為了展示 JMP 腳本語言的靈活性,我創建了一個簡單的腳本,該腳本將計算由 M 個塊組成的系統的產量,其中 M 塊中的 K 塊需要發揮作用才能使系統發揮作用。
Names Default to Here(1);
K = 8; // At least K out of M blocks need to be functional
M = 10; // Total number of blocks in system
Y.block = 0.90; // Probability of one block being functional
BinomialCoeff = Function( {n, k}, // calc coefficients of binomial expansion
Return( Factorial(n)/Factorial(k)/Factorial(n-k) );
);
Y.system = 0;
for (i = 0, i <= (M-K), i++,
Y.system = Y.system + BinomialCoeff(M,i)*Y.block^(M-i)*(1-Y.block)^i;
);
write("System yield of ",K," out of ",M," blocks is ",Y.system);
所以在這個例子中,如果每個區塊有 90% 的收益率,並且你有 10 個區塊,其中 8 個區塊需要正常運行才能使系統正常工作,那麼系統收益率將為 93%(如果 10 個中有 9 個,則為 74%,如果10 個中的 10 個)。
標記
此外,雖然我不熟悉這種方法,但我的簡短研究表明它可能是一種多元方法,可以將多元回歸和主成分分析擴展到多個預測變量和多個響應。 它可能類似於 JMP 中提供的偏最小二乘法 (PLS)。 見 JMP關於這個平台的文檔.
在無數學科中獨立開發了無數多元方法。
簡短的回答是肯定的,因為它是數學,而 JMP 可以做數學。
更長的答案是 JMP 沒有專門的冗餘分析平台,但有其他平台可以促進它,例如可靠性框圖,它可以從系統中的 M 故障模式中建模 K。
下面我將展示如何使用 JMP 腳本語言來執行 JMP 無法立即執行的任何類型的自定義分析。
標記