如何解决使用 sigma 估计器作为 PowerBI 中的 sbar/c4 计算 Cp Cpk 的 Dax 查询
我在使用 sigma 估算器的公式作为“sbar/c4”检查参考链接 here
我的样本数据如下
日期 | 国家名称 | 状态类型 | 州名 | 城市标签 | 邮政信箱号码 | 盒子尺寸 | 阅读 | 价值 | LSL | USL |
---|---|---|---|---|---|---|---|---|---|---|
06-10-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.31 | 18.2 | 18.8 |
09-10-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.428 | 18.2 | 18.8 |
16-10-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.364 | 18.2 | 18.8 |
19-10-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.48 | 18.2 | 18.8 |
22-10-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.49 | 18.2 | 18.8 |
28-10-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.407 | 18.2 | 18.8 |
01-11-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.512 | 18.2 | 18.8 |
17-11-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.506 | 18.2 | 18.8 |
19-11-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.472 | 18.2 | 18.8 |
21-11-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.507 | 18.2 | 18.8 |
22-11-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.596 | 18.2 | 18.8 |
19-12-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.517 | 18.2 | 18.8 |
21-12-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.529 | 18.2 | 18.8 |
22-12-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.481 | 18.2 | 18.8 |
23-12-2019 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.634 | 18.2 | 18.8 |
01-01-2020 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.451 | 18.2 | 18.8 |
02-01-2020 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.375 | 18.2 | 18.8 |
03-01-2020 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.403 | 18.2 | 18.8 |
06-01-2020 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.404 | 18.2 | 18.8 |
07-01-2020 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.54 | 18.2 | 18.8 |
10-01-2020 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.614 | 18.2 | 18.8 |
12-01-2020 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.668 | 18.2 | 18.8 |
13-01-2020 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.548 | 18.2 | 18.8 |
16-01-2020 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.497 | 18.2 | 18.8 |
25-01-2020 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.577 | 18.2 | 18.8 |
26-01-2020 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.517 | 18.2 | 18.8 |
28-01-2020 | 假人 | 高昂 | 37 | Cap191002 | 1 | 10 | 阅读7 | 18.481 | 18.2 | 18.8 |
09-03-2020 | 假人 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.499 | 18.2 | 18.8 |
15-03-2020 | 假人 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.429 | 18.2 | 18.8 |
17-03-2020 | 假人 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.347 | 18.2 | 18.8 |
17-03-2020 | 假人 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.59 | 18.2 | 18.8 |
19-03-2020 | 假的 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.433 | 18.2 | 18.8 |
22-03-2020 | 假人 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.478 | 18.2 | 18.8 |
26-03-2020 | 假人 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.569 | 18.2 | 18.8 |
29-03-2020 | 假人 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.701 | 18.2 | 18.8 |
29-03-2020 | 假人 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.496 | 18.2 | 18.8 |
30-03-2020 | 假人 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.548 | 18.2 | 18.8 |
31-03-2020 | 假人 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.604 | 18.2 | 18.8 |
01-04-2020 | 假人 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.558 | 18.2 | 18.8 |
02-04-2020 | 假人 | 高昂 | 37 | Cap200303 | 1 | 10 | 阅读7 | 18.63 | 18.2 | 18.8 |
这里我们需要计算城市标签列的 cp cpk 作为子组,...因为这是一个样本,但实际上会有 1000 个城市标签、10 个不同的国家/地区名称、40 个州名称。邮政信箱号,阅读和信箱大小将被忽略
C4 值决定为 0.9727,因为子组被认为是 10
我想知道如何创建一个 dax 查询来计算新的 sigma 值
我目前的查询是这样的
Cpk =
VAR sigma = STDEV.S(Table[Value])
VAR estimatedMean = AVERAGE(Table[Value])
VAR Cplower = (estimatedMean-MIN(Table[LSL Value]))/(3*sigma)
VAR cpupper = (MAX(Table[USL Value])-estimatedMean)/(3*sigma)
RETURN MIN(Cplower,cpupper)
新查询可以根据 Powerbi 中选择的切片器动态更改,例如国家/地区、州类型、州名等
请帮帮我,情况很危急
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。