你好，
我是
杰瑞
鱼。
I 工作 为了 跳转。
I 支持 我们的 顾客 在 这 中央 地区 的 这 团结的 州。
今天， ID 喜欢 到 讲话 到 你 关于 一个 插件 那 我已经 发达。
这 标题 的 这 纸 是
检索A 任意的 真实部分 分布
来自 M 测量 部分 分布 和 这 测量 特征
那 去 沿着 和 这 测量。
今天的 议程。
第一的 是 去 到 讲话 关于， 的 课程， 什么 这样做 讲话 地址？
为什么 是 这 所以 重要的？
为什么 不能 我们 只是 减去 差异 到 得到 我们的 真实零件分布？
A 小的 少量 关于 什么是 在后面 我们的 估计 计算。
患病的 演示 这 插件，
包括 一些 测试 结果 和 添加 一些 故障排除 尖端。
患病的 告诉 你 在哪里 你 能 寻找 这 插件，
和 然后 出色地 分享 和 你 如何 你 能 给 我 反馈
在 什么是 好的 和 什么 你 不 喜欢 关于 这 插件，
区域 为了 改进， 和 所以 向前。
什么 是 我们 寻址 这里？
出色地， 是 说 关于 一个 插件 那 确定 a 真实零件分布
如果 你 给 它 a 测量 部分 分配
和 如果 你 描述 你的 测量 表现 特征。
它是 漂亮的 简单的 到 概念化 如果 我们 开始 和 a 真实零件分布。
这是 我们的 真的 部分 价值 相对 我们的 百分比 的 部分。
然后 我们 跑步 那 通过 a 测量，
一个 不完善 测量 那 有 一些 方差 和 偏见 特征。
我们 将要 得到 a 测量 部分 分配 出去 的 那。
我们 不 知道， 尽管， 什么 我们的 真实零件分布 是。
什么 是 说 关于 是 交换 那些 职位
在哪里 我们 开始 和 a 测量压力 艺术 分配，
我们 减去 出去 我们的 测量 表现 特征，
和 我们 结尾 向上 和 a 真实零件分布。
那是 漂亮的 简单的 到 理解， 但 它 获取 更多的 复杂的
如果 我们 有 a 测量 部分 分配 那 是 不是 通常情况下 分布式
和/或 我们 有 a 量规 那 执行 在 非标准 方法， 你 可能 说。
也许 我们的 标准 偏差 节目 曲率 和 这 测量 部分 价值，
或者 或许 它 有 偏见 那 线性地 变化，
或者 或许 它 有 曲率 作为 出色地。
如何 能 我们 拿 这些 数量， 这 测量 部分 分配
和一个 随意的 测量 表现 曲线，
和 来 向上 和 什么 这 真的 部分 价值 曾是
那 必须 有 造成 这 测量 部分 价值？
为什么 是 它 重要的？
出色地， 我们 全部 知道 那 全部 量规 是 不完善。
我们会 喜欢 到 得到 一个 主意 的 这 真实零件分布。
你会 看 它 提及 到 作为， 我们 去 沿着 作为 转运蛋白。
我们 能 理解 我们的 类型 1 和 类型 2 错误。
A 类型 1 错误 方法 我们的 测量 是 投掷 离开 好的 部分。
A 类型 2 错误 方法 我们的 测量 是 接受 坏的 部分。
两个都 的 这些， 特别 在 a 制造业 环境，
是 坏的 事物 到 发生。
如果 是 投掷 离开 好的 部分， 然后 那是 浪费。
我们 不 想 到 有 浪费 在 我们的 过程。
那是 只是 a 直的 底部 线 扣除 从 我们的 利润 陈述。
我们 还 不 想 到 接受 坏的 部分。
如果 我们 做 那， 我们 船 这 坏的 部分 出去 到 a 顾客。
是 可能 去 到 得到 投诉， 是 去 到 得到 返回， 返工，
它是 去 到 损害 我们的 公司的 名声。
我们 不 想 到 有 任何一个 一 的 那些 类型 的 错误。
他们 两个都 伤害 我们的 公司。
如果 我们 知道 这 真实零件分布，
我们 可以 估计 这 成本 联系 和 这些 错误。
那 特别的 主题 是 已解决 在 其他 纸
存在 呈现 这里 在 发现 2023年。
和 这 标题 和 这 纸 数字， I 鼓励 你 到 看 它 向上。
I 合著 这 纸 和 二
的 我的 同事， 布雷迪 布雷迪， 和 杰森 威金斯。
我们 需要 那 真实零件分布 到 制作 这 评估。
为什么 不能 我们 只是 减去 这 差异？
出色地， 你 能。
如果 你的 测量零件分布是 通常情况下
和 你的 测量 有 持续的 方差 和 偏见 穿过 这 测量 范围，
然后 你 能 得到 到 你的 真实零件分布。
你 不 知道 这 真实部分 价值观 的 个人 部分。
你是 绝不 去 到 知道 那， 但 你 能 得到 到 这 分配。
它是 简单地， 在下面 这些 约束， 在下面 这些 假设，
这 方差 的 这 真实零件分布 是 只是 这 不同之处 在 这 差异
的 你的 测量零件分布 和 你的 测量 方差。
你 减去 那些 二，
你 拿 这 正方形 根， 和 你 得到 这 标准 偏差 的 你的 测量。
T 他 平均的， 我是 对不起， 标准 偏差 的 你的 真实零件分布。
这 平均的 在哪里 你的 真的 部分 分配 是 居中
是 简单地 无论 你的 测量 部分 分配
是 居中 减 这 偏见 的 这 测量。
O f 课程， 这 问题 是， 什么 做 你 做
如果 你的 测量零件分布 是 不是 普通的
或者 如果 你的 测量 有 异常 特征？
这 是 如何 我们 能 概念化 输入 这些 价值观，
和 患病的 展示 你 这 插件 在 只是 a 第二。
我们 能 有 任何 随意的 输入。
这里 我们已经 得到 为了 我们的 测量零件分布，
这 是 我们的 测量零件值。
T 他 计数 为了 然而 部分 那 我们 有 测量。
或许 这 看起来 喜欢 a 组合 的 二 普通的 分布。
或许 它是 某物 a 小的 不同的 比 那。
这 观点 是， 你 能 放 在 任何 输入 那 你会 喜欢，
任何 输入 形状 为了 这 测量 部分 分配。
然后 我们 描述 这 测量 使用 二次函数 函数
为了 这 西格玛 和 为了 这 偏见 的 这 测量。
通常情况下， 全部 你是 去 到 有 是 a 标准 测量
会 是 只是 这些 常量 出去 这里 在 正面，
C0 和 D0， 和 D0 可能 是 零 如果你 不 有 任何 测量 偏见。
I f 你的 西格玛 变化 线性地 和 部分 价值，
我们 允许 你 到 放 在 C1 和 D1 如果 你的 偏见 变化 线性地。
如果 有 任何 曲率， 我们 允许 你 到 放 在 a C2 和 a D2。
什么时候 你 放 向上 你的 测量 方程， 如果 你 放 在 全部 的 这些 价值观，
它是 可能的 到 产生 消极的 标准 偏差
之内 这 测量 范围。
不 做 那。
如果 你 能 避免 它， 不 做 那。
那里 可能 是 意外 结果 和 这 插件
如果 你 有 消极的 标准 偏差。
只是 提防 的 那。
什么是 在后面 这 估计 计算？
出色地， 我们 开始 和， 的 课程，
这 实际的 措施 部分 分配 和 这 测量 特征。
我们 选择 一个 估计的 真实零件分布，
哪个 似乎 喜欢 a 好的 主意。
出色地 开始 和 实际 测量 D 部分 分布。
然后 我们 放 那 估计的 真实 D 部分 分布
通过 a 转型 那 代表 这 测量 特征，
和 那 收益率 一个 估计的 测量 部分 分配。
我们 能 然后 比较 这 估计的 测量压力 RT 分配
和 这 实际的 测量压力 艺术 分配 在 a 逐个箱 基础
和 得到 a 残差 和 的 正方形 错误 为了 那 比较。
然后 如果 我们 去 后退 和 调整 这 振幅
的 这 真的 D 部分 分布 估计，
我们可以 调整 那些 直到 我们 得到 这 估计的 措施 部分 分配
到 同意 作为 密切 作为 可能的 与 实际的 措施 部分 分配。
我们 做 那 使用 a JSL 最小化 功能
到 尝试 到 最小化 这 残差 和 的 正方形。
全部 正确的， 让我们 拿 a 看 在 这 插件。
一次 你 安装 这 插件，
它 将要 来 在 在下面 测量 学习 工具 和 脱硫塔 估计。
这 是 什么 这 插件 现在 看起来 喜欢， 版本 1.0。
我们 开始 离开 和 这 能力 到 选择
什么 类型 的 输入 测量零件分布 你 有？
现在 那 各不相同， 患病的 来 后退 到 这 随意的 形状 在 a 分钟。
我们 还 有 普通的，
你 输入 这 平均的 和 标准 偏差， 对数正态， 威布尔，
指数， 伽马， 和 双混合物 普通的 分配。
我们 能 放 这些 向上 到 是 参数 如果 我们 想。
如果 你 知道 那 你 有 a 威布尔 分配， 为了 例子，
你 能 使用 那 作为 你的 输入 分配。
让我们 开始 和 普通的。 让我们 只是 制作 它 简单的。
这里 我们 有 a 普通的 分配 有 a 意思是 的 零
和 a 标准 偏差 的 三。
T 帽子 显示 在 这 控制板 这里 在 这 小的 图形。
让我们 使用 a 测量， 那是 a 非常 简单的 测量，
有 a 标准 偏差 的 一 和 a 偏见 的 零。
点击 下一个。
这里， 很多 喜欢 多于， 我们 得到 到 选择 这 真实零件分布 形状。
我们 可以 说 那是 去 到 是 随意的， 或者 它 可以 有 a 普通的 分配，
或者 它 可以 有 a 对数正态， 全部 这 相同的 分布 这里。
或者 向下 这里 在 这 底部，
我们 给 你 这 选项 到 合身 全部 的 这 分布 多于。
让我们 再次 开始 和 a 简单的 例子 的 a 普通的 分配，
和 出色地 计算 那些 结果。
我们 展示 二 输出 地块。
这 阴谋 节目 这 真实零件分布 在 蓝色的，
这 估计的 真实零件分布 相对 这 测量 部分 分配，
这 实际的 测量 部分 分配 在 红色的。
作为 你 会 预计 在 这 案件，
我们已经 得到 a 普通的 分配 为了 这 测量， 和 我们已经 得到 a 简单的 测量。
这 是 一 的 那些 那 我们 可以解决 经过 手 如果 我们 通缉 到。
我们 结尾 向上 和 a 轻微地 更窄 真实零件分布 比 这 已測量。
如果 我们 然后 去 到 做 a 查看 在 那，
我们 能 拿 那 真实零件分布， 放 它 通过 这 测量，
和 我们 结尾 向上 和 一个 估计的 测量 分配 相对 这 实际的。
那是 什么 我们 得到 向下 这里。
它 看起来 喜欢 我们已经 得到 非常 好的 协议 在 这 特别的 案件。
让我们 去 后退 向上 到 我们的 测量 定义。
出色地 保持 这 相同的 测量 部分 分配。
这 时间 出色地 放 在 a 偏见 的 二。
出色地 解决 再次， 假设 那
我们的真实零件分布 是 通常情况下 分布式。
我们 得到 这 出去。
漂亮的 简单的 到 概念化。
一切 是 只是 转移 超过 经过 二 單位。
这是 我们的 真实零件分布 和 我们的 测量 部分 分配。
如果 我们 放 那 通过 那 测量 和 这 偏见，
我们 得到 后退 到 非常 好的 协议 之间
这 实际的 测量零件分布和 这 估计的 措施 部分 分配。
第三 例子， 让我们 说 那...
让我们 来 后退 向上 这里 和 患病的 转动 偏见 离开 自从 我们已经 证明 那。
让我们 说 我们已经 得到 这 相同的 输入， 我们已经 得到 这 相同的 简单的 测量，
但 现在 让我们 说 或许 我们已经 得到 a 伽玛 分配 这里。
有 伽马， 和 我们 想 到 合身 那。
出色地 打 计算。
这 是 这 最好的- 合身 伽玛 分配 为了 那 输入 普通的 分配。
你 能 看 它 没有 合身 相当 作为 出色地。
我们的 真实零件分布 是 a 小的 少量 倾斜的， 哪个 是 特征 的 伽玛。
如果 你 放 那 通过 我们的 测量， 我们 结尾 向上 和 这 协议
之间 这 测量 部分 分配， 实际的 和 这 估计的。
它是 不是 作为 好的 a 合身。
A 概括 的 那些 是 给定 这里 在 这 桌子。
这 节目 我们 那 这 第一的 时间 我们 跑了 这， 我们 做过 a 普通的 分配 输入，
哪个 和 二 参数， 我们 做过 a 普通的 合身 在 这 输出
和 二 参数， 和 我们 得到 这 和 的 正方形 错误。
这 第二 时间 曾是 和 a 偏见，
和 我们 得到 这 相同的 和 的 正方形 错误 在 这 结尾， 作为 你 可能 预计。
然后 和 这 伽马， 我们的 和 的 正方形 错误 曾是 a 小的 少量 更高。
我们 得到 a 快的 小的 概括 在 这 桌子。
那里 是 二 其他
跳转 数据 表 那 是 建造 那 有 全部 的 这 信息，
这 原来的 分配 和 这 输出 分布
和 全部 这 测量 特征。
全部 的 那些 是 总结 在 这些 其他 二 表
到 允许 你 到 去 通过 和 制作 你的 自己的 情节 如果 你 想 到。
他们 是 还 那里。
让我们 做 一 那是 a 小的 少量 不同的。
让我们 来 后退 向上 到 这 顶部 和 让我们 选择 a 用户定义 形状。
这 数据 桌子 是 简单地 a 双列 数据 桌子。
这 第一的 柱子 是 假定 到 是 这 中心 的 你的 部分 价值观，
你的 垃圾桶 中心， 如果 你 将要， 在 那 直方图。
这 第二 柱子 代表 这 振幅 作为 你 去 穿过。
那些 振幅 能 是 实际的 部分 计数， 他们 能 是 百分比。
任何事物 那 每个 垃圾桶 高度
或者 每个 直方图 酒吧 高度 是 相对的 到 这 其他 高度。
I 规模 一切 到 制作 这 和 的 全部 那些 添加 向上
到 一 之内 这 程序 反正。
作为 长的 作为 这 相对的 高度 是 这 相同的，
没有 事情 什么 这 实际的 振幅 是。
I 给 这 选项 到 打开 a 数据 桌子 如果 它是 不是 已经 打开了，
或者 如果 它是 已经 打开 之内 跳转，
然后 我们 能 只是 说， 选择 这 已经 打开 数据 桌子。
这是 一个 例子 和 a 正方形 海浪
或者 a 制服 分配 为了 我们的 输入， 测量 部分 分配。
现在， 这 是 a 艰难的 分配 到 有。
如果 你 思考 关于 这， 如果 你已经 得到 a 测量
那是 制作 通常情况下 分布式 错误 在 任何 观点，
它是 去 到 是 真的 难的 到 制作
某物 那是 好的 和 锋利的 和 脆 喜欢 这 分配 在 这 输出。
让我们 给 它 a 尝试。
让我们 说 这里 我已经 得到 a 漂亮的 宽的 变化。
这 去 从 零 到 30岁， I 思考。
让我们 说 我们已经 得到 a 量规 那 有 a 标准 偏差 的 五 和 不 偏见。
让我们 说 我们 想 到 合身 a 普通的 分配 到 那，
和 现在 出色地 计算 那些 结果。
这里 我们已经 得到 这 最好的 合身 普通的 分配
为了 a 真实零件分布 那是 去 到 跑步 通过 这 测量
和 a 标准 偏差 的 五 到 尝试 到 给 我们 这 正方形 海浪
为了 我们的M 测量 部分 分配。
如何 出色地 做过 我们 做？
出色地， 它是 这里。
它是 不是 a 真实的 伟大的 形状， 和 你 大概 不会 预计 它
到 是 a 伟大的 合身 给定 那 是 尝试 到 使用 a 普通的 分配
到 合身 a 正方形， 一个 升I 正方形 功能。
如果 我们 通缉 到 做 一个 随意的 功能， 让我们 说 这 一 这里。
这 一 I 只是 制成 向上 一些 数据。
患病的 展示 你 a 小的 少量 更多的 关于 什么 它 是。
或许 这 看起来 喜欢 a 普通的
两种混合物， 二 普通的 分布 混合 一起。
让我们 查看 那 出去。
让我们 看 如果 我们 能 合身 这 到 a 双混合物 普通的，
和 那 选项 是 向下 这里， 和 出色地 计算 那些 结果。
这里 我们 去。
让 我 跑步 那 一 更多的 时间。
I 不 想 我的 标准 偏差 到 是 那 大的。
让我们 拿 a 更小 标准 偏差。
出色地 讲话 关于 那 事物 在 a 分钟。
一切 别的 这 相同的， 计算 结果。
有时 它 需要 a 很少 秒 到 来 后退。
它 只是 取决于 在 道路 这 常规 是 配件 事物。
这里 是 我们的 已安装 真实零件分布
比较的 到 这 测量 部分 分配。
假设 那 我们的 真实零件分布
是 二 普通的 分布 混合 一起。
如果 你 跑步 那 通过 这 测量， 它 结束 向上 寻找 喜欢 这。
这 是 这 试图 到 匹配 那
和 什么 我们的 测量 D 部分 分布 会 有 到过。
那是 不是 也 坏的。
那是 这 方式 那 这 插件 作品。
现在， 那里 是 其他 选项 这里，
和 那 是 什么时候 你 合身， 你 能 选择 任何 输入 你 想
为了 你的 测量 部分 分配， 你的 测量 特征。
然后 什么时候 你 合身 向下 这里， 你 能 还 合身 一个 随意的 形状。
现在， 那 需要 在 我的 个人电脑 或许 a 分钟 到 跑步。
我是 去 到 空闲的 你 那 和 只是 展示 你 这 输出 之内 a 微软幻灯片软件 滑动。
这里 我们 是 后退 在 微软幻灯片软件。
这 是 一 其他 例子 那 我已经 得到 前 I 得到 到 这 随意的 输入。
这 一 有 a 偏见 那 我已经 表达 作为 一 加 0.03 次 这 部分 价值。
我已经 得到 a 线性地 改变 偏见 穿过 这 测量 范围。
I 有 a 普通的 分配 为了 我的 输入，
和 I 想 到 合身 a 普通的 分配 到 这 输出。
作为 它 转弯 出去， 这 是 我的 真实零件分布，
和 这 是 我的 测量 部分 分配。
如果 I 跑步 那些 通过 这 测量，
甚至 尽管 它是 得到 这 线性地 改变 偏见
穿过 这 测量 范围， I 得到 非常 好的 协议 之间 这 二。
这 是 什么 发生 如果 I 拿 那 正方形 海浪
和 说， “嘿 跳转， 去 合身 任何 真实零件分布 你想要
和 跑步 它 通过 a 测量 那 有 a 西格玛 的 二 和 a 偏见 的 零，
和 告诉 我 什么 那 分配 可能 看 喜欢。
什么 你 得到 出去， 这 红色的 曲线 再次
是 这 测量 部分 分配， 那 正方形 海浪。
你 得到 这 看起来很疯狂 事物 和
全部 不同的 峰 和 山谷 在 它 作为 这 真实零件分布。
出色地， 那 没有 看 喜欢 任何 真实部分 分配 那 I 会 有，
但 如果 你 看 向下 这里， 什么时候 你 跑步 那 通过 这 测量，
它 做 a 漂亮的 好的 工作 的 模拟 这 正方形 海浪 分配。
这是 制服 分配。
I 相信 它是 在职的。
现在， 那里 是 原因 那 它 可能 过来 和 某物 喜欢 这，
大概 联系 和 这 解决 的 这 测量 那 你 有。
这 测量 只是 可能 不是 解决 足够的 元素 穿过 这 测量 范围
作为什么 你 需要 到 得到 a 好的 光滑的 分配 超过 这里。
那是 这 主意 那 你 能 做 这 和 这 测量。
A 小的 关于 故障排除。
那里 是 问题 如果 你的 测量 标准 偏差
是 也 大的 在 比较 到 这 测量 部分 解决。
如果 你 有 a 测量 部分 分配，
让我们 说 它是 通常情况下 分布式 和 a 标准 偏差 的 三，
和 你 告诉 这 插件 那 我的 测量 有一个 标准 偏差 的 五。
出色地， 有 不 方式 到 得到， 甚至 如果 你 有 这 相同的 真的 部分
那 你 措施 超过 和 超过 和 超过 再次， 你是 去 到 得到 a 传播
那 有 a 标准 偏差 的 五， 它 不能 合身。
你会 得到 一些 一个 错误 什么时候 这 发生。
它是 向上 到 你 到 数字 那 出去 那，
“嘿， 我的 标准 偏差 为了 我的 测量 是 方式 也 大的。”
如果 它是 简单地 在 这 边缘 的 存在 也 大的。
让我们 说 你的 标准 偏差 的 你的 测量 分配 是 3、
和 你的 测量 是 2.8，
然后 再次， 它是 去 到 尝试 到 给 你 a 非常 狭窄的
真实零件分布 到 支持 那，
和 那 能 带领 到 一些 奇怪的 结果。
那里 是 一些 奇怪的 组合 那 我已经 跑步 穿过
那 能 原因 这些 事物， I 称呼 他们 无法捕获 错误。
什么时候 你 去 进入 这 跳转 最小化 功能，
它 做 它是 自己的 事物 和 然后 来 后退 和 一个 回答。
如果 它 运行 进入 a 问题， 它 将要 扔 一个 错误。
或许 喜欢 这。
我已经 见过 二 或者 三 不同的 个， 这 是 一 的 他们。
I 不 有 a 方式 到 陷阱 为了 那些。
如果 你 得到 一个 错误 喜欢 这， 这 插件 将要 继续 到 跑步，
但 你会 需要 到 看 进入 什么 状况 有 你 放 在 这里
那 跳转 没有 喜欢 那 它是 拥有 麻烦 解决 为了。
矮胖 测量 部分 分布。
如果 你 有 a 测量 部分 分配，
在 事实， 这 一 这里， 这 可能 是 漂亮的 粗短。
经过 厚实的， I 意思是 那里 不是 非常 许多 垃圾箱 穿过 这 测量 范围。
它是 有关的 到 你的 测量 在 这 结尾。 它是 如何 很多 能 你的 高马凯格 解决。
你 想 到 有 a 很多 的 垃圾箱 穿过 这里。
更多的 垃圾箱 是 更好的。
更少 垃圾箱 使 这 真的 部分 分配 非常 难的 到 估计。
然后 I 提及 或者 暗示 到 早些时候 那 你 能 有 长的 收敛 次，
特别 什么时候 你是 尝试 到 解决 为了 这些
随意的 真实部分 分布。
在 我的 个人电脑， 它是 不是 罕见 到 去 a 分钟 或者 a 小的 少量 更多的。
只是 悬挂 在 那里。 这 插件 有 总是 来 后退 为了 我。
它 没有 悬挂。 它 只是 需要 a 尽管 为了 一些 解决方案。
插件 可用性 应该 是 随附的 到 这 特别的 记录，
和 你 应该 还 是 有能力的 到 寻找 它
在 这 跳转 社区 文件 交换 在下面 脱硫塔 估计。
如果 你 有 评论 或者 问题， 你 能 邮政 他们 任何一个 以下 这 视频
或者 在 这 文件 交换， 和 请 放 在 那里 任何 建议 那 你 有
为了 改进 图形 用户一 界面， 任何 变化 在 这 输出。
我们 没有 讲话 关于 这 数据 表 那 I 建造，
但 如果 你 看 那些 和 你 决定， “嘿， I 希望 它 会 是 在 这 格式。”
让 我 知道。
那些 是 事物 I 能 改变 相当 容易地。
建议 为了 更多的 参数， 测量， 或者 真实部分分布。
这些 是 这 普通的， 这 对数正态，
这 威布尔， 这 伽马， 全部 的 那些 功能。
如果 你 有 更多的 那 你 想 到 添加 到 那，
让 我 知道 和 患病的 看 如果 I 能 包含 那些。
然后， 的 课程， 问题 遭遇。
如果 你 能 包括 a 描述 的 这 问题， 如何 它 发生了，
那 将要 帮助 我 在 调试。
如果 可能的， 包括 a 非机密 样本 输入文件
那 I 能 使用 到 帮助 复制 这 问题。
和 无论 你 邮政 这些 评论，
请 包括 @JerryFish 在 你的 评论， 所以 患病的 得到 a 通知。
感谢 你 非常 很多 为了 倾听 到 这 记录。
不 忘记 到 查看 出去 这 随同 发现 纸，
新闻快讯， 仪表 不是 完美的， 好的， 你 知道 那。
但 如何 很多 是 它 成本核算 你的 商业？
在下面 这 特别的 纸 数字？
感谢 你 非常 很多 为了 你的 时间。
