こんにちは。 ありがとう みんな のために 接合 私たち。
その タイトル の これ プレゼンテーションは選択設計と最大差分析です
で 最適化 a 高い 学校 ラップトップ 購入
で その コンテクスト の a 幹 プロジェクト または 蒸気 プロジェクト。
私の 名前 は パトリック ジュリアン。
I 午前 a 共同 著者 そして 共同 プレゼンター のために これ プレゼンテーション。
そして の もちろん、これは JMP Discovery Summit Europe 2022 です。
そして 私は ハッピー に なれ 発表する 今日。
それで 前に I 得る の中へ 私たちの プロジェクト定義またはプロジェクト憲章、
I ただ 望んでいた に 言及 いくつかの 一般的な コンテクスト のために これ プロジェクト。
それで これ プロジェクト もっている a 蒸気 基本的にSTEMフレームワークであるオリエンテーション
しかし と その 追加 の a 集中 実践的なAIと統計について
そして その レンズ の ジャンプ。
全て 右。 それで その 機会 ここでの私たちの声明
それはすべての 年、 学生 で 学年 九
と 尊敬 に スタンフォード オンラインハイ 学校、
彼らは 必要 に 取る コア コース そして 必要 に する a シリーズ の プロジェクト。
で 事実、 そこには は 多くの プロジェクト あたり 年間150人ほど
そして 多くの の 彼ら 必要とする その コレクション の 調査 データ。
それで で その コンテクスト の 調査 データ コレクション、
ジャンプ もっている a 強力 選択 デザイン そして 選択 モデリング プラットフォーム
マックスも同様 違い デザイン 能力、 そして それらの できる なれ 使用済み
調査を最適化するために 方法論 そして 分析する 調査 データ。
内で これ 特定の 使用 場合、 だった 行く に 使用 ジャンプ 16 選択 デザイン
選択 モデリング プラットフォーム に 勉強 消費者 研究、
そして また 具体的には に アシスト と その 選択 の a ラップトップ、
その 最適 選択 の a ラップトップ のために a 学生。
だった 行く に さらに一歩進めて
そして 見て で いくつかの 信頼性 質問 そして する いくつかの計算
に 見て で その 機会 コスト 関連する と 保証を購入する
で 違う ステージ の 所有。
全て 右。 それで 素早い オリエンテーション に 私たちの 幹 図 ここ。
私たちは 持っていた 10 回答者 で その コンテクスト の 私たちの 例、 私たちの サンプル データ セット。
で 事実、 これ は a JMPサンプル データ セット、 私は 提供する の上 その ユーザー コミュニティ
そして は また 利用可能 で ジャンプ サンプル データ ディレクトリ。
そこには は 10 回答者 で これ 調査。
として あなた できる 見る ここ で その より低い 左 手 コーナー の その スライド、
そこには は 4つ 属性 それ 変化 内で a 選択 セット。
そこには は 二 プロフィール あたり 選択 セット。 そこには 八 選択 セット あたり 調査、
1つ 調査 合計 に なれ 分散型、 そして の コース、 10 回答 として 私たちは 示されます。
それで で 条項 の その テクノロジー ノートパソコンに関連付けられた、
だった 見ている で 4つ 鍵 属性。
だった 見ている で 難しい ディスク、 ドライブ 空間、
プロセッサ スピード、 バッテリー 人生、 そして その コンピューター 料金。
そして 私たちは できる 見る a 写真 の その デザイン として 良い として その 違う 選択 セット
それ は ペアリング による 番号 と その 違う 属性 で その 列。
そして それから、 とても 確率プロファイラーが見える
どれの 本当に ただ ショー その 機会 空間
で 関係 に その 変更 で その 軸 横切って その 4つ パラメータ の上 その 右
結果 で a 変化 で 確率 または 可能性 の 購入。
わかった。 それで さあ 提供する 一つの オリエンテーション
に 科学 そして その 統計 と 尊敬 に 消費者 研究。
それで だった 行く に 考える について 収集 情報、
そして 私たちは 欲しい それ 情報 に どうにか 反映する どうやって 顧客
特定の 製品 または サービス で 一般的な。
私たちは 欲しい に 持っている いくつかの 理解 満足度 顧客 は
購入時に そして、どのような特徴があるのか かもしれない 欲望。
何 洞察 彼らは できる 使用 に 改善する その 問題 声明 それ
彼らは取り組んでいる で その コンテクスト の その 購入 それ 彼らは 作っています。
で これ プロジェクト、 私たちは 使用 JMPの 消費者 研究メニュー、
そして 具体的には、 だった 行く に 集中 の上 その 選択 デザイン プラットフォーム。
わかった、 それで ここ は いくつかの ニース グラフィック それ ただ見せるだけ、
それ ハイライト その 消費者 研究 プロセス。
そして のように 多くの プロセス、 私たちは できる 見る それ その とても 反復的な そして 周期的な。
その 集中した の上 戦略 発達、
決断 作る、 改善、 そして 解決する 課題。
しかし として 良い 見る 後で で その 分析、 そこには は 特定のモデリングの考慮事項
それ 選択 デザインは考慮される
に 作る 私たちの モデリング 手順 a 少し 少し よりシンプルで効果的
のために これら 特定の 種類 の 問題。
全て 右、 それで 行く 戻る に 私たちの 研究の概要。
それで その 声 の その お客様 本当に 話す に どうやって その メーカー
決定する に 構築する その デザイン で 私たちの 場合。
そして それで 私たちは 持っている 二 セット の プロフィール、
また、 それ 意思 なれ 投与された に 10 回答者。
そして その ゴール は に 理解する どうやって ノートパソコン購入者
ビュー その 利点 の a コレクション の これら 4つ 属性。
全て 右。 それで 私たちの 特定の 使用 場合 ここ
は 行く に なれ その デル 緯度 5400 Chromebook。
これ は a とても 一般 予算重視のノートパソコン
それ だろう なれ 考慮された 適切な のために 学生 使用法。
わかった、 それで ここは 一つの 概要 の その 選択 デザイン モデリング プラットフォーム。
私たちは できる 見る それ その 4つ パラメータ は 指定された 下 その 属性 セクション。
ハードディスク サイズ、 プロセッサ 速度、バッテリー寿命、販売価格、
そして その 高い 低い レベル の その デザイン 指定されている
以上 で その 右 下 属性 レベル。
それで あなた できる 見る それ による 生成する これ デザイン、
ジャンプ 与える 私たち a プレビュー の その デザイン そして その 評価する デザイン プラットフォーム
と 私たちの 選択 セット、 そして私たちの 難しい ドライブ 滞在、
私たちの ディスク サイズ、 私たちの スピード、 私たちの バッテリー 人生、
そして 私たちの 対応する 価格 のために それぞれの選択セット、
どこ その 選択 セット 選択を表す
間 1つ コンピューター 所有する a ある セット の 特徴 そして 別の。
それで として I 言及された 前に、 だった 行く に 持ってくる で その サンプル データ
そして 実は ポイント に その 特定の 位置 どこ その データ は 位置した。
だった 行く に 行く 先に そして それをコミュニティに広める
のために 私たちの ユーザー に 練習する と これ データ。
はい。 ここ モデル仕様の表示です ウィンドウ のために 選択 デザイン。
それで 後 私たちは 生成された その デザイン、 私たちは 持っている に フィット その デザイン。
そして それで 私たちは できる 見る それ その の構造 デザイン は 10 回答者 それ は ペアリングしました。
そして それで だった 行く に セット その データ形式 1つ テーブル、 積み重ねられた。
私たちの 選択 データ テーブル、 それ 人口 の中へ その ラップトップの結果データ テーブル。
私たちの 応答 は 関連している に 確率 の 購入、 どれの は 関連している に 価格。
私たちは 置く 主題 の中へ 主題 ID、
選択 セット で 選択 セット ID、 応答 そして グループ化。
私たちは キャスト 私たちの 4つ 属性 の中へ その X 役割 ここ。
そして それから 私たちは 持っている a 主題 効果、
または 私たちは できる 持っている 主題 効果、 どれの は オプション、
どれの 私たちは しなかった 考慮する で これ 特定の コンテクスト それ 私たちは できる 持っている 彼ら。
そして 私たちは また 持っている 一つの オプション のために ない 価値 帰属、それはいいことです。
1つ の その もの あなたは 知らせ しかし、ここで
もし あなたは おなじみ と JMP、 わかります それ その 走る モデルオプションはここにあります。
しかし そこには は いいえ 他の オプション そして で 多くの 他の モデリング プラットフォーム。
JMPでは、 私たちは 持っている 何ですか と呼ばれる 人格 選択。
で これ 特定の コンテクスト、
だった 限定 に a 特定の モデル 下 a 特定の フレームワーク のみ。
なぜ は それ？
良い、 から 私たちの 視点、
これ は おそらく なぜなら これ モデリング 戦略
非常に特殊な消費者である 研究、 そして 私たちは だろう 本当に のみ 欲しい に 考慮する
主要 効果 間 選択肢 これらの効果は 反映する
選択モデリング 構造 それ だった 実装します。
私たちは 選ぶ から どちらか 1つ セット の 特徴 または その 他の。
わかった。 それで 主に、
何 a 数学的な モデル あるいは何 統計的 モデル
支えている これ タイプ の 手順？
その 本当に a ロジスティック 回帰 タイプモデル
なぜなら 私たちの 広い 応答 は a 確率。
私たちの 応答 できる なれ 考え の として かどうか だった 購入するかどうか
そして したがって は その 可能性 の 作る a 購入。
そして それで 何 私たちは 見る で その モデル出力の要約
は それ a ネガティブ 見積もり の条件に基づいて その モデル 示す
確率は 購入 チャンス
低い それ 特定の 属性 レベル。
そして それで 私たちは できる 見る から その 要約すると、パラメータ推定値
そして から その ランキング の その 効果の要約、
そして それ 買い手 一般的に 好む a 大きい 難しい ドライブ サイズ、
より速いスピード、より長い バッテリー 人生、 そして その より安い ラップトップ。
そして 私たちは できる 見る それ スピード そして 価格
本当に その ほとんど 重要な 予測因子 の上 確率 の 購入。
そして 私たちは スポーク a 少し 少し の上 その 買い手側
について なぜ そこには ない 一つの 交流 学期。
私たちは 考える それ その 本当に なぜなら文脈上
の これ 研究 問題、 その ない 本当に a 実用的 考慮。
しかし 確かに、自由度が不足しているためではないだろう
なぜなら この 特定の データセット、
私たちは 持っていた 以上 100 観察 そして だった のみ フィッティング 4つ 条項。
わかった。 それで 別の もの に 知らせ ここ、
I 考える、 それは ない すぐに 明らか の上 その スライド は そこには
いくつかの議論 または メモ で その プライマー推定値の下部
それ 言う 収束した で その 勾配。
そして それ ただ 本当に 話す に その 事実 それ これ モデル 推定 手順、
これ 可能性- ベース モデリング 手順 は 一つの 反復的な 手順。
その ない 必然的に 決定論的、
そして それ 含まれる 反復する に 探す 一つの 最適 解決。
わかった。 それで さあ 取る a 見て で その 効果限界分析
そして その コンテクスト の これ 報告。
それで 私たちは できる 見る ここ それ その 報告 周辺確率を示す
のために それぞれ の その 4つ 属性 それ 彼らは 違う レベル。
そして それで 何 私は ハイライト ここ は それ その 限界的な 確率 それは
その ほとんど 違う から それぞれ その他は示す どこ そこには 最も
差別化 で 条項 作る その 購入 決断。
それで 明らかに、 価格 そして コンピューター 処理速度
は その ほとんど 重要 で 条項 本当に 運転 それ 確率 決断。
そして それで として 一つの 例 ここでは、購入者の71%が
5月 選ぶ 一つの 80 ギガバイト 以上 40 ギガバイト 難しい ドライブサイズ、
として 示された による その 限界的な 確率 の .7129、
そして 68% の 買い手 5月 選ぶ、 のために 例、 1,000ドル 以上 a 1,200ドル または 1500ドル 価格。
それで それは 示された による その .6843 で これ 限界的な 確率。
それで 私たちは できる 見て 内で それぞれ の これら 限界的な 確率パネル
に 見て で 何 その 好み だろう なれ の上 その 与えられた要因に基づいて、
のように 価格 または スピード、 そして また 見て 横切って その 効果のある周辺パネル、
そして 具体的には 見て で その 違い
限界確率または限界効用
に 見る どれの 要因 は 最も差別化された
で 条項 の 運転 その 購入 決断。
わかった。
それで その 次 もの 私は 行く に 話す について は その ユーティリティ プロファイラー。
それで で 追加 に 応答 確率 または 購入の可能性、
私たちは また 持っている 何か と呼ばれる ユーティリティ。
そして それで ユーティリティ は 本当に
何か のように 確率、 しかし その 定義された 異なって。
そして その ユーティリティ プロファイラーレポート ショー、 事実上、
a 測定 の その 買い手の 満足 で a 特定の シナリオ。
で その コンテクスト の ユーティリティ、 a より高い ユーティリティ 示す
より高い 幸せ、 もし あなた 意思; そして、効用はゼロ以下となり、
例えば、 相対的 不幸。
そして それで 私たちは できる 見る から これ プロファイラー 実用性が高まるということ。
または もし あなた 意思 最大化する いつ 購入者 過ごす その 最小量、
彼らは 持っている その 最長 バッテリー 人生、 その 最高 プロセッサ スピード、
そして その 最大 サイズ、 どれの は 完全に 直感的な で これ コンテクスト。
そして 何 私たちは できる する は 私たちは できる 考える ユーティリティについて とても 多くの のように 私たちは できる 考える
望ましさについて で その コンテクスト 伝統的な実験の デザイン、
私たちが望むところ 最大化する これ ユーティリティ 関数
順番に に 最大化する その 買い手 満足。
そして それで として I 言及された ここ、
そこには は a 関係 間 確率 そして ユーティリティ。
数学的には、 何 は それ？
良い、 私たちは しない 得る ここに、
しかし それ は 関節式 で JMPの ドキュメント。
そして これ は 何か それ 私は考えます について
これに対する対話の一環として 話す アーカイブされたとき その ユーザー コミュニティ。
それで 見て フォワード に それ。
わかった。 それで 今、 さあ 見て で その 確率 プロファイラー。
それで その 確率 プロファイラー は 行く に なれ 似ている に その ユーティリティ プロファイラー、
として I 議論した で その 前 スライド、 しかし その、 の コース、 a 少し 少し 違う。
それで 何 は それ、 実質的に？
良い、 その プロファイラー セット で これら 特定の 設定 の X、
その 応答 確率 は 12％。
それで その 方法 私たちは できる 解釈する これ は 私たちは 購入者の12%が
だろう 考慮する に 過ごす 1,500ドル に 得る a ラップトップ と a 40ギガバイトのディスク、
1.5 ギガヘルツ プロセッサ そして a 4つ 時間 バッテリー 人生。
わかった。
それで その 方法 私たちは のように に 考える について これ それは のために どれでも 特別 状態
あなたが望む に 知る 何 その 確率 は a 特定の セット の 要素 レベル、
その 確率 かもしれない なれ より便利 よりも、 のために 例、 ユーティリティ、
どれの 説明する a 測定 の 買い手の 全体 満足。
そして あなたは 知らせ 明らかに その プロファイラーは 限定 に ただ 二 レベル。
そして また、 これ 行く 選択設計と消費者調査の本質に戻ります。
そして 私たちは 本当に 欲しい に h 1つ で の上 その 買い手の 興味
による 与える 彼ら a 連続した シリーズ の 二分法的な 選択肢 に 選ぶ 間。
のように どうやって いつ だった で その 検眼医、 その 検眼医は その レンズ ひっくり返す
そして 言う "は A より良い または B より良い？" AまたはBと それから あなた 行く の上 に その 次 1つ、
そして それから 彼女 尋ねる のために a 似ている 選択 間 A または B.
わかった、 それで その 次 一部 の その プロジェクト 本当に その周り 保証 考慮。
それで I スポーク について これ a 少し 少し で その 始まり。
それで さあ 行く の中へ これ で a 少し 少し もっと 深さ 前に 私たちは 結論する。
それで 仮定する その 最適 選択 のために その 消費者
だった a ラップトップ 販売された で a 価格 の 1,000ドル。
仮定する それ その 消費者 購入した 一つの 延長 保証 保護 プラン。
もし 彼らは だった に 購入 1つ のために 二 年数、
102ドルになります そして のために 三つ 年、 それは なれ 141ドル。
1つ の その 鍵 質問 のために その 消費者 は、 良い、
後 彼らは 買う その ノートパソコンを買うのか その 購入の一部としての保証
右 後 その ラップトップ または その 延長 保証、
または する 彼らは 待って、 または する 彼らは ただ ない 買う その 保証 で 全て？
そして I 考える その かわいい 明らか に みんな
もし あなた 買う a より高い 価格のノートパソコン、あなたの保証は
a より高い 価格 もっと 頻繁 よりも それ。
それで これ は また a 考慮 で 条項 の 作る その ファイナル 購入 決断。
私たちは しなかった 必然的に 組み込む で これ 仮説的な 実験。
はい。それで これ スライド ただ 行く の中へ 若干 もっと 詳細 について 保証。
そこには a 多く の 情報 ここ そして私は 視聴者の皆さんは後でそれを見てみて下さい。
しかし a 多く の これ 来る から 私たちの 典型的な コンピューターメーカー Webサイト、 のように デル。
そして のように 何でも、言語はたくさんあります
それ は 特定の に 一つの オリジナル 限定 保証
そして 違う 条項 そして 条件 それ は 関連する と その 保証。
いくつかの もの それ I 考える I すべき ハイライト
は これ アイデア の 現場で サービス。
その 事実 それ もっと そして もっと 今、 私たちは 持っている サービス どこ a サービス プロバイダー
来るだろう に あなた そして する 修理 または 交換 の その 製品 で あなたの 位置。
そこには また 顧客 持ち込み 郵送サービス、 とても 人気のある 今。
平 内で その コンテクスト の アマゾン、 郵送 サービス された その周り のために a 長さ 時間。
お客様 持ち込み は 今 a 一部 の アマゾンの 能力 に サービスを提供する
で その コンテクスト の 行く に、 例えば、 a 全体 食品 市場 のために 戻る。
そして それから、 の コース、 製品 交換。
しかし これら 現場で サービス モデルと郵送サービスモデル
は とても 面白い そして 多くの もっと 一般 今日。
その 他の もの 注目に値する は それ 限定 保証サービス
依存する の上 どうやって あなた 購入 あなたの オリジナル 保証 ポリシー。
それで もし 保証 サービス は 限定、
それらの サービス は 規定された で その オリジナル 保証 ポリシー。
わかった。
それでは少しお話しましょう JMPの 信頼性 そして 予測。
それで で その コンテクスト の これ 特定の分析、
だった 行く に 使用 JMPの寿命分布プラットフォーム
信頼性を高める そして 予報 計算。
そして 何 だった 行く に 試す に する 予測する 未来 失敗
の コンポーネント または それ なれ の中へ その コンピューター として a システム
に ヘルプ 私たち 得る a より良い センス の かどうか 私たちは すべき 購入 a 保証
そして で 何 時間 で その 人生 の その 製品。
それで 私たちは できる 考える の これ 分析 で 条項 の 何 私たちは 電話 信頼性 修理 料金。
それで 私たちは 欲しい に 比較する と その 延長 保証 保護。
私たちは 欲しい に 比較する その 準備ができて イニシャル 保証
に その 延長 保証 保護。
そして の コース、 もし その 失敗 レート は あまりにも 高い、
それから 私たちは しません 欲しい に 購入 保証 保護 で 全て。
そして もし その 失敗 レート は とても 低ければ、必要もない
のために 私たち に 購入 どれでも 保証
なぜなら私たちは だろう 持っている a 製品 それ 続いた のために a 長さ、 長さ 時間。
あなた できる 考える の それぞれ 製品 または各コンピュータで これ 場合、
もっている その 自分の 個性的 信頼性 モデル。
そして その 何か に 考える について で これ コンテクスト。
それで もし あなたは 作った a 特定の 購入 で これ 仮説的な シナリオ、
あなた できる 構築する a 信頼性 モデル の上 その 基礎 の これ 特定の コンピューター。
わかった。 それで これ スライド 会談 について a ニース ビジュアル 表現
の a 信頼性 ライフサイクル、 もし あなた 意思、
または 失敗 レート 以上 時間 のために a 特定の 製品。
それで 私たちは 基本的に 持っている 三つ フェーズ。
私たちは 持っている a 起動する そして 試運転 段階、
どれの は のように a 燃焼 段階 のために a 製品。
それから 私たちは 持っている a 普通 手術 段階、
そして それから 私たちは 持っている 一つの 終わり の 人生 段階。
そして それで これら フェーズ できる なれ、 私たちは 参照 に 彼ら 時々
第一段階として、 実行フェーズまたは その 燃焼 段階、
のように その 幼児 死亡 段階 で その コンテクスト の 生存 のために 人生。
のために 臨床 研究、通常のアクティブ運用フェーズ
考えられる の として その 段階 ランダムな障害が発生する可能性がある場合、
そして その 終わり の 人生 段階 は 本当に のように その 着る- アウト期間、
前の期間 その 製品 完全に 着る 外 で 販売。
そして それで 対応する に これら 期間、
私たちは できる 考慮する a 一般的な 範囲 の 限定 保証 以上 時間、
そして 遷移 段階 どこか その限定保証は
なる 一つの 延長 保証 保護 ポリシー。
それで どこ 私たちは 行く から a 短い 学期 保証期間は1年くらいでしょうか
に a 長さ 学期 保証、 二 または 三つ 年。
それで のように 私たちは 言った、 もし その 失敗 レート は とても 低い、
おそらくその製品は 期待される に 最後 もっと よりも 二 年、
それから 多分 あなた しない 必要 a 保証ポリシー
なぜなら あなた 5月 プラン に 交換する a 製品 2年に一度こうやって
なぜなら その ただ テクノロジー 価格の機会費用
対 その 利点 の 新しい テクノロジー。
それで その 重要 もの に 考える について 再び その コンテクスト の 作る
最初の購入 は 見ている で スタートアップと 試運転 の a 製品。
もし 私たちは 購入 一つの オリジナル 保証は私たちがよく行うことです
それ いつもの カバー 多分 a 年 の サービス
そして その 一部 の その イニシャル 購入 の その 製品。
わかった。
それで 今、 何 だった 行く に する
は だった 行く に スイッチ 以上 に a 違う データ セット。
これ は また サンプル データ どれの 指摘する あなた に の上 その コミュニティ。
しかし だった 行く に 仮定する 私たちが持っている a データベース 関連している に その Dellのノートパソコン。
そして それ リスト その 戻る ヶ月、 その 量 戻る、
そして、前月の販売額 の上 その 右。
そして それで 何 私たちは できる する は 私たちは できる グラフ これ 情報。
そして その X は 参照 に その 失敗 レート。
その X は で その 空間 の 一つの 故障率の資産、
その 信頼性 モデル、 そして どうやって 多くの 部品 私たちは 発送されました。
それは 何 これら 三つ 変数 話す に。
そして ベース の上 これ 確率、 私たちは できる 計算する
もし 彼らは 購入 その 保証 ポリシー または ない に対して その 修理 料金。
どうやって する 私たちは 選ぶ a 保証 ポリシー に基づく その 失敗 レート または 戻る レート？
それで 私たちは できる 使用 その JMPの 信頼性 予測 機能 に する これ。
それで ここは a 写真 の その モデル それ 私たちは 使用 に フィット これ データ。
それで 私たちは 持っている a 確率 の上 その Y 軸、 初め 時間 で ヶ月。
そして 何 ジャンプ する それは 適用される 複数 モデル。
それで 私たちは フィット 全て 利用可能 モデル で 少しでも 一度 それ だった 非 ゼロ、
それ だった ない 生産 非 ネガティブ 見積もり。
そして 何 私たちは できる 見る ここ のランキングです 潜在的 モデル
に フィット これ 信頼性 データ。
そして それで ワイブル は その トップ 選択 ここではAICcに基づいて、
ビック、 そして マイナス2 可能性 ランキング。
それで 私たちは 行った 先に そして 行った と その ワイブル のために 私たちの 分析、 その後。
わかった。 それで ここは 一つの アッパー 左 手 コーナー の その スライド。
何 私たちは 見る は その 実際の ワイブル失敗 確率モデルとそのパラメータの適合、
と 主要な 推定値 のために ベータ、 アルファ、 規模、 そして 位置。
そして それから その より低い 右 手 側 このスライドの 何 私たちは した は
私たちは 推定 その 確率 の 失敗 で 特定の ヶ月、
また、 使用して JMPの 信頼性 ツール。
そして それで どうやって する 私たちは ネクタイ これ 分析 の中へ 何か 実用的？
良い、 ベータ は a とても 重要 パラメータ。
ベータ は a とても 重要 パラメータ のために ワイブル 分布。
それで a ベータ 少ない よりも 1つ かもしれない 製品を示す
それ 本当に しない 生き残る 段階 1つ;
それ イニシャル どこ a 燃焼 段階 それ 私たちは 示した で その バス ヒント 曲線。
それで で それ 場合、 私たちは 欲しい に 買う a 保証 で 全て。
ベータはほぼ1に等しい だろう なれ 多分 a 製品
それは その 真ん中 の それ 曲線、 それは で それ 安定した 州 期間。
で どれの 場合 それから、 私たちは しないだろう 欲しい に 買う a 保証
必然的に ともかく で それ 場合 どちらか、 なぜなら 私たちは 持っている a とても 信頼性のある 製品。
それで 私たちは しないだろう 必然的に 欲しい に 投資する お金 で a 保証
いつ 私たちは だろう 期待する に 使用 それ。
のみ いつ その ベータ は 大きい 1つ以上、 そして あなた できる 見る で これ 場合、
その 大幅 大きい よりも 1つ。
する 私たちは 本当に 欲しい に 考慮する 購入 a 保証？
で これ 特定の 例、 1.6 いる より高い よりも 1.5、
おそらく 示す それ その 製品 消耗期に入っている 期間、
それ 第三段階、 生産曲線。
それで もし 私たちは 見て で これ 年、 描画 の上、 言う、 一つの 例 の 35ヶ月、36ヶ月、
私たちの 失敗 確率 は 多分 20％。
それで それは どうやって 私たちは だろう 見て で これ、 右？
として あなた 行く 以上 そして あなた 見て で その 時間、 何 だろう その 確率 失敗 なれ
で その 初め 二 列 の その 推定 確率 出力 そこには？
で これ 特定の 例、 その ない 完全に クリア
かどうか 私たちは すべき 購入 a 保証 または ない、
そして 私たちは おそらく 必要 もっと 情報。
もし 私たちは 持っていた 見た a ベータ それ だった で その 三つ に 4つ 範囲、
それから それ だろう おそらく 提案する
私たちは だろう 欲しい に 購入 延長保証
なぜなら 私たちは だろう 予想する それ 着る- 外 だろう なれ 避けられない。
で その 次 少し スライド、 だった ただ 行く に 単純な意思決定モデルを導出する
に 行く と これ 信頼性 選択分析の精神に基づいた分析、
その 選択 モデリング手法 それ 私たちは 適用済み で その 始まり。
それで その 消費者 決断 モデル いくつかの要素を考慮する必要があります。
生存 確率 で それぞれ 月、各月の故障確率、
どれの は、 で 効果、 その 同じ もの。
そして その 市場 ラップトップ 価値 それぞれ 月 間 1つ 年 そして 三つ ヶ月、
の コース、 価格 減価償却 購入しない場合の金銭的損失
その 延長 保証 保護 もし その 修理 は 必要です。
そして それから 私たちは 欲しい に 比較する それ 金銭的な 損失
対 その 費用 の 購入 その 保証。
それで そこには のような 料金 利点 分析 または a リスク 分析 それ だった 作っています。
それで 私たちは 見せる ここ、 で これ スライド 購入から数ヶ月後、
そして それから 私たちは 見せる その 生存 特定の月の確率、
生存 確率 の その 前 月、
そして それから その 条件付き 失敗 確率 で それ 月。
そして それで 私たちは ただ 使用 単純な条件文 確率 に 計算する それ カラム
それ I すべき 持っている 示された と その 二 全て その 方法 以上 の上 その 右。
そして 何 だった やっている ここ は だった 使用して その 前の ワイブル 見積もり
毎月 計算する 条件付き失敗 確率
で その その後 ヶ月。
全て だった 本当に やっている は 使用して ラグ関数 に 生成する カラム 1つ。
それで その ただ その 違い 間 それぞれの生存 確率 で 月、
さあ 言う、 13 そして その 前 月、 12、そして 14, そして 13, そして それで の上。
そして それから だった ただ 生き残る 確率 の その 前月、
減算 その 生存 確率 で その 現在 月、
回 その 生存 確率 の その 前の 月。
これ は 条件付き 確率。
わかった。 それで さあ 話す について その 市場 ラップトップ 価値、それは本当に
その 2番 もの 私たちは 議論した この 延長 保証 保護 スライド。
それで 私たちは できる 作成する a 単純 リニア モデル
に モデル その 偏角 の 価値 以上 時間。
そして つまり、 で 事実、 何 私たちは した。
そして その スロープ の上 それ モデル、 私たちは 使用 4つ ポイント に 計算する その スロープ。
そして その スロープ の上 その モデル 示す その パーセント 落とす 毎 月 の上 平均。
あなた できる 見る その スロープ は について 1.3%、
だから私たちは 期待する について a 1.3%の減少 あたり 月 の上 平均。
そして 注記 ここ それ 私たちは のみ 本当に ケア について その 12ヶ月後の偏角
そしてそれ以降 なぜなら その 初め 12 ヶ月 は 通常 覆われた 下 保証。
わかった。 それで どうやって する 私たちは モデル その 料金 購入しない その 延長 保護？
良い、 私たちは できる 比較する に a 二 年 保証 ポリシー、
失敗 で 二 年 として その 最悪 場合。
そして 私たちは できる 見る それ もし 私たちは 見て で 延長保証 保護 プラン
2年後と 三つ 年、 102ドル 対 141ドル
私たちは 得る a デルタ の その周り 45ドル。
同様に、 その 料金 もし ない 購入 その 二 年 生産 プラン は 48ドル
で 二 年 対 95ドル で 三つ 年、
そして それで それ 違い は の上 その 注文 の 40ドル に 50ドル として 良い。
それで 何 これ ショー 私たち は それ おそらく50ドルの差がある
間 その 保証 プラン そして その 推定 料金、
そして それ 5月 なれ 帰属 に その サービス そして 他の 修理済み コスト。
しかし 本当に に 作る その 最高 決断 保証を購入するかどうかについて
私たちは 欲しい に 考慮する その 料金 の ない この枠組みの中で保証を購入すると、
そして その 大きさ の ベータ 一緒に
に 作る その 最高 決断 について かどうか に 購入 か否か。
わかった。
これはほぼ その 終わり の 私たちの 分析。
そして I 望んでいた に ただ ハイライト 1つ 他の もの ここ。
それで 私たちは できる 使用 a 予報 能力 ここ
に 見せる 私たち どうやって できる 私たちは 決定する その 戻る レート、
何 リソース する 私たちは 必要、
そして a 多く の それ 依存する の上 その パフォーマンス の サービス。
どうやって 良い サービス は。
もし 私たちは 持っている あまりにも 多くの 予測しなければ、
私たちは 5月 ない 持っている 十分 技術者 に する その 仕事。
それで これ は その タイプ の 分析 どこ だった 考慮して その プロデューサー。
これ は から その 立場 の その サービス プロバイダー そして その プロデューサー。
一方 で その 前 分析、 私たちは は 考慮して すべて
から その 視点 の その 購入者 または その 消費者。
それで これ は 本当に a プロデューサー 料金 モデル。
もし 彼らは しない 購入 その 保証、
何ですか その 労働 料金、 そして 何ですか その 材料 料金？
それで その 労働 コスト に ハンドル すべての修理、
そして その 材料 料金 に 交換する 部品 のために 修理。
そして それで 私たちは できる 見る それ そこには a わずか 上向き 傾斜した 傾向
の上 その 長期修繕予測、
そして それ 傾向 本当に 伝える 私たち 何 その 価値 命題 は。
それで として a メーカーとしては、最初は収益を上げているかもしれませんが、
しかし それから あなた 5月 長期的には損失になる
大規模な修理作業を行う場合。
または として I 言った 前に、 あなた 5月 ない 持っている その 容量
修理作業を行う あなたは 義務付けられた に する
のせいで 責任 問題 と その 製品。
わかった、 それで ただ に 結論する ここ。
I ただ 望んでいた に 共有 一つの 全体 鍵 学び ここ の 私たちの プロジェクト。
私たちは 使用 その 幹 または 蒸気 フレームワーク
に 本当に 壊す 上 これ プロジェクト の中へ a 番号 の 違う 要素
そして 適用する 一つの 学際的な フレームワーク。
そして私たちはチョイスデザインを使って、
調査 デザイン 方法論 同じように として 一つの 分析 の 調査 データ。
私たちは また 拡張された 私たちの デザイン と a 信頼性 パフォーマンス モデル
私たちの 購入 そして かどうか か否か それ だった a 良い 購入。
の コース、 その プロジェクト で その コンテクスト の その 共同 著者、 含む 石工 チェン。
チェンはとても 役に立つ のために やる気を起こさせる 高い 学校 学生 SOHS、
そして教師たち に 学ぶ 新しい 方法。
その ファイナル もの は 1つ もの それ 私たちは 将来的に検討できる
は 増加 その 番号 の レベル に 選ぶ から、
どれの だろう 持ってくる 私たちの モデル の中へ もっと の a 伝統的 モデリング フレームワーク。
A モデリング フレームワーク それは もっと のような リース 回帰 モデル
または別の 特定の 人気のある モデリング フレームワーク それ 見た目 連続 データ。
そして それで で 終わりに、
I ただ 望んでいた に ハイライト 私たちの 参照 そして 私たちの 統計的 詳細;
だった 行く に 絶対に 提供する それらの に あなた。
感謝 あなた とても 多くの のために あなたの 時間 そして 私は見る フォワード に どれでも 質問。
