Hola, estoy interesado en usar el análisis de supervivencia para predecir la probabilidad de falla en ciertas concentraciones de un factor.Esto es para el rechazo de un producto por parte del consumidor, modelado en función de tres variables (por ejemplo, concentraciones de tres ingredientes diferentes).Para una de las variables (Y), me interesa conocer la probabilidad de rechazo en función de ella y de X y Z.
Nota: En paralelo también estoy evaluando la plataforma logística nominal, aunque estoy explorando el análisis de supervivencia porque parece una metodología interesante.
Puntuación
1. Tengo una puntuación ordinal de 1 a 9 en una columna.Esta es la respuesta del panelista.
2. Tengo una puntuación de categoría de "Aprobado" o "Desaprobado" según la respuesta del panelista.Si una respuesta es> 5, obtiene una puntuación de "Aprobado".De lo contrario, "Falla".
3. Tengo la columna de censura de 1 o 0.Lo he codificado de tal manera que una falla (por ejemplo, el rechazo del consumidor) es un 0, mientras que una aprobación es un 1.Hice esto porque si un consumidor dio un puntaje de "Aprobado", entonces considero que no tiene tiempo para fallar, ya que técnicamente no falló.
Entradas
1. Factor X: concentración numérica continua de un ingrediente X.Espero que la probabilidad de no incrementar a medida que aumenta la concentración.
2. Factor Y: concentración numérica continua de un ingrediente Y.Espero que la probabilidad de no disminución a medida que aumenta la concentración.
3. Factor Z: concentración numérica continua de un ingrediente Z.Espero que la probabilidad de no incrementar a medida que aumenta la concentración.
Enfoque: usar el factor Y (concentración) como "tiempo para fallar"
0. Analizar -> Fiabilidad y supervivencia -> Ajustar supervivencia paramétrica
1. Traté esto como el Conjunto VA Lung Cancer, donde establecí "Tiempo de falla" como Factor Y ya que estoy interesado en ver cómo cambia la probabilidad de falla en función de Y.Tenga en cuenta que espero que la probabilidad de falla disminuya a medida que Y aumenta.
2. Pongo censor como censor.
3. Efectos de ubicación: factor X y factor Y, ya que estoy interesado en que el modelo pueda modelar la probabilidad de falla en función de los factores X, Y y Z.
Cuestiones
1. Mirando el generador de perfiles de distribución, muestra que mi probabilidad de falla en realidad aumenta a medida que aumenta el "tiempo" (también conocido como factor Y).Esto es lo contrario de lo que esperaba.
2. También repetí el análisis en el que puse el factor X e Y como efectos del factor, y el factor Z como "Tiempo hasta el evento".En este caso, Espero que la probabilidad de falla aumente con un aumento con el factor Z. .Sin embargo, el generador de perfiles de distribución todavía predice que el aumento del factor Y provoca un aumento en la probabilidad de falla.No creo que esto sea correcto.
Sospecho que estoy configurando el análisis de supervivencia incorrectamente y / o debería estar usando la regresión logística nominal en su lugar.Sin embargo, sé que se ha utilizado la metodología de supervivencia para encontrar umbrales de concentración (por ejemplo, la probabilidad de que el consumidor rechace el producto será> 50% si la concentración de X es mayor que un porcentaje).Por ejemplo, este documento aquí: "Determinación de los límites de aceptación del consumidor a los defectos sensoriales mediante el análisis de supervivencia" .
Recursos
1. He adjuntado un conjunto de datos de ejemplo (tabla JMP) para mostrar mis entradas.
2. He adjuntado un análisis que muestra dónde coloco el factor Y como mi tiempo para el evento.
Lo que configura aquí usando 0 y 1, para Fallar y Aprobar, significa "Fallo" y "Derecho Censurado" en el análisis de supervivencia. Sin embargo, el documento al que se refiere lo hace de manera diferente. Por favor, lea la fórmula (1), y el párrafo que contiene, también el párrafo anterior.
Es posible que desee consultar este documento. Quantile POD para evaluación no destructiva con datos de aciertos y errores para entender por qué es así.
