Nazwy poleceń aplikacji, identyfikatory kolumn i wartości danych przykładowych zachowano w oryginale. Zrzuty ekranu, wykresy i pliki do pobrania są w języku angielskim.
Przykład: dokładnie dwie niezgodne etykiety
Sprawdź 25 etykiet. Załóż, że każda ma 4% prawdopodobieństwa niezgodności, niezależnie od pozostałych.
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 Discrete w Distribution type, Binomial w Distribution, a następnie Probability mass (PMF) w Calculation.
3. Wprowadź model
Wpisz 25 w Number of trials (n) i 0.04 w Success probability (p). „Sukces” oznacza tutaj znalezienie niezgodnej etykiety.
4. Wprowadź pytanie
Wybierz Single value w Value source. Wpisz 2 w Value (x). Nie przypisuje się kolumn arkusza.
5. Uruchom analizę
Wybierz Run analysis, a następnie otwórz Results.
6. Zinterpretuj wyniki
Sprawdź pytanie
Sprawdź 25 etykiet. Załóż, że każda ma 4% prawdopodobieństwa niezgodności, niezależnie od pozostałych.
Odczytaj obliczoną wartość
PMF wynosi 0.187707, czyli około 18.77%. W tym modelu jest to prawdopodobieństwo znalezienia dokładnie dwóch niezgodnych etykiet wśród 25.
Zrozum znaczenie wyniku
Dokładnie dwa nie obejmuje zera ani jednego. Dla co najwyżej dwóch użyj prawdopodobieństwa skumulowanego.
Stosuj model ostrożnie
Sprawdź, czy jednakowe prawdopodobieństwo niezgodności i niezależność są zasadne dla badanych etykiet. Skupianie niezgodności w partiach może sprawić, że model będzie nieodpowiedni.
Więcej szczegółów: omówienie poszczególnych wyników
Pełne tabele wyników zachowują sześć cyfr znaczących, tak jak w sekcji Help.
Wartości rozkładu
x jest żądaną liczbą zdarzeń. PMF to P(X = x), czyli prawdopodobieństwo dokładnie tej liczby. Dokładnie dwa nie obejmuje zera ani jednego. Dla co najwyżej dwóch użyj prawdopodobieństwa skumulowanego.
| x | PMF |
|---|---|
| 2 | 0.187707 |
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 | Discrete |
| Rozkład | Binomial |
| Obliczenie | PMF |
| Liczba prób (n) | 25 |
| Prawdopodobieństwo sukcesu (p) | 0.04 |
- Dwumianowy(n=25, p=0.04)
7. Utwórz raport
Zachowaj Distribution values (lub tabelę kwantyli) oraz Distribution summary. Podaj założenia modelu, jednostkę czasu lub przedział liczebności oraz rozpatrywane pytanie. Dokładnie dwa nie obejmuje zera ani jednego. Dla co najwyżej dwóch użyj prawdopodobieństwa skumulowanego. 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.