居住 從 100 SAS 校園 開車，你的 一 和 僅有的 SAS 世界 總部 在 卡里， 北 卡羅萊納. 它是 這 取樣 計劃 展示 主演 史丹 科普羅夫斯基。 現在 這裡， 他 是 這 主持人 的 這 取樣 計劃 展示 , 史丹 科普羅夫斯基。
感謝 你。 感謝 你 非常 很多。 你是 也 種類。 感謝 你。 我們 愛 你。 不，夠了。 請。 全部 正確的， 我們 有 a 偉大的 展示 為了 你 今天。 前 我們 得到 開始, 只是 a 小的 背景 這裡。 I 不是 非常 好的 在 統計數據。 在 事實， I 得到 a 紙 切 從 我的 統計數據 家庭作業。 什麼 是 這 賠率？ 足夠的 的 那。
今天 是 去 到 演講 關於 驗收 取樣 和 取樣 計劃。 是 去 到 學習 關於 這 奧克 曲線 和 什麼 它 是。 患病的 是 誠實的， 這 是 一 的 我的 全部 時間 最喜歡的 美國國家標準協會 標準。 是 去 到 聽到 關於 這 美國國家標準協會 標準。 出色地 製作 一些 預測 為了 這 大的 取樣 計劃， 和 然後 最後， 出色地 展示 你 一些 極佳的 亮點 使用 這 聯合管理計劃 取樣 計劃 額外 和 一 的 我的 全部 時間 最喜歡的 工業的 統計學家， 博士。 何塞·拉米雷斯.
我是 高興的 到 是 這裡。 自豪的 這個的 展示。 I 思考 它是 去 到 是 樂趣。 S 對不起 到 聽到 關於 統計數據 存在 危險的 到 你的 健康 和 a 紙 切。 男人。
它 曾是 a 粗糙的 旅行 那裡， 但 出色地 得到 透過 它。 作為 你 看， 這是 這 標題 的 我們的 講話， 和 然後 I 將要 玩 一些 其他 幻燈片 這裡 為了 你。 你的 書， I 喜歡 這 書。 我們 使用 這 a 很多 在 這 分配。 這 統計 品質 控制 書： 這 聯合管理計劃 伴侶 . 這 是 這 伴侶 書 到 道格 蒙哥馬利的 書。 I 思考 你是 去 到 提到 道格的 書 之後 在 這 演講 作為 出色地。
那是 真的。
然後 I 有 你的 其他 書 向上 這裡 也， 分析中 和 口譯 連續的 數據 使用 聯合管理計劃 . I 知道 你已經 到過 a 長的 時間 使用者 的 傑普, 大概 後退 自從 聯合管理計劃 二。 I 思考 你 是 大概 一 的 這 第一的 支援 案例 那 來了 進入 科技 支援 和 他們的 自己的 導演 的 顧客 賦能， 傑夫 珀金森。 傑夫， 作為 我們 全部 知道， 開始了 出去 在 科技 支援 和 患病的 有 到 看 後退 透過 這 案例。 但 什麼 I 理解， 你 是 a 長的 時間 使用者 的 JMP。
歡迎 到 我們的 展示。 我是 高興的 你 可以 是 和 我們 今天。 極佳的 興奮的 到 有 你。 是 去 到 演講 關於 一些 選項 這裡 為了 這 夥計們 到 稱呼 在。 如果 你 想 到 稱呼 進入 這 展示 或者 留言，你可以 給我們留言 在 JMP L 奧特 計劃。 這 電話 數字， 如果 你 有 a 旋轉式 撥號 電話， 你 能 稱呼 我們 向上 那裡， 或者 如果 你 想 到 抵達 我們 在 Instagram 在 聯合管理計劃 很多 驗收 取樣 計劃。 讓我們 去 前面 和 看。 I 思考 I 做 聽到 a 稱呼 再次。 等待 a 分鐘。讓我 看 世界衛生組織 那 是。
是的， 這 是 博士。 朱利安 帕里斯 呼叫 在。 我是 這 導演 的 JMP 用戶 獲得 和 I 有 a 問題 為了 博士。 拉米雷斯。
去 前面， 朱利安.
博士。 拉米雷斯, 能 你 解釋 這 不同之處 之間 很多 驗收 取樣 計劃 和 變數 驗收 取樣 計劃？
I 不 真的 相信 那 曾是 朱利安. 那 曾是 大概 七月 從 向下 經過 這 學校 院子。七月， 做 你 有 a 問題？
是的， 他 做過。 他 曾是 詢問 如果 你 可以 給 我們 a 小的 介紹 到 取樣 計劃。
採樣， 好的 . 他是 正在做 一些 取樣 經過 這 校園。 I 想知道 什麼 他是 正在做 那裡。 七月， 自從 你是 在 a 學校， 你是 經過 這 校園， 讓我們 去 後退 到 這 字典 和 看 在 採樣， 什麼 這 字典 說。 那裡 是 a 很少 定義 這裡 在 這 字典， 和 一 事物 I 喜歡 關於 這 第一的 一 它 會談 關於 a 合適的 樣本。 為了 統計學家 那 有 這 意義， 部分 的 那 是 那裡， 這 樣本 有 到 是 代表。 為了 那些 的 你 熟悉的 和 統計數據， 這 其他 片 那 我們 也 包括 在 a 定義 的 合適的 樣本 是 隨機的。
但 什麼 你是 說 關於， 關於 這些 取樣 計劃 是 這 第二 定義， 和 他們 得到 它 正確的 因為 a 取樣 計劃 是 本質上 決定 在一個 小的 部分 的 a 很多 或者 a 人口。 這 人口 能 是 任何一個 無限 或者 它 能 是 a 有限 數位 喜歡 10,000 專案. 我們 想 到 拿 a 小的 樣本 從 那 所以 我們 能 做 一些 檢查。 經過 檢查， 我們 意思是 那 我們 是 去 到 決定 這 命運 的 那 人口 或者 這 命運 的 那 很多。
好的， I 理解 a 小的 位元 的 什麼 你是 說 那裡。 你是 去 到 拿 a 樣本 從 a 人口 和 然後 什麼是 這 不同之處 之間 這 樣本 類型？ 它 看起來 喜歡 你 是 說 這裡 關於 一個 檢查。 是 它 總是 一個 檢查 或者 是 那裡 其他 類型 的 取樣 那 你 能 做？
出色地， 在 一般的， 什麼時候 人們 思考 關於 很多 驗收 取樣 計劃, 有 一些 類型 的 檢查， 一些 類型 的 檢查 那 去 在。 T 他 方式 是 去 到 做 這 取樣 是 是 去 到 申請 一些 統計 原則 [串音 00:06:22]。
哦，天哪，太可怕了。
但 實際上 那是 什麼 這 機構 想。 為了 例子， 如果 你 看 在 一些 的 這 文件 從 這 美國食品藥物管理局， 如果 你是 必需的 到 做 一些 類型 的 採樣， 他們 想 你 到 做 它 在 a 統計 方式。 如何 是 我們 去 到 做 那？ 那是 部分 的 這 展示 那 是 擁有。 但 在 這 老的 天， 和 是 去 到 演講 關於 那些 老的 天， 人們 用過的 標準， 和 那些 是 這 標準 那 是 用過的 正確的 現在。 這 美國品質協會/美國國家標準協會 Z1.4 和 Z 1.9.
那 聲音 甚至 更可怕， 但 我是 a 位元 使困惑。 I 想法 什麼時候 I 曾是 正在做 我的 研究 前 I 帶來 你 在 作為 a 客人， 那 那裡 是 一些 軍隊 標準。 I 想法 這 取樣 計劃 是 基於 在 軍隊 標準 和 現在 你 只是 告訴 我 有 一些 其他 標準 在 玩 這裡。 W 帽子的 這 故事 和 這？
出色地， 是的， 那是 真的。 這些 取樣 計劃 有 a 長的 歷史。 他們 去 後退 到 大概 這 1930年代， 20世紀40年代， 和 那裡 是 二 軍隊 標準， 這 105 和， 哪個 是 這 一 那 對應 到 這 Z 1.4, 和 那是 什麼 你是 正在做 使用 a 技術的 學期， 取樣 經過 屬性， 和 然後 那裡 是 這 軍隊 標準， 414、 哪個 是 這 Z 1.9 那 對應 到 取樣 經過 變數。 你 能 思考 的 離散的 相對 連續的。
什麼 發生 是 那 那些 標準 是 採取 超過 現在 經過 這 美國人 社會 為了 品質, 這就是ASQ， 和 這 美國人 國家的 標準 研究所， 這 美國國家標準協會， 和 他們 重新命名 那些， 和 現在 他們是 被稱為 Z 1.4 和 Z 1.9. 但 他們是 仍然 這 相同的 標準， 這 相同的 桌子 那 人們 使用 到 產生 取樣 計劃。
L 和的 演講 關於 如何 我們 做 那。 這 方式 到 理解 這 是 那 每一個 類型 的 很多 驗收 取樣 計劃， 和 那 是 這 光達 或者 拉斯普, 有 成分 和 風險。 T 他 成分 的 這 計劃 本質上 是 如何 許多 樣品 做 I 需要 到 拿 從 a 人口 的 10,000 或者 無窮大 那 我是 去 到 測試？ 我是 去 到 做 一些 檢查， 和 I 想 到 知道 如果 在 那 樣本， 那裡 是 a 預 指定的 百分比 有缺陷的。
是 去 到 定義 品質 作為 a 百分比 有缺陷的 在 這 人口。 什麼 是 正在做 是 採取 a 樣本 到 看 如果 那 樣本 包含 那 或者 較少的。 在 命令 到 決定 如果 是 去 到 經過 或者 失敗 那 很多， 我們 也 依賴 在 這 驗收 數字， 哪個 告訴 我們 如何 許多 有缺陷的 部分 出去 的 這 樣本 我們 能 接受 在 這 計劃。 任何事物 那 是 更大 比 那， 它是 去 到 說 是 去 到 拒絕 或者 失敗 這 很多。 那是 為什麼， 作為 I 說 前， 是 確定 這 命運 的 這 很多 和 這 [聽不清楚 00:10:03] .
這裡 我們 去。 I 有 我的 命運 a 長的 時間 前 和 那 紙 切。 我是 a 小的 焦慮的 這裡。 什麼 種類 的 命運 是 我們 說 關於？
是的， 是 去 到 決定 如果 我們 是 去 到 經過 這 很多 和 製作 它 可用的 為了 任何 目的 那 很多 是 存在 製造, 或者 是 去 到 放 它 在 檢疫 [聽不清楚 00:10:31] 和 或許 做 一些 更多的 檢查 或者 嘗試 到 理解 為什麼 這 分數 有缺陷的 是 更大 比 這 預先指定的 一。
你 提及 那 有 一些 風險 涉及。 什麼 種類 的 風險？ 是 它 出去 的 我的 控制 或者 是 它 之內 我的 控制？ 誰 風險 是 這？
是的， 有 風險， 和 那是 這 美麗 關於 我的 職業。 在 統計數據， 你 不 有 到 是 肯定 關於 任何事物。 I 能 95% 自信的。 I 能 甚至 去 向上 到 99% 自信的， I 不 有 到 是 肯定。 再次， 為了 那些 的 你 熟悉的 和 統計數據， 你 知道 什麼 是 說 關於。 有 這 機會 那 有 a 完美 好的 很多 那 是 去 到 拒絕 因為， 再次， 是 採取 a 小的 樣本， 所以 是 不是 取樣 這 所有的 人口。 有 a 風險 聯繫 那 這 樣本 可能 決定 那 a 好的 很多 是 不是 好的 或者 有 a 機會 那 a 壞的 很多 可能 是 釋放。 Y 或者 能 思考 在 條款 的 錯誤的 積極的。 Y 或者 思考 在 條款 的 a 醫療的 測試。
那是 相似的 到 喜歡 如果 你 是 到 拿 這 新冠肺炎 測試。 如果 你 實際上 有 它 和 它 來了 後退 消極的 , 是 那 a 錯誤的 積極的？
是的， 它是 喜歡 那， a 錯誤的 積極的。 我們 可能 有 a 錯誤的 積極的 那 方法 這 很多 是 壞的， 但 這 取樣 計劃 那 它 曾是 好的。 或者 副 反之亦然， 我們 有 a 好的 很多 和 是 去 到 拒絕 它 因為 這 取樣 [相聲00:12:19] . 那是 為什麼 它是 重要的 到 使用 a 統計 原則 在 設計 這些 取樣 計劃。 那是 部分 的 為什麼 人們 使用 標準。 那些 是 衍生的 在 a 方式 那 什麼時候 你 選擇 a 計劃 從 那些 標準， 這些 風險 是 去 到 是 均衡。 那是 什麼 我們 演講 關於 這 世代 的 這 很多 驗收 取樣 計劃。
我們 有 這些 二 風險。 再次， 我們 能 說 那 a 好的 很多 是 去 到 是 被拒絕 和 有 也 a 機會 那 a 壞的 很多 可能 是 釋放 喜歡 這 錯誤的 積極的。 是 去 到 分配 一些 機率 到 這 風險。 一 事物 我們 想 到 製作 當然 是 那 如果 它是 好的， 我們 想 到 接受 那 最多 的 這 時間。 如何 做 我們 定義 那？
出色地， 標準 實踐 是 用過的 95%。 A 獲得 那 聲音 喜歡 95% 信心 什麼時候 你 使用 一些 類型 的 統計 測試。 什麼 是 說 是 我們要去 到 前 定義 a 分數 有缺陷的 為了 那 很多 和 我們 是 去 到 選擇 a 計劃 那 保證 那 或者 幾乎 保證 那 95% 的 這 時間， a 好的 很多 是 去 到 是 公認。一個 好的 很多 是 去 到 經過。
在 這 其他 手， 是 去 到 也 說 那 是 去 到 有 a 高的 機會 的 拒絕 a 壞的 很多。 或者 如果 你 翻動 那， 你 能 說 有 a 小的 機會 的 透過 a 壞的 很多。 90% 這裡 轉變 本身 到 a 10%。 是 說 有 a 95% 的 接受 a 好的 很多， 但 僅有的 a 10% 機會 的 接受 a 壞的 很多。 那些 是 標準 數位 在 取樣 計劃, 在 這 標準 和 這 方式 人們 使用 那些 取樣 計劃。
你 是 說 關於 這 用戶。 這 使用者 有 這 選項 的 改變 那些 數字。 相當 比 使用 95%, 我們 能 使用 99%。 相當 比 使用 10%, 我們 能 使用 5%。 然而， 如果 我們 得到 也 貪婪的， 然後 作為 一些 的 你 可能 知道， 這 樣本 尺寸 是 去 到 增加 和 那是 部分 的 那 平衡。 我們 想 到 尋找 a 樣本 尺寸 那 是 小的 足夠的 那 它是 去 到 保證 這些 機率。
應該 我們 做 一些 例子？ 是 那裡 事物 我們 可以 做 到 解釋 一些 的 這 平衡 那 你是 說 關於 之間 這些 二 競爭 風險？
是的。
它 聲音 喜歡 一 可能 是 在 這 消費者 邊， 和 或許 一 的 這 風險 是 在 這 製片的 邊。
確切地。 這 第一的 機會 的 …… 如果 你 看 在 這 95% 機會， 那 方法 有 a 5% 機會 那 a 好的 很多 是 去 到 是 被拒絕了。 那是 在 這 製片人 邊。 因為 作為 a 製片, 你 不 想 你的 好的 很多 到 是 被拒絕了。 這 損失 的 材料 或者 好的 產品。
在 這 其他 手， 這 10% 機會 的 接受 a 壞的 很多， 那是 在 這 消費者 因為 我們 不 想 這 消費者 到 收到 某物 那 是 壞的。 現在， 在 命令 到 做 這， 有 這 工具 那 我們 使用 在 取樣 計劃 哪個 是 被稱為 這 操作 特徵 曲線 或者 奧克 曲線。 一些 人們 可能 是 熟悉的 和 那。 那些 曲線， 我是 去 到 展示 你 一些 例子， 是 這 那些 那 是 用過的 到 尋找 那 平衡 之間 這 風險 和 可能性。 風險 和 可能性。
什麼 是 一個 奧克 曲線？ 一個OC 曲線 是 本質上 a 陰謀 那 節目 你 這 可能性 的 接受 a 很多 作為 a 功能 的 那 分數 有缺陷的 在 這 人口。 你 看 在 這些 二 曲線， 這 藍色的 線 這裡 在 這 和- 軸， 我們 有 這 可能性 的 接受 這 很多， 和 這 X- 軸， 我們 有 這 部分 有缺陷的 在 這 人口。
作為 你 能 看， 什麼時候 這 部分 有缺陷的 是 非常 小的， 有 a 高的 可能性 的 接受 這 很多。 A s 很快 作為 那 可能性 開始 增加， 然後 這 可能性 的 接受 那 很多 減少， 和 那是 這 形狀 那 我們 想 到 看 在 一個 奧克 曲線。
現在， 記住 我們 有 二 機率 和 二 風險。 我們 想 a 95% 機會 的 接受 a 好的 很多 和 a 10% 機會 的 接受 a 壞的 很多。 現在， 這 定義 的 好的 和 壞的 是 在 條款 的 那 部分 有缺陷的 在 這 人口。 我們 作為 使用者 的 取樣 計劃, 我們 有 到 定義 什麼 是 a 好的 分數 有缺陷的。 的 課程， 理想情況下， 這 好的 分數 有缺陷的 應該 是 零， 但 那 將要 丟 a [聽不清楚 00:17:22] 在 這 數學。 如果 你 知道 那 零 劃分 經過 零， 你 得到 無窮大， 意義 你 有 到 樣本 一切 如果 你 想 完美。 什麼 我們 做 是 定義 a 小的 數字， 和 那 是 被稱為 這 頭腦， 這 可以接受 品質 等級。
在 這 其他 邊， 我們 定義 這 RQL 或者 可拒絕的 品質 等級。 的確， 那裡 是 許多 條款 那 人們 使用。 有時 你 可能 看 這 LTPD 反而 的 RQL。 那是 這 很多 寬容 百分比 有缺陷的， 這 最大限度 百分比 有缺陷的 那 你 能 接受 在 你的 人口。 和 這 機率 和 那些 分數 缺陷品， 你 定義 二 點 在 這 曲線。 H 還， 這 品質水準 是 1.8%, 和 我們 有 a 95% 可能性 的 接受 那。
什麼 那 方法 是， 作為 長的 作為 這 分數 有缺陷的 在 這 很多 是 較少的 比 2%, 讓我們 說， 然後 有 a 高的 機會 的 接受 那 很多。 但 作為 長的 作為 它 去 更高， 喜歡 2%, 然後 是 去 到 接受 那 很多 非常 很少。 這些 二 點 是 這 那些 那 你 看 在 在 這 奧克 曲線， 和 那些 是 這 那些 那 是 去 到 決定 這 樣本 尺寸 和 這 驗收 標準。
得到 它。
I 思考 它 將要 幫助 七月 如果 我們 跑步 一些 例子。
I 思考 七月 是 傳簡訊 和 他 說 那 會 是 偉大的 如果 我們 可以 做 一個 例子。 好的， 讓我們 做 那。 為什麼 做過 你 發展 或者 為什麼 做過 我們 生產 a 聯合管理計劃 插件？
是的， 七月， 什麼 是 去 到 做 是 是 去 到 展示 你 一個 應用程式 到 做 這。 人們 有時 問 我們， 「為什麼 做過 你 做 這？ 為什麼 做 你 花費 a 很多 的 時間 為了 寫作 程式碼 和 包裹 它 在 一個 添加- 在？ 出色地， 到 告訴 你 這 真相， [相聲00:19:30] .
那 是 真的 微小的。 我是 去 到 有 到 得到 a 新的 放 的 讀者 或者 a 巨大的 放大 玻璃。 是 那 真的 如何 人們 做 這？
現在 它可能 似乎 詭異的， 但 仍然， I 相信 在 一些 行業， 人們 可能 使用 a 標準。 的確， 它可能 不是 是 這 老的 書 那 他們 使用， 或許 a pdf, 但 有時 他們 仍然 使用 這。 但 這些 是 非常 乏味 和 他們是 慎重 在 這 感覺 那 他們是 只是 近似值 到 這 計劃。
T 這是 a 過程 到 做 那。 當然，還有 是 多種的 桌子 那 你 有 到 去 透過 在 命令 到 尋找 這 合適的 樣本 尺寸。 W 有 我們 通緝 到 做 是 製作 我們的 生活 更輕鬆， 實際上， 因為 到 是 真實 這裡， 我們 使用 取樣 計劃。 是 也 疲勞的 的 使用 這些 表。 所以 我們 通緝 到 自動化 這 世代 的 這 LASP。
好的， 得到 它。 什麼 別的 做 我們 需要 到 知道 前 我們 做 一些 例子？
這 是 傑普, 哪個 是 一 的 這 最偉大的 件 的 軟體 出去 那裡 為了 正在做 統計數據 和 得到 見解 出去 的 你的 數據。 A 其他 事物 那 我們 做過 是 那 不是 僅有的 是 自動化 這 世代 的 這 計劃, 製作 生活 更輕鬆， 但 是 使用 全部 這 視覺化 工具 在 傑普, 喜歡 這 分析器， 到 理解 這些 奧克 曲線。 記住， 我們 只是 顯示 你 那 這 方式 我們 決定 或者 產生 這 計劃 是 透過 一個 OC 曲線。 這 OC曲線 是 也 非常 重要的 到 評價 計劃。 如何 做 我們 知道？ 如果 某人 給出 我們 a 取樣 計劃， 如何 做 我們 知道 如果 那是 好的？ T 帽子的 部分 的 這。
讓我們 看 在 一個 例子。 T 他的 來了 從 教授 蒙哥馬利的 書。 A 獲得， 這裡有一個 不要臉 公關 為了 我們。 我們 寫了 a 伴侶 書。 你 鋸 那 書 在 這 開始 為了 這。 它是 被稱為 聯合管理計劃 根據 . I f 你 看 在 這 數字， 這 是 在 章 15、P 老師 蒙哥馬利 也 節目 其他 近似。 它是 其他 方式 的 產生 取樣 計劃， 哪個 是 使用 a 姓名 圖形。 A 姓名 圖形 是 這 數位 那 你 看 這裡。 這裡， 你 有 到 數位 出去 什麼 你的 品質水準 和 RQL 是， 這 機率， 和 那 你 有 到 去 在 那裡 和 近似 那。
這裡， 他們 給 你 一個 例子 在哪裡 他們 說 這 可以接受 品質 等級 是 2% 或 0.02 , 這 可拒絕的 品質 等級 是 8% 或 0.08 . 這 可能性 的 接受 a 很多 那 有 一個 品質水準 的 2% 的 較少的 是 0。 95. 作為 我們 說， 那是 高的。 T 他 可能性 的 接受 a 很多 那 有 RQL 的 8% 或者 更多的 是 僅有的 10%。 A 獲得， 這些 0。 95 和 0.1 是 我們的 標準 價值 在 行業。
Y 或者 注意 這 圖表 這裡， 他們 放 這 0.02, 他們 畫 a 線 這裡 到 相交 這 0。 95. 這 0.08 相交 在 那， 和 然後 你 相交 那些 二 線 和 你 猜測 在 那。 好的， 那是 a 93 計劃。 意義， 出去 的 一個 無限 人口， 你 拿 90 樣品， 你 檢查 他們 全部， 和 你 能 接受 向上 到 三 缺陷品。 如果 你 看 更多的 比 三 缺陷品， 你 拒絕 這 很多。 如果 你 看 三 或者 較少的， 然後 你 接受 這 很多。 T 帽子的 取樣 計劃。 A 小的 麻煩的 也 .
是的， 它 看起來 a 小的 難的 到 線 向上 確切地。 I 希望 我們 可以 得到 離開 從 正在做 那 和 這 插件。
出色地， 讓我們 展示 七月 如何 我們 能 做 那 和 JMP。
好的， 聲音 喜歡 a 好的 主意。 全部 正確的， 七月， 讓我們 跳 超過 到 一些 例子 這裡。 H 還 是 JMP 和 到 得到 到 這 插件， 你 只是 去 到 你的 插件， 聯合管理計劃 取樣 計劃， 和 讓我們 看 在 屬性 取樣 計劃。 T 母雞 這 特別的 一， 是 去 到 做 只是 a 單身的 很多 驗收 取樣 計劃。 W e 有 這 菜單。
後 我們 製作 那 選擇， 它 來了 向上 和 它 給出 我們 三 選項。 我們 能 評價 一個 屬性 計劃， 我們 能 產生 或者 創造 一個 屬性 計劃， 或者 我們 能 比較 計劃。 這 外掛 給出 我們 這 能力 到 比較 向上 到 五 不同的 計劃。 有 一個 選項 到 保持 這 對話 打開 在 案件 你 想 到 看 在 更多的 比 一 計劃。 L 和的 去 前面 和 產生 那 計劃 那 你 是 只是 分享 這裡 從 博士。 蒙哥馬利的書。
患病的 給 你 這 數字。 讓我們 看。
全部 正確的。
這 是 這 介面. [聽不清楚 00:24:51] AQL。
正確的。是 或者 有 這 夫妻 的 不同的 部分 在 這 介面. 你 得到 到 放 在 你的 品質 水平， 你的 機率， 和 然後 你 有 這 選修的 區域 關於 這 類型 的 很多 取樣 你是 去 到 做。 T 有 很多 取樣 是 基於 在 a 分配。 S o 我們 可以 任何一個 做 a 超幾何的 分配 或者 a 二項式 分配。
讓我們把蒙哥馬利的 數位 那裡。 這 進貨品質水準 教授 蒙哥馬利的 書 是 0.02 或者 2%。 這 RQL 他 有 是 0.08。
全部 正確的。
哦， 他們是 預 人口稠密。 是的， 那些 是 這 標準 值，0.95。
這 標準 價值觀。 所以 我們 保持 這 預設 那裡。 I 思考 你 告訴 我 那裡 曾是 不 理論的 很多 尺寸 這裡。 所以 是 去 到 做 類型 B.
實際上， 在 蒙哥馬利的書， 它 說 那 他是 使用 a 二項式 列線圖， 所以 它是 意義 他是 使用 這 二項式 分配。 所以 是的， 那是 這 正確的 選擇。
然後 全部 我們 有 到 做 是 打 好的， 和 然後 什麼 發生？ 聯合管理計劃 給出 我們 這 曲線 這裡 和 一個 輸出 窗戶 和 a 報告。 T 這是 三 部分 到 這 報告。 你 得到 a 小的 在 這 頂部 的 概括， 你 得到 a 概括 的 這 計劃。 I t 節目 你 你的 輸入 參數 和 然後 什麼 這 計劃 產生的 作為 a 樣本 尺寸 和 驗收 數字。 T 母雞 它 給出 你 一些 資訊 在 如何 到 解釋 這 計劃。
這很有幫助。
O 出去 的 這 計劃 推薦 這裡， 的 這 98 樣品， 它 說 你 能 接受 這 很多 這裡 作為 長的 作為 這 數位 的 次品 是 較少的 比 或者 平等的 到 四 出去 的 那 98 採樣。 O 那麼， 你 拒絕 它 如果 它是 更大 比 那。 T 母雞 它 告訴 你 一些 額外的 資訊 那裡。 I f 我們 看 在 那 奧克 曲線， I 思考 這 是 什麼 你 是 顯示 我們 早些時候。
是的。
所以 我們 有 a 可能性 在 95% 和 這 品質 等級 的 2%。 但 如果 I 記起， 你 告訴 我 在 這 文學 那 這 曾是 a 計劃 的 90和3。 所以 我是 使困惑 再次 這裡 或者，我應該說，胡里奧發短信 我 和 說 他是 使困惑。 如何 是 它 不同的 這裡？或者 為什麼 是 這 不同的？
是 得到 98 和 4. 教授 蒙哥馬利, 在 他的 書， 他是 顯示 這 姓名 圖形 和 他是 得到 90和3。 讓 我 去 後退 那裡 只是 1 第二。 R 記住， 什麼 是 使用 是 這 圖形 這裡 在哪裡 你 有 全部 這些 近似值。 你 有 a 線 那 去 200, 300, 你 去 之間 70 和 100。
得到 它。
有 不是 真的 a 93 或者 94、 任何事物 喜歡 那。 A s I 說， 你 有 到 近似 這些。 T 他的 諾莫格 拉夫 是 只是 一個 近似。 什麼 是 實際上 嘗試 到 做 是 解決 這些 方程式 為了 那些 的 你 數學上 傾斜。 這 一 減 阿爾法 是 0. 95、 這 貝塔 是 0.10 , p1 是 這 品質水準 和 p2 是 這 RQL。 I f 我們 放 全部 那些 四 事物 在 這裡 和 我們 解決 這些 方程式 到 嘗試 到 尋找 這 最低限度 n 那 使滿意 那些 四 事物。瓦 母雞 你 做 那， 實際上，軟體 做 那 為了 我們， 這 程式碼 那 我們 寫道， 我們 得到 這 98 和 4.
I 得到 那。
這 道德 的 這 故事 這裡 是 那 這 列線圖 給出 近似 很多 驗收 取樣 計劃 再次， 因為 它是 只是 一個 近似 遊戲。 T 他的 是 再次 一 的 這 優點 的 使用 這 插件， 因為 你 得到-
抽樣計劃插件， 的 課程。
-更多的 精確的 取樣 計劃。 Y 或者 展示 那 我們 能 評價 a 取樣 計劃。 L 和的 做 那。 為什麼 不 我們 評價 這 計劃， 這 93？ 向我們展示何 w 到 做 那。
自從 I 左邊 那 窗戶 打開， 我們 不 有 到 去 後退 到 這 選單 再次。 L 和的 評價 a 計劃 現在。 W e 有 在 那 介面, 再次， 是 去 到 放 在 我們的 以前的 0.02、2%、 和 I 思考 他 告訴 我 這 RQL 曾是 8%。
是的。
這 時間， 儘管， 反而 的 a 樣本 尺寸 的 20、 是 去 到 做 90 和 評價 三。 再次， 它是 a 二項式。
這裡， 你是 進入 這 四 數量 那 我們 談過 關於 在 這 一代， 但 你 也 進入 這 實際的 取樣 計劃 那 你 想 到 評價。
確切地。 現在 什麼時候 I 說， 好的， 它是 去 到 看... 對不起 關於 那。我會j 烏斯特 重做 那 快的。
[聽不清楚 00:30:31], 不？
是的， 對不起。 I 想 到 評價 那個計劃， 你得到 90 和 3。
三，是的。
什麼時候 I 重新運行 那， 我們 得到 這 精確的 相同的 風格 的 報告， 但 這 資訊 是 輕微地 不同的， I 看 這裡。 I 注意到 也 向下 在 這 桌子， 有 一些 顏色 編碼 和 方向 的 這 箭頭。
是的， 我看到一些 紅色的 那裡。 I 看到一些 紅色的， 是的。 那是 一個 問題。
是 這 一個 指示 那 這 指定的 品質 等級 是 更好的？
實際上， 不。 I 思考 那 這 原因 那 它是 紅色的 是 因為 什麼 發生 這裡 是 什麼 這 是 講述 我們。 如果 I 使用 a 樣本 尺寸 90 和 一個 驗收 數位 的 三， 你 能 看 這 聯繫 可能性 的 驗收 是 0。 89. 記住， 我們 通緝 那 到 是 0。 95.
所以 它是 實際上 降低。
它更低，那就是 為什麼 那 是 紅色的。 T 他的 外掛 是 給予 你 a 訊號 那 你的 可能性 的 驗收 是 較少的 比 這 一 你 指定 和 那是 一個 問題。 T 帽子的 為什麼 這 98和4 是 a 更好的 計劃。 A 伊索 你 能 看 在 這 底部 那 這 可能性 的 驗收 為了 有缺陷的 很多 是 6% 相當 比 10%。 I n 那 案件， 它是 藍色的 因為 它是 更好的， 那 可能性 是 更好的。 Y 你是 去 到 有 a 較小 消費者的 風險。 你 能 看 那 這 n 是 6.47 相對 這 10. 67. T 有 是 什麼是 正在發生。
那 生產者 風險 是 真的 只是 這 不同之處 之間 那 一 減 這 聯繫 可能性 的 驗收 那裡？
確切地。
得到 它。
確切地。 T 他 製片的 風險， 我們 想 它 到 是 5%, 和 在 這 案例，就是 10%。 不 w 這 是 某物 那 I 沒有 見過 在 任何 其他 軟體. 通常情況下， 什麼 你 看 是 這 陰謀 在 這 很多。 你 得到 那 為了 這 聯繫 品質水準 和 全部 那， 和 他們 認為 那 這 機率 是 這 那些 那 你 指定， 但 他們是 不是。
W 有 這 外掛 做 也， 是 它 翻轉 事物 大約 和 說， 好的， 如果 相當 比 定影 這 品質水準 和 品質等級， I 使固定 這 機率， I 想 到 是 95 因為 那是 什麼 它 是， 我是 神經質的 那 方式。 I 想 它 到 是 95 和 0.1。 然後 什麼 是 這 相應的 品質水準 和 RQL 為了 那？ T 帽子的 什麼 那是 講述 我。
好的。 I 不是 真的 只是 看到 雙倍的。 它是 真的 a 不同的 計算 在 這 正確的 手 邊。知道了。
什麼 那 說 是 如果 這 可能性 的 驗收 尖峰 在 0。 95、 然後 這 品質水準 是 不是 2% 但 1.53%。
好的，明白了。
它 有 到 是 方式 較少的 比 那。
所以這是一個...好吧， 去 前面。
A 伊索 在 0.1, 然後 它是 不是 8% 但 7%。
好的。 7.3%, 大致。
那是 為什麼 兩個都 案例， 他們 是 藍色的。 他們 是 藍色的。 A 獲得， 只是 非常 迅速地 這裡 到 展示 這。 在 概括， 為了 這 一 是 那， 再次， 這 列線圖 給出 一個 近似 很多 驗收 取樣 計劃。 這 90 和 3 計劃 節目 你 那 是 不是 擊打 那。
是 你 分享？
是的， 我是 分享。
好的。
希望， 人們 能 看 那。 我們的 生產者 風險 是 現在 10% 相對 5%。 但 那裡 是 一 更多的 事物 那 你 有 那裡， 哪個 是 比較。 我是 好奇的， 能 我們 使用 那？ 我會告訴 你 告訴 能 告訴 你 什麼 I 想 到 做。 I 想 到 使用 這 外掛 到 比較 這 規劃 教授 蒙哥馬利的 書 的 '93 和 a 計劃 那 這 外掛 給了 我們， 哪個 是 98、 4
全部 正確的。 W e 做過 提到 那 我們 能 比較 向上 到 五 不同的 計劃。 Y 或者 想 我 到 比較 這 二 計劃 那 我們 只是 創建的。 全部 正確的。再次， 那 8% RQL。 在 這 案件， 我們 有 a 90 和 一個 驗收 的 三。
是的。
然後 I 思考 你 告訴 我 它 曾是 98 和 4.
那是 什麼 他們 做。 I 沒有 告訴 你。 就是這樣 這 外掛 給了 我們。 是的。
哇， 那， 那 是 漂亮的 光滑的。 A 獲得， 如果 你 通緝 到 做 更多的 比 二， 你 會 只是 查看 這 額外的 列 和 然後 這 外掛 將要 計算 向上 到 五 不同的 比較 這裡。 我是 去 到 去 前面 和 點選 好的。 N 噢 它 看起來 a 小的 位元 不同的， 何塞, 這裡。 現在 我是 看到 二 奧克 曲線。 我是 得到 a 比較 的 兩個都 的 我的 奧克 曲線 在 這 相同的 陰謀 I 看 這裡。
確切地。 H 還 這 藍色的 一 是 這 計劃 93 他的紅線是-
T 他 藍色的 是 這 93. 是的， 確切地。 I 看到了。
這 紅色的 線 是 這 98, 4 . Y 或者 能 看 那 這 紅色的 線或 曲線， 是 在 頂部 的 這 藍色的 曲線。 T 帽子的 什麼 你 想 到 看。 你 想 這 曲線 到 是 在 頂部， 字面上地。 T 他的 節目 你 那 你 有 更高 機率 的 驗收 根據 到 這 參數， 這 室內空氣品質水平 和 RQL 那 我們 預先指定的 和 這 計劃 98, 4 比 和 這 計劃 93.
T 他的 是 非常 有幫助的 因為 你 可能 是 在 情況 在哪裡 你 可能 得到 一個 近似 計劃 從 a 書 或者 某人 可能 建議， 「嘿， 為什麼 不 你 使用 這 計劃？ 和 這 一， 你 能 比較 他們 全部 和 看 哪個 一 是 更好的。 I 的 更輕鬆 到 談判 這 樣本 尺寸 使用 這些 工具 比 只是 得到 進入 一個 爭論 和 說， 「不， 我們 應該 使用 93 因為 那是 在 這 書 或者 某物 喜歡 那。
“我 思考 那是 a 偉大的 特徵 到 是 有能力的 到 比較， 和 那 方式 你 移動 這 討論 進入 一些 實際的 資訊 和 相當 比 主觀， 個人 能 現在 比較 直接地。 在 艾因, 如果 你 想 這 參考 線， 它 沒有 製作 感覺 到 展示 全部 這 參考 線 穿過 五 不同的 曲線。
W 有 我們已經 完畢 是 我們 可以 只是 展示 a 單身的 放 的 參考 線 經過 切換 這 篩選， 和 它 將要 更新 這 圖表 為了 你 作為 你 切換 之間 他們。 那 方式， 如果 你 做 想 到 看 那 單獨地， 你 可以 做 那， 和 然後 你是 只是 專注的 在 在 這 桌子 和 這 圖表 為了 那 特別的 放 的 觀察。那就是， I 思考， a 好的 特徵， 七月。
它 是。
全部 正確的。是時候再來一件事了。 [聽不清楚 00:38:32]。
I 思考 那 七月 是 大概 得到 疲勞的 那裡。
他 是 非常 筋疲力盡的。
胡里歐，有 一些 其他 事物 那 這 外掛 能 做。 所以 或許 它應該 是 a 跟隨 向上 到 這。
或許 我們 可以 做 其他 會議 為了 發現 首腦 日本 或者 發現 首腦 中國。
出色地 繼續 顯示。 [聽不清楚 00:39:05]。
I 思考 我是 得到 打破 訊息 未來 穿過 這裡。 只是 進入 這 訊息 中心 這裡 的 這 展示。 A 任何人， 它 看起來 喜歡， 能 得到 那 取樣 計劃 插件。 如果 你 只是 去 到 這 聯合管理計劃 使用者 社群 和 搜尋 為了 這 取樣 計劃 插件， 你 可以 下載 它 你自己。
而且這是免費的。不？那是免費的嗎？
絕對地 自由的。 我們 會 絕不 收費 為了 那 在 這 社區。 G o 前面 和 下載 那。 如果 你 有 回饋 或者 你 跑步 進入 問題， 感覺 自由的 到 訊息 我， 和 出色地 得到 那些 缺陷 進入 和 得到 a 已糾正 版本 出去 那裡 作為 很快 作為 我們 能。 其他 事物 只是 前 我們 裹 向上 這裡， I 只是 想 到 說 感謝 你 到 何塞. 感謝 你 為了 加盟 我們 在 這 聯合管理計劃 取樣 計劃 展示 今天。 它 曾是 偉大的 到 有 你 這裡。 真的 偉大的。 T 漢克 你 再次。
