参数生存分析的启发式视角 (2020-US-30MP-567)级别：中级
Thor Osborn，桑迪亚国家实验室首席系统研究分析师
参数生存分析通常用于描述实体（人、植物、产品等）在明确定义的分类存在状态之间的概率转变。 这种分析将依赖于持续时间的过程建模为紧凑、连续的分布，并将各个实体的相应转移概率作为持续时间和效应变量的函数。 然而，数据集最合适的生存分布通常不清楚，因为人们对基本的物理过程知之甚少。 在这种情况下，可以尝试一组常见的参数生存分布（例如，对数正态分布、Weibull、Frechét 和对数逻辑分布）来识别最适合数据的分布。 应用不同的选项集可以提高为许多实际目的找到质量足够的模型的可能性，但这种方法对管理兴趣转移的过程提供的洞察力很少。 每个常用的生存分布都建立在一个差异化的结构主题之上，这些主题可以为构建适当的问题和假设以进行更深入的调查提供有价值的视角。 本文阐明了每种更常用的生存分布背后的基本机制，并考虑了每种机制在过程查询和理解方面的启发式价值。
自动生成的成绩单...
扬声器
|
成绩单
|
| |
您好，欢迎来到我的 |
| 00 |
14.633 |
| |
3个 |
| |
在过去的 25 年里，我 |
| |
进行了许多研究和 |
| 00 |
31.533 |
| |
7 |
| |
与你分享一种思考方式 |
| |
关于我们的分布 |
| 00 |
49.366 |
| |
11 |
| |
受到先例的启发，容易 |
| |
使用，或经验证明 |
| 00 |
05.666 |
| |
15 |
| |
关于它的过程。 更远， |
| |
当一个优秀的模型拟合是 |
| 00 |
20.666 |
| |
19 |
| |
分布的起源 |
| |
常用于参数化 |
| 00 |
36.366 |
| |
23 |
| |
在工作场所以及看到 |
| |
在学术文献中。 |
| 00 |
51.400 |
| |
27 |
| |
文学，包括教科书 |
| |
和基于网络的文章，以及 |
| 00 |
07.166 |
| |
31 |
| |
可能失败的复审 |
| |
从工作中获得全部价值。 |
| 00 |
21.633 |
| |
35 |
| |
指数。 |
| |
关于 |
| 00 |
39.066 |
| |
39 |
| |
因为他们从根本上建模 |
| |
不同的系统原型。 在 |
| 00 |
56.200 |
| |
43 |
| |
分布确实适合 |
| |
对数正态数据很好。 |
| |
贴合度也可以 |
| 00 |
32.066 |
| |
48岁 |
| |
更合身。 其次， |
| |
只有一个适度的巧合 |
| 00 |
55.333 |
| |
52 |
| |
核心流程机制 |
| |
这些分布代表 |
| 00 |
11.600 |
| |
56 |
| |
分析，但它提供了一个非常 |
| |
熟悉的起点 |
| 00 |
27.133 |
| |
60 |
| |
不相关的影响。 让我们来看看 |
| |
如果那是真的。 |
| |
为了营造良好的 |
| 00 |
52.733 |
| |
65 |
| |
25,000。 对于个人 |
| |
记录，我们将使用随机 |
| 00 |
29.400 |
| |
06.333 |
| |
70 |
| |
71 |
| |
看到我们确实获得了 |
| |
正态分布。 |
| |
现在让我们考虑 |
| 00 |
14.400 |
| |
76 |
| |
无法烙印我的大脑 |
| |
有足够的知识 |
| 00 |
34.300 |
| |
80 |
| |
对数正态分布也是 |
| |
很简单。 如您所见， |
| 00 |
50.233 |
| |
84 |
| |
这个演示，我们重用 |
| |
波动数据 |
| 00 |
05.766 |
| |
88 |
| |
JSL脚本，因为我找到了 |
| |
方便多了 |
| 00 |
32.566 |
| |
92 |
| |
每个中的记录数 |
| |
样本。接下来，它提取 |
| 00 |
53.200 |
| |
96 |
| |
产品。 |
| |
外环跟踪 |
| 00 |
17.133 |
| |
101 |
| |
在上一张幻灯片上。 这 |
| |
扩增产物补偿 |
| 00 |
33.700 |
| |
105 |
| |
可以考虑分布 |
| |
二次产生的 |
| 00 |
18.400 |
| |
110 |
| |
许多类似的内部流程 |
| |
由其最大值表示 |
| 00 |
35.000 |
| |
114 |
| |
将被 Frechet 分发。 这 |
| |
威布尔分布代表 |
| 00 |
50.466 |
| |
118 |
| |
任何时候完成的过程 |
| |
多个元素有 |
| 00 |
08.766 |
| |
122 |
| |
使用帕累托分布 |
| |
作为来源。 在这种情况下， |
| 00 |
27.600 |
| |
126 |
| |
正常的绝对值 |
| |
分发作为来源。 |
| |
现在让我们快速浏览一下 |
| 00 |
58.666 |
| |
131 |
| |
使用最大值。 |
| |
对于的平方根 |
| 00 |
50.766 |
| |
136 |
| |
不可用，你也可以 |
| |
看到另一个常见的 |
| 00 |
33.233 |
| |
46.033 |
| |
141 |
| |
正态分布的值 |
| |
很好。 |
| |
顺便说一句，威布尔 |
| 00 |
28.066 |
| |
146 |
| |
分布时其核心 |
| |
行为实质上 |
| 00 |
43.600 |
| |
150 |
| |
四种血红素含有 |
| |
亚基机械相互作用 |
| 00 |
59.166 |
| |
154 |
| |
到现在都依赖 |
| |
独立样本。 教授 |
| 00 |
15.766 |
| |
158 |
| |
扩展到生产汽车 |
| |
相关数据。 一代 |
| 00 |
32.100 |
| |
162 |
| |
序列自相关是 |
| |
大约 0.75，但 |
| 00 |
59.033 |
| |
02.300 |
| |
167 |
| |
共同生存 |
| |
分布。你可以看到 |
| 00 |
26.400 |
| |
171 |
| |
关系的好例子 |
| |
现实世界之间的分析 |
| 00 |
42.000 |
| |
175 |
| |
打成一家 |
| |
重工业住宅。 |
| 00 |
55.266 |
| |
179 |
| |
具有相似的特征。 这 |
| |
土地所有者必须向 |
| 00 |
09.000 |
| |
183 |
| |
发表评论的机会。 当地的 |
| |
官员然后权衡 |
| 00 |
22.433 |
| |
187 |
| |
派对。这个例子不是 |
| |
走近作为示范 |
| 00 |
36.633 |
| |
191 |
| |
处理时间为140天。 这 |
| |
合身显然是不完美的，但是 |
| 00 |
52.733 |
| |
195 |
| |
分布式数据结果来自 |
| |
产生组合的过程 |
| 00 |
08.400 |
| |
199 |
| |
无处不在，但逻辑逻辑 |
| |
使用频率较低。 没有 |
| 00 |
24.466 |
| |
203 |
| |
多步过程可能是 |
| |
不足以传递日志 |
| 00 |
38.200 |
| |
207 |
| |
考虑和复杂性 |
| |
底层过程应该 |
| 00 |
53.166 |
| |
211 |
| |
一个过程是否是 |
| |
受到严重影响 |
| 00 |
05.566 |
| |
215 |
| |
是否合作要素 |
| |
包含积极的条款，例如 |
| 00 |
22.733 |
| |
219 |
| |
经常有人说，我会 |
| |
衷心感谢您的 |
| 00 |
35.033 |
爆发预测建模质量和可靠性
