這
演講
是
標題
擴充
用途
的
轉換
二進位
回覆
到 連續的 回覆 在 消費者 產品 發展。
它是 a 位元 的 a 一口氣說完，
但 I 承諾 它 慣於 是 那 複雜的。
我的 姓名 是 柯蒂斯 公園。 我是 a 主要的 科學家 在 惠普 兜帽。
惠普 兜帽 是 a 公司， a 食物 和 飲料 公司。
我們 製作 a 很多 的 不同的 牛奶， 非乳製品 牛奶。
我們 也 製作 優格, 小屋 起司, 冰 奶油。
所以 a 很多 的 a 很多 的 樂趣 事物 到 品嚐 在 工作。
我是 a 食物 科學家 經過 教育。
幾個 年 前 I 曾是 問 到 拿 a 看 在 a 問題
那 我們 有 為了 一 的 這 飲料 那 我們 是 生產。
我是 去 到 展示 你 a 影片 只是 所以 你 能 看。
但 我們 是 獲得 a 很多 的 消費者 投訴
和 這些 投訴 是 發生
什麼時候 這 產品 曾是 關閉 到 這 結尾 的 架子 生活。
A s 你 看 在 這 影片,
它是 漂亮的 明顯的 為什麼 人們 是 抱怨。
I 思考 I 會 抱怨 如果 I 鋸 某物 喜歡 那 也。
它是 據稱 到 是 a 好的 便攜的 飲料。
它是 厚的 和 厚實的 什麼時候 它是 存在 傾倒 出去。
不是 什麼 I 會 預計。
相信 它 或者 不是， 這 產品 曾是 不是 被寵壞了。
I 承諾 你， 它 曾是 不是 被寵壞了。
所以 I 曾是 問 到 拿 a 看 在 這 和 數位 出去 如何 能 我們 使固定 它？
是什麼 這 問題？ 如何 做 我們 使固定 它？
惠普 兜帽 在 這 時間， 這 曾是 a 很少 年 前。
我們 是 早期的 在 在 我們的 旅行 和 使用 JMP，
和 所以 I 曾是 真的 興奮的 到 有 一個 應用 到 使用 在 真實的 生活
相當 比 只是 閱讀 關於 它 或者 學習 關於 它。
自然 I 毛氈 喜歡 這， 喜歡 雅虎！ 我們開始吧 跑步 美國能源部 我們來吧 做 它。
I 曾是 真的 興奮的
和 為了 那些 的 你 世界衛生組織 可能 不是 有 作為 很多 經驗 進行 DoE（實驗設計）
這 第一的 步 是 通常 採取 a 看 在 什麼 因素 應該 I 是 尋找 在。
所以 我們 做過 a 很少 實驗。
如果 你 能 原諒 我， 他們 是 大概 一 因素 在 a 時間 實驗。
但 我們 範圍縮小 在 在 什麼 我們 相信 是 這 鑰匙 原料
那 可以 有 到過 導致 這 問題。
我們 結束 向上 製作 a 設計。
這 是 大概 這 第四 或者 第五 迭代 的 這 設計
那 我們 來了 向上 和，
和 這 曾是 在 風俗 設計。
所以 如果 你 去 到 風俗 設計，
那就是 那就是 這 平台 那 我們 使用 到 產生 美國能源部 .
A s 你 能 看， 這 是 這 是 什麼 我們 有。
所以 我們 有 原料 一個， B 和 C， 和 它 曾是 實際上 a 回覆 表面。
所以 我們 有 全部 的 這 二 方式 互動
和 這 二次函數 條款 建造 進入 這 模型。
它 結束 向上 存在 17 跑， 作為 你 能 看 這裡。
它是 17 不同的 治療 組合。
這 很多 A , 這 很多 B , 這 很多 C 為了 每個 跑步。
一次 我們已經 定居 在 這 設計，
我們 是 真的 興奮的 所以 我們來吧 去 解決 這 問題。
片 的 蛋糕， 正確的？
你 去 進入 這 實驗室， 進入 我們的 飛行員 植物，
你 丟 一些 事物 一起， 這 飲料 來 出去。
我是 製作 它 a 很多 更多的 簡單的 比 它 實際上 是。
我們 製成 17 不同的 飲料
和 然後 我們 放 他們 在 這 架子 為了 a 小的 儘管
因為 作為 I 提及 早些時候，
它 需要 a 小的 位元 的 時間 為了 這 問題 到 出現。
放 他們 在 這 架子 為了 a 儘管， 衛星 直到 他們 是 準備好 到 是 已分析。
這 是 只是 a 螢幕截圖 的 a 數據 桌子。
這 有 我們的 實際的 或者 我們的 設計 那 我們 用過的。
A s 你 能 看， 有 a 柱子 這裡 到 這 正確的 那 I 已突出顯示。
它是 我們的 我們的 朋友， 這 和， 我們的 回覆 柱子。
所以 一次 我們 得到 到 這 觀點 在哪裡 我們 是 準備好 到 準備好 到 措施 那 厚實的 為了
現在 我們 開始 思維， 哦， 如何 是 我們 去 到 措施 那？
因為 a t 這 時間， 我們 做過 不是 有 a 厚實的 範圍。
我已經 絕不 聽到 的 一。 我已經 絕不 成立 一。
如果 任何人 有 曾經 成立 一， 我們會 愛 到 到 看 它 和 或許 買 一。
但 它是 我們的 知識。 它 不 存在。
所以 什麼 選項 做過 我們 有 到 措施 這？
因為 如果 你 不能 措施 它 和 美國能源部 它是 真的 不是 那 有用。
所以 我們 有 a 費 w 選項。
第一的 事物 是 我們 能 措施 一切 作為 a 二進位 回覆.
所以 它是 任何一個 a 經過 失敗， 它是 好的 或者 不好等等。
有 一些 優點 和 這 和 一些 缺點。
這 優點 會 是 它是 漂亮的 簡單的 到 做， 正確的？
任何人 能 說 經過 或者 失敗 和 它 需要 你 喜歡 不 時間 到 到 措施 它。
然而， 它 有 一些 嚴肅的 缺點 到 它。
這樣的 作為， 它是 真的 主觀 到 這 觀察員。
什麼 I 思考 是 好的，
a 同事 的 礦 可能 思考 是 壞的。
或者 甚至 更糟的是， 什麼 I 思考 是 好的， 我的 老闆 可能 思考 是 壞的。
所以 它是 真的 主觀。
儘管 它 能 給 你 一些 資訊,
他們 不 給 我們 作為 很多 資訊 作為 我們 想。
因為 什麼時候 你 做 物流 回歸， 什麼 你 得到 出去 的 它 真的 是 只是
機率 的 某物 透過 或者 機率 的 失敗。
在 我的 經驗， 那就是 到過 難的 到 交流
和 到 真的 理解 什麼 到 做 和 那 數據，
尤其 什麼時候 是 嘗試 到 交流 和 非技術性 人們。
所以 連續的 如果 有 任何 方式 到 得到 a 連續的 回覆,
那就是 什麼 我們 努力 為了 因為 他們 給 我們 a 很多 更多的 資訊.
我們 能 知道 如何 好的 是 它 或者 如何 壞的 是 它，
因為 不是 全部 好的 是 創建 平等的。
有 其他 選項 我們 可以 有 完畢
和 I 會 說 這 是 大概 這 最好的 選項
如果 你 能 做 它， 是 我們 可以 跑步 消費者 測試 和 得到 消費者 輸入。
什麼 這 會 看 喜歡 是 I 有 全部 我們的 飲料， 17 飲料，
和 我們 招募 或許 100， 120 消費者 的 我們的 產品
和 我們 有 他們 坐 向下 和 速度 每一個 單身的 一
為了 不同的 屬性，
一 的 他們 大概 存在 如何 出色地 做 你 喜歡 如何 這 倒？
這 原因 為什麼 這 是 a 金子 標準
是 因為 那些 是 這 人們的 意見 世界衛生組織 事 到 我們。
什麼 我們 會 做 是 後 我們 得到 100 或者 120 回覆,
你 拿 a 看 在 這 數據 你 得到，
我們 能 拿 平均值 和 放 那些 平均值 進入 我們的 模型。
然而，
它 能 成本 a 很多 的 錢 和 它 能 拿 a 很多 的 時間。
所以 如果 你的 預算 不 允許 它
或者 你的 時間軸 為了 任何 原因 不 允許 它，
你 不能 做 這 為了 一切。
有時 這 事物 你是 嘗試 到 措施
不是 這樣的 a 巨大的 問題 那 你是 嘗試 到 解決
那 它是 值得 開支 全部 那 錢。
但 它 會 仍然 是 重要的 到 是 有能力的 到 措施 它。
做 你 有 任何 其他 選項？
I 提及 這 更早。
你 能 尋找 一個 樂器 那 能 措施 什麼 你是 尋找 為了。
有時 他們 存在。
喜歡 I 說， I 不 知道 的 a 厚實的 範圍。
I 看起來 在 我們的 倉庫 在 我們的 研發 中心， 不能 尋找 一。
甚至 如果 你 能 尋找 一，
如果 這 是 某物 那就是 真的 專門，
你是 不是 去 到 使用 它 非常 經常。
它 不 製作 感覺 到 買 這 片 的 裝置 或者 它 可以 是 某物
那 會 是 真的 偉大的， 但 它 需要 a 很多 的 專業知識
那 或許 你的 研發， 你的 技術的 部門 不 有 或者
只是 不 有 這 時間 或者 資源 到 到 交易 和。
我是 去 到 展示 你 這 最後的 選項 我們 有 這裡。
什麼 我是 去 到 說 是 訓練 a 團體 的 人們 如何 到 速度 那 屬性
的 興趣 和 然後 讓 他們 給 你 全部 這 評分。
這 是 相當 作為 好的 作為 擁有 實際的 消費者。
但 這裡 是 嘗試 到 拿 主觀性 出去 的 它
和 製作 它 客觀的。
什麼時候 出色地 受過訓練 人類 能 是 偉大的 測量 樂器。
我是 去 到 走 你 透過 我們已經 完畢 在 兜帽
什麼時候 我們 有 一些 難的 到 措施 屬性。
是 去 到 使用 這 案件 學習 的 這 厚實的 為了。
這 是 我們的 路線圖。
患病的 走 你 透過 這 和 然後 出色地 實際上 做 它 居住。
這 第一的 事物 I 通緝 到 得到 穿過
是 那 這 樣品 那 你 生產 從 美國能源部 能 是 用過的 為了 許多 目的。
I 喜歡 到 告訴 人們 那 你的 樣品 是 喜歡 金子
和 你 應該 對待 他們 喜歡 金子。
他們是 非常 有價值的。
你 可能 做 美國能源部 思維 那 你是 嘗試 到 回答 一 問題，
但 某物 別的 可能 流行音樂 向上 之後
那 你 會 是 有能力的 到 使用 那些 樣品 到 回答 那 問題 作為 出色地。
我已經 有 那 發生 到 我 許多 次數， 所以 有時 它是 好的 到 思考 關於
只是 問 你自己 這 問題。
我已經 完畢 全部 這 工作 到 製作 17 不同的 飲料。
什麼 別的 能 I 做 和 他們？
什麼 別的 能 I 學習？
在 我們的 案件， 我們 使用 這些 樣品 作為 a “校準 放”
所以 那 我們 能 教 我們的 人類， 我的 同事，
如何 到 措施 這 厚實的 為了。
所以 這裡是 我們的 方法。
這 第一的 事物 我們 做 是 我們 審查
全部 這 樣品 和 a 小的 團體， 一些 或許 1 或者 2 或者 3 人們 那 是
真的 知識淵博 在 這 主題 或者 是 負責任的 為了 這 專案.
什麼 你 做 是 你 看 在 全部 這 樣品
和 決定 哪個 樣品 應該 是 用過的 到 火車 這 突襲者隊。
是 嘗試 到 建造 a 規模 本質上， 和 然後 出色地 拿 那 規模
和 出色地 得到 我們的 朋友們， 我們來吧 說 10、 15、 20 朋友們 到 實際上 速度 這些，
這些 樣品 為了 我們 後 我們已經 受過訓練 他們。
訓練 步 二，
有 他們 讀 每個 影片, 步 三 .
如果 它是 a 影片, 它 可以 是 某物 別的， a 圖片，
或者 它 可以 是 實際上 他們 澆注 出去 這 產品
如果 你 有 足夠的， ETC。
你 能 得到 這 主意。
下一個， 出色地 拿 這 平均的 的 全部 那些 評分。
出色地 看 在 這 數據， 製作 當然 有 沒有什麼 時髦的 在 那裡
和 然後 我們 將要 使用 那些 平均的 值 到 建造 a 模型。
我們開始吧 開始 和， 哎呀。
我們開始吧 開始 和 步驟 一 和 二。
所以 是 去 t o 認為 那 我們已經 看起來 在 全部 這 全部 這 影片
和 這 方式 我們 通常 做 它 因為 它是 a 小的 更輕鬆
是 你 開始 離開 回答 這 問題， 哪個 一 是 這 最低 在 厚實 為了？
那 會 是 這 一 正確的 這裡。
數位 一， 我是 去 到 玩 每個 一 的 這些。
這 只是為了 製作 它 清除， 這 是 我們的 規模。
它是 a 連續的 規模 從 1 到 10 和 這 1 到 10 是 種類 的 隨意的。
如果 如果 你 有 某物 那 作品 更好的 為了 你 然後 偉大的。
這 影片 正確的 多於 它 對應 到 那。
所以 這 第一的 影片 對應 到 a 一。
所以 作為 你 能 看， 儘管 是 觀看 這 影片
傾倒 很好， 不 漣漪 和 不 塊狀。
傾倒 作為 預期的。 美麗的。
那是 那就是 這 簡單的 樣本 到 確認
和 然後 在 這 在 這 樣本 放， 我們 問 我們自己， 好的， 哪個 一 是 這 最糟？
在 這 案件， 它 曾是 漂亮的 明顯的。
I 將要 告訴 你 再次， 這 產品 是 不是 被寵壞了。
所以 只是 和 變化 a 很少 原料。
你 能 看 它是 所以 厚的， 我們 不能 甚至 得到 它 出去 的 這 底部。
所以 那就是 明顯地 10.
然後 我們 做過 a 小的 位元 的 工作
到 嘗試 到 數位 出去， 好的， 哪個 一 應該 我們 考慮 到 是 a 五？
所以 半 在 之間。
這 一， 你 能 看 它 仍然 流動， 但 那裡 是 厚實 到 它。
然後 或許 a 二 和 a 一半 會 是 這 一。
看 它 有 a 小的 較少的 厚實 到 它。
流量 出色地， 大概 和 普通的 搖晃。
它會 大概 是 美好的。
所以 有 a 小的 位元 的 主觀性，
但 你 添加 更多的 人們 到 製作 它 更多的 客觀的。
然後 這 最後的 一。
這 是 七 和 a 一半。
所以 你 能 看 它是 非常， 非常 厚實的。
這 僅有的 事物 那 真的 是 區分 它 從 數位 十 是
那 我們 能 得到 它 出去 的 這 瓶子 仍然 流動。
但 作為 你 能 看， 它是 漂亮的 厚的。
什麼 I 會 做 和 基本上 在 這 數量 的 時間，
I 可以 火車 這 人們 那 是 去 到 幫助 我們
到 分析 這， 到 措施 這 厚實的 為了。
然後 出色地 有 他們 速度 一次 我們已經 受過訓練 他們。
患病的 基本上 做 什麼 I 只是 做過。
或許 我們會 拿 a 小的 位元 更多的 時間
到 是 更多的 具體的 和 肯定 事物 我們 想 他們 到 是 尋找 為了。
如果 什麼 你是 擁有 某人 速度 是 a 很多 更多的 複雜的，
然後 你會 大概 有 到 需要 到 拿 更多的 時間 訓練 人們。
這 一 不是 漂亮的 複雜的
和 是 真的 只是 尋找 為了 人們的 第一的 印象。
A 之後 那 你 有 他們 速度 全部 這 影片
i 喜歡 到 使用 微軟 表格 只是 因為 它是 簡單的 和 I 能 得到 這 這 數據
真的 迅速地 和 容易地， 但 你 能 使用 任何 你 想，
包括 紙， 雖然 那 需要 更多的 時間 和 I 嘗試 到 避免 那。
只是 到 展示 你 什麼 微軟， 什麼 我們的 表格 看 喜歡。
這裡是 a 預覽 的 它。
這 是 作為 如果 你是 正在做 它 在 你的 電話。
I 喜歡 到 製作 一切 作為 簡單的 作為 可能的，
和 大家 總是 有 他們的 電話， 所以 I 能 做 它 在 a 電話。
那是 我的 目標。
我是 只是 說 厚實的 為了 麵團狀的，
和 然後 他們 只是 去 透過 和 速度 每個 一。
所以 厚實的 貧窮的 為了 治療。
一 患病的 說， 不 知道 那 那 一 曾是 a 六
和 是 只是 問 人們 為了 這 第一的 印象。
有 不 正確的 或者 錯誤的 答案。
通常 人們的 第一的 印象 是 正確的。
所以 那就是 為什麼 我是 問 人們 不是 到 思考 也 難的 在 它。
或許 數位 二 是 a 十， 和 數位 三 曾是 a 三。
I 不 知道。
他們 會 去 透過 全部 的 那些。
然後 我們 會 得到 我們的 數據 和 然後 使用 JMP
我們 會 平均的 全部 那些 評分
和 然後 我們 放 這 數據 進入 這 數據 桌子 到 建造 這 模型。
所以 是 去 到 得到 出去 的 微軟幻燈片軟體 為了 a 第二 和 出色地 去
到 Excel 為了 a 第二。
這 是 什麼 I 得到 什麼時候 I 想 到 出口 這 數據 從 微軟 形式。
喜歡 I 說， 你 不 有 到 使用 這， 使用 任何 作品 為了 你。
A s 你 能 看， ID 是 這 這 評分者 數位
只是 a 隨機的 數字，
不是 隨機的， 但 只是 一個 識別符 為了 每個 人。
I 左邊 它 匿名的 所以 我們 不。
我們 不 批評 人們 世界衛生組織 或許 沒有 做 作為 出色地 作為 大家 別的。
和 在 這 案件， 這 實際上 這 數據 是 真實的 從。
I 採取 這 到 a 大學 班級 食物 科學 班級 和 有 他們 做 這。
和 所以 這 是 實際的 真實的 大學 學生 等級。
這 等級 這 這 影片.
和 作為 你 能 看， 我們 有 全部 這些 列， a 柱子 為了 每個 一。
所以 人 一 評級，
評級 治療 一 和 八， 他們 評級 治療，
二 的 四 治療 三 和 九， 等等， 等等， 等等。
所以 我們 想 到 得到 到 放 這 進入 跳。
所以 我們 有 I 喜歡 到 使用 這 跳 添加 在。
所以 在 Excel 正確的 這裡。
和 然後 只是 作為 長的 作為 你是 僅有的 突出顯示 一 細胞。
和 你 點選 數據 桌子， 它將 進口 一切。
我已經 注意到 那 有時
患病的 偶然 有 喜歡 只是 a 部分 的 這 數據
突出顯示 和 如果 你 可以 數據 桌子 現在
它是 僅有的 去 到 進口 什麼 你 強調。
所以 任何一個 強調 一切 或者 僅有的 強調 一。
一次 你 打 那 數據 桌子 按鈕，
你 將要 得到 某物 喜歡 這。
所以 這 是 我們的 數據。
我們 需要 到 在 這 結尾， 只是 到 展示 你 在哪裡 是 嘗試 到 得到
到 和 這 數據 桌子 因為 我們 有 到 操縱 它 a 小的 位元.
這 是 我們的 數據 桌子 為了 美國能源部。
我們 跑步 它 曾是
如何 很多 的 成分 一個， B 和 C 是 在 那裡。
I 放， 出色地 演講 關於 這 在 a 分分鐘
但 I 放 我的 規模 無論 或者 不是 I 想法 某物 通過了
或者 無論 或者 不是 I 想法 某物 失敗的。
在 這 結尾， 我們 需要 一 更多的 柱子 那 說 厚實 為了。
出色地 稱呼 它 連續的。
和 出色地 有 一個 平均的 等級 為了 為了 跑步 一。
平均的 等級 為了 一， 二， 三， 四， 五， ETC。
如果 我們 看 在 這 數據 桌子 作為 它 是 今天
是 不是 在 那 格式 因為 我們 需要 全部 這些
列 到 是 列 和 我們 需要 這 這 列 到 是 在 一 柱子。
有 大概 a 千 不同的 方式 我們 可以 做 這 在 JMP
和 它們是 全部 好的 和 它們是 全部 正確的。
我是 去 到 展示 你 一 方式 到 做 它。
它是 只是 這 一 那 作品 為了 我。
第一的， 什麼 是 去 到 做 是 是 去 到 堆疊
全部 的 這 列 在 頂部 的 每個 其他。
然後 是 去 到 做 a 概括 桌子
那 有 這 平均的 和 或許 出色地 也 添加 在 這 標準 偏差 為了 樂趣。
但 這 非常 第一的 事物 那 我已經 總是 到過 教授 到 做 是 什麼時候 你 得到 數據，
你 想 到 看 在 這 圖形， 這 數據 和 看 在 這 陰謀。
所以 是 去 到 實際上 看 在 這 分配 真的 迅速地。
所以 如果 我們 去 到 分析。
那裡 我們 去。 分析 分配。
我們 想 到 看 在 這 分配 為了 全部 的 這 治療方法。
我是 只是 去 到 強調 他們。
去 到 這 列 和 說， 好的。
我是 只是 尋找 到 看 是 那裡 任何事物
詭異的 關於 這 數據 那 我們 應該 是 擔心的 關於？
什麼時候 I 看 在 所以 我們 能 看 為了 1、2、3 , 等等，
我是 尋找 為了 異常值，
喜歡 為了 例子， 三， 大家 評級 這 樣本 之間 1 和 6.
那裡 曾是 某人 向上 這裡 世界衛生組織 評級 它 真的 高的，
和 有 也 某人 向上 這裡 那 評級 這 一 高的。
所以 什麼 I 喜歡 到 做 是 如果 你 點選 在 這，
它將 強調 在哪裡...
所以 這 這 排 代表 一 襲擊者， 一 人。
所以 我是 去 到 看 如何 他們 評級 一切
和 你 能 看 他們 趨向 到 是 一個 異常值。
這 好的 事物 是 在 JMP 是 那 一次 你 強調 一 排，
全部 它 將要 強調 為了 全部 這 其他 回覆.
所以 I 能 看 那， 是的， 他們 評級 3是 更高 4 存在 更高。
我們 去 向下， 看。
終止。 他們是 對面的 的 所有人。
它 似乎 喜歡 為了 一些 原因
這 這 訓練， 他們 得到 a 小的 使困惑
和 他們 想法 更高 數位 意思是 降低 厚實 和 副 反之亦然。
所以 什麼 我是 去 到 做 是 自從 I 有 這 排 突出顯示，
我是 去 到 關閉 這， 它將 停留 已突出顯示。
所以 這 是 排 一。
我是 只是 去 到 刪除 這 數據
和 然後 出色地 移動 在。
現在 我們 感覺 漂亮的 舒服的 和 這 數據 是 漂亮的 很多 堅硬的。
喜歡 I 說， 是 去 到 堆疊 這 列。
如果 我們 去 到 表格 堆。
它是 去 到 流行音樂 向上 和 我們 只是 想 到 堆疊
全部 17 的 這 治療方法。
這 好的 事物 是 在 JMP 17、 現在 你 得到 這 預覽。
I 愛 這 預覽 所以 然後 I 知道 如果 我是 正在做 事物 正確的。
什麼 我們 看 這裡 是，
作為 I 能 看，
它將 有 這 ID 所以 這 評分者 和 然後 速度 這 厚實的 為了 為了 治療 1.
他們 給予 它 a 五 和 他們 做過 數位 二， a 七。
這 是 如何 我們 想 這 數據 結構化的 和 我們 能 改變 這 柱子 姓名。
所以 反而 的 數據， 是 只是 去 到 說 厚實的 為了，
連續的。
然後 為了 標籤， 我是 只是 去 到 稱呼 它 跑步 因為 那就是 真的
什麼 是 去 到 使用 這 為了 在 a 分鐘。
I 只是 堆疊 它。
所以 I 說， 好的， 那就是 如何 I 想 它。
現在 我們 有 這 數據 桌子 在 這 方式 所以 現在 它 讓我們 我們 使用 a 概括 桌子。
S 摘要 表格 是 好的 方式 到 是 有能力的 到
製作 a 桌子 的 這 的 不同的 統計數據。
所以 什麼 是 去 到 做 是 是 去 到 強調
這 厚實的 為了 連續的 柱子 和 說 統計數據。
做 意思是。
為了 樂趣 在 案件 我們 想 到 使用 它， 出色地 也 說 標準 偏差。
這 只是 給予 我們 這 全面的 意思是 和 標準 偏差。
但 如果 我們 想 到 做 它 每 跑步，
患病的 強調， 跑步 和 放 它 這裡 在 團體。
現在 什麼時候 我們 看 在 這 預覽， 我們 有 一 透過 17
和 方便地， 它們是 在 命令。
一， 二， 三， 四， 五， 六， 七， 八。
全部 這 方式 到 17.
我們 有 這 意思是 和 這 標準 偏差。
所以 是 去 到 說， 好的。
好的， 所以 我們 有 一 更多的 桌子。
現在 是 到 這 觀點 在哪裡 是 在哪裡 我們 需要 到 是
因為 I 有 每個 跑步 作為 a 排
和 有 a 柱子 為了 這 平均的 柱子 為了 這 標準 偏差。
所以 什麼 我是 去 到 做 是 I 將要 強調 這 柱子。
如果 你 去 到 編輯 複製 和 柱子 姓名
和 然後 我是 去 到 去 到 我們的 原來的 數據 桌子。
是 將會 製作 a 新的 柱子 這裡
和 說 編輯 貼上 和 柱子 姓名。
那裡 它 是。
I 應該 有 完畢 兩個都 的 那些 在 這 相同的 時間， 但 I 沒有。
所以 是 去 到 做。
做 這 一 作為 出色地。
好的， 所以 現在 我們 是 準備好 到 做 我們的 造型。
所以 第一的， 第一的 事物 I 想 到 展示 你
是 什麼 我們 會 得到 如果 我們 只是 做過 經過 失敗 我們的 二進位 回覆.
什麼 出色地 做 是 如果 我們 去 到 分析 合身 模型。
因為 I 製成 這 這 設計 在 JMP 在 這 風俗 設計 平台，
它 自動地 知道 什麼 種類 的 設計 這 是
所以 那就是 為什麼 我的 模型 是 已經 已建成。
如果 那裡 是 a 真的 方便的 方式，
如果 你 知道 這 曾是 a 回覆 表面 設計，
我們來吧 說， 我們來吧 說 這 不是 這裡。
這 宏 是 方便的。
如果 I 突出顯示 成分 一個， B 和 C.
說 宏 回覆 服務。
它 拉 它 全部 向上。 它 已經 知道 什麼 我是 尋找 為了。
所以 那就是 有幫助。
I 放 它 在 這 y 軸， 這 多變的， 這 回覆 y 厚實的 為了 經過 失敗。
什麼 它 給予 我們 是 名義上的 物流。
我是 不是 統計學家，
所以 我是 不是 去 到 去 進入 任何 的 這 統計數據 在後面 什麼 它是 正在做。
我是 只是 去 到 展示 你 如何 什麼 你 得到 出去 的 它
和 什麼 a 科學家 可能 是 尋找 在。
所以 如果 I 說 跑步， 我們的 目標 等級 是 通過了。
所以 什麼時候 它是 去 到 做 機率 和 可能性 的 通過。
所以 我們 說 跑步。
這 是 什麼 我們 得到。
所以， I 意思是， 這 第一的 事物 那 a 科學家 喜歡
我 會 大概 看 在 是 這 效果 概括。
我是 尋找 在 大概 尋找 在 P 值 和 I 說，
出色地， 沒有什麼 重要的 除了 成分 一個。
那裡 是 其他 事物 那 我們 會 看 在， 但 我是 去 到...
我是 去 到 去 超過 那。
是 不是 去 到 覆蓋 那 今天。
反而， I 想 到 只是 看 在 這 分析器，
因為 那就是 什麼 我們 尋找， 在 至少 在 我們的 在 我們的 經驗，
這 分析器 存在 這 最多 有用 和 最容易 到 解釋
為了 這 科學家 和 什麼時候 它們是 溝通 和 其他的。
所以 什麼 這 是， 是 我是 去 到 製作 它 a 小的 大。
是 在 這 左邊 這裡。
是 去 到 得到 a 可能性 的 失敗 和 a 可能性 的 通過。
所以 如果 我們 有 0.13 的 成分， a 0.12 的 成分 B，
0.45 和 的 成分 C，
和 它是 實際上 0.13%， 0.12%， 0.45%。
I 只是 沒有 改變 它。
它是 a 非常， 非常 小的 部分 的 這 公式 那 是 變化
總之 在 那些 級別，
這 說 100% 的 這 時間 是 去 到 經過。
如果 I 移動 它 向上， 我們來吧 說 到..
有 喜歡，
說 觀點 二 的 這 成分 現在。
現在， 看起來 喜歡 是 去 到 經過 僅有的 64% 的 這 時間。
你 能 看 這些 曲線，
如何 I 已更改 成分 B a 小的 位元 和 成分 C，
或許 我們 能 得到 後退 向上 到 a 觀點 在哪裡 我們 經過 98% 的 這 時間。
你 能 玩 大約 和 這。
但 這 問題 和 這 是， 是 喜歡 I 說 早些時候，
通過。
或許 這 經過 正確的 這裡 是 不是 這 相同的 作為 透過 超過 這裡。
然而， 我們 不 真的 知道 那 和 這 資訊,
和 它是 種類 的 難的 事物 為了 一些 人們 到 裹 他們的 頭 大約，
喜歡 它 曾是 只是 可能性 的 通過。
什麼 做 I 做 如果 如果 全部 I 能 得到 是 一個 85% 經過 速度？
喜歡， 我們來吧 說 假設一下， 這 曾是 這 最好的 我們 可以 做。
什麼 做 I 做 和 那？
所以 那就是 為什麼 是 尋找 在 連續的 回覆.
我是 只是 去 到 關閉 這 和 是 去 到 做 那，
建造 那 模型 再次， 除了 我們來吧 做 它 為了 這 意思是
的 我們的 連續的 規模。
所以 是 去 到 有 到 消除 厚實的 為了
和 是 去 到 添加 這 平均的 這裡。
是 只是 去 到 說 跑步。 保持 它 簡單的。
做 這 效果 篩選 報告。
現在 你 能 看 有 a 很多 更多的 資訊 去 在
那 我們 沒有 得到 前。
所以 在哪裡 前， 如果 你 記住，
全部 我們 鋸 曾是 那 成分 A 有 a 真的 低的 P 價值。
一切 別的 曾是 喜歡 0.99。
這 結論 曾是 成分A 做 一切。
出色地， 它是 不是 實際上 這 所有的 真相， 作為 我們 能 看 這裡。
是的， 成分 是 這 最多 和 最多 重要的。
這 主要的 影響 的 成分 正確的 這裡。
但 B 和 C 也 有 a 角色 到 玩。
儘管 不是 作為 大的， 它們是 仍然 一個 重要的 角色。
所以 我們 看 在 我們的 實際的 預測 陰謀。
它 看起來 漂亮的 健康。
我們的 缺少 的 合身。 看 s 好的。
我是 不是 去 到 去 進入 全部 這 細節 的 一切 那 我們 看 在，
主要 因為 我是 不是 統計學家。
那是 只是 什麼 I 看 在。 患病的 看 在 這 缺少 的 合身。
患病的 看 在 這 殘差 到 看 如果
有 任何事物 詭異的， 這 學生化 殘差。
然後 真的嗎， I 來 到 這 分析器
和 現在 你 能 看 這 給予 我們 a 很多 不同的 圖片，
很多 更多的 完全的 圖片， 在哪裡 作為 I 增加 成分 一個，
這 厚實的 孔隙 增加， 但 增加 這些 這些 一個 做 也。
所以 他們 他們 也 有 a 角色 到 玩。
如果 我們 是 到
說 那 我們 想 到 最小化 它， I 思考 它是 漂亮的 明顯的 什麼 這...
期望值 是 去 到 來 出去 到 存在。
但 只是 到 展示 你，
是 去 到 你 去 到 這 紅色的 三角形 經過 這 預言 分析器。
最佳化 理想性 和 是 去 到 做 這 理想性 功能。
然後 這裡， 這 是 這 吸引力。
I 尋找 它 有用。
你 能 改變 它 在 這 紅色的 三角形，
但 I 尋找 它 更輕鬆 如果 你 只是 打 控制 和 然後 點選 在 它。
現在 我們 能 改變 什麼 我們的 目標 是。
所以 在 這 案件， 我們 想 到 最小化 這 因為 我們 不 想 它 正確的？
我們 不 喜歡 厚實的 為了 .
消費者 不 喜歡 它 任何一個。
所以 是 只是 去 到 說 最小化 和 好的。
現在 我們 能 去 後退 到 那 最佳化 和 理想性
和 說 最大化 它。
我 想法 I 曾是 去 到 做。
說， 拿 這些 二 原料 出去。
放 這 一 作為 低的 作為 你 能。
你會 得到 這 這 最低 厚實的 為了 那 你 能。
在 現實， 我們 有 一些 其他 約束條件， 所以 我們 不能 做 那。
那裡 是 其他 因素 在 玩， 但 這 確實 給予 我們
a 真的 好的 主意 的 在哪裡 我們 需要 到 去，
什麼 曾是 重要的 和 如何 做 我們 控制 這 厚實的 為了
到 這 觀點 在哪裡 什麼時候 我們 實施的 這 變化， 這 投訴 去 離開。
它是 到過 好的 曾經 自從。
那 是 這 這 簡而言之
的 如何 你 可以 拿 某物 那 是 難的 到 措施。
它是 真的 主觀。
它是 二進位 所以 你 經過 失敗 或者 好的 或者 壞的，
和 你 能 轉變 它 進入 某物 那就是 連續的。
它是 a 相對地 簡單的 方法。
你 能 使用 它 為了 a 數位 的 事物。
作為 長的 作為 你 有 人們 可用的 到 幫助 你 出去，
你 能 你 能 措施 a 很多 的 事物 那 可以 是 經過考慮的 難的 到 措施。
在哪裡 做 我們 去 從 這裡？
在 兜帽。
只是 到 給 你 一個 例子 的 一些 其他 事物 那 我們 遭遇。
這 一， 這 厚實 為了， 是 實際上 一 那就是 a 小的 更輕鬆 到 做。
但 我們來吧 說 這 是 其他 產品 我們 是 在職的 在 a 長的 時間 前 在哪裡
我們來吧 說 你 有 咖啡 和 你是 去 到 添加 一些 泡棉 到 它
和 你 想 到 理解 如何 出色地 做 那 泡棉 消散 進入 這 咖啡？
那是 a 那就是 a 艱難的 事物 到 措施。
我們 確實 不 有 任何 儀器
那 能 真的 措施 它。
影片 真的 幫助 我們 到 理解 如何 我們 可以 措施 它
和 得到 一些 有用 資訊 出去 的...
作為 你 能 看， 是 嘗試 到 措施 如何 做 那 看？
如何 出色地 做 它 移動 那 一 相對， 我們來吧 說， 這 治療 超過 這裡？
你 能 看 它們是 相當 不同的。
在哪裡 一 移動 真的 快速地， 這 其他 移動 真的 慢的。
這 一 看起來 種類 的 厚實的 這 其他 一 沒有 所以 很多。
那是 那就是 如何 我們 使用 它。 我們 使用 它 相當 經常。
I 欣賞 你 採取 這 時間 到 聽 到 我的 講話。
希望如此。 I 希望 那 這 有 到過 有用。
你會 是 有能力的 到 尋找 a 方式 那 你 能 實施 它 到
在 在 你的 天 到 天 工作。
感謝 你。
