可靠性-概率信息的拟合数据<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />大家好，
潜在的JMP用户（Aledia）想在可靠性平台上进行一些过滤。他有以下数据
适合度不是很好。他想根据Y轴进行过滤，这意味着过滤将与概率信息相关联（因此请删除低于0.05且高于0.99的值
这样做的好方法是什么？（看来他能够在其他软件中做到这一点？）
如果需要脚本，就可以了。
非常感谢您的建议，并祝您圣诞快乐！
佛罗伦斯
回复：可靠性-有关概率信息的更合适的数据由于它使用排除方法，因此具有相同的行为;概率改变：
[cid：image004.jpg@01D13D78.C9B04F80]
De：malcolm.moore1
特使：mercredi 23décembre2015 11:44
À：弗洛伦斯·库森纳
对象：关于：-可靠性-关于概率信息的更合适的数据
JMP用户社区<>
可靠性-概率信息的拟合数据
来自JMP SE社区中malcolm.moore1 <>的回复-查看完整讨论<>
回复：可靠性-有关概率信息的更合适的数据选项2（基于混合比例）对您的用户有用吗？此解决方案需要按照故障时间的升序对数据进行排序，我忘记提及了。否则，可能是从概率图（或事件图）中选择点，然后排除并重新运行分析的情况。
马尔科姆
回复：可靠性-有关概率信息的更合适的数据非常感谢Malcolm继续探讨我的问题…
实际上，所有使用过滤的方法都不好，因为它们会改变数据的分布和概率。
对于第一种情况，您可以在下面进行观察。
左侧为带过滤器，右侧为不带过滤器。您会看到所选点的概率与排除某些点的概率不同（它也排除了没有估计值的点（审查数据））。
佛罗伦斯
De：malcolm.moore1
特使：mercredi 23décembre2015 10:57
À：弗洛伦斯·库森纳
对象：关于：-可靠性-关于概率信息的更合适的数据
JMP用户社区<>
可靠性-概率信息的拟合数据
来自JMP SE社区中malcolm.moore1 <>的回复-查看完整讨论<>
回复：可靠性-有关概率信息的更合适的数据以下是佛罗伦萨的一些建议：
1）在非参数估算报告中，右键单击并复制Kaplan-Meier估算并将其粘贴到数据表中的新列，然后过滤低概率估算（和高概率估算）以排除那些不属于感兴趣的故障分布。
2）不太主观的方法是使用混合寿命分布估计中的混合部分估计来定义不属于感兴趣分布的部分，然后排除相应的行数。例如，在文件“ Mixture Demo.jmp”中的两个混合分布的情况下，存在两个分布，并且行的前24.7％属于第一个分布，其余的行属于第二个分布。乘以总行数（在这种情况下为400）得出属于第一分布的前99行，因此应将前99行排除在外，以将生命周期分析的重点放在第二分布上。
马尔科姆
回复：可靠性-有关概率信息的更合适的数据我与对该解决方案不满意的客户进行讨论。
他想保持一个简单的模型（仅对数正态/威布尔/正态），而不会混合.....
还有其他建议吗？
De：malcolm.moore1
特使：狂欢22décembre2015 16:16
À：弗洛伦斯·库森纳
对象：关于：-可靠性-关于概率信息的更合适的数据
JMP用户社区<>
可靠性-概率信息的拟合数据
来自JMP SE社区中malcolm.moore1 <>的回复-查看完整的讨论<>
回复：可靠性-有关概率信息的更合适的数据这看起来像是佛罗伦萨的混合失效分布拟合问题，而不是需要降低与主要失效分布不对应的点的权重。尝试与您的用户共享所附的示例，以查看混合的故障分布如何符合他们的需求。或者，如果用户具有不同故障原因的标识，则可以尝试竞争原因故障分配。
马尔科姆
回复：可靠性-有关概率信息的更合适的数据不，问题不是要检测离群值，问题不是拟合将它们使用（但不对它们进行过滤，因为在这种情况下，分布和概率将发生变化。）像X拟合Y中那样的稳健拟合将很大或重量可变。要么？？？
De：malcolm.moore1
特使：狂欢22décembre2015 15:24
À：弗洛伦斯·库森纳
对象：关于：-可靠性-关于概率信息的更合适的数据
JMP用户社区<>
可靠性-概率信息的拟合数据
来自JMP SE社区中malcolm.moore1 <>的回复-查看完整讨论<>
回复：可靠性-有关概率信息的更合适的数据佛罗伦萨
“ Cols”>“实用程序建模”中的“探索异常值”选项是否可行？
马尔科姆
回复：可靠性-有关概率信息的更合适的数据这种方法不好，好像我应用了过滤器一样，我改变了点的分布和概率。这不是我想要的东西。我只想在局部范围内应用拟合，但不更改分布。
佛罗伦斯
回复：可靠性-有关概率信息的更合适的数据我的第一个方法是创建一个具有行比例的列，并对其应用过滤器。
但是也许有些更简单的我不知道。
佛罗伦斯
