Weibull-Verteilung: Lösung für eine „gepoolte“ Weibull-Beta?Zuvor gab es einen Thread zur Behebung des Weibull-Beta und des p-Faktors in einer Analyse fehlerhafter Subpopulationen.
https://community.jmp.com/t5/Discussions/Life-Distribution-Fixing-p-and-fixing-Weibull-beta-in-DS-Weibull/td-p/43681
Ich habe 3 " Geschmacksrichtungen“ derselben Population, aber mit unterschiedlichen Stressbedingungen. Wenn wir denselben Fehlermechanismus haben, sollte theoretisch das Weibull-Beta für alle drei Datensätze gleich sein, wobei sich nur die Fehlerrate und das Weibull-Alpha unterscheiden.Basierend auf Intervallabständen und anderen Faktoren kann sich das Weibull-Beta der JMP-Regression um +/- 20 % ändern.
Über den obigen Link habe ich gelesen, wie ich das Weibull-Beta einschränken und dann das Weibull-Alpha ermitteln kann.Das ist großartig, aber worauf soll die Beta eingestellt werden?
Bietet JMP mit der Lebensdauerverteilungsanalyse und dem „Nach“-Filter die Möglichkeit, zwei verschiedene Datensätze zu lösen, aber auf einer Weibull-Beta-Steigung zu konvergieren?
Betreff: Weibull-Verteilung: Lösung für eine „gepoolte“ Weibull-Beta?Sie legen den Formparameter auf der Grundlage historischer Beweise und der Annahme fest, dass die aktuelle Bevölkerung denselben Formparameter aufweist. Sie verwenden eine historische Schätzung für den Formparameter.
Möglicherweise möchten Sie die Annahme mit den drei Proben („Geschmacksrichtungen“, „Gruppen“) mithilfe der Life Distribution-Plattform testen. Wählen Sie die Registerkarte „Gruppen vergleichen“, bevor Sie Ihre Datenspalten in Analyserollen umwandeln.
Betreff: Weibull-Verteilung: Lösung für eine „gepoolte“ Weibull-Beta?Es gibt keine 3 „Geschmacksrichtungen“. Es sind 3 zufällige Gruppen aus derselben Population. Schlecht formuliert...
