連續擬合分佈與衰變你好
我希望進行連續分佈擬合，以獲得指數衰減和對數正態或威布爾或伽瑪的定制組合。基本上是非正態的右偏態分佈，具有指數衰減。我檢查了分發平台和混合物選項，但找不到合適的方法。
任何幫助都非常讚賞。
謝謝
Re：連續擬合具有衰變的分佈我認為我在非傳統意義上使用我的數據。基本上我不是在考慮產品可靠性或故障時間，而是查看一年內的每日行駛距離，看看哪種分佈/組合將有更好的預測。我的預感是，一個分佈可能適用於較短的距離，而其他一些分佈在相對較長的距離上會做得更好。
到目前為止，我做了所有可能的連續擬合，對條件混合物進行了一點點修改，但現在暫時擱置，直到我確信混合方法比單個連續擬合更好
Re：連續擬合具有衰變的分佈謝謝你的指點。將查看幫助手冊
Re：連續擬合具有衰變的分佈以下是一些評論和想法：
- 您認為您的數據是條件混合，有時一個分佈是活動的，其他時候都是活動的。我看到了這種類型的缺陷分佈，產品上的微粒。大多數時候，特定分佈的隨機缺陷，但是一部分時間增加了另一種缺陷模式。如果是這種情況，您的預測模型可能看起來像Lognormal（p1，p2）+（Random Uniform（）> p3）* p4 * Exp（），其中p1-p4是要估計的參數。這些將需要起始值。我發現分佈>連續擬合>正常混合物2將為p3提供一個良好的起點，即基線分佈的比例。
- JMP Pro Life Distribution適合失敗數據，但假裝您的數據是時間。它有適合您期望的發行版的Fit Mixture。
附件是一個隨機模擬表，有兩種混合物，結果會因數據有公式而有所不同。Life Distribution的附加腳本可能不起作用，具體取決於您的JMP版本。Weilbull和Exponential混合的生命分佈用於我的模擬。
Re：連續擬合具有衰變的分佈這不是JMP在分佈平台，Fit Curve平台或概率函數中包含的模型。
看到救命 > 圖書 > 預測和專業建模 。請參閱非線性和自定義模型一章。
Re：連續擬合具有衰變的分佈謝謝txnelson
我試了一下，發現了基於AIC和-2 * LL的符合我數據的單變量分佈
但我特意試圖為這樣的分佈擬合建模：Y~f1（weibull，gamma或log-normal）+ f2（指數衰減）
謝謝，
Re：連續擬合具有衰變的分佈您是否嘗試在發行版上使用“全部”選項來查看JMP找到的最適合的內容？
