離散データを時間内にフィット皆さんこんにちは、
私はこのコミュニティの何人かの親切な人々が私にこの分析の正しい方向を向けることを願っています、例えばテクニックやJMP例文書の提案（JMP 13）。私はこれに少し新しいと方向を探しています。
私は離散的な「ダメージの深刻度ランキング」（0、1、2、3、4の範囲で、4が最も深刻で、0が真新しい）とそれに対応する「使用日数」（0から450日までの範囲）を持っています。私のアイテムは時間の経過とともにダメージが増大するという考えですが、スナップショットはそれぞれ異なるダメージの分布を持つことになります。たとえば、0日ですべてが真新しいと予想されますが、450日で、私たちは20％がレベル4のダメージである可能性があります。
最終的に私はしたいと思います。
* 0〜30日、30〜60、360〜400など、特定の時間ブロック内での0〜4のダメージランクの分布を決定します。（おそらく、ワイブルパラメータや対数正規パラメータなどがありますか？他の提案はありますか？）
* 1500日での被害分布を知るためにこれらの傾向を外挿します。
データは非常に単純です、このフォーマットを取ります：
アイテム番号、使用日数、ダメージ重大度ランク
1、45、1
2、95、3
3、188、3
4、153、2
5、421、4
6、355、4
7、75、2
等...
再：時間内に離散データをフィット建設的な助けを与えるために欠けているいくつかの重要な情報があります：
時間0にいくつのユニットが存在しましたか？
すべてのユニットは同じロットからですか？
他の人が引退したために、より多くの新しい部隊が登場しますか？
ユニットは、損傷した時点ですぐに返却されるのでしょうか。例えば データはどのように検閲されますか？再：時間内に離散データをフィットどうぞ、
私はこのスレッドをぶつけてもっと背景を与えたいと思います。 まだ方向性を探しています。
ユニットがダメージのために等級分けされるとき、それは「引退」します（言い換えれば、製品は私たちに返され、そして私たちはそれを等級づけします）。製品にはこれ以上フィールドでの使用はありません。
カップルノート
*時間は連続的です、それは23日間、411日間、96日間などです。
*ダメージは、0 =新品、1 =新品同様、2 =普通、3 =不良、4 =非常に不良と評価されます。
50パーセンタイルグレードが経時的に何であり、90パーセンタイルグレードが経時的に何であるかを知りたいのです。
それからこれらの百分位数を3年（〜1100日）に外挿します。基本的に、ヘビーユーザーの「ロングテール」をどのように理解し、それを視覚的に伝えることができるでしょうか。
再：時間内に離散データをフィット私より多くのことを知っている人はあなたを操縦しなければならないでしょう（そして私は彼らがそうするであろうと確信しています）が、いくつかの考えが思い浮かびます。 まず、あなたのデータは検閲されます - いつの時点でも、損害の欠如は単に損害がまだ発生していないことを意味します - しかしそれは（後で）起こるかもしれません。 ただし、標準的な生存分析はうまくいきません。0,1の打ち切り変数を使ったことがあるだけなので、あなたはさまざまなレベルのダメージを受けているようです。 うまくいけば、誰かがその合併症への対処方法を明らかにすることができます。
第二に、なぜ時間変数を時間ブロックに入れたいのかわかりません。 あなたは時間の連続的な尺度を持っているので、私はそれをブロックにグループ化しません。 あなたは、応答としての序数的損傷変数と独立変数としての時間変数（そしておそらく他のもの）を使って分類モデル（ロジスティック、区分、ニューラルネットなど）を試すことができます。 これはこれをモデル化するための最も簡単な方法のように思えます。
