括A非机密的样本输入文件
那我能使用到帮助复制这问题。
和无论在哪里你邮政这些评论，
请包括@杰瑞鱼在你的评论，所以患病的得到A通知。
感谢你非常很多为了倾听到这记录。
不忘记到查看出去这随同发现纸，
新闻快讯，仪表不是完美的，好的，你知道那。
但如何很多是它成本核算你的商业？
在下面这特别的纸数字？
感谢你非常很多为了你的时间。
