Ciao a tutti,
sto provando a Escludere righe dall'analisi in Modello adatto , Distribuzione della vita e Fit Life di X piattaforme.
In tutte le piattaforme sopra menzionate anche le righe escluse risultano nascoste nei grafici, mentre nella tabella queste righe sono solo escluse.
Domanda: Perché anche le righe escluse vengono nascoste in Modello adatto , Distribuzione della vita e Fit Life di X piattaforme?
Per ulteriori dettagli, vedere le schermate di seguito e il file JMP allegato.
La convenzione descritta si applica solo ai "punti dati grezzi", che possono essere tracciati, indipendentemente dal fatto che siano esclusi o meno dall'analisi, purché non nascosti.
Qui in Fit Life by X ecc., I marker non sono "punti di dati grezzi", sono stime non parametriche della funzione di distribuzione. Sono calcolati con e corrispondenti alle osservazioni incluse nell'analisi.
Nonostante la domanda originale, l'analisi dei dati è piuttosto interessante. Penso che contrassegnare la mortalità infantile e / oi fallimenti iniziali come osservazioni corrette e censurate dovrebbe essere l'approccio desiderato, piuttosto che "escludere". Se indovino correttamente, stai cercando di analizzare i dati di una "modalità concorrente" da un test di vita accelerato e sei interessato alla relazione tra la distribuzione del guasto e la tensione, a causa della modalità di guasto "prevista" in condizioni normali. Tuttavia, la mortalità infantile e gli insuccessi iniziali sono due diverse modalità di fallimento a cui non sei interessato. Credo che il modo corretto di gestire le modalità di guasto non interessate in questo esempio sia trattarle correttamente censurate, cioè il tempo di guasto "potenziale" dovuto alla modalità interessata è successivo al tempo di guasto registrato a causa di altre modalità. Quindi è necessario creare un'altra colonna del tempo, i cui valori siano uguali a "Tempo di guasto, h" se Mortalità infantile e / o (dipende dal fatto che siano entrambi modi di fallimento anormali) Fallimenti iniziali uguali a zero, mancanti se uguali. Quindi metti sia "Failure Time, h" che la nuova colonna time in Y.
Caro peng_liu,
Grazie per la risposta.
Quello che sto cercando di fare è creare un modello Inverse Power da voltaggio test accelerati.
A questo scopo sto usando il modello di regressione con Lo Distribuzione g-Logistic tramite Fit Life di X o Modello Parametric Survival Fit piattaforme in JMP.A partire dal Fit Life di X rapporto che ricevo energia η specificato nell'equazione del modello di potenza inversa sopra.
Il problema è che l'adattamento è scadente quando il neonato e gli insuccessi iniziali non sono esclusi dal modello (vedere la Figura 1 di seguito).
Di conseguenza si può vedere dalla Figura 2 che:
- valori di η e σ sono significativamente differenti tra i modelli di potenza inversa stimati con e senza guasti iniziali
- L'adattamento con i guasti iniziali è scarsamente predittivo del modello di potenza inversa (vedi diagramma PP residuo di Cox-Snell)
Quello che sto cercando di fare è
- fit modello di potere inverso senza mortalità infantile e fallimenti iniziali
- e allo stesso tempo continuano a mostrare la mortalità infantile e gli insuccessi iniziali su Fit Life dal grafico X.
Nota: la mortalità infantile (asterisco) e gli insuccessi iniziali (rombo) nel grafico a sinistra della Figura 1 sono censurato a destra nella tabella JMP
Figura 1
figura 2
Ci sono due cose in più che richiedono attenzione qui quando convertiamo la mortalità infantile e i fallimenti iniziali in osservazioni corrette e censurate. Se i dati hanno solo errori e osservazioni correttamente censurate, ci sono due formati:
Il primo è il formato della colonna Time-and-Censor-Indicator come il seguente. La maggior parte delle piattaforme di affidabilità ora accetta i valori di testo nella colonna Censore. La codifica zero-uno, tuttavia, è ancora accettata per impostazione predefinita.
Il secondo è il formato della colonna Time-Interval come il seguente. Qui le piattaforme si aspetteranno due colonne temporali Inizio e Fine, nessuna colonna indicatore più e individueranno i tipi di censura appropriati a seconda dei modelli di valori mancanti nelle celle. Qui, ad esempio, la seconda riga ha un valore mancante in Fine e quella riga indica un'osservazione censurata a destra.
Torniamo ora a questo caso specifico, in cui vogliamo contrassegnare la mortalità infantile e gli insuccessi iniziali come giustamente censurati. I dati contengono già alcune osservazioni "censurate", che in realtà sono "censurate a destra" a causa della sospensione. Pertanto, vorremmo contrassegnare tutti e tre i tipi di osservazione a destra censurati: mortalità infantile, fallimento iniziale e originariamente a destra censurata.
Allego entrambi gli approcci per illustrare. Primo, il "time censor format.jmp". Mantengo "Time to Failure, h" intatto, ma creo una nuova colonna "Effective Censor" con questa formula:
Quindi utilizzo "Time to Failure, h" e "Effective Censor" come colonne dell'indicatore di tempo e censura per analizzare i dati. Quello che segue è lo screenshot del confronto tra "trattare altre modalità correttamente censurate" e "escludere altre modalità". Gli script sono nella tabella. I numeri sono vicini, ma credo che dovremmo trattare altre modalità qui censurate.
Ora l'altro formato: "interval format.jmp". La tabella definisce "Periodo di tempo di inizio, h" e "Periodo di tempo di fine, h" come segue. Questo è "Periodo di tempo di inizio, h"
E questo è "Eng Period of Time, h"
Ora uso solo "Periodo di tempo iniziale, h" e "Periodo di tempo finale, h" per l'analisi. E i rapporti dovrebbero replicare ciò che è nello screenshot precedente. Gli script sono nella tabella.
Infine, lascia che ti spieghi cosa sono quei punti nell'overlay non parametrico. Sono stime non parametriche delle distribuzioni dei guasti a diversi livelli di tensione. Le stime utilizzano i punti dati inclusi e sono ad essi associati. Non viene tracciato un punto perché (1) l'osservazione corrispondente non è inclusa nell'analisi, o (2) al momento dell'osservazione corrispondente, la stima della probabilità non può essere determinata. Il motivo (1) è quello che ho spiegato in precedenza. Per il motivo (2), vedere, ad esempio, la prima riga in "time censor format.jmp", time = 0,001, mortalità infantile = 1. Lo trattiamo come giusto censurato. E non vediamo alcun punto intorno a 0,001 nella trama corrispondente. Perché non possiamo mettere una stima di probabilità definita al tempo = 0,001. Tutto ciò che possiamo dire è che la probabilità associata a Tensione = 51 al tempo = 0,001 dovrebbe essere inferiore al punto più basso dei punti verdi, che è circa 0,02.
