Salut à tous,
J'essaie de Exclure lignes de l'analyse dans Ajuster le modèle , Distribution de la vie et Fit Life par X plates-formes.
Dans toutes les plates-formes mentionnées ci-dessus, les lignes exclues semblent également être masquées dans les graphiques, tandis que dans le tableau, ces lignes sont uniquement exclues.
Question: Pourquoi les lignes exclues sont également masquées dans Ajuster le modèle , Distribution de la vie et Fit Life par X plates-formes?
Pour plus de détails, voir les captures d'écran ci-dessous et le fichier JMP joint.
La convention décrite ne s'applique qu'aux "points de données brutes", qui peuvent être tracés, qu'ils soient ou non exclus de l'analyse, tant qu'ils ne sont pas cachés.
Ici, dans Fit Life by X etc., les marqueurs ne sont pas des "points de données brutes", ce sont des estimations non paramétriques de la fonction de distribution. Ils sont calculés avec et correspondent aux observations incluses dans l'analyse.
Malgré la question initiale, l'analyse des données est plutôt intéressante. Je pense que marquer soit la mortalité infantile et / ou les échecs initiaux comme des observations censurées à droite devrait être l'approche souhaitée, plutôt que «exclure». Si je suppose correctement, vous essayez d'analyser les données d'un «mode concurrent» à partir d'un test de durée de vie accéléré, et vous vous intéressez à la relation entre la distribution des pannes et la tension, en raison du mode de panne «attendu» dans des conditions régulières. Cependant, la mortalité infantile et les échecs initiaux sont deux modes d'échec différents qui ne vous intéressent pas. Je pense que la manière correcte de gérer les modes de défaillance non intéressés dans cet exemple est de les traiter correctement censurés, c'est-à-dire que le temps de défaillance "potentiel" dû au mode intéressé est après le temps de défaillance enregistré en raison d'autres modes. Vous devez donc créer une autre colonne de temps, dont les valeurs sont égales à "Temps d'échec, h" si Mortalité infantile et / ou (dépendent du fait qu'il s'agit des deux modes d'échec anormal) Échecs initiaux égaux à des zéros, manquants si ceux-ci sont égaux. Ensuite, placez à la fois "Temps d'échec, h" et la nouvelle colonne de temps dans Y.
Cher peng_liu,
Merci de votre réponse.
Ce que j'essaie de faire est de créer un modèle Inverse Power à partir de Tension tests accélérés.
À cette fin, j'utilise le modèle de régression avec Lo g-Distribution logistique via Fit Life par X ou alors Modèle d'ajustement de survie paramétrique plates-formes dans JMP.De Fit Life par X rapport que je reçois Puissance η spécifié dans l'équation du modèle de puissance inverse ci-dessus.
Le problème est que l'ajustement est médiocre lorsque les échecs infantiles et initiaux ne sont pas exclus du modèle (voir la figure 1 ci-dessous).
En conséquence, on peut voir sur la figure 2 que:
- valeurs de η et σ diffèrent considérablement entre les modèles de puissance inverse estimés avec et sans échecs initiaux
- L'ajustement avec les défaillances initiales prédit mal le modèle de puissance inverse (voir Cox-Snell Residual PP Plot)
Ce que j'essaye de faire c'est
- adapter le modèle de modèle de puissance inverse sans mortalité infantile et échecs initiaux
- et dans le même temps, continuez à montrer la mortalité infantile et les échecs initiaux sur le graphique Fit Life by X
Remarque: La mortalité infantile (astérisque) et les échecs initiaux (losange) dans le graphique de gauche de la figure 1 sont censuré à droite dans le tableau JMP
Figure 1
Figure 2
Il y a deux choses supplémentaires qui nécessitent une attention particulière ici lorsque nous convertissons la mortalité infantile et les échecs initiaux en observations censurées à droite. Si les données ne comportent que des échecs et des observations censurées à droite, il existe deux formats:
Le premier est le format de colonne Time-and-Censor-Indicator comme le suivant. La plupart des plates-formes de fiabilité acceptent désormais les valeurs de texte dans la colonne Censeur. Le codage zéro-un, cependant, est toujours accepté par défaut.
Le second est le format de colonne Time-Interval comme le suivant. Ici, les plates-formes s'attendront à deux colonnes de temps Début et Fin, plus aucune colonne d'indicateur, et détermineront les types de censure appropriés en fonction des modèles de valeur manquante dans les cellules. Ici, par exemple, la deuxième ligne a une valeur manquante dans End, et cette ligne indique une observation censurée à droite.
Revenons maintenant à ce cas précis, dans lequel nous voulons marquer la mortalité infantile et les échecs initiaux comme censurés à droite. Les données contiennent déjà des observations «censurées», qui sont en fait «censurées à droite» en raison de la suspension. Par conséquent, nous aimerions marquer les trois types d'observation comme censurés à droite: mortalité infantile, échec initial et censuré à droite à l'origine.
J'attache les deux approches pour illustrer. Tout d'abord, le "format de censure temporelle.jmp". Je garde "Time to Failure, h" intact, mais crée une nouvelle colonne "Effective Censor" avec cette formule:
Ensuite, j'utilise "Time to Failure, h" et "Effective Censor" comme mes colonnes d'indicateur de temps et de censure pour analyser les données. Ce qui suit est la capture d'écran de la comparaison entre «traiter d'autres modes censurés à droite» et «exclure d'autres modes». Les scripts sont dans le tableau. Les chiffres sont proches, mais je pense que nous devrions traiter les autres modes de droit censurés ici.
Maintenant, l'autre format: "format d'intervalle.jmp". Le tableau définit «Période de début, h» et «Période de fin de temps, h» comme suit. Il s'agit de "Période de début, h"
Et c'est "Période Eng, h"
Maintenant, je n'utilise que "Période de début, h" et "Période de fin de temps, h" pour l'analyse. Et les rapports doivent reproduire ce qui se trouve dans la capture d'écran précédente. Les scripts sont dans le tableau.
Enfin, laissez-moi vous expliquer quels sont ces points dans la superposition non paramétrique. Ce sont des estimations non paramétriques des distributions de défaillance à différents niveaux de tension. Les estimations utilisent des points de données inclus et leur sont associées. Un point n'est pas dessiné car (1) l'observation correspondante n'est pas incluse dans l'analyse, ou (2) au moment de l'observation correspondante, l'estimation de probabilité ne peut pas être déterminée. La raison (1) est ce que j'ai expliqué plus tôt. Pour la raison (2), voir, par exemple, la première ligne dans "time censor format.jmp", time = 0.001, infant mortalité = 1. Nous le traitons comme censuré à droite. Et nous ne voyons aucun point autour de 0,001 dans le graphique correspondant. Parce que nous ne pouvons pas mettre une estimation de probabilité définie au temps = 0,001. Tout ce que nous pouvons dire, c'est que la probabilité associée à Tension = 51 au temps = 0,001 doit être inférieure au point le plus bas des points verts, qui est d'environ 0,02.
