揚聲器 | 成績單 |
| 克里斯蒂·西班牙 | 午安. |
| 你好，今天怎麼樣。 |
| 我很好，你怎麼樣。 |
| 克里斯蒂·西班牙 | 很好，謝謝。 |
| 托爾，你在哪裡？ |
| 是的，克里斯蒂西班牙。 |
| 還有新墨西哥州阿爾伯克基。 |
| 克里斯蒂·西班牙 | 這就是我的想法。 |
| 得到了權利。 |
| 克里斯蒂·西班牙 | 三位數在那裡。 |
| 現在不行。 |
| 好的，我們有一個。 |
| 颶風從這裡襲來。 |
| 球霸們會降低溫度。 |
| 克里斯蒂·西班牙 | 好的，那個叫什麼名字。 |
| 我不知道通常不會發生太多事情，而且我也沒有太注意。 |
| 出色地。 |
| 克里斯蒂·西班牙 | 我有點措手不及，但你知道，昨天打高爾夫球的時候非常艱難，所以這裡的每個人都在加油，因為管道現在已經關閉了。 |
| 那麼你在哪裡。 |
| 克里斯蒂·西班牙 | 我在卡里北卡羅來納州總部，是的。 |
| 嗯，讓我們看看你去年有沒有為我們錄製過任何錄音。 |
| 去年我自己做了。 |
| 可能是我們這樣做的原因之一。 |
| 這次。 |
| 哦。 |
| 克里斯蒂·西班牙 | 那很好笑。 |
| 嗯，讓我看看，我有一個小清單，讓我打開它，就像實際上關閉太多東西一樣。 |
| 我試圖清除所有內容，所以我沒有收到任何彈出窗口，您是否關閉了所有應用程式？ |
| 我還沒有，我也有一個問題。 |
| 當然有。 |
| 它說我應該在錄製之前上傳內容，但我不能，因為我沒有連結。 |
| 克里斯蒂·西班牙 | 我上傳的是啥啥東西。 |
| 和演示材料。 |
| 克里斯蒂·西班牙 | 好的，我會找出該連結適合您。 |
| 所以我回去查看了我的舊電子郵件，我找不到它，我想得很好。 |
| 我是。 |
| 沒什麼大不了的，但是。 |
| 克里斯蒂·西班牙 | 不過，我們絕對應該能夠繼續進行記錄。 |
| 好的，是的。 |
| 克里斯蒂·西班牙 | 讓我找到一個小清單，但該清單的一部分在您的應用程式中關閉。 |
| 我會去做那件事。 |
| 您不需要微軟團隊。 |
| 克里斯蒂·西班牙 | 你的襯衫上沒有任何標誌，所以這很好。 |
| 沒有標誌。 |
| 現在可能也不需要。 |
| 克里斯蒂·西班牙 | 我不知道如何不打擾團隊。 |
| 球隊很好。 |
| 關於現代的事情之一。 |
| 科技是人們不再給你指示，而是給你這個東西，你應該要弄清楚它。 |
| 克里斯蒂·西班牙 | 好吧，我輸入了幫助部分 D amp D，它的表現就像我正在尋找任何消息或類似的東西，我的好吧，或者我關閉它也很好。 |
| 好吧，就這樣吧。 |
| 我有一些開放的申請，但是。 |
| 看看那個寄生團隊的小事。 |
| 克里斯蒂·西班牙 | 我們很好。 |
| 好吧，他們把它放在這個隱藏的小菜單中，這樣它就和 Skype 一樣仍然在那裡，因為他們希望無論如何都能聯繫到你。 |
| 克里斯蒂·西班牙 | 你知道，我認為也許我們應該讓你拍一張背景。 |
| 它說沒有侵犯版權，但你知道那裡有很多書，所以也許吧。 |
| 哦，好吧，我這裡確實有書，我認為這沒什麼大不了的，因為你無法真正閱讀它們，但沒關係。 |
| 克里斯蒂·西班牙 | 我不知道我會討厭這樣做。 |
| 必須回電給你並說我要放手了。 |
| 是的，我不想做兩次。 |
| 不。 |
| 我的意思是我確信這會很有趣，但我不想再這樣做了。 |
| 我只是擺脫團隊。 |
| 他們所有的團隊都消失了。 |
| 好的，這些背景，我對此有所了解。 |
| 我必須回到 Outlook。 |
| 克里斯蒂·西班牙 | 或者你也可以，也許我們會的。 |
| 看，我從來沒有用過它們。 |
| A確實從未使用過它們。 |
| 是的，因為他們分析得很模糊。 |
| 是的。 |
| 你知道，每當你做一些移動的事情時，我都會看到人們使用它們，並且東西會變得模糊，他們會看到房間裡的所有垃圾。 |
| 如此從見。 |
| 問 |
| 塔妮亞這麼新的症狀。 |
| 我們就這樣吧。 |
| 這些是社交板塊，您知道什麼是社交板塊。 |
| 虛擬背景如此藍色的散佈圖。 |
| 我就這麼做。 |
| 快點。 |
| 所以現在的問題是我該怎麼做。 |
| 使用它們。 |
| 讓我們來看看。 |
| 克里斯蒂·西班牙 | 我以為它會在小三個點的下面，但事實並非如此。 |
| 好吧，我不清楚鴨子在哪裡。 |
| 哪裡可以找到點。 |
| 克里斯蒂·西班牙 | 嗯，你知道在底部，你可以在哪裡共享螢幕和聊天。 |
| 所有這些還有更多。 |
| 但我沒有看到任何可以改變背景的選項。 |
| 也不要。 |
| 克里斯蒂·西班牙 | 我們在許多不同的事物之間來回穿梭。 |
| 這裡的工具很難。 |
| 讓我們快速搜尋一下。 |
| 光滑相機下的虛擬背景。 |
| 哦。 |
| 所以。 |
| 然後你必須知道虛擬背景在哪裡，因為他們沒有說。 |
| 您應該使用哪一個或類似的東西，不，不，不。 |
| 克里斯蒂·西班牙 | 哦，看起來不錯。 |
| 哦，很好，因為我不確定我是否能夠做很多其他事情，所以現在我們有了背景，如果我移動很多，那麼效果很好，實際上只有一點點搞砸了，好吧。 |
| 克里斯蒂·西班牙 | 和 |
| 你自動有工作列了嗎？ |
| 讓我們看看我該怎麼做。 |
| 克里斯蒂·西班牙 | 您轉到任務欄並右鍵單擊。 |
| 是的，在一個沒有任何東西的地方。 |
| 不。 |
| 問題是我的任務欄已完全訂閱。 |
| 克里斯蒂·西班牙 | 我的也沒有隱藏，我不知道為什麼。 |
| 是嗎. |
| 工作列設定就到這裡了。 |
| 週一在桌面模式下自動隱藏測試測試列。 |
| 在。 |
| 好的，現在它似乎是自動隱藏的，除非它沒有隱藏。 |
| 克里斯蒂·西班牙 | 好吧，如果你向上滾動它就會消失。 |
| 所以唯一出現的是如果。 |
| 我有一些活動消失得很好。 |
| 克里斯蒂·西班牙 | 然後你的聲音就很棒了。 |
| 和 |
| 克里斯蒂·西班牙 | 我會讓你練習分享，這樣我們就可以檢查你的決心，等等。 |
| 好吧，讓我們看看。 |
| 肯定是某個特定的事情會成為問題。 |
| 為了分享螢幕，我將展示您的樣子。 |
| 克里斯蒂·西班牙 | 好吧，您可以繼續分享您的內容。 |
| 是的，但我想在幻燈片和 JMP 應用程式之間來回翻轉，以便能夠進行展示。 |
| 我的螢幕。 |
| 所以不知何故我結束了。 |
| 有了螢幕，我就把你帶到了這裡的一個小窗口裡。 |
| 克里斯蒂·西班牙 | 在頂部，您可以查看並將其更改為並排，或者這就是我所擁有的。 |
| 關掉我的相機，因為反正沒人想見我。 |
| 今天都是關於你的。 |
| 顯示小型當前發言者影片縮圖影片。 |
| 好吧，這告訴你了。 |
| 它向我們倆展示了一個網格。 |
| 這使得整件事情變得非常小。 |
| 而我再也看不到自己了。 |
| 但我可以移動這個東西。 |
| 克里斯蒂·西班牙 | 好吧，我可以看到你的 PowerPoint 很難過。 |
| 好吧，這是我在常規寫作模式下使用 PowerPoint 時遇到的問題。 |
| 但如果我進入演示視圖。 |
| 它變得更大，但隨後我必須在該視圖和另一個視圖之間來回切換。 |
| 當你做影片的時候。 |
| 您是否要關注相關部分，或者您只是要在螢幕上顯示正在發生的任何內容。 |
| 克里斯蒂·西班牙 | 是的，我們只是要展示任何東西。 |
| 因此，大多數人都會使用演示模式，然後，如果您需要退出該模式並調出 JMP 螢幕，您可以這樣做。 |
| 回去有意義嗎？ |
| 是的，看起來很棒。 |
| 好的，所以我想這就是我們要做的，我會逃離並在必要時前往 JMP。 |
| 克里斯蒂·西班牙 | 您想快速嘗試嗎，這樣我們就可以確保它的尺寸合適等等。 |
| 是的。 |
| 克里斯蒂·西班牙 | 看起來很棒。 |
| 好的。 |
| 所以是可見的。 |
| 克里斯蒂·西班牙 | 好的，現在我需要這樣做。 |
| 請確認您的公司名稱和摘要標題。 |
| 我的名字是托爾·奧斯本。公司是桑迪亞國家實驗室。 |
| 摘要標題應為「人才獲取模擬與管理的就業申請到達模型」。 |
| 克里斯蒂·西班牙 | 完美的。然後您就會明白，這些資訊正在被記錄下來供探索高峰會使用。 |
| JMP 會議並將在 JMP 使用者社群中公開發布。您是否允許這種使用和記錄？ |
| 謝謝。 |
| 克里斯蒂·西班牙 | 我想我們已經準備好了，托爾，所以我要讓自己靜音，然後 |
| 只要你準備好了就可以出發。目標是直接通過。除非發生災難性的事情，否則我不會說什麼或阻止你。怎麼樣？ |
| 好吧，目標是直接通過，我需要多長時間？ |
| 克里斯蒂·西班牙 | 30分鐘。 |
| 好吧，現在我認為你有一點迴旋餘地，因為他們喜歡在播放結束時留出時間進行問答，所以如果稍微超出一點也沒關係。 |
| 好的，現在，在我們走之前，有一個小視窗顯示正在說話以及誰正在說話。 |
| 因為他們縮小了小影片的大小。 |
| 好吧，我的螢幕是否顯示演示視圖，或者是否透過右下角的小插入來顯示演示視圖。 |
| 克里斯蒂·西班牙 | 我看到的只是演示視圖。 |
| 好吧，所以他們以某種方式浮動了這個。 |
| 克里斯蒂·西班牙 | 這一定很煩。 |
| 沒關係，只要不妨礙我的意思是我不會在那裡放任何東西。 |
| 克里斯蒂·西班牙 | 沒關係。 |
| 是的。 |
| 好的。 |
| 克里斯蒂·西班牙 | 好吧，我會繼續保持沉默，然後你就準備好了。 |
| 好的。 |
| 所以，我的名字是托爾·奧斯本。我在桑迪亞國家實驗室擔任首席系統研究分析師。 |
| 我今天的演講是人才獲取模擬與管理的就業申請到達模型。 |
| 我希望你喜歡它。 |
| 我在這裡有三個基本目標。一是提出業務案例來說明為什麼要對就業申請到達時間進行建模。另一個目的是展示使用此類數據創建簡潔、廣泛適用的模型的簡單過程。 |
| 然後我將演示來自大型研究組織的數據的過程，並簡要展示您可以用它做什麼。 |
| 從技術上講，我將重新理解這些數據，因為我認為這種數據對大多數人來說有點不尋常。 |
| 源模型，本質上，這是一個源建模 |
| 分析，所以我將討論泊松和伽瑪-泊松模型。 |
| 我將進行一些分析和一些轉換，以使其更易於使用，然後簡要介紹如何製作模型。 |
| 因此，就動機而言，動機分為三個基本領域。一是完善人才引進流程與業務功能。 |
| 另一個是提高領導公司的主管的理解，第三個是幫助制定對招募經理的期望。 |
| 我將從人才引進開始。僱用率和滯後取決於人才獲取管道中審查階段的流程。但關鍵的是，你必須有足夠的就業申請，然後才能進行任何流程。 |
| 而且，根據領域、發布的貼文的特殊性、競爭程度、廣告的多少等因素，費率和模式會有很大差異。 |
| 應用程式到達的通用數學框架可以更好地理解交易空間，從而提高應用程式捕獲率， |
| 以及其他事情。一些關鍵關係應用程式捕獲率和變異數與就業環境、工作地點、職業水平、實踐領域的關係。 |
| 可調整變數的捕捉率影響廣告職缺的特異性、發布語言——我指的不是英語與西班牙語，而是事物的建構方式。 |
| 並有針對性地進行招募工作。接著是外在因素對捕捉率的影響，例如經濟條件、實務領域的競爭、 |
| 您在招募領域內真正接觸到的專業人士有多少。 |
| 我認為重要的是要認識到人才獲取面臨著專案或計劃執行中常見的典型限制——時間、品質和成本。 |
| 收集申請需要時間。您希望獲得高品質的申請人。這需要花錢，而且你嘗試走得越快，花費就越大。 |
| 所以這裡需要權衡。 |
| 高階主管經常透過勞動力規劃來參與這個過程，這是一個包羅萬象的術語，但基本上，你知道，年度計畫。 |
| 但是，如果缺乏相關模型和有關成本的回饋，對人員預算或流程的典型約束和分配的考慮可能是主觀的或不存在的。 |
| 我的意思是，在高階主管層面，人力資源通常被視為簡單的必要成本，但不一定是推動公司前進的槓桿。部分原因是缺乏訊息，因此提供資訊可能是改善這種情況的一種方式。 |
| 此外，招募經理的期望。 |
| 基本上我們處理的是少量的統計數據和少量的應用程式。 |
| 人類確實容易受到模式偏見的影響，而且大多數招聘經理不會每週都招募員工，因此他們不習慣在很長一段時間內從大量不同案例的角度來看待這個問題。 |
| 這可能會導致他們錨定在他們面臨的最後一種情況中，這可能會導致模式偏差，他們會看到從一周到下一周的申請者數量，並得出結論，這一定意味著他們已經接觸到了所有有興趣的人。 |
| 這些對偏見的直觀反應可能會導致過度反應，因為與小數據統計一樣，如果您不將其放在這種背景下，您會得到錯誤訊息。 |
| 關於數據。到達數據與特定的工作申請相關。因此，您有一份工作申請，該申請有一個發布，以及發布後收到的申請。 |
| 它們的特點有幾個：職業生涯階段； |
| 可見性，可見的範圍有多大； |
| 實踐領域，你正在做什麼； |
| 以及這些領域內可能非常廣泛或非常狹窄的具體要求。 |
| 並且可以在可以存取職位發布的時間窗口內提交申請，因此通常有一個明確的時間範圍。 |
| 它們按日期進行追蹤。 |
| 現在，在這種情況下，稍後使用真實數據進行分析時，我必須使用上次提交申請的日期作為發布截止日期，但這不一定是真的。但是，正如實際數據中經常發生的那樣，我們並沒有擁有我們想要的所有數據。 |
| 最後我要說的是 |
| 您正在計算每天的申請數量。當您看到一天中有零個申請時，即計數為零。 |
| 因此，考慮到全國範圍內招聘職位的潛在申請人， |
| 雇主向世界發布訊息。 |
| 國家潛在申請人庫中的一些人提出了申請。 |
| 人們普遍認為，相對於能做到這一點的人總數來說，能做到這一點的人很少。 |
| 所以你就有如此龐大的申請者群體。它是一個來源以及該來源上的任何應用程式或輕微擾動。 |
| 而且，非常明確地說，這對於習慣於處理泊松數學的人來說可能非常無聊，但是 |
| 如果您在第一天看到一份申請到達，那就是計數為一的一個實例。第二天沒有收到申請。這是計數為零的一個例子。因此，在最右側，您可以看到三個零實例、三個一實例、一個二實例和一個三實例。 |
| 這是可以擬合的，雖然資料不是很多，但可以用泊松模型擬合，你可以看到右下角的藍線。 |
| 因此，平均每天有一個應用程式到達，但每天的實際數量會因分佈而異。就是這樣。 |
| 因此，泊松分佈可用於描述透過隨機發射離散項目來源在單位時間內產生計數的機率，這些離散項目具有每單位時間的恆定平均發射率 Lambda。 |
| 你就得到了這個方程式。而且，在數到四的情況下，在上一張投影片中顯示的機率非常小， |
| 你基本上有一到第四個。 |
| 乘以 e 減去 Lambda，所以基本上是 37% |
| 除以四階乘，即 24，約為百分之一半，其機率雖小但非零。 |
| 所以，作為第一個假設 |
| 我們假設全國分佈的潛在申請人中的成員以不協調的方式行事 |
| 關於就業機會，因此泊松模型可能是有意義的。 |
| 所以這是一個合理的初始假設。 |
| 現在，如果他們真的互動怎麼辦？ |
| 然後，可以根據 Gamma-Poisson 源模型來設想，該模型本質上是使用 Gamma 分佈作為混合分佈的泊松分量。 |
| 或者您可以將其視為模糊的泊松分佈，因為速率（平均速率）不是恆定的平均速率，而是從一個時刻到下一個時刻都會發生變化。 |
| 這可以在申請人以協調的方式行事的另一種假設下發生， |
| 如果存在人們相互談論工作機會等問題的網絡，這種情況就可能發生。 |
| 現在這裡是 |
| 關於如何產生伽瑪-泊鬆的幻燈片。這是基本的東西，但我發現查看這些發行版會很有幫助。 |
| 所以我要突破並在JMP中做一個小DEMO。 |
| 現在你在這裡看到的，隨機伽瑪四一，只是意味著參數為四和縮放參數為一的隨機伽瑪，所以平均值是四。 |
| 你看一下分佈。這裡有 100,000 行；你會得到一條曲線，就像你在投影片上看到的那樣。 |
| 平均數約為四，當您多次執行某件事時就會發生這種情況。 |
| 這幾乎就是它該有的樣子。 |
| 現在，取得該發行版並使用它 |
| 作為隨機泊鬆的饋送。 |
| 你明白了。 |
| 這看起來不像以前的泊松分佈，因為它被塗抹掉了。 |
| 如果您查看泊松擬合，您會發現最佳擬合 |
| 平均四個，這就是它真正能做的， |
| 具有比伽瑪泊松更窄的色散，只是為了驗證是的，它是伽瑪泊松， |
| 看那裡的紅線。 |
| 而且它真的非常非常適合。 |
| 幾乎完美。 |
| 所以，從本質上講，這是一個經歷了這個過程的案例 |
| 溝通過程中，如果你願意的話，泊鬆不再是最好的模式。 |
| 我剛剛展示的案例顯示在該四面板的右上角。 |
| 西格瑪等於二，即二的過色散參數。 |
| 如果過度色散參數為 1，則左上方的 Sigma 等於 1，那麼這與泊松分佈本質上是相同的。 |
| 但隨著過度色散參數的增加，從駝峰到尾部，變成看起來更像衰減指數的東西。你會看到右下角的藍色部分， |
| 這裡的顏色與之前的顏色相反，所以如果有任何混淆，抱歉。 |
| 現在這是真實數據。 |
| 因此，這是一個廣泛接觸的早期職業機械工程職位的例子。 |
| 140 個應用程式建立 131 個計數，其中許多計數為零，因此該計數分佈在一段時間內（131 天）。 |
| 伽馬-泊松最適合，您可以在左上角看到它。 |
| 我使用 Akaike 的標準 AIC |
| 公制。 |
| 在左下角，你會看到 |
| 一個經驗豐富的職位。現在經驗豐富的專業人士沒有大學安置人員等的網絡。 |
| 或者必然是你在大學環境中看到的與其他人的持續沉浸。這並不能證明任何事情，而只是一種合理化的方式，也許這就是為什麼您會看到更經典的泊松行為以及經驗豐富的專業回應的原因。 |
| 在這裡展示一下，它似乎也與應用程式的數量相關。其他重要的因素似乎是 |
| 職業生涯階段。 |
| 正如我剛才提到的，FLSA 狀態（非豁免）意味著技術人員而不是豁免員工。 |
| 這些因素似乎很重要，但隨著應用程式數量的增加，肯定會存在偏差，變得更有可能是伽瑪泊松分佈。 |
| 現在，如何準備這些數據以供分析。按工作要求劃分的申請日期 |
| 表格設定零 |
| 當沒有計數時。 |
| 然後對每個要求擬合泊松和伽瑪-泊松，找出哪一個為您提供更好的 AIC 值。 |
| 同時，每個申請用一行或一行製作申請總表，然後將它們融合在一起以給出泊松和伽馬泊鬆的參數，以及告訴您哪一個更有可能的 AIC 參數更合適。 |
| 子集化後，您會得到泊鬆的摘要和伽瑪-泊鬆的摘要，因為這些很難一起處理。 |
| 您可以使用西格瑪為 1 的伽馬泊松，但最終會出現零通貨膨脹，並且處理起來變得複雜，所以我只是將它們分開處理。 |
| 無論使用哪個子集，該過程都會顯示參數與驅動因素的擬合線性模型。 |
| 此參數由模型標準化。 |
| 然後我會看看所有驅動條件的共同分佈是否合理，在這種情況下，本質上是站點位置、早期或晚期職業等的申請背景。 |
| 如果它們可能屬於相同分佈，則可以建立一個公共分佈參數集並將其用於整個資料集。 |
| 否則，該方法就會失敗，而且目前我還沒有機制來處理它，所以幸運的是，這種情況沒有發生，但這是未來需要考慮的事情。 |
| 因此，這是一些按上下文劃分的泊松參數分佈，其中上下文與網站有關，無論是早期還是晚期職業生涯，或者您可以說， |
| 以及它是哪個實踐領域。其中每一個都有一個“B”，意思是廣泛的，因為分析僅限內部的工作申請是一件困難的、不同的事情，機會也受到更多的限制，所以我在本次演示中只堅持廣泛的案例。 |
| 您可以看到，平均變異數因請購單上下文的不同而明顯不同，不，它們不屬於同一分佈。您可以輕鬆地證明這一點。 |
| 看看較小的子集，只是初始區塊，即站點 A 的早期集合，更明顯的是，平均值和標準差遍布整個地圖。 |
| 現在我也要做一個小示範。 |
| 所以我有這個數據。 |
| 現在，這是一個非常簡單的模型。我將採用泊松參數輸出，並且我將使用申請上下文，這是多級的 |
| 主觀變數。 |
| 運行它，您會看到 R 方約為四點。這意味著 |
| 這並非微不足道。模型擬合度其實相當不錯。 |
| 而且這個參數的擬合度非常好。它沒有涵蓋所有差異，但這沒關係，因為我們不希望它涵蓋所有差異；它只是說這是一個非常好的模型。 |
| 它也可以純粹作為表格來完成，但我喜歡這種方法，因為它使操作變得容易，並且讓我了解在這種擬合中要處理多少可變性。 |
| 它可以去這裡，看看 |
| 實際的預測，你看，是的，這不是一個很好的模型，但它確實有一個目的。 |
| 您可以做的另一件事是保存預測公式。 |
| 所以你在這裡看到了。 |
| 因為我已經這樣做了，所以它會自動添加下標。 |
| 你看這本質上就是 |
| 一個常數 |
| 加上請購單上下文的偏移量。 |
| 不涉及火箭手術。 |
| 但現在，如果我想做標準化， |
| 新增一列。 |
| 打電話給這個 |
| 再次諾姆泊松，因為我已經為了製作這個而做過一次了 |
| 表放在第一位。 |
| 找到泊松。這是我的泊松參數。將其除以 |
| 模型擬合。 |
| 這實際上應該有效。 |
| 不知道這裡發生了什麼事。 |
| 好吧，永遠不要進行現場演示，這是規則，但這在過去一直有效，我真的不確定發生了什麼。 |
| 這是我的泊松參數。 |
| 這是我的預測公式。 |
| 哦。你永遠不應該嘗試將某物除以 |
| 本身。這就是為什麼它不起作用。 |
| 現在已經很固執了。 |
| 好的。 |
| 有時微妙的事情很重要。這是歸一化的泊松。 |
| 有趣的是 |
| 你可以適應這個。 |
| 從可用的瓶子中，您會發現 Johnson SL 最適合併且效果非常好。 |
| 而且你還可以 |
| 用 X 擬合 Y。 |
| 取這個輸出 |
| 並根據請購單上下文進行比對。 |
| 並得到這個單向圖。 |
| 這看起來比我之前展示的要規則得多。更有可能的是，它們具有相同的分佈。當數據較多時，您會看到更大的範圍，但事實並非如此， |
| 這並不奇怪，真的。 |
| 如果您查看不等方差測試，您會發現沒有跡象表明它們不等方差。 |
| 這並不能證明它們不具有相同的分佈，但這是一種說法，使用假設它們具有相同分佈的模型是合理的。 |
| 所以。 |
| 回到這一點。 |
| 哦，我還對每種情況與其他所有情況進行了柯爾莫哥洛夫-斯米爾諾夫檢驗，在 78 個案例中，只有一個案例的 p 值小於 0.05。 |
| P 值不能證明任何事情，但它確實表明，將這些來自相同分佈的值視為合理的。 |
| 這只是之前那個較小子集的放大版本，但您可以看到這是合理的；這不是證據，但它是合理的。 |
| 並透過適合度檢定 |
| 再次，這似乎是合理的 |
| Johnson SL 是一個合理的模型，可用來描述此資料集的泊松參數分佈（歸一化泊松參數分佈）。 |
| 可以對 Gamma-Poisson 和該資料子集以及 Lambda 參數（即等效參數）執行相同的操作。 |
| 這再一次奏效了。 |
| 為了計算 Sigma 參數，我實際上使用 Sigma 減一，因為 Sigma 的基線為 1。 |
| 如果你願意的話，這裡的模型品質甚至更低，但有必要使用 |
| 單獨的建模步驟，因為 Lambda 與 Sigma 相關，因此您希望能夠在其中對該效果進行建模。 |
| 再一次，你會得到一個合適的。 |
| 在這種情況下，它是約翰遜蘇。 |
| 這就是正在發生的事情。我們產生合成隨機分佈參數。 |
| 從資料子集中，產生基於上下文的線性模型。 |
| 標準化參數分佈並將其擬合到常見的參數連續模型。 |
| 然後為了產生合成參數，從歸一化參數分佈中獲取一個隨機數，並將其乘以適當的線性模型結果，也就是說，對其進行「去歸一化」。 |
| 現在評估合成隨機模型參數，我再次使用 KS 測試，你可以看到沒有辦法真正區分它們，所以至少這是一種說它看起來可信的方式 |
| 與真實案例相比。 |
| 我還做了一個複合模型。 |
| 將其轉換為函數，這樣它就可以是一個可呼叫函數，然後，這在 JSL 中，是 JMP 腳本語言中的可呼叫函數 |
| 用於以上下文作為輸入（所有不同的上下文特徵）產生隨機工作申請的參數。 |
| 現在，不打算討論所有細節，但重點是，您可以使用合成隨機參數對創建可視化，這不僅可以讓您了解事物通常在熱圖中的位置，還可以讓您了解事物在熱圖中的位置。 |
| 關於異常值的一種想法什麼是合理的異常值以及它到底有多遠。 |
| 您也可以查看是否進行相關性計算 Lambda 和 Sigma 之間的相關性 |
| 且合成的Lambda和合成的Sigma之間幾乎是相同的。 |
| 它相當緊密地模擬了這種關係。 |
| 然後，如果你用真實的數據來看這個， |
| 這是主圖中的小黑點。 |
| 百分之九十八的合成密度位於交叉影線指示的微紅色區域中，該區域是中間的插圖，周圍有綠色方塊。 |
| 所有數據點，其中有 43 個， |
| 掉在那裡。 |
| 所以。 |
| 這又是對真實發生的情況進行合理建模的綜合模型。這是可信的，但它向您展示了在其他百分之幾的情況下可能會發生什麼。 |
| 這就是我所進行的建模，但是你可以看到你可以使用上下文；您可以使用其他變量，例如多少 |
| 招聘廣告語言中的特殊性將使合格的人更少，可能會嚇跑一些人。 |
| 您可以查看該語言的製作方式。如今，人們正在使用人力資源工具來製作更容易接受的語言。您可以看到隨著時間的推移和多次工作申請，您所獲得的收入會產生多大的差異。 |
| 您可以將這些視為模型的因素，然後您可以調整應用程式方式 |
| 根據您的需求建立請購單時的這些功能。 |
| 但現在我要切換到，好吧，這又是什麼樣子的。再次是基本原理，因此對於每週 7 個泊松分佈的情況，30% 的時間，計數將是 5 或更少。 |
| 因此，您應該預期其中之一是您應該預期需要的應用程式數量 |
| 獲得具有相當競爭力的招募選擇所需的時間會有所不同，因為即使平均為七個，您得到的數字也會有很大差異。 |
| 泊鬆的變異數與參數相同，因此您會得到廣泛的變化。 |
| 因此，如果您習慣於考慮長期平均值 |
| 或由另一個案例錨定，您可能會被任何特定的實例拋棄。 |
| 問題就在於這種模式識別偏差。 |
| 聚類錯覺是一種傾向，認為小樣本中不可避免的條紋或聚集意味著正在發生非隨機效應，有某種意圖。 |
| 正如 RD Clarke 在 1946 年對德國 V 彈的分析中發現的那樣，這顯然與泊松分佈數據無關。 |
| 地點落在倫敦地區。 |
| 人們會看到分組的發生，他們會認為這意味著什麼，但他能夠透過將過程視為泊松分佈來證明這是非常令人滿意的 |
| 分佈式，這意味著無論如何有時您都會獲得集群，並且肯定與您所看到的一樣頻繁。 |
| 所以這意味著實際上發生的事情並不是他們的目標是什麼，而是他們的總體目標是倫敦，而且他們通常會擊中倫敦的某個地方。 |
| 在本例中，查看作業，在三週的時間範圍內獲得序列（其中計數減少或增加）的可能性約為 12%。 |
| 在此範例中，獲得兩週計數下降（即一周計數大於另一個）的可能性為 45%。 |
| 這些都是非常短的模式；它們不應該被認為有任何意義，但那些不了解統計數據本質的人可能會這樣認為。這才是真正的重點。這可能會導致過度反應。 |
| 現在，實踐領域的差異大約是一個數量級。 |
| 有些領域比其他領域更難獲取，因此，如果人們不理解這些差異，他們的期望可能會出現偏差。 |
| 如果你從整體來看申請表，而不僅僅是按實踐領域，你會發現 95% 的差異約為 25 倍 |
| 範圍從 2.5% 到 97.5%。變化還是很大的 |
| 在費率中。 |
| 然後，如果您了解帖子語言的製作方式、範圍有多窄、範圍有多廣，會如何影響這一點， |
| 語言吸引什麼，宣傳所有這些因素， |
| 然後你可以決定多少 |
| 您想要提高這些速率並更快地完成流程。 |
| 這是使用我之前討論過的模擬模型的特定職位發布的案例。 |
| 在站點 A 和學科實踐領域 9 建立專業人士，同樣，這都是專有的東西，所以不會透露那是什麼；那隻是一種特殊的專業人士。 |
| 你會發現這個非常廣泛的差異 |
| 95% 的置信度介於 0 到 9 之間，中位數為 2。 |
| 這會讓人們感到困惑，這個小數字統計數據會讓人們感到困惑，因為他們期望事情會更加規律。 |
| 模型和方法有其限制。 |
| 數據、數據的品質始終很重要。如果資料是在短時間內收集的，那麼具有稀有技能的不常僱用的領域很可能會從資料集中消失。 |
| 但另一方面，很多外在變數是你無法控制的 |
| 或許 |
| 如果您使用較長的時間範圍作為這些分析的基礎，則資料收集的時間範圍內會發生變化。 |
| 且建模方法沒有考慮自我蠶食。如果您在一個領域內有兩份申請，申請人是同時申請這兩項還是選擇其中一項。也許在某些情況下他們會選擇他們認為最好的機會。 |
| 該模型對此沒有做任何事情，但僅通過捕獲發生的情況來代表現實世界的結果。 |
| 但這並不代表錯過的機會範圍，因為如果您可能希望他們適用於所有他們可能有資格的人，只是看看他們可能適合哪裡。 |
| 所以結論。一些就業申請對職位發布的回應往往分佈為泊鬆或伽瑪-泊松。 |
| 這是透過包含約 2,500 份總申請的大型資料集進行檢查的。 |
| 應用程式回應的分佈參數變化很大。 |
| 如果歸一化 |
| 它們可以適合常見的設定檔。 |
| 由通用設定檔產生的那些簡潔模型有助於產生綜合隨機申請模型。 |
| 這將允許人們進行某種範圍界定或分析 |
| 可能性 |
| 在不同的情況下。 |
| 我認為值得一提的是，申請到達模型可以填補理解完整員工生命週期的重要空白，因為它們將為招募經理和人力資源專業人員提供有關這些模式偏差的觀點。 |
| 如果您想以現實的方式做到這一點，它們可以在離散事件或基於代理的模型中用作生成申請人的一種方式。 |
| 和 |
| 也許最重要的是，從經濟角度來看， |
| 這是一種將每位申請人的成本與工作特徵以及各種其他可調整且無法控制的外部因素進行比較的方法。 |
| 那麼，這將讓我們更了解預期的情況，即填補職位的速度、填補空缺的速度以及這樣做需要多少費用。 |
| 取決於與廣告的關係等。 |
| 我今天要介紹的內容到此結束 |
| 我只想說，如果您有任何疑問，您應該從這裡獲得聯繫信息 |
| 影片或其放置位置，請隨時與我們聯繫。 |
| 克里斯蒂·西班牙 | 好吧，那真是太棒了。 |
| 是的，除了我的東西無法工作的部分，因為我搞砸了演示。 |
| 但這是一個很好的、安全的、很好的保存，我終於意識到我在做什麼。 |
| 是的，JMP 不會做傻事，無論您多麼想要它。 |
