Uygulama komutları, çalışma sayfası kimlikleri ve örnek veri değerleri özgün biçimleriyle korunur. Ekran görüntüleri, grafikler ve indirilen dosyalar İngilizcedir. Bilimsel örneklerde özgün İngilizce sayı gösterimi korunur: ondalık ayırıcı nokta, binlik ayırıcı virgüldür. Web sitesindeki fiyatlar ve sayılar ise Türkçe biçimlendirilir.
Örnek: tam olarak iki uygunsuz etiket
25 etiketi inceleyin. Her birinin diğerlerinden bağımsız olarak %4 uygunsuzluk olasılığı olduğunu varsayın.
Senaryonun referans verilerini indirin (CSV)Bu, Help bölümünde kullanılan örneğin aynısıdır. CSV referans senaryolarını listeler. Seçilen senaryoyu Inputs sekmesine elle girin; dosyayı içe aktarmak bu hesaplayıcıyı yapılandırmaz. Girdileri önceden doldurmak için Help bölümündeki Open example in a practice copy seçeneğini kullanın.
1. Çalışma alanını oluşturun
Kenar çubuğunda Basic Statistics bölümünü açın ve Distributions seçeneğini belirleyin. Bir analiz oluşturun, adını girin, New blank worksheet seçeneğini belirleyin ve ardından Create analysis seçeneğini kullanın.
2. Hesaplamayı seçin
Inputs sekmesinde Distribution type için Discrete, Distribution için Binomial, ardından Calculation için Probability mass (PMF) seçeneğini belirleyin.
3. Modeli girin
Number of trials (n) alanına 25, Success probability (p) alanına 0.04 girin. Burada “başarı”, uygunsuz bir etiket bulunması anlamına gelir.
4. Soruyu girin
Value source için Single value seçeneğini belirleyin. Value (x) alanına 2 girin. Çalışma sayfası sütunu atanmaz.
5. Analizi çalıştırın
Run analysis seçeneğini kullanın, ardından Results sekmesini açın.
6. Sonuçları yorumlayın
Soruyu kontrol edin
25 etiketi inceleyin. Her birinin diğerlerinden bağımsız olarak %4 uygunsuzluk olasılığı olduğunu varsayın.
Hesaplanan değeri okuyun
PMF değeri 0.187707, yani yaklaşık %18.77 olur. Bu model altında bu değer, 25 etiket arasında tam olarak iki uygunsuz etiket bulma olasılığıdır.
Ne anlama geldiğini anlayın
Tam olarak iki, sıfır veya bir sayılarını dışlar. En fazla iki için bunun yerine birikimli olasılığı kullanın.
Modeli dikkatli kullanın
Örneklenen etiketler için aynı uygunsuzluk olasılığının ve bağımsızlığın makul olup olmadığını kontrol edin. Parti içi kümelenme bu modeli uygunsuz hale getirebilir.
Diğer ayrıntılar: her sonuç bölümünü okuyun
Eksiksiz sonuç tabloları, Help bölümündeki gibi altı anlamlı basamak kullanır.
Dağılım değerleri
x, sorulan olay sayısıdır. PMF, tam olarak bu sayının olasılığı olan P(X = x) değeridir. Tam olarak iki, sıfır veya bir sayılarını dışlar. En fazla iki için bunun yerine birikimli olasılığı kullanın.
| x | PMF |
|---|---|
| 2 | 0.187707 |
Dağılım özeti
Tür, sürekli değerleri tamsayı sayımlardan ayırır. Dağılım modeli adlandırır. Hesaplama, PMF (tam olarak belirli bir sayının olasılığı), PDF (yoğunluk), CDF (birikimli olasılık) veya ICDF (kantil) yöntemini kaydeder. Diğer satırlar etkin parametreleri kaydeder; bunlar Inputs sekmesinde girilen varsayımlardır.
| Ayar | Değer |
|---|---|
| Tür | Discrete |
| Dağılım | Binomial |
| Hesaplama | PMF |
| Deneme sayısı (n) | 25 |
| Başarı olasılığı (p) | 0.04 |
- Binom(n=25, p=0.04)
7. Rapor oluşturun
Distribution values (veya kantil tablosu) ve Distribution summary sonuçlarını saklayın. Model varsayımlarını, zaman birimini veya sayım aralığını ve yanıtlanan soruyu belirtin. Tam olarak iki, sıfır veya bir sayılarını dışlar. En fazla iki için bunun yerine birikimli olasılığı kullanın.
Tamamlanan hesaplamada Add to report seçeneğini belirleyin. Tablo ve grafikleri seçmek için Choose individual items and advanced options bölümünü açın, ardından Add to draft seçeneğini belirleyin. Gizlenen öğeler kayıtlı analizde kalır.
Raporu adlandırın, çalışmanın amacını ve yorumunuzu ekleyin. Save seçeneğiyle kaydedin; Preview ile önizlemeyi inceleyin, ardından Export → Download HTML yolunu kullanın. Aşağıdaki örnek, bir ekrana sığmayan sonuçlar dahil seçilen içeriğin tamamını içerir.