Kontinuierliche Anpassung einer Verteilung mit ZerfallHallo
Ich bin auf der Suche nach einer kontinuierlichen Verteilungsanpassung für eine angepasste Kombination aus exponentiellem Zerfall und einem normalen oder weiblichen Gull. Im Grunde eine nicht normale rechtsverteilte Verteilung mit exponentiellem Abfall. Ich habe die Vertriebsplattform und die Mischungsoption geprüft, konnte aber keinen geeigneten Weg finden.
Jede Hilfe sehr geschätzt.
Vielen Dank
Re: Kontinuierliche Anpassung einer Verteilung mit ZerfallIch denke, ich verwende meine Daten in einem nicht konventionellen Sinne. Grundsätzlich betrachte ich nicht die Zuverlässigkeit der Produkte oder Ausfallzeiten, sondern die täglichen Entfernungen, um herauszufinden, welche Verteilung / Kombination bessere Vorhersagen haben wird. Meine Vermutung ist, dass eine Distribution sich für kürzere Distanzen als gut erweist und andere Distributionen bei relativ längeren Distanzen besser.
Bisher habe ich alles Mögliche gemacht, habe ein bisschen mit den Bedingungsmischungen gebastelt, aber jetzt zögerte ich, bis ich zuversichtlich bin, dass ein Mischungsansatz besser passen würde als ein einziger kontinuierlicher Sitz
Re: Kontinuierliche Anpassung einer Verteilung mit ZerfallDanke für die Hinweise. wird das Hilfe-Handbuch auschecken
Re: Kontinuierliche Anpassung einer Verteilung mit ZerfallHier sind noch ein paar Kommentare und Ideen:
- Denken Sie, dass Ihre Daten eine bedingte Mischung sind, manchmal ist eine Verteilung aktiv und zu anderen Zeitpunkten sind beide aktiv. Ich habe diese Art der Verteilung für Fehler, Partikel auf dem Produkt gesehen. Meistens wurden zufällige Defekte einer bestimmten Verteilung, aber ein Teil der Zeit wurde eine andere Art von Defekten hinzugefügt. In diesem Fall könnte Ihr vorhergesagtes Modell in etwa wie Lognormal (p1, p2) + (Random Uniform ()> p3) * p4 * Exp () aussehen, wobei p1-p4 zu schätzende Parameter sind. Diese benötigen Startwerte. Ich fand heraus, dass Verteilung> Kontinuierliche Anpassung> Normalmischung 2 einen guten Startpunkt für p3 den Anteil der Basislinienverteilung ergibt.
- JMP Pro Life Distribution passt die Zeit für das Versagen von Daten an, aber geben Sie vor, dass Ihre Daten Zeit sind. Es hat eine passende Mischung für die erwarteten Distributionen.
Beigefügt ist eine Tabelle mit zufälligen Simulationen. Es gibt zwei Mischungen. Die Ergebnisse variieren, da die Daten Formeln enthalten. Je nach Ihrer JMP-Version funktionieren die beigefügten Skripts für Life Distribution möglicherweise nicht. Die Life Distribution für die Mischung aus Weilbull und Exponential für meine Simulationen.
Re: Kontinuierliche Anpassung einer Verteilung mit ZerfallDies ist kein Modell, das JMP in die Distributionsplattform, die Fit Curve-Plattform oder die Wahrscheinlichkeitsfunktionen einfügt.
Sehen Hilfe > Bücher > Prädiktive und spezialisierte Modellierung . Siehe Kapitel für nichtlineare und benutzerdefinierte Modelle.
Re: Kontinuierliche Anpassung einer Verteilung mit ZerfallDanke, Txnelson
Ich habe es ausprobiert und die univariaten Distributionen gefunden, die zu meinen Daten passen, basierend auf AIC und -2 * LL
Ich versuche jedoch, etwas für eine Verteilung passend zu modellieren: Y ~ f1 (weibull, gamma oder log-normal) + f2 (exponentieller Zerfall)
Vielen Dank,
Re: Kontinuierliche Anpassung einer Verteilung mit ZerfallHaben Sie in den Distributionen die Option "All" ausprobiert, um herauszufinden, was JMP für die beste Lösung hält?
