mancata corrispondenza dei parametri di distribuzione tra la miscela di rischio concorrente e il sottocampione nella piattaforma Life DataCiao a tutti,
Io uso Distribuzione della vita piattaforma da Affidabilità e sopravvivenza per adattare la distribuzione ai risultati di affidabilità.
Per distinguere tra le cause di fallimento ho utilizzato 2 distribuzioni Weibull in Miscela di rischi concorrenti Di Distribuzione della vita piattaforma (vedi grafici sottostanti e file allegato).
Porzione 1 valore (contrassegnato in giallo) dal rapporto Competing Risk Mixture specie parte dei risultati di affidabilità relativi alla prima distribuzione Weibull.
In Distribuzione della vita La distribuzione Weibull della piattaforma è stata adattata al [1 - (Porzione 1)]% del sottoinsieme dei risultati di affidabilità.
Per quanto ho capito, i parametri Weibull della 2a distribuzione in Miscela di rischi concorrenti rapporto e sottoinsieme devono corrispondere, ma in realtà non lo sono (contrassegnati in giallo).
Perché i parametri di Weibull tra la 2a distribuzione in Miscela di rischi concorrenti rapporto e sottoinsieme sono diversi?
Analisi di affidabilitàOggetto: mancata corrispondenza dei parametri di distribuzione tra la miscela di rischio concorrente e il sottocampione nella piattaforma Life DataQuello che hai fatto non è quello che ho suggerito. Ciò che hai fatto l'ultima volta utilizzando "Distribuzione della vita - Confronta gruppi" è una terza analisi in questo thread di discussione. Ciò che hai fatto è tecnicamente identico a ciò che hai fatto nella tua seconda analisi. Ecco perché ottieni gli "stessi" risultati. Non capisco l'obiettivo, quindi smetterò di provare a guidarti sui tuoi dati specifici. Di seguito utilizzerò i set di dati di esempio JMP per esporre i miei punti e risultare utili in generale al pubblico che leggerà questo thread.
Primo, " Miscela di rischi concorrenti " E " Causa concorrente "Sono due analisi diverse. I termini “rischio concorrente” e “causa concorrente” possono essere usati in modo intercambiabile in letteratura. Entrambi prendono file di osservazioni e ciascuna osservazione è un'osservazione tempo-evento. E ad ogni osservazione è associata una causa. Ma in alcuni esperimenti se ne conosceva la causa; in altri esperimenti, no. Quando non ci sono cause di fallimento, usi la miscela di rischio competitivo. Quando sono presenti cause di errore, si utilizza "Causa competitiva". La combinazione di rischi competitivi aiuta a indovinare la distribuzione delle singole cause di fallimento, ma non sarà in grado di stabilire con certezza le cause delle singole osservazioni. La causa concorrente si adatta alle distribuzioni delle singole cause di guasto e la causa del guasto è un'informazione nota. In casi d'uso normali, non dovrebbe esserci confusione su quale analisi utilizzare e non si dovrebbero modificare i dati per cambiare tipo di analisi. "Appliance.jmp" è un dato di esempio nella cartella dei dati di esempio di affidabilità per illustrare la causa concorrente. Nella tabella è presente una colonna Codice causa. La colonna "Y2" in "Mixture Demo.jmp", un dato di esempio nella cartella dei dati di esempio sull'affidabilità, viene creata per illustrare la miscela di rischio concorrente. Nella tabella non sono presenti informazioni sulla causa.
In secondo luogo, quando si utilizza Competing Cause, non è necessario che l'utente modifichi i dati. Il software modifica i dati affinché l'utente si adatti al modello. Ecco cosa fa concettualmente il software. Utilizzo "Appliance.jmp" come esempio.
- Per ogni codice causa, creare una copia di tutti i dati. Supponiamo che il codice causa corrente sia 9. E ho una copia di interi dati di 36 righe.
- Crea due nuove colonne: Sinistra e Destra.
- Per ogni riga, se il codice causa è 9, copia semplice su Time Cycles sia a sinistra che a destra. Esempio di riga, la seconda riga.
- Se il codice causa non è 9, copia i cicli temporali a sinistra, ma riempi la destra con un valore mancante. Potresti riconoscere che questa rappresenta una giusta osservazione censurata. Prendiamo come esempio la prima riga, la cui causa di errore è 1. Poiché si tratta di una causa concorrente, la causa 1 è avvenuta per prima. Se facciamo finta che 1 non si sia verificato e il sistema fallirà a causa della causa 9, il tempo di guasto dovrebbe essere dopo 11 cicli, ma non sappiamo quando. Pertanto, per questa riga, il software copia 11 a sinistra e riempie destra con un valore mancante.
- Ora Left e Right sono le nuove colonne che dovrebbero andare al ruolo Y Time to Event, se vuoi adattare una distribuzione per causare il codice 1.
Ecco come appaiono i nuovi dati:
Se analizzi i dati modificati utilizzando Life Distribution in questo modo:
È possibile ottenere le stesse stime Weibull dell'analisi delle cause concorrenti.
Questo è il risultato della causa concorrente eseguendo lo script incorporato in Appliance.jmp.
E questo è il risultato di Life Distribution utilizzando i dati modificati.
Ripetere per tutti i valori del codice causa. E ottieni i risultati completi delle distribuzioni per tutte le cause. Il software fa tutto questo per l'utente e alla fine aggrega tutte le distribuzioni adattate in una che è la distribuzione fallita del sistema.
Per concludere, voglio sottolineare: " Miscela di rischi concorrenti " E " Causa concorrente "Sono due analisi diverse. La decisione di utilizzare quale dovrebbe essere presa in base alla disponibilità di informazioni sulle cause del guasto.
Alla fine, alla tua ultima domanda, Fit Life by X non supporta distribuzioni di tipo Competing Risk Mixture.
Oggetto: mancata corrispondenza dei parametri di distribuzione tra la miscela di rischio concorrente e il sottocampione nella piattaforma Life DataCaro peng_liu,
Grazie per la risposta rapida e chiara.
Ho apportato modifiche suggerite per dividere i dati sull'affidabilità in due modalità di guasto, dove si trova il punto di divisione Porzione 1 valore da Rapporto sulla combinazione dei rischi concorrenti.
Il Weibull α E β i parametri di distribuzione del gruppo 2 (vedi grafico sotto) hanno ottenuto gli stessi valori di Weibull α E β parametri di distribuzione dal sottoinsieme nel mio post sopra.
PS
C'è modo di farlo? Miscela di rischi concorrenti In Fit Life di X piattaforma?
Oggetto: mancata corrispondenza dei parametri di distribuzione tra la miscela di rischio concorrente e il sottocampione nella piattaforma Life DataQuando si inserisce la miscela di rischio concorrente, i dati indicano che non sono disponibili informazioni sulla causa del guasto.
Quando si adattano i dati modificati e li si tratta come un sottoinsieme a causa della seconda causa, si forniscono informazioni concrete sulla causa dell'errore.
Dati diversi, modelli diversi, quindi risultati diversi.
Vedo anche come modifichi i dati. Hai consolidato le prime 25 righe in un'unica riga con peso = 26. Immagino che tu voglia usare quella singola riga per rappresentare i fallimenti dovuti alla prima causa. Supponendo che tu abbia ragione riguardo alle cause, il modo di modificare i dati non è corretto. Prendiamo come esempio la seconda riga, fallisce tra [0,25,0,5] a causa della prima causa. Dovresti modificarlo come [0.5, MISSING], in modo che venga trattato come un'osservazione censurata giusta a causa della seconda causa, il che significa che se avesse fallito a causa della seconda causa, sarebbe successo qualche tempo dopo 0.5.
Indipendentemente da ciò, anche se modifichi i dati come ho descritto, i risultati non saranno comunque gli stessi. Le informazioni sono diverse, i modelli sono diversi, i risultati saranno diversi.
