분포와 부패의 연속 피팅여보세요
지수 붕괴와 로그 정규 분포 또는 와류 또는 감마의 맞춤 조합에 대한 연속 분포 피팅을 찾고 있습니다. 근본적으로 비정상적인 오른쪽 비대칭 분포가 기하 급수적으로 감소합니다. 배포 플랫폼과 혼합 옵션을 확인했지만 적절한 방법을 찾을 수 없었습니다.
어떤 도움을 많이 주셔서 감사합니다.
감사
재 : 분포와 부패의 연속 피팅나는 비 전통적인 감각으로 나의 데이터를 사용하고 있다고 생각한다. 기본적으로 나는 제품의 신뢰성이나 실패 시간을 보지는 않지만 일년 이상의 주행 거리를보고 어떤 분포 / 조합이 더 나은 예측을 하는지를보고 있습니다. 나의 직감은 하나의 분배가 더 짧은 거리에서는 좋을 것이고 어떤 다른 분배는 상대적으로 더 먼 거리에서 더 잘할 것이라는 점이다.
지금까지 나는 가능한 모든 연속적인 적합성을 보았고, 조건부 혼합물로 약간 변형 시켰지만, 혼합물 접근법이 단일 연속 적합성보다 잘 맞을 때까지 지금 당황하고 있습니다.
재 : 분포와 부패의 연속 피팅포인터를 가져 주셔서 감사합니다. 도움말 설명서를 확인합니다.
재 : 분포와 부패의 연속 피팅다음은 몇 가지 의견과 아이디어입니다.
- 귀하의 데이터가 조건부 혼합이라고 생각하십니까? 때로는 하나의 배포가 활성화되어 있고 다른 경우는 활성화되어 있습니다. 나는 제품의 미립자에 결함이있는 것을 보았다. 대부분의 경우 특정 분포의 무작위 결함이지만 시간의 일부는 다른 결함 모드가 추가되었습니다. 이 경우 예측 된 모델은 Lognormal (p1, p2) + (Random Uniform ()> p3) * p4 * Exp ()와 같을 수 있습니다. 여기서 p1-p4는 추정 할 매개 변수입니다. 시작 값이 필요합니다. Distribution> Continuous Fit> Normal Mixture 2가 기본 분포의 비율을 p3에 대해 좋은 시작점으로 제공한다는 것을 알았습니다.
- JMP Pro Life Distribution은 데이터를 실패 할 시간은 있지만 데이터가 가장 오래있는 척합니다. 그것은 당신이 기대하는 배포본에 맞는 맞추기 (Fit Mixture)를 가지고 있습니다.
첨부 무작위 시뮬레이션 테이블은 두 가지 혼합물이 있습니다, 결과는 데이터가 수식을 가지고 있기 때문에 다양합니다. Life Distribution의 첨부 스크립트는 JMP 버전에 따라 작동하지 않을 수 있습니다. 시뮬레이션을위한 Weilbull과 Exponential을 혼합 한 Life Distribution.
재 : 분포와 부패의 연속 피팅이는 유통 플랫폼, Fit Curve 플랫폼 또는 확률 함수에 JMP가 포함하는 모델이 아닙니다.
만나다 도움 > 서적 > 예측 및 전문 모델링 . 비선형 및 사용자 정의 모델 장을 참조하십시오.
재 : 분포와 부패의 연속 피팅감사합니다 txnelson
나는 그것을 시도하고 AIC와 -2 * LL에 기초한 나의 데이터에 맞는 단 변량 분포를 발견했다.
그러나 나는 Y = f1 (weibull, gamma 또는 log-normal) + f2 (지수 붕괴)와 같은 분포 적합을위한 모델을 구체적으로 모델링하려고합니다.
감사,
재 : 분포와 부패의 연속 피팅배포본에서 "모두"옵션을 사용하여 JMP가 가장 적합한 것으로 판단한 것이 있습니까?
