你好，我是傑瑞魚。
我工作為了JMP。
我支援我們的顧客在這中央地區的這團結的狀態。
今天， ID喜歡到演講到你關於一個加入那我有發達。
這標題的這紙是
檢索A任意的真實部分發行版
來自 M放心部分發行版和這測量特徵
那去沿著和這測量。
今天的議程。
第一的是去到演講關於，的課程，什麼做這個演講地址？
為什麼是這所以重要的？
為什麼不能我們只是減去差異到得到我們的真實零件分佈？
A小的位元關於什麼是在後面我們的估計計算。
患病的示範這加入，
包括一些測試結果和添加一些故障排除尖端。
患病的告訴你在哪裡你能尋找這加入，
和然後出色地分享和你如何你能給我回饋
在什麼是好的和什麼你不喜歡關於這加入，
地區為了改進，和所以向前。
什麼是我們尋址這裡？
出色地，是說關於一個加入那決定A真實零件分佈
如果你給它A測量的部分分配
和如果你描述你的測量表現特徵。
它是漂亮的簡單的到概念化如果我們開始和A真實零件分佈。
這是我們的真的部分價值相對我們的百分比的部分。
然後我們跑步那透過A測量，
一個不完善測量那有一些變異數和偏見特徵。
我們將要得到A測量的部分分配出去的那。
我們不知道，儘管，什麼我們的真實零件分佈是。
什麼是說關於是交換那些職位
在哪裡我們開始和A測得的 P藝術分配，
我們減去出去我們的測量表現特徵，
和我們結尾向上和A真實零件分佈。
那是漂亮的簡單的到理解，但它得到更多的複雜的
如果我們有A測量的部分分配那是不是通常情況下分散式
和/或我們有A量具那施行在非標準方法，你可能說。
也許我們的標準偏差節目曲率和這測量的部分價值，
或者或許它有偏見那線性地變化，
或者或許它有曲率作為出色地。
如何能我們拿這些數量，這測量的部分分配
和隨意的測量表現曲線，
和來向上和什麼這真的部分價值曾是
那必須有造成的這測量的部分價值？
為什麼是它重要的？
出色地，我們全部知道那全部量規是不完善。
星期三喜歡到得到一個主意的這真實零件分佈。
你會看它提到的到作為，我們去沿著作為TPD。
我們能理解我們的類型1和類型2錯誤。
A類型1錯誤方法我們的測量是投擲離開好的部分。
A類型2錯誤方法我們的測量是接受壞的部分。
兩個都的這些，特別在A製造業環境，
是壞的事物到發生。
如果是投擲離開好的部分，然後那是浪費。
我們不想到有浪費在我們的過程。
那是只是A直的底部線扣除從我們的利潤陳述。
我們也不想到接受壞的部分。
如果我們做那，我們船這壞的部分出去到A顧客。
是可能去到得到投訴,是去到得到返回，返工，
它是去到損害我們的公司的名聲。
我們不想到有任何一個一的那些類型的錯誤。
他們兩個都傷害我們的公司。
如果我們知道這真實零件分佈，
我們可以估計這成本聯繫和這些錯誤。
那特別的主題是已解決在其他紙
存在呈現這裡在發現2023 年。
和這標題和這紙數字，我鼓勵你到看它向上。
我合著這紙和二
的我的同事，布雷迪布雷迪，和賈森維金斯。
我們需要那真實零件分佈到製作這評估。
為什麼不能我們只是減去這差異？
出色地，你能。
如果你的測量零件分佈為通常情況下
和你的測量有持續的變異數和偏見穿過這測量範圍，
然後你能得到到你的真實零件分佈。
你不知道這真實部分價值觀的個人部分。
你是絕不去到知道那，但你能得到到這分配。
它是簡單地，在下面這些約束條件，在下面這些假設，
這變異數的這真實零件分佈是只是這不同之處在這差異
的你的測量部分分佈和你的測量方差。
你減去那些二，
你拿這方塊根，和你得到這標準偏差的你的測量。
時間他平均的，我是對不起，標準偏差的你的真實零件分佈。
這平均的在哪裡你的真的部分分配是居中
是簡單地無論在哪裡你的測量的部分分配
是居中減這偏見的這測量。
氧F課程，這問題是，什麼做你做
如果你的測量部分分佈是不是普通的
或者如果你的測量有例外特徵？
這是如何我們能概念化輸入這些價值觀，
和患病的展示你這加入在只是A第二。
我們能有任何隨意的輸入。
這裡我們已經得到為了我們的測量零件分佈，
這是我們的測量的零件值。
時間他計數為了然而部分那我們有測量。
或許這看起來喜歡A組合的二普通的分佈。
或許它是某物A小的不同的比那。
這觀點是，你能放在任何輸入那你喜歡，
任何輸入形狀為了這測量的部分分配。
然後我們描述這測量使用二次的功能
為了這西格瑪和為了這偏見的這測量。
通常情況下，全部你是去到有是A標準測量
會是只是這些常量出去這裡在正面，
二氧化碳和D0,和D0可能是零如果你不有任何測量偏見。
我F你的西格瑪變化線性地和部分價值，
我們允許你到放在C1和D1如果你的偏見變化線性地。
如果有任何曲率，我們允許你到放在A C2和A D2。
什麼時候你放向上你的測量方程，如果你放在全部的這些價值觀，
它是可能的到產生消極的標準偏差
之內這測量範圍。
不做那。
如果你能避免它，不做那。
那裡可能是出乎意料結果和這加入
如果你有消極的標準偏差。
只是謹防的那。
什麼是在後面這估計計算？
出色地，我們開始和，的課程，
這實際的措施部分分配和這測量特徵。
我們選擇一個估計的真實零件分佈，
哪個似乎喜歡A好的主意。
出色地開始和實際上測量的D部分分配。
然後我們放那估計的真正的D部分分配
透過A轉型那代表這測量特徵，
和那產量一個估計的測量的部分分配。
我們能然後比較這估計的測量帕室溫分配
和這實際的測得的 P藝術分配在A逐箱基礎
和得到A剩餘的和的方塊錯誤為了那比較。
然後如果我們去後退和調整這幅度
的這真的D部分分配估計，
我們可以調整那些直到我們得到這估計的措施部分分配
到同意作為密切作為可能的與實際的措施部分分配。
我們做那使用A JSL最小化功能
到嘗試到最小化這剩餘的和的正方形。
全部正確的，讓我們拿A看在這加入。
一次你安裝這加入，
它將要來在在下面測量學習工具和TPD估計。
這是什麼這加入現在看起來喜歡，版本1.0。
我們開始離開和這能力到選擇
什麼類型的輸入測量零件分佈你有？
現在那各不相同，患病的來後退到這隨意的形狀在A分鐘。
我們也有普通的，
你輸入這平均的和標準偏差，對數常態，威布爾，
指數，伽瑪，和兩種混合物普通的分配。
我們能放這些向上到是參數如果我們想。
如果你知道那你有A威布爾分配，為了例子，
你能使用那作為你的輸入分配。
讓我們開始和普通的。 讓我們只是製作它簡單的。
這裡我們有A普通的分配具有A意思是的零
和A標準偏差的三。
時間帽子的顯示在這控制板這裡在這小的圖形。
讓我們使用A測量，那是A非常簡單的測量，
有A標準偏差的一和A偏見的零。
點選下一個。
這裡，很多喜歡多於，我們得到到選擇這真實零件分佈形狀。
我們可以說那是去到是隨意的，或者它可以有A普通的分配，
或者它可以有A對數常態分佈，全部這相同的分佈這裡。
或者向下這裡在這底部，
我們給你這選項到合身全部的這分佈多於。
讓我們再次開始和A簡單的例子的A普通的分配，
和出色地計算那些結果。
我們展示二輸出地塊。
這陰謀節目這真實零件分佈在藍色的，
這估計的真實零件分佈相對這測量的部分分配，
這實際的測量的部分分配在紅色的。
作為你會預計在這案件，
我們已經得到A普通的分配為了這測量，和我們已經得到A簡單的測量。
這是一的那些那我們可以解決經過手如果我們通緝到。
我們結尾向上和A輕微地更窄真實零件分佈比這測量。
如果我們然後去到做A查看在那，
我們能拿那真實零件分佈，放它透過這測量，
和我們結尾向上和一個估計的測量的分配相對這實際的。
那是什麼我們得到向下這裡。
它看起來喜歡我們已經得到非常好的協定在這特別的案件。
讓我們去後退向上到我們的測量定義。
出色地保持這相同的測量的部分分配。
這時間出色地放在A偏見的二。
出色地解決再次，假設那
我們的真實零件分佈是通常情況下分散式。
我們得到這出去。
漂亮的簡單的到概念化。
一切是只是轉移超過經過二單位。
這是我們的真實零件分佈和我們的測量的部分分配。
如果我們放那透過那測量和這偏見，
我們得到後退到非常好的協定之間
這實際的測量零件分佈和這估計的措施部分分配。
第三例子，讓我們說那...
讓我們來後退向上這裡和患病的轉動偏見離開自從我們已經證明了那。
讓我們說我們已經得到這相同的輸入，我們已經得到這相同的簡單的測量，
但現在讓我們說或許我們已經得到A伽瑪分配這裡。
有伽瑪，和我們想到合身那。
出色地打計算。
這是這最好的-合身伽瑪分配為了那輸入普通的分配。
你能看它不合身相當作為出色地。
我們的真實零件分佈是A小的位元傾斜,哪個是特徵的伽瑪。
如果你放那透過我們的測量，我們結尾向上和這協定
之間這測量的部分分配，實際的和這估計的。
它是不是作為好的A合身。
A概括的那些是給定這裡在這桌子。
這節目我們那這第一的時間我們跑這，我們做過A普通的分配輸入，
哪個和二參數，我們做過A普通的合身在這輸出
和二參數，和我們得到這和的方塊錯誤。
這第二時間曾是和A偏見，
和我們得到這相同的和的方塊錯誤在這結尾，作為你可能預計。
然後和這伽瑪，我們的和的方塊錯誤曾是A小的位元更高。
我們得到A快的小的概括在這桌子。
那裡是二其他
聯合管理計劃數據桌子那是建成那有全部的這資訊,
這原來的分配和這輸出分佈
和全部這測量特徵。
全部的那些是總結在這些其他二桌子
到允許你到去透過和製作你的自己的地塊如果你想到。
他們是也那裡。
讓我們做一那是A小的位元不同的。
讓我們來後退向上到這頂部和讓我們選擇A使用者自訂形狀。
這數據桌子是簡單地A兩欄數據桌子。
這第一的柱子是假定到是這中心的你的部分價值觀，
你的垃圾桶中心,如果你將要，在那直方圖。
這第二柱子代表這幅度作為你去穿過。
那些幅度能是實際的部分計數，他們能是百分比。
任何事物那每個垃圾桶高度
或者每個直方圖酒吧高度是相對的到這其他高度。
我規模一切到製作這和的全部那些添加向上
到一之內這程式反正。
作為長的作為這相對的高度是這相同的，
不事什麼這實際的幅度是。
我給這選項到打開A數據桌子如果它是不是已經打開，
或者如果它是已經打開之內傑普,
然後我們能只是說，選擇這已經打開數據桌子。
這是一個例子和A方塊海浪
或者A制服分配為了我們的輸入，測量的部分分配。
現在，這是A艱難的分配到有。
如果你思考關於這，如果你已經得到A測量
那是製作通常情況下分散式錯誤在任何觀點，
它是去到是真的難的到製作
某物那是好的和鋒利的和脆喜歡這分配在這輸出。
讓我們給它A嘗試。
讓我們說這裡我有得到A漂亮的寬的變化。
這去從零到30、我思考。
讓我們說我們已經得到A量具那有A標準偏差的五和不偏見。
讓我們說我們想到合身A普通的分配到那，
和現在出色地計算那些結果。
這裡我們已經得到這最好的合身普通的分配
為了A真實零件分佈那是去到跑步透過這測量
和A標準偏差的五到嘗試到給我們這方塊海浪
為了我們的M放心部分分配。
如何出色地做過我們做？
出色地，它是這裡。
它是不是A真實的偉大的形狀，和你大概不會預計它
到是A偉大的合身給定那是試到使用A普通的分配
到合身A正方形，一個I 銳利方塊功能。
如果我們通緝到做一個隨意的功能，讓我們說這一這裡。
這一我只是製成向上一些數據。
患病的展示你A小的位元更多的關於什麼它是。
或許這看起來喜歡A普通的
兩種混合物，二普通的分佈混合的一起。
讓我們查看那出去。
讓我們看如果我們能合身這到A兩種混合物普通的，
和那選項是向下這裡，和出色地計算那些結果。
這裡我們去。
讓我跑步那一更多的時間。
我不想我的標準偏差到是那大的。
讓我們拿A較小標準偏差。
出色地演講關於那事物在A分鐘。
一切別的這相同的，計算結果。
有時它需要A很少秒到來後退。
它只是依靠在道路這常規是配件事物。
這裡是我們的已安裝真實零件分佈
比較的到這測量的部分分配。
假設那我們的真實零件分佈
是二普通的分佈混合的一起。
如果你跑步那透過這測量，它結束向上看著喜歡這。
這是這試圖到匹配那
和什麼我們的測量的D部分分配會有到過。
那是不是也壞的。
那是這方式那這加入作品。
現在，那裡是其他選項這裡，
和那是什麼時候你合身，你能選擇任何輸入你想
為了你的測量的部分分配，你的測量特徵。
然後什麼時候你合身向下這裡，你能也合身一個隨意的形狀。
現在，那需要在我的個人電腦或許A分分鐘到跑步。
我是去到空閒的你那和只是展示你這輸出之內A微軟幻燈片軟體滑動。
這裡我們是後退在微軟幻燈片軟體。
這是一其他例子那我有得到前我得到到這隨意的輸入。
這一有A偏見那我有表達作為一加0.03次這部分價值。
我有得到A線性地改變偏見穿過這測量範圍。
我有A普通的分配為了我的輸入，
和我想到合身A普通的分配到這輸出。
作為它輪流出去，這是我的真實零件分佈，
和這是我的測量的部分分配。
如果我跑步那些透過這測量，
甚至儘管它是得到這線性地改變偏見
穿過這測量範圍，我得到非常好的協定之間這二。
這是什麼發生如果我拿那方塊海浪
和說， 「嘿傑普,去合身任何真實零件分佈你要
和跑步它透過A測量那有A西格瑪的二和A偏見的零，
和告訴我什麼那分配可能看喜歡。
什麼你得到出去，這紅色的曲線再次
是這測量的部分分配，那方塊海浪。
你得到這看起來很瘋狂事物和
全部不同的尖峰和山谷在它作為這真實零件分佈。
出色地，那不看喜歡任何真實部分分配那我會有，
但如果你看向下這裡，什麼時候你跑步那透過這測量，
它做A漂亮的好的工作的模擬這方塊海浪分配。
這是制服分配。
我相信它是在職的。
現在，那裡是原因那它可能過來和某物喜歡這，
大概聯繫和這解決的這測量那你有。
這測量只是可能不是解決足夠的元素穿過這測量範圍
作為什麼你需要到得到A好的光滑的分配超過這裡。
那是這主意那你能做這和這測量。
A小的關於故障排除。
那裡是問題如果你的測量標準偏差
是也大的在比較到這測量的部分解決。
如果你有A測量的部分分配，
讓我們說它是通常情況下分散式和A標準偏差的三，
和你告訴這加入那我的測量有一個標準偏差的五。
出色地，有不方式到得到，甚至如果你有這相同的真的部分
那你措施超過和超過和超過再次，你是去到得到A傳播
那有A標準偏差的五，它不能合身。
你會得到一些一個錯誤什麼時候這發生。
它是向上到你到數位那出去那，
「嘿，我的標準偏差為了我的測量是方式也大的。”
如果它是簡單地在這邊緣的存在也大的。
讓我們說你的標準偏差的你的測量的分配是3、
和你的測量是2.8,
然後再次，它是去到嘗試到給你A非常狹窄的
真實零件分佈到支援那，
和那能帶領到一些奇怪的結果。
那裡是一些奇怪的組合那我有跑步穿過
那能原因這些事物，我稱呼他們無法捕獲的錯誤。
什麼時候你去進入這聯合管理計劃最小化功能，
它做它是自己的事物和然後來了後退和一個回答。
如果它運行進入A問題，它將要丟一個錯誤。
或許喜歡這。
我有見過二或者三不同的那些，這是一的他們。
我不有A方式到陷阱為了那些。
如果你得到一個錯誤喜歡這，這加入將要繼續到跑步，
但你會需要到看進入什麼狀況有你放在這裡
那聯合管理計劃不喜歡那它是擁有麻煩解決為了。
矮胖的測量的部分分佈。
如果你有A測量的部分分配，
在事實，這一這裡，這可能是漂亮的矮胖的。
經過矮胖的,我意思是那裡不是非常許多垃圾桶穿過這測量範圍。
它是有關的到你的測量在這結尾。 它是如何很多能你的戈馬凱格解決。
你想到有A很多的垃圾桶穿過這裡。
更多的垃圾桶是更好的。
更少垃圾桶使這真的部分分配非常難的到估計。
然後我提及或者暗示到早些時候那你能有長的收斂次，
特別什麼時候你是試到解決為了這些
隨意的真實部分分佈。
在我的個人電腦，它是不是罕見到去A分分鐘或者A小的位元更多的。
只是懸掛在那裡。 這加入有總是來後退為了我。
它不懸掛。 它只是需要A儘管為了一些解決方案。
加入可用性應該是隨附的到這特別的記錄，
和你應該也是有能力的到尋找它
在這聯合管理計劃社群文件交換在下面TPD估計。
如果你有評論或者問題，你能郵政他們任何一個以下這影片
或者在這文件交換，和請放在那裡任何建議那你有
為了改進的圖形化的用戶一介面，任何變化在這輸出。
我們沒有演講關於這數據桌子那我建造,
但如果你看那些和你決定， 「嘿，我希望它會是在這格式。”
讓我知道。
那些是事物我能改變相當容易地。
建議為了更多的參數，測量，或者真實部分分佈。
這些是這普通的，這對數常態分佈，
這威布爾，這伽瑪，全部的那些功能。
如果你有更多的那你想到添加到那，
讓我知道和患病的看如果我能包含那些。
然後，的課程，問題遭遇。
如果你能包括A描述的這問題，如何它發生了，
那將要幫助我在偵錯.
如果可能的，包括A非機密的樣本輸入檔
那我能使用到幫助複製這問題。
和無論在哪裡你郵政這些評論，
請包括@傑瑞魚在你的評論，所以患病的得到A通知。
感謝你非常很多為了傾聽到這記錄。
不忘記到查看出去這隨同發現紙，
新聞快訊，儀表不是完美的，好的，你知道那。
但如何很多是它成本核算你的商業？
在下面這特別的紙數字？
感謝你非常很多為了你的時間。
