ယုံကြည်စိတ်ချမှုကြားကာလ။ ဒါကြောင့်ဘယ်လိုဘယျလိုအသုံးပွုနိုငျသလဲ?

ယုံကြည်စိတ်ချမှုကြားကာလ, စာရင်းဇယား၏လယ်ပြင်ကနေကျွန်တော်တို့ကိုရောက်လေ၏။ ယုံကြည်စိတ်ချရမှု၏မြင့်မားသောဘွဲ့နှင့်အတူအမည်မသိ parameter သည်ကိုခန့်မှန်းရန်တာဝန်ထမ်းဆောင်သောဤအခြို့သောအကွာအဝေး။ ဒီရှင်းပြဖို့အလွယ်ကူဆုံးနည်းလမ်းတခုဥပမာနှငျ့အတူရှိ၏။

သင်တစ်ဦးကို client တောင်းဆိုချက်ကို, ဥပမာ, ဆာဗာတုံ့ပြန်မှုအချိန်မဆိုကျပန်းတန်ဖိုးကိုစူးစမ်းလေ့လာချင်ဆိုပါစို့။ အသုံးပြုသူအမျိုးအစားများကိုတိကျတဲ့လိပ်စာအခါတိုင်း, ဆာဗာကွဲပြားခြားနားသောအမြန်နှုန်းမှာတုံ့ပြန်မှု။ ထို့ကြောင့်စမ်းသပ်မှုတုံ့ပြန်မှုအချိန်ကျပန်းဖြစ်ပါတယ်။ ဒါကြောင့်ယုံကြည်စိတ်ချမှုကြားကာလဒီ parameter သည်၏နယ်နိမိတ်ကိုဆုံးဖြတ်ရန်, ပြီးတော့သူက 95% ၏ဖြစ်နိုင်ခြေနဲ့ငြင်းခုန်ရန်ဖြစ်နိုင်ပါလိမ့်မည် များ၏တုံ့ပြန်မှုနှုန်းသည် ဆာဗာကိုတွက်ချက်အကွာအဝေးအတွင်းဖြစ်လိမ့်မည်။

ဒါမှမဟုတ်သင်ကလူကုမ္ပဏီ၏ကုန်သွယ်မှုအမှတ်အသားသတိပြုမိကြသည်မည်မျှသိလို။ ယုံကြည်မှုကြားကာလတွက်ချက်သောအခါ, ထို့နောက်ဤသတိထားနေသောစားသုံးသူတစ်ဦး 95% ဖြစ်နိုင်ခြေအချိုးအစားဆိုဥပမာ, ဖြစ်နိုင်သမျှပါလိမ့်မည် ကုန်အမှတ်တံဆိပ်, 27% ကနေ 34% အထိအကွာအဝေး၌တည်ရှိ၏။

ဒီအသုံးအနှုန်းဟာယုံကြည်စိတ်ချမှုအဆင့်အထိကဲ့သို့သောတန်ဖိုးနီးကပ်စွာဆက်စပ်ဖြစ်ပါတယ်ကတည်းက။ ဒါဟာတပ်မက်လိုချင်သောအ option ကိုယုံကြည်စိတ်ချမှုကြားကာလများတွင်ပါဝင်သည်ကြောင်းဖြစ်နိုင်ခြေတစ်ခုဖြစ်ပါတယ်။ ဒီတန်ဖိုးကိုကနေကျနော်တို့ရဲ့တပ်မက်လိုချင်သောအအကွာအဝေးရှိလိမ့်မည်ဘယ်လောက်ကြီးမားတဲ့ပေါ်တွင်မူတည်သည်။ ဒါကြောင့်အားလက်ခံတွေ့ဆုံတန်ဖိုး, အကျဉ်းယုံကြည်မှုကိုကြားကာလများနှင့်အပြန်အလှန် သာ. ။ ပုံမှန်အားဖြင့်က 90%, 95% သို့မဟုတ် 99% အထိသတ်မှတ်ထားသည်။ တန်ဖိုး 95% လူကြိုက်အများဆုံးဖြစ်ပါတယ်။

Active ကို component တစ်ခုကိုလည်းလေ့လာတွေ့ရှိချက်များပျံ့နှံ့ခြင်းနှင့်နမူနာအရွယ်အစားသက်ရောက်သည်။ ၎င်း၏ချက်နှင့်အဓိပ္ပါယ်ဆိုတဲ့မေးခွန်းကိုအတွက် attribute ကမှဘာသာရပ်သောယူဆချက်အပေါ်အခြေခံသည် ပုံမှန်ဖြန့်ဖြူးဥပဒ။ ဒါကကြေညာချက်ကိုလည်း Gauss ရဲ့ဥပဒေအဖြစ်လူသိများသည်။ သူ့ကိုအလိုအရ, ဒီဖြစ်နိုင်ခြေသိပ်သည်းဆအားဖြင့်ဖျောပွနိုငျတဲ့စဉ်ဆက်မပြတ်ကျပန်း variable ကို၏ပုံမှန်ဖြန့်ဖြူးဟုခေါ်သည်။ ပုံမှန်ဖြန့်ဖြူးများ၏ယူဆချက်ကမှားဖြစ်ဖို့သက်သေပြလျှင်, ထိုခန့်မှန်းချက်မှားယွင်းနေဖြစ်နိုင်ပါတယ်။

ပထမဦးစွာဖွင့်များအတွက်ယုံကြည်စိတ်ချမှုကြားကာလတွက်ချက်ဖို့ဘယ်လိုကိုင်တွယ်ဖြေရှင်းကြကုန်အံ့ မြော်လင့်။ နှစ်ခုဖြစ်နိုင်တဲ့ရောဂါဖြစ်ပွားမှုရှိပါတယ်။ အရပ်ရပ်တို့၌ကွဲပြားပါ (ကျပန်း variable ကို၏ကြဲဖြန့်၏ဒီဂရီ) လူသိများသို့မဟုတ်မခံရပေမည်။ ဒါကြောင့်လူသိများသည်ဆိုပါကကျွန်တော်တို့ရဲ့ယုံကြည်မှုကြားကာလကိုအောက်ပါပုံသေနည်းကို အသုံးပြု. တွက်ချက်:

HSR - t * σ / (sqrt (ဎ)) <= α <= HSR + T * σ / (sqrt (ဎ)), ဌာန၏

α - နိမိတ်

t - ထို Laplace ဖြန့်ဖြူး table ၏ parameter သည်,

sqrt (ဎ) - စုစုပေါင်း၏စတုရန်းအမြစ် နမူနာအသံအတိုးအကျယ် ,

σ - ထိုကှဲလှဲ၏စတုရန်းအမြစ်။

အဆိုပါကှဲလှဲမသိရသည်ဆိုပါကကျွန်တော်လိုချင်သောရိုအပေါငျးတို့သတန်ဖိုးများကိုသိလျှင်, ထိုသို့တွက်ချက်နိုင်ပါတယ်။ ဒီလိုလုပ်ဖို့အောက်ပါဖော်မြူလာကိုအသုံးပြုပါ:

σ2 = h2sr - (HSR) 2, ဌာန၏

h2sr - ထိုလေ့လာခဲ့ရို၏ရင်ပြင်၏ပျမ်းမျှတန်ဖိုး

(HSR) 2 - စတုရန်း ယုတ်တန်ဖိုးကို သည့်ဝိသေသများ၏။

ဤကိစ္စတွင်အတွက်ယုံကြည်စိတ်ချမှုကြားကာလတွက်ချက်သောအားဖြင့်ပုံသေနည်းအနည်းငယ်ကွဲပြားသည်:

HSR - ကျသော t * s / (sqrt (ဎ)) <= α <= HSR + T * s / (sqrt (ဎ)),

XCP - နမူနာကိုဆိုလိုတာ,

α - နိမိတ်

t - ကျောင်းသားဖြန့်ဖြူးစားပွဲပေါ်မှာ t = t ကို (ɣ; ဎ-1) ကတွေ့သော parameter သည်,

sqrt (ဎ) - နမူနာအရွယ်အစား၏စတုရန်းအမြစ်,

s ကို - ထိုကှဲလှဲ၏စတုရန်းအမြစ်။

ဒီဥပမာစဉ်းစားပါ။ ဒါဟာတိုင်းတာ parameter သည်၏စစ်မှန်သောတန်ဖိုးကိုပါရှိသည်ထားတဲ့ 99% ယုံကြည်မှုကြားကာလတစ်ဖြစ်နိုင်ခြေနှင့်အတူတွေ့ရှိရရပါမည် 7 တိုင်းတာ၏ရလဒ်များကိုမှ 30 တန်းတူညီမျှသောစမ်းသပ်မှုအင်္ဂါရပ်၏ပျမ်းမျှတန်ဖိုးကိုဆုံးဖြတ်ထားခဲ့ပါတယ်ယူဆနှင့် 36. ညီမျှနမူနာကှဲလှဲ။

3,71 =; t ကို = t ကို (7-1 0,99): ပထမဦးစွာကျနော်တို့က t ကိုအဘယျသတ်မှတ်။ အထက်ပါပုံသေနည်းကိုသုံးပြီးကျနော်တို့ရ:

HSR - t * s / (sqrt (ဎ)) <= α <= HSR + T * s / (sqrt (ဎ))

3.71 * 36 / (sqrt (7)) <= α <= 30 + 3,71 * 36 / (sqrt (7)) - 30

21,587 <= α <= 38,413

လူသိများယုတ်နှင့်အတူအမှုဖြစ်ပါသည်ကဲ့သို့၎င်း, သင်္ချာမျှော်လင့်မဒေတာနှင့်တစ်ခုတည်းသောလူသိများတန်ဖိုးကိုဘက်မလိုက်ကှဲလှဲခန့်မှန်းချက်အချက်လည်းမရှိသည့်အခါကှဲလှဲများအတွက်ယုံကြည်စိတ်ချမှုကြားကာလတွက်ချက်သည်။ သူတို့အတော်လေးရှုပ်ထွေးပြီး, ဆန္ဒရှိလျှင်, သူတို့ကအမြဲတမ်းကွန်ယက်ပေါ်တွင်တွေ့ရှိနိုင်ပါသည်များမှာကတည်းကကျနော်တို့ဒီမှာသူ့ရဲ့တွက်ချက်မှုများအတွက်ဖော်မြူလာကိုမပေးပါလိမ့်မယ်။

ကျနော်တို့ယုံကြည်မှုကြားကာလအဆင်ပြေသည့် Excel ကိုပရိုဂရမ်သို့မဟုတ်သမုတ်သောကွန်ယက်ကိုဝန်ဆောင်မှုကို အသုံးပြု. ဆုံးဖြတ်ထားကြောင်းသာသတိပြုပါ။