Montaggio continuo di una distribuzione con decadimentoCiao
Sto cercando di realizzare un raccordo di distribuzione continua per una combinazione personalizzata di decadimento esponenziale e un log normale o weibull o gamma. Fondamentalmente una distribuzione distorta giusta non normale con un decadimento esponenziale. Ho controllato la piattaforma di distribuzione e l'opzione miscele ma non sono riuscito a trovare un modo adeguato.
Qualsiasi aiuto molto apprezzato.
Grazie
Oggetto: montaggio continuo di una distribuzione con decadimentoPenso che sto usando i miei dati in un senso non convenzionale. In sostanza, non guardo all'affidabilità del prodotto o ai tempi di guasto, ma guardo le distanze di guida giornaliere in un anno per vedere quale distribuzione / combinazioni avrà una previsione migliore. La mia impressione è che una distribuzione potrebbe fare bene per distanze più brevi e qualche altra distribuzione farà meglio su distanze relativamente più lunghe.
Finora ho fatto tutto il possibile adattamento continuo, armeggiato un po 'con le miscele condizionali, ma mi sono trattenuto fino a quando non sono sicuro che un approccio misto si adatterebbe meglio di un singolo adattamento continuo
Oggetto: montaggio continuo di una distribuzione con decadimentoGrazie per i suggerimenti. controllerà il manuale di aiuto
Oggetto: montaggio continuo di una distribuzione con decadimentoEcco alcuni altri commenti e idee:
- Pensi che i tuoi dati siano una miscela condizionale, a volte una distribuzione è attiva e altre volte entrambe sono attive. Ho visto questo tipo di distribuzione per difetti, particolato sul prodotto. La maggior parte delle volte si sono verificati difetti casuali di una particolare distribuzione ma una porzione di tempo è stata aggiunta un'altra modalità di difetti. In questo caso, il modello previsto potrebbe essere simile a Lognormal (p1, p2) + (Random Uniform ()> p3) * p4 * Exp (), dove p1-p4 sono parametri da stimare. Questi avranno bisogno di valori iniziali. Ho trovato che Distribuzione> Adattamento continuo> Miscela normale 2 fornirà un buon punto di partenza per p3 la proporzione della distribuzione della linea di base.
- JMP Pro Life Distribution si adatta ai dati Time to fail, ma fa finta che i tuoi dati siano ora. Ha una Fit Mixture per le distribuzioni che ti aspetti.
Allegata è una tabella con simulazioni casuali ci sono due miscele, i risultati varieranno poiché i dati hanno formule. Gli script allegati per Life Distribution potrebbero non funzionare, a seconda della versione di JMP. The Life Distribution per il mix di Weilbull ed Exponential per le mie simulazioni.
Oggetto: montaggio continuo di una distribuzione con decadimentoQuesto non è un modello che JMP include nella piattaforma di distribuzione, nella piattaforma Fit Curve o nelle funzioni di probabilità.
Vedere Aiuto > Libri > Modellazione predittiva e specializzata . Vedi il capitolo per i modelli non lineari e personalizzati.
Oggetto: montaggio continuo di una distribuzione con decadimentoGrazie a txnelson
L'ho provato e ho trovato le distribuzioni univariate che si adattano ai miei dati basati su AIC e -2 * LL
Ma sto specificatamente cercando di modellare qualcosa del genere per una distribuzione adatta: Y ~ f1 (weibull, gamma o log-normal) + f2 (decadimento esponenziale)
Grazie,
Oggetto: montaggio continuo di una distribuzione con decadimentoHai provato l'opzione "Tutto" nelle distribuzioni per vedere cosa trova JMP come la soluzione migliore?
