Auparavant, il y avait un fil sur la fixation de la bêta de Weibull ainsi que du facteur p dans une analyse de sous-population défectueuse.
https://community.jmp.com/t5/Discussions/Life-Distribution-Fixing-p-and-fixing-Weibull-beta-in-DS-Weibull/td-p/43681
J'en ai 3 " saveurs » de la même population mais avec des conditions de stress différentes. Théoriquement, si nous avons le même mécanisme d'échec, le bêta de Weibull devrait être le même pour les 3 ensembles de données, seuls le taux d'échec et l'alpha de Weibull différant.En fonction de l'espacement des intervalles et d'autres facteurs, le bêta de Weibull sur la régression JMP peut changer de +/- 20 %.
Avec le lien ci-dessus, j'ai lu comment je peux contraindre la bêta de Weibull, puis résoudre pour l'alpha de Weibull.C'est super, mais sur quoi régler la bêta ?
JMP offre-t-il la possibilité, avec l'analyse de distribution de durée de vie et le filtre "par", de résoudre 2 ensembles de données différents mais de converger sur 1 pente bêta de Weibull ?
Vous fixez le paramètre de forme sur la base de preuves historiques et de la conviction que la population actuelle a le même paramètre de forme. Vous utilisez une estimation historique pour le paramètre de forme.
Vous voudrez peut-être tester l'hypothèse avec les trois échantillons ("saveurs", "groupes") à l'aide de la plate-forme Life Distribution. Sélectionnez l'onglet Comparer les groupes avant de convertir vos colonnes de données en rôles d'analyse.
Il n'y a pas 3 "saveurs". C'est 3 groupes aléatoires de la même population. Mal formulé...
