崩壊を伴う分布の連続フィッティングこんにちは
指数関数的減衰と対数正規またはワイブルまたはガンマのカスタマイズされた組み合わせに対して、連続分布フィッティングを行うことを検討しています。基本的には指数関数的に減衰する非正規の右傾斜分布です。流通プラットフォームと混合物の選択肢を確認しましたが、適切な方法が見つかりませんでした。
どんな助けも大いに感謝しました。
ありがとう
再：崩壊を伴う分布の連続フィッティング私は自分のデータを慣習的でない意味で使っていると思います。基本的に私は製品の信頼性や故障時間を見ているのではなく、どの分布/組み合わせがより良い予測をするのかを見るために1年にわたる毎日の運転距離を見ています。私の狙いは、あるディストリビューションは短い距離ではうまくいく可能性があり、他のディストリビューションは比較的長い距離でうまくいくだろうということです。
これまでは可能な限りすべての連続フィットを行ってきましたが、条件付き混合を少し細かくしましたが、混合アプローチが単一の連続フィットよりもうまくフィットすると確信できるまで今は延期しています。
再：崩壊を伴う分布の連続フィッティングポインタをありがとう。ヘルプマニュアルをチェックします
再：崩壊を伴う分布の連続フィッティングここにもう少しのコメントとアイデアがあります：
- あなたのデータは条件付き混合であると思いますか、時には一方の分布がアクティブで、他方の時間が両方ともアクティブです。私は製品に粒子状の欠陥のためのこのタイプの分布を見ました。ほとんどの場合、特定の分布のランダムな欠陥ですが、別のモードの欠陥が追加されることもあります。その場合、予測モデルはLognormal（p1、p2）+（Random Uniform（）> p3）* p4 * Exp（）のようになります。ここで、p1-p4は推定されるパラメータです。これらは初期値が必要です。Distribution> Continuous Fit> Normal Mixture 2がベースライン分布の割合であるp3の良い出発点を与えることがわかりました。
- JMPプロライフディストリビューションは、データを失敗させる時間に適していますが、あなたのデータは時間のふりをしています。それはあなたが期待する分布のためのFit Mixtureを持っています。
添付されているのは2つの混合があるランダムなシミュレーションを持つテーブルです、データには式があるので結果は異なります。JMPのバージョンによっては、Life Distribution用に添付されているスクリプトが機能しない場合があります。私のシミュレーションでは、WeilbullとExponentialを組み合わせた生命分布。
再：崩壊を伴う分布の連続フィッティングこれは、JMPがDistributionプラットフォーム、Fit Curveプラットフォーム、または確率関数に含めるモデルではありません。
見る助けて > 本 > 予測と特殊モデリング 。非線形モデルとカスタムモデルの章を参照してください。
再：崩壊を伴う分布の連続フィッティングありがとうtxnelson
私はそれを試してみて、AICと-2 * LLに基づいて私のデータに合う一変量分布を見つけました。
しかし、私は特に分布近似のためにこのようなものをモデル化しようとしています：Y〜f1（ワイブル、ガンマまたは対数正規）+ f2（指数関数的減衰）
ありがとう、
再：崩壊を伴う分布の連続フィッティングJMPが最適であると判断したものを見るために、ディストリビューションの "All"オプションを試しましたか？
