你好。 謝謝 每個人 為了 加入 我們。
這 標題 的 這 本次演講的主題是選擇設計和最大差異分析
在 最佳化 a 高的 學校 筆記型電腦 購買
在 這 情境 的 a 幹 專案 或者 蒸氣 專案.
我的 姓名 是 派崔克 朱利安。
I 是 a 共同 作者 和 共同 主持人 為了 這 推介會。
和 的 當然，這是 JMP Discovery Summit Europe 2022。
和 我是 快樂的 到 是 呈現 今天。
所以 前 I 得到 進入 我們的 專案定義或專案章程，
I 只是 通緝 到 提到 一些 一般的 情境 為了 這 專案.
所以 這 專案 有 a 蒸氣 方向，它基本上是一個STEM框架，
但 和 這 添加 的 a 重點 關於人工智慧和統計學的實用性，
並透過 這 鏡片 的 JMP。
全部 正確的。 所以 這 機會 這裡要向我們發表聲明。
就是每個 年， 學生 在 年級 九
和 尊重 到 史丹佛大學 線上高中 學校，
他們 需要 到 拿 核 課程 和 需要 到 做 a 系列 的 專案.
在 事實， 那裡 是 許多 專案 每 每年多達150人，
和 許多 的 他們 要求 這 收藏 的 民調 數據。
所以 在 這 情境 的 民調 數據 收藏，
JMP 有 a 強大的 選擇 設計 和 選擇 造型 平台
以及馬克斯 不同之處 設計 能力， 和 那些 能 是 用過的
為了優化調查 方法論 和 分析 民調 數據。
之內 這 特別的 使用 案件， 是 去 到 使用 JMP 16 選擇 設計
選擇 造型 平台 到 學習 消費者 研究，
和 也 具體來說 到 協助 和 這 選擇 的 a 筆記型電腦,
這 最佳的 選擇 的 a 筆記型電腦 為了 a 學生。
是 去 到 再進一步
和 看 在 一些 可靠性 問題 和 做 一些計算
到 看 在 這 機會 成本 聯繫 和 購買保固
在 不同的 階段 的 所有權。
全部 正確的。 所以 快的 方向 到 我們的 幹 圖表 這裡。
我們 有 十 受訪者 在 這 情境 的 我們的 例子， 我們的 樣本 數據 放。
在 事實， 這 是 a JMP 範例 數據 放， 我將 提供 在 這 使用者 社群
和 是 也 可用的 在 JMP 樣本 數據 目錄。
那裡 是 十 受訪者 在 這 民意調查。
作為 你 能 看 這裡 在 這 降低 左邊 手 角落 的 這 滑動，
那裡 是 四 屬性 那 改變 之內 a 選擇 放。
那裡 是 二 簡介 每 選擇 放。 有 八 選擇 套 每 民意調查，
一 民調 全部的 到 是 分散式， 和 的 課程， 十 回應 作為 我們 表明的。
所以 在 條款 的 這 科技 與筆記型電腦相關的
是 尋找 在 四 鑰匙 屬性。
是 尋找 在 難的 磁碟, 駕駛 空間，
處理器 速度， 電池 生活， 和 這 電腦 成本。
和 我們 能 看 a 圖片 的 這 設計 作為 出色地 作為 這 不同的 選擇 套
那 是 成對的 經過 數位 和 這 不同的 屬性 在 這 列。
和 然後， 相當 很好，我們看到了一個機率分析器
哪個 真的 只是 演出 這 機會 空間
在 關係 到 這 變化 在 這 軸 穿過 這 四 參數 在 這 正確的
結果 在 a 改變 在 可能性 或者 可能性 的 購買。
好的。 所以 我們來吧 提供 一個 方向
到 科學 和 這 統計數據 和 尊重 到 消費者 研究。
所以 是 去 到 思考 關於 收集 資訊,
和 我們 想 那 資訊 到 不知何故 反映 如何 顧客
使用他們特有的方法 產品 或者 服務 在 一般的。
我們 想 到 有 一些 理解 滿意度 顧客 是
他們購買 它們有哪些特色？ 可能 慾望。
什麼 洞察 他們 能 使用 到 提升 這 問題 陳述 那
他們正在研究 在 這 情境 的 這 購買 那 它們是 製作。
在 這 專案, 我們 使用 JMP的 消費者 研究菜單，
和 具體來說， 是 去 到 重點 在 這 選擇 設計 平台。
好的， 所以 這裡 是 一些 好的 圖形 那 只需展示一下，
那 強調 這 消費者 研究 過程。
和 喜歡 許多 過程， 我們 能 看 那 它是 非常 迭代 和 循環的。
它是 專注 在 策略 發展，
決定 製作， 改進， 和 解決 挑戰。
但 作為 出色地 看 之後 在 這 分析， 那裡 是 具體建模考慮因素
那 選擇 設計考慮了以下因素
到 製作 我們的 造型 程式 a 小的 位元 更簡單、更有效
為了 這些 特別的 類型 的 問題。
全部 正確的， 所以 去 後退 到 我們的 研究概述。
所以 這 嗓音 的 這 顧客 真的 說話 到 如何 這 製造商
決定 到 構造 這 設計 在 我們的 案件。
和 所以 我們 有 二 套 的 個人資料
再次， 那 將要 是 管理 到 十 受訪者。
和 這 目標 是 到 理解 如何 筆記型電腦購買者
看法 這 優勢 的 a 收藏 的 這些 四 屬性。
全部 正確的。 所以 我們的 特別的 使用 案件 這裡
是 去 到 是 這 戴爾 緯度 5400 Chromebook。
這 是 a 非常 常見的 預算型筆記型電腦
那 會 是 經過考慮的 合適的 為了 學生 用法。
好的， 所以 這裡是 一個 概述 的 這 選擇 設計 造型 平台。
我們 能 看 那 這 四 參數 是 指定的 在下面 這 屬性 部分。
硬碟 尺寸， 處理器 速度、電池續航力和售價
和 這 高的 低的 等級 的 這 設計 已指定
超過 在 這 正確的 在下面 屬性 級別。
所以 你 能 看 那 經過 產生 這 設計，
JMP 給予 我們 a 預覽 的 這 設計 和 這 評價 設計 平台
和 我們的 選擇 套， 以及我們的 難的 駕駛 停留，
我們的 磁碟 尺寸， 我們的 速度， 我們的 電池 生活，
和 我們的 相應的 價格 為了 每個選擇集，
在哪裡 這 選擇 套 代表一種選擇
之間 一 電腦 擁有 a 肯定 放 的 特徵 和 其他。
所以 作為 I 提及 前， 是 去 到 帶來 在 這 樣本 數據
和 實際上 觀點 到 這 具體的 地點 在哪裡 這 數據 是 位於。
是 去 到 去 前方 和 把這個放到社區去
為了 我們的 使用者 到 實踐 和 這 數據。
好的。 這裡 顯示的是型號規格 窗戶 為了 選擇 設計。
所以 後 我們已經 產生的 這 設計， 我們 有 到 合身 這 設計。
和 所以 我們 能 看 那 這 結構 設計 是 十 受訪者 那 是 配對。
和 所以 是 去 到 放 這 資料格式 一 桌子， 堆疊。
我們的 選擇 數據 桌子， 它 填充 進入 這 筆記型電腦測試結果資料表。
我們的 回覆 是 有關的 到 可能性 的 購買， 哪個 是 有關的 到 價格。
我們 放 主題 進入 主題 ID，
選擇 放 在 選擇 放 ID， 回應 和 分組。
我們 投擲 我們的 四 屬性 進入 這 X 角色 這裡。
和 然後 我們 有 a 主題 效果，
或者 我們 能 有 主題 效果， 哪個 是 選修的，
哪個 我們 沒有 考慮 在 這 特別的 情境 那 我們 能 有 他們。
和 我們 也 有 一個 選項 為了 遺失的 價值 估算值，這很好。
一 的 這 事物 你會 注意 但這裡有一點：
如果 你是 熟悉的 和 JMP， 你會看到 那 這 跑步 此處提供型號選項
但 那裡 是 不 其他 選項 和 在 許多 其他 造型 平台。
在 JMP 中， 我們 有 是什麼 稱為 性格 選擇。
在 這 特別的 情境,
是 有限的 到 a 具體的 模型 在下面 a 具體的 框架 僅有的。
為什麼 是 那？
出色地， 從 我們的 看法，
這 是 可能 因為 這 造型 策略
非常特定的消費者 研究， 和 我們 會 真的 僅有的 想 到 考慮
主要的 效果 之間 選擇 因為這些影響 反映
選擇模型 結構 那 是 正在實施。
我們 挑選 從 任何一個 一 放 的 特徵 或者 這 其他。
好的。 所以 主要而言，
什麼 a 數學 模型 或者什麼 統計 模型
是基礎 這 類型 的 程式?
它是 真的 a 物流 回歸 類型模型
因為 我們的 寬的 回覆 是 a 可能性。
我們的 回覆 能 是 想法 的 作為 無論 是 是否購買
和 所以 是 這 可能性 的 製作 a 購買。
和 所以 什麼 我們 看 在 這 模型輸出摘要
是 那 a 消極的 估計 按照以下條款 這 模型 表示
機率 購買 機會
較低 那 特別的 屬性 等級。
和 所以 我們 能 看 從 這 綜上所述，參數估計
和 從 這 排行 的 這 效果總結
和 那 買家 一般來說 更喜歡 a 更大的 難的 駕駛 尺寸，
速度更快，持續時間更長 電池 生活， 和 這 更便宜 筆記型電腦.
和 我們 能 看 那 速度 和 價格
真的 這 最多 重要的 預測因子 在 可能性 的 購買。
和 我們 輻 a 小的 位元 在 這 買方
關於 為什麼 那裡 不是 一個 交互作用 學期。
我們 思考 那 它是 真的 因為在這種語境下
的 這 研究 問題， 它是 不是 真的 a 實際的 考慮。
但 當然，這不太可能是缺乏自由度造成的。
因為 在這方面 特別的 數據集
我們 有 超過 100 觀察 和 是 僅有的 配件 四 條款。
好的。 所以 其他 事物 到 注意 這裡，
I 思考， 那就是 不是 立即地 明顯的 在 這 滑動 是 有
一些討論 或者 筆記 在 這 底漆估算
那 說 收斂 在 這 坡度。
和 那 只是 真的 說話 到 這 事實 那 這 模型 估算 程式,
這 可能性 基於 造型 程式 是 一個 迭代 程式.
它是 不是 一定 確定性的，
和 它 涉及 迭代 到 尋找 一個 最佳的 解決方案。
好的。 所以 我們來吧 拿 a 看 在 這 效應邊際分析
和 這 情境 的 這 報告。
所以 我們 能 看 這裡 那 這 報告 顯示邊緣機率
為了 每個 的 這 四 屬性 那 它們是 不同的 級別。
和 所以 什麼 我是 突出顯示 這裡 是 那 這 邊緣 機率 那些
這 最多 不同的 從 每個 其他指示 在哪裡 有 最
差異化 在 條款 製作 這 購買 決定。
所以 清楚地， 價格 和 電腦 處理速度
是 這 最多 重要的 在 條款 真的 駕駛 那 可能性 決定。
和 所以 作為 一個 例子 這裡可以看到，71%的買家
可能 選擇 一個 80 千兆位元組 超過 40 千兆位元組 難的 硬碟容量，
作為 表明的 經過 這 邊緣 可能性 的 .7129，
和 68% 的 買家 可能 選擇， 為了 例子， 1000美元 超過 a 1200美元 或者 1500美元 價格。
所以 那就是 表明的 經過 這 .6843 在 這 邊緣 可能性。
所以 我們 能 看 之內 每個 的 這些 邊緣 機率面板
到 看 在 什麼 這 偏愛 會 是 在 這 給定因素的基礎
喜歡 價格 或者 速度， 和 也 看 穿過 這 影響邊緣面板，
和 具體來說 看 在 這 差異
邊際機率或邊際效用
到 看 哪個 因素 是 最顯著的差異
在 條款 的 駕駛 這 購買 決定。
好的。
所以 這 下一個 事物 我是 去 到 演講 關於 是 這 公用事業 分析器。
所以 在 添加 到 回覆 可能性 或者 購買可能性
我們 也 有 某物 稱為 公用事業。
和 所以 公用事業 是 真的
某物 喜歡 可能性， 但 它是 定義 不一樣。
和 這 公用事業 分析報告 節目， 有效，
a 措施 的 這 買家的 滿意 在 a 特別的 設想。
在 這 情境 的 公用事業， a 更高 公用事業 表示
更高 幸福， 如果 你 將要; 效用值較低，低於零。
例如，表示 相對的 不快樂。
和 所以 我們 能 看 從 這 分析器 效用增加。
或者 如果 你 將要 最大化 什麼時候 購買者 花費 這 最少的金額
他們 有 這 最長 電池 生活， 這 最高 處理器 速度，
和 這 最大 尺寸， 哪個 是 完全地 直覺的 在 這 情境.
和 什麼 我們 能 做 是 我們 能 思考 實用性 非常 很多 喜歡 我們 能 思考
關於吸引力 在 這 情境 傳統實驗 設計，
我們想去的地方 最大化 這 公用事業 功能
為了 到 最大化 這 買方 滿意。
和 所以 作為 I 提及 這裡，
那裡 是 a 關係 之間 可能性 和 公用事業。
從數學角度來看， 什麼 是 它？
出色地， 我們 不 得到 就在這裡，
但 它 是 鉸接式 在 JMP的 文件.
和 這 是 某物 那 我會思考 關於
作為對此進行對話的一部分 演講 當它被存檔時 這 使用者 社區。
所以 看 向前 到 那。
好的。 所以 現在， 我們來吧 看 在 這 可能性 分析器。
所以 這 可能性 分析器 是 去 到 是 相似的 到 這 公用事業 分析器，
作為 I 討論 在 這 事先的 滑動， 但 它是， 的 課程， a 小的 位元 不同的。
所以 什麼 是 它， 幾乎？
出色地， 這 分析器 放 在 這些 特別的 設定 的 X，
這 回覆 可能性 是 12%。
所以 這 方式 我們 能 解釋 這 是 我們 可以說，12%的買家
會 考慮 到 花費 1500美元 到 得到 a 筆記型電腦 和 a 40GB硬碟
1.5 千兆赫 處理器 和 a 四 小時 電池 生活。
好的。
所以 這 方式 我們 喜歡 到 思考 關於 這 就是 為了 任何 特別的 狀態
你想要的 到 知道 什麼 這 可能性 位於 a 具體的 放 的 因素 級別，
這 可能性 可能 是 更實用 比， 為了 例子， 公用事業，
哪個 描述 a 措施 的 買家的 全面的 滿意。
和 你會 注意 清楚地 那 分析器是 有限的 到 只是 二 級別。
和 再次， 這 去 回歸選擇設計和消費者研究的本質。
和 我們 真的 想 到 h 一 在 在 這 買家的 興趣
經過 給予 他們 a 連續 系列 的 二分法 選擇 到 選擇 之間。
喜歡 如何 什麼時候 是 在 這 驗光師 這 驗光師會 這 鏡片 翻轉
和 說 「是 A 更好的 或者 B 更好的？ 」 A 或 B 和 然後 你 去 在 到 這 下一個 一，
和 然後 她 問 為了 a 相似的 選擇 之間 A 或者 B.
好的， 所以 這 下一個 部分 的 這 專案 真的 大約 保固單 考慮。
所以 I 輻 關於 這 a 小的 位元 在 這 開始。
所以 我們來吧 去 進入 這 在 a 小的 位元 更多的 深度 前 我們 結束。
所以 認為 這 最佳的 選擇 為了 這 消費者
曾是 a 筆記型電腦 賣 在 a 價格 的 1000美元。
認為 那 這 消費者 購買 一個 擴充 保固單 保護 計劃。
如果 他們 是 到 購買 一 為了 二 持續時間為數年，
金額為102美元。 和 為了 三 年， 它會 是 141美元。
一 的 這 鑰匙 問題 為了 這 消費者 是， 出色地，
後 他們 買 這 筆記型電腦，他們會買嗎？ 這 作為購買的一部分，提供保固。
正確的 後 這 筆記型電腦 或者 這 擴充 保固單，
或者 做 他們 等待， 或者 做 他們 只是 不是 買 這 保固單 在 全部？
和 I 思考 它是 漂亮的 明顯的 到 每個人
如果 你 買 a 更高 筆記型電腦價格，您的保固期將是
a 更高 價格 更多的 常 比 那。
所以 這 是 也 a 考慮 在 條款 的 製作 這 最終的 購買 決定。
我們 沒有 一定 包含 在 這 假想 實驗。
好的。 這 滑動 只是 去 進入 一點點 更多的 細節 關於 保固單。
有 a 很多 的 資訊 這裡 我會 稍後讓我們的觀眾再看吧。
但 a 很多 的 這 來 從 我們的 典型的 電腦製造商 網站， 喜歡 戴爾。
和 喜歡 任何東西，都有很多語言
那 是 具體的 到 一個 原來的 有限的 保固單
和 不同的 條款 和 狀況 那 是 聯繫 和 這 保固單。
一些 事物 那 I 思考 I 應該 強調
是 這 主意 的 現場 服務。
這 事實 那 更多的 和 更多的 現在， 我們 有 服務 在哪裡 a 服務 提供者
將會到來 到 你 和 做 維修 或者 交換 的 這 產品 在 你的 地點。
有 也 顧客 隨身攜帶 以及郵寄服務， 非常 受歡迎的 現在。
甚至 之內 這 情境 的 亞馬遜， 郵寄投票 服務 到過 大約 為了 a 長的 時間。
顧客 隨身攜帶 是 現在 a 部分 的 亞馬遜的 能力 到 提供服務
在 這 情境 的 去 到， 例如， a 所有的 食物 市場 為了 返回。
和 然後， 的 課程， 產品 交換。
但 這些 現場 服務 模型和郵寄服務模型
是 非常 有趣的 和 很多 更多的 常見的 今天。
這 其他 事物 值得強調 是 那 有限的 保固服務
依賴 在 如何 你 購買 你的 原來的 保固單 政策。
所以 如果 保固單 服務 是 有限的，
那些 服務 是 規定的 在 這 原來的 保固單 政策。
好的。
那麼，我們來簡單談談… JMP的 可靠性 和 預測。
所以 在 這 情境 的 這 具體分析，
是 去 到 使用 JMP中的生命分配平台
為了提高可靠性 和 預報 計算。
和 什麼 是 去 到 嘗試 到 做 預測 未來 失敗
的 成分 或者 那 是 進入 這 電腦 作為 a 系統
到 幫助 我們 得到 a 更好的 感覺 的 無論 我們 應該 購買 a 保固單
和 在 什麼 時間 在 這 生活 的 這 產品。
所以 我們 能 思考 的 這 分析 在 條款 的 什麼 我們 稱呼 可靠性 維修 成本。
所以 我們 想 到 比較 和 這 擴充 保固單 保護。
我們 想 到 比較 這 準備好 最初的 保固單
到 這 擴充 保固單 保護。
和 的 課程， 如果 這 失敗 速度 是 也 高的，
然後 我們 慣於 想 到 購買 保固單 保護 在 全部。
和 如果 這 失敗 速度 是 非常 如果很低，那就沒必要了。
為了 我們 到 購買 任何 保固單
因為我們 會 有 a 產品 那 持續 為了 a 長的， 長的 時間。
你 能 思考 的 每個 產品 或每台計算機，在 這 案件，
有 它是 自己的 獨特的 可靠性 模型。
和 它是 某物 到 思考 關於 在 這 情境.
所以 如果 你已經 製成 a 特別的 購買 在 這 假想 設想，
你 能 構造 a 可靠性 模型 在 這 基礎 的 這 特別的 電腦.
好的。 所以 這 滑動 會談 關於 a 好的 視覺的 表示
的 a 可靠性 生命週期 如果 你 將要，
或者 失敗 速度 超過 時間 為了 a 特別的 產品。
所以 我們 基本上 有 三 階段。
我們 有 a 新創公司 和 偵錯 階段，
哪個 是 喜歡 a 燃燒 階段 為了 a 產品。
然後 我們 有 a 普通的 手術 階段，
和 然後 我們 有 一個 結尾 的 生活 階段。
和 所以 這些 階段 能 是， 我們 指 到 他們 有時
作為第一階段， 跑步階段或 這 燃燒 階段，
喜歡 這 嬰兒 死亡 階段 在 這 情境 的 生存 為了 生活。
為了 臨床 研究表明，正常活躍運作階段
可以考慮 的 作為 這 階段 隨機故障可能發生的地方
和 這 結尾 的 生活 階段 是 真的 喜歡 這 穿- 結束期，
之前的時期 這 產品 完全地 穿著 出去 在 銷售量。
和 所以 相應的 到 這些 時期，
我們 能 考慮 a 一般的 範圍 的 有限的 保固單 超過 時間，
然後是 過渡 階段 某處 該有限保固
變成 一個 擴充 保固單 保護 政策。
所以 在哪裡 我們 去 從 a 短的 學期 保固期，大概一年。
到 a 長的 學期 保固單， 二 或者 三 年。
所以 喜歡 我們 說， 如果 這 失敗 速度 是 非常 低的，
那麼，如果產品是 預期的 到 最後的 更多的 比 二 年，
然後 或許 你 不 需要 a 保固政策
因為 你 可能 計劃 到 代替 a 產品 每兩年一次
因為 它是 只是 科技 以及價格的機會成本
相對 這 益處 的 新的 技術。
所以 這 重要的 事物 到 思考 關於 再次 這 情境 的 製作
初始購買 是 尋找 在 創業和 偵錯 的 a 產品。
如果 我們 購買 一個 原來的 保修，這是我們通常會做的，
它 通常 封面 或許 a 年 的 服務
和 它是 部分 的 這 最初的 購買 的 這 產品。
好的。
所以 現在， 什麼 是 去 到 做
是 是 去 到 轉變 超過 到 a 不同的 數據 放。
這 是 也 樣本 數據 哪個 將指出 你 到 在 這 社區。
但 是 去 到 認為 我們有 a 資料庫 有關的 到 這 戴爾筆記型電腦。
和 它 清單 這 返回 幾個月， 這 數量 返回，
以及當月的銷量 在 這 正確的。
和 所以 什麼 我們 能 做 是 我們 能 圖形 這 資訊.
和 這 X 是 指 到 這 失敗 速度。
這 X 是 在 這 空間 的 一個 故障率的資產，
這 可靠性 模型， 和 如何 許多 部分 我們 已發貨。
那是 什麼 這些 三 變數 說話 到。
和 基於 在 這 可能性， 我們 能 計算
如果 他們 購買 這 保固單 政策 或者 不是 反對 這 維修 成本。
如何 做 我們 選擇 a 保固單 政策 基於 這 失敗 速度 或者 返回 速度？
所以 我們 能 使用 這 JMP的 可靠性 預測 能力 到 做 這。
所以 這裡是 a 圖片 的 這 模型 那 我們 使用 到 合身 這 數據。
所以 我們 有 a 可能性 在 這 Y 軸， 第一的 時間 在 幾個月。
和 什麼 JMP 做 是嗎？ 適用 多種的 模型。
所以 我們 合身 全部 可用的 模型 在 至少 一次 那 是 非 零，
那 是 不是 生產 非 消極的 估算值。
和 什麼 我們 能 看 這裡 是排名 潛在的 模型
到 合身 這 可靠性 數據。
和 所以 威布爾 是 這 頂部 選擇 這裡是基於AICc的，
BIC， 和 負2 可能性 排行。
所以 我們 去 前方 和 去 和 這 威布爾 為了 我們的 分析， 隨後。
好的。 所以 這裡是 一個 上 左邊 手 角落 的 這 滑動。
什麼 我們 看 是 這 實際的 威布爾失敗 機率模型擬合及其參數，
和 基本的 估算 為了 測試版， 阿爾法， 規模， 和 地點。
和 然後 這 降低 正確的 手 邊 本投影片內容如下： 什麼 我們 做過 是
我們 估計的 這 可能性 的 失敗 在 具體的 幾個月，
再次， 使用 JMP的 可靠性 工具。
和 所以 如何 做 我們 領帶 這 分析 進入 某物 實際的？
出色地， 測試版 是 a 非常 重要的 範圍。
Beta 是 a 非常 重要的 範圍 為了 威布爾 分配。
所以 a 測試版 較少的 比 一 可能 表示產品
那 真的 不 存活 階段 一;
那 最初的 在哪裡 a 燃燒 階段 那 我們 顯示 在 這 洗澡 提示 曲線。
所以 在 那 案件， 我們 想 到 買 a 保固單 在 全部。
β 近似等於 1 會 是 或許 a 產品
那是在 這 中間 的 那 曲線， 那就是 在 那 穩定的 狀態 時期。
在 哪個 案件 然後， 我們 不會 想 到 買 a 保固單
一定 反正 在 那 案件 任何一個， 因為 我們 有 a 非常 可靠的 產品。
所以 我們 不會 一定 想 到 投資 錢 在 a 保固單
什麼時候 我們 會 預計 到 使用 它。
僅有的 什麼時候 這 測試版 是 更大的 不只一個， 和 你 能 看 在 這 案件，
它是 顯著地 更大的 比 一。
做 我們 真的 想 到 考慮 購買 a 保固單？
在 這 特別的 例子， 1.6 存在 更高 比 1.5，
大概 表示 那 這 產品 正在進入磨損期 時期，
那 第三階段， 生產曲線。
所以 如果 我們 看 在 這 年， 繪畫 在， 說， 一個 例子 的 35、36個月
我們的 失敗 可能性 是 或許 20%。
所以 那就是 如何 我們 會 看 在 這， 正確的？
作為 你 去 超過 和 你 看 在 這 時間， 什麼 會 這 可能性 失敗 是
在 這 第一的 二 列 的 這 估計的 可能性 輸出 那裡？
在 這 特別的 例子， 它是 不是 完全地 清除
無論 我們 應該 購買 a 保固單 或者 不是，
和 我們 可能 需要 更多的 資訊.
如果 我們 有 已見 a 測試版 那 曾是 在 這 三 到 四 範圍，
然後 那 會 大概 建議
我們 會 想 到 購買 延長保固
因為 我們 會 預料 那 穿- 出去 會 是 不可避免的。
在 這 下一個 很少 幻燈片， 是 只是 去 到 推導出一個簡單的決策模型
到 去 和 這 可靠性 秉持選擇分析精神的分析，
這 選擇 建模方法 那 我們 應用 在 這 開始。
所以 這 消費者 決定 模型 需要考慮諸多因素：
生存 可能性 在 每個 每月，每個月的故障機率
哪個 是， 在 影響， 這 相同的 事物。
和 這 市場 筆記型電腦 價值 每個 月 之間 一 年 和 三 幾個月，
的 課程， 價格 折舊 這種情況會發生，如果不購買就會造成經濟損失。
這 擴充 保固單 保護 如果 這 維修 是 需要。
和 然後 我們 想 到 比較 那 貨幣 損失
相對 這 費用 的 購買 這 保固單。
所以 有 就像 成本 益處 分析 或者 a 風險 分析 那 是 製作。
所以 我們 展示 這裡， 在 這 滑動 再次強調，是購買後的幾個月，
和 然後 我們 展示 這 生存 某個特定月份的機率
生存 可能性 的 這 事先的 月，
和 然後 這 條件 失敗 可能性 在 那 月。
和 所以 我們 只是 使用 簡單條件 可能性 到 計算 那 柱子
那 I 應該 有 表明的 和 這 二 全部 這 方式 超過 在 這 正確的。
和 什麼 是 正在做 這裡 是 是 使用 這 以前的 威布爾 估計
每個月 計算 條件性失敗 可能性
在 這 隨後的 幾個月。
全部 是 真的 正在做 是 使用 滯後函數 到 產生 柱子 一。
所以 它是 只是 這 不同之處 之間 每次生存 可能性 在 月，
我們來吧 說， 13 和 它是 事先的 月， 12，以及 14、 和 13、 和 所以 在。
和 然後 是 只是 生存 可能性 的 這 上個月，
減去 這 生存 可能性 在 這 目前的 月，
時代 這 生存 可能性 的 這 以前的 月。
這 是 條件 可能性。
好的。 所以 我們來吧 演講 關於 這 市場 筆記型電腦 價值，這才是真正的
這 第二 事物 我們 討論 在這方面 擴充 保固單 保護 滑動。
所以 我們 能 創造 a 簡單的 線性 模型
到 模型 這 下降 的 價值 超過 時間。
和 也就是說， 在 事實， 什麼 我們 做過。
和 這 坡 在 那 模型， 我們 使用 四 積分 到 計算 這 坡。
和 這 坡 在 這 模型 表示 這 百分比 降低 每一個 月 在 平均的。
你 能 看 這 坡 是 關於 1.3%，
所以，我們 預計 關於 a 下降1.3%。 每 月 在 平均的。
和 筆記 這裡 那 我們 僅有的 真的 關心 關於 這 12個月後拒絕
以及更遠的地方 因為 這 第一的 十二 幾個月 是 通常 涵蓋 在下面 保固單。
好的。 所以 如何 做 我們 模型 這 成本 不購買 這 擴充 保護？
出色地， 我們 能 比較 到 a 二 年 保固單 政策，
失敗 在 二 年 作為 這 最差 案件。
和 我們 能 看 那 如果 我們 看 在 延長保固 保護 計劃
兩年後與 三 年， 102美元 相對 141美元
我們 得到 a 三角洲 的 大約 45美元。
相似地， 這 成本 如果 不是 購買 這 二 年 生產 計劃 是 48美元
在 二 年 相對 95美元 在 三 年，
和 所以 那 不同之處 是 在 這 命令 的 40美元 到 50美元 作為 出色地。
所以 什麼 這 演出 我們 是 那 可能存在 50 美元的差距。
之間 這 保固單 計劃 和 這 估計的 成本，
和 那 可能 是 歸因於 到 這 服務 和 其他 固定的 成本。
但 真的 到 製作 這 最好的 決定 關於是否購買保固服務的問題，
我們 想 到 考慮 這 成本 的 不是 在此框架下購買保固服務
和 這 規模 的 測試版 一起
到 製作 這 最好的 決定 關於 無論 到 購買 或不。
好的。
所以這幾乎 這 結尾 的 我們的 分析。
和 I 通緝 到 只是 強調 一 其他 事物 這裡。
所以 我們 能 使用 a 預報 能力 這裡
到 展示 我們 如何 能 我們 決定 這 返回 速度，
什麼 資源 做 我們 需要，
和 a 很多 的 那 取決於 在 這 表現 的 服務。
如何 好的 服務 是。
如果 我們 有 也 許多 如果我們不進行預測，收益會如何？
我們 可能 不是 有 足夠的 技術人員 到 做 這 工作。
所以 這 是 這 類型 的 分析 在哪裡 是 考慮 這 製片。
這 是 從 這 立場 的 這 服務 提供者 和 這 製片。
然而 在 這 事先的 分析， 我們 是 考慮 一切
從 這 看法 的 這 購買者 或者 這 消費者。
所以 這 是 真的 a 製作人 成本 模型。
如果 他們 不 購買 這 保固單，
是什麼 這 勞動 成本， 和 是什麼 這 材料 成本？
所以 這 勞動 成本 到 處理 所有的維修工作，
和 這 材料 成本 到 代替 部分 為了 維修。
和 所以 我們 能 看 那 有 a 輕微 向上 傾斜的 趨勢
在 這 長期維修預測
和 那 趨勢 真的 講述 我們 什麼 這 價值 主張 是。
所以 作為 a 製造商，你或許在初期能獲得收益，
但 然後 你 可能 長遠來看會賠錢
如果你要進行大量的維修工作。
或者 作為 I 說 前， 你 可能 不是 有 這 容量
進行維修工作 你是 有義務的 到 做
因為 責任 問題 和 這 產品。
好的， 所以 只是 到 結束 這裡。
I 只是 通緝 到 分享 一個 全面的 鑰匙 學習 這裡 的 我們的 專案.
我們 使用 這 幹 或者 蒸氣 框架
到 真的 休息 向上 這 專案 進入 a 數位 的 不同的 元素
和 申請 一個 跨學科 框架。
我們採用選擇設計，並幫助大家考慮。
民調 設計 方法論 同樣 作為 一個 分析 的 民調 數據。
我們 也 增強 我們的 設計 和 a 可靠性 表現 模型
為了符合我們的資格 購買 和 無論 或不 那 曾是 a 好的 購買。
的 課程， 這 專案 在 這 情境 的 這 共同 作者們， 包括 石匠 陳。
陳非常 有用 為了 激勵 高的 學校 學生們 SOHS，
以及教師 到 學習 新的 方法。
這 最終的 事物 是 一 事物 那 我們 未來可以考慮
是 增加 這 數位 的 等級 到 選擇 從，
哪個 會 帶來 我們的 模型 進入 更多的 的 a 傳統的 造型 框架。
A 造型 框架 那就是 更多的 就像 租 回歸 模型
或其他 特別的 受歡迎的 造型 框架 那 看起來 連續的 數據。
和 所以 在 結束，
I 只是 通緝 到 強調 我們的 參考 和 我們的 統計 細節;
是 去 到 確實 提供 那些 到 你。
感謝 你 非常 很多 為了 你的 時間 和 我看 向前 到 任何 問題。
