Nazwy poleceń aplikacji, identyfikatory kolumn i wartości danych przykładowych zachowano w oryginale. Zrzuty ekranu, wykresy i pliki do pobrania są w języku angielskim.
Przykład: gęstość czasu oczekiwania przy dwunastu minutach
Załóż wykładniczy rozkład czasu oczekiwania o średniej dwunastu minut. Wyznacz gęstość przy dwunastu minutach.
Pobierz zestawienie scenariuszy (CSV, język angielski)To ten sam przykład, który znajduje się w Help. CSV zawiera scenariusze referencyjne. Wprowadź wybrany scenariusz ręcznie na karcie Inputs; import nie konfiguruje tego kalkulatora. Użyj Open example in a practice copy w Help, aby wstępnie wypełnić dane wejściowe.
1. Utwórz obszar roboczy
Na pasku bocznym otwórz Basic Statistics i wybierz Distributions. Utwórz analizę, nadaj jej nazwę, wybierz New blank worksheet, a następnie Create analysis.
2. Wybierz obliczenie
Na karcie Inputs wybierz Continuous w Distribution type, Exponential w Distribution, a następnie Probability density (PDF) w Calculation.
3. Wprowadź model
Wybierz Mean θ w Exponential parameter. Wpisz 12 w Mean (θ), w minutach.
4. Wprowadź pytanie
Wybierz Single value w Value source. Wpisz 12 w Value (x), w minutach. Nie przypisuje się kolumn arkusza.
5. Uruchom analizę
Wybierz Run analysis, a następnie otwórz Results.
6. Zinterpretuj wyniki
Sprawdź pytanie
Załóż wykładniczy rozkład czasu oczekiwania o średniej dwunastu minut. Wyznacz gęstość przy dwunastu minutach.
Odczytaj obliczoną wartość
PDF wynosi 0.0306566 na minutę. Jest to wysokość krzywej gęstości przy dwunastu minutach.
Zrozum znaczenie wyniku
Gęstość nie jest prawdopodobieństwem. Dokładny punkt ma w tym modelu ciągłym prawdopodobieństwo zero. Prawdopodobieństwo przedziału czasu jest polem pod krzywą.
Stosuj model ostrożnie
W praktycznym pytaniu zdefiniuj przedział, na przykład od dziesięciu do piętnastu minut. Odejmij CDF przy dziesięciu od CDF przy piętnastu, aby uzyskać modelowe prawdopodobieństwo.
Więcej szczegółów: omówienie poszczególnych wyników
Pełne tabele wyników zachowują sześć cyfr znaczących, tak jak w sekcji Help.
Wartości rozkładu
x jest wprowadzonym czasem w minutach. PDF to gęstość przy x, w jednostce odwrotności minuty. Nie przeliczaj jej bezpośrednio na prawdopodobieństwo procentowe. Gęstość nie jest prawdopodobieństwem. Dokładny punkt ma w tym modelu ciągłym prawdopodobieństwo zero. Prawdopodobieństwo przedziału czasu jest polem pod krzywą.
| x | |
|---|---|
| 12 | 0.0306566 |
Podsumowanie rozkładu
Typ odróżnia wartości ciągłe od całkowitych liczebności. Rozkład określa model. Obliczenie wskazuje PMF (prawdopodobieństwo dokładnej liczebności), PDF (gęstość), CDF (prawdopodobieństwo skumulowane) lub ICDF (kwantyl). Pozostałe wiersze zawierają aktywne parametry; są to założenia wprowadzone na karcie Inputs.
| Ustawienie | Wartość |
|---|---|
| Typ | Continuous |
| Rozkład | Exponential |
| Obliczenie | |
| Średnia (θ) | 12 |
- Wykładniczy(średnia θ=12.0) przez expon(scale=θ)
7. Utwórz raport
Zachowaj Distribution values (lub tabelę kwantyli) oraz Distribution summary. Podaj założenia modelu, jednostkę czasu lub przedział liczebności oraz rozpatrywane pytanie. Gęstość nie jest prawdopodobieństwem. Dokładny punkt ma w tym modelu ciągłym prawdopodobieństwo zero. Prawdopodobieństwo przedziału czasu jest polem pod krzywą. Raport pozostaje w języku angielskim.
Wybierz Add to report z zakończonego przebiegu. Otwórz Choose individual items and advanced options aby wybrać tabele i wykresy, a następnie wybierz Add to draft. Ukryte elementy pozostają w zapisanej analizie.
Nadaj raportowi nazwę, dodaj cel badania i swoją interpretację. Wybierz Save, sprawdź Preview, a następnie użyj Export → Download HTML. Poniższy przykład zawiera całą wybraną treść, w tym wyniki wykraczające poza jeden ekran.