Salve, sono interessato all'utilizzo dell'analisi di sopravvivenza per prevedere la probabilità di fallimento a determinate concentrazioni di un fattore.Questo è per il rifiuto del consumatore di un prodotto, modellato in funzione di tre variabili (es. concentrazioni di tre diversi ingredienti).Per una delle variabili (Y), mi interessa conoscere la probabilità di rigetto in funzione di essa e di X e Z.
Nota: in parallelo sto valutando anche la piattaforma logistica nominale, anche se sto esplorando l'analisi di sopravvivenza perché mi sembra una metodologia interessante.
Punteggio
1. Ho un punteggio ordinale 1 - 9 in una colonna.Questa è la risposta del relatore.
2. Ho un punteggio di categoria "Passato" o "Fallito" in base alla risposta del membro del panel.Se una risposta è > 5, ottiene un punteggio di "Pass".In caso contrario, "Fallire".
3. Ho la colonna censura di 1 o 0.L'ho codificato in modo tale che un Fail (ad esempio il rifiuto del consumatore) sia uno 0, mentre un Pass sia un 1.L'ho fatto perché se un consumatore ha dato un punteggio "Pass", allora ritengo che non abbia il tempo di fallire poiché tecnicamente non ha fallito.
Ingressi
1. Fattore X: concentrazione numerica continua di un ingrediente X.Mi aspetto che la probabilità di fallire aumento man mano che la concentrazione aumenta.
2. Fattore Y: concentrazione numerica continua di un ingrediente Y.Mi aspetto che la probabilità di fallire diminuire man mano che la concentrazione aumenta.
3. Fattore Z: concentrazione numerica continua di un ingrediente Z.Mi aspetto che la probabilità di fallire aumento man mano che la concentrazione aumenta.
Approccio: utilizzando il fattore Y (concentrazione) come "Time to Failure"
0. Analizza --> Affidabilità e sopravvivenza --> Adatta sopravvivenza parametrica
1. L'ho trattato come il VA Lung Cancer Set, dove ho impostato "Time to Failure" come fattore Y poiché sono interessato a vedere come cambia la probabilità di fallimento in funzione di Y.Nota che mi aspetto che la probabilità di fallimento diminuisca man mano che Y aumenta.
2. Ho messo censore come censore.
3. Effetti della posizione: fattore X e fattore Y poiché sono interessato al fatto che il modello sia in grado di modellare la probabilità di guasto in funzione dei fattori X, Y e Z.
Problemi
1. Guardando il Profiler di distribuzione, mostra che la mia Probabilità di fallimento aumenta effettivamente con l'aumentare del "Tempo" (noto anche come Fattore Y).Questo è l'opposto di quello che mi aspetto.
2. Ho anche ripetuto l'analisi in cui ho inserito il Fattore X e Y come effetti Fattore e il Fattore Z come "Tempo all'evento".In questo caso, Mi aspetto che la probabilità di fallimento aumenti con un aumento con il fattore Z. .Tuttavia, il profiler di distribuzione prevede ancora che l'aumento del fattore Y provoca un aumento della probabilità di guasto.Non credo che questo sia corretto.
Sospetto che sto impostando l'analisi di sopravvivenza in modo errato e/o dovrei usare solo la regressione logistica nominale.Tuttavia, so che la metodologia di sopravvivenza è stata utilizzata per trovare le soglie di concentrazione (ad esempio, la probabilità che il consumatore rifiuti il prodotto sarà >50% se la concentrazione di X è maggiore di una certa percentuale).Ad esempio, questo documento qui: "Determinazione dei limiti di accettazione dei consumatori per i difetti sensoriali mediante l'analisi di sopravvivenza" .
risorse
1. Ho allegato un set di dati di esempio (tabella JMP) per mostrare i miei input.
2. Ho allegato un'analisi che mostra dove ho inserito Factor Y come mio Time to Event.
Quello che imposti qui usando 0 e 1, per Fail and Pass, significa "Failure" e "Right Censored" nell'analisi di sopravvivenza. Tuttavia, il documento a cui ti riferisci fa diversamente. Si prega di leggere la formula (1), e il paragrafo è all'interno, anche il paragrafo sopra.
Potresti fare riferimento a questo documento POD quantile per la valutazione non distruttiva con dati hit-miss per capire perché è così.
