生命数据平台中竞争风险混合物和子样本之间的分布参数不匹配大家好，
我用寿命分布平台来自可靠性和生存使分布适合可靠性结果。
为了区分失败原因，我使用了 2 个威布尔分布竞争风险组合的寿命分布平台（参见下图和附件）。
第 1 部分竞争风险混合报告中与第一威布尔分布相关的可靠性结果的一部分的值（用黄色标记）。
在寿命分布平台威布尔分布适合可靠性结果的 [ 1 - (部分 1) ]% 子集。
据我了解第二分布的威布尔参数竞争风险组合报告和子集必须匹配，但实际上不匹配（用黄色标记）。
为什么威布尔参数在第二分布之间竞争风险组合报告和子集是不同的？
可靠性分析回复：生命数据平台中竞争风险混合物和子样本之间的分布参数不匹配你所做的不是我建议的。 您上次使用“生命分布 - 比较组”所做的工作是本讨论主题中的第三个分析。 您所做的工作在技术上与您在第二次分析中所做的工作相同。 这就是为什么你会得到“相同”的结果。 我不明白目标，所以我将停止尝试指导您的具体数据。 接下来，我将使用 JMP 示例数据集来阐述我的观点，这对于阅读本主题的读者来说通常是有用的。
第一的， ”竞争风险组合“ 和 ”竞争的原因”是两种不同的分析。 术语“竞争风险”和“竞争原因”在文献中可以互换使用。 它们都进行多行观察，每个观察都是事件发生时间的观察。 每个观察结果都与一个原因相关。 但在一些实验中，你知道原因；在其他实验中，你不需要。 当您没有失败原因时，您可以使用竞争风险组合。 当你有失败原因时，你可以使用“竞争原因”。 竞争风险混合可以帮助您猜测单个失败原因的分布，但无法确定单个观察结果的原因。 竞争原因适合各个故障原因的分布，并且故障原因是已知信息。 在正常使用情况下，不应混淆使用哪种分析，也不应为了切换分析类型而修改数据。 “Appliance.jmp”是可靠性示例数据文件夹下的示例数据，用于说明竞争原因。 表中有一个原因代码列。 “Mixture Demo.jmp”（可靠性样本数据文件夹下的样本数据）中的“Y2”列是为了说明竞争风险混合物而创建的。 表中没有原因信息。
其次，使用Competing Cause时，用户不需要修改数据。 软件为用户修改数据以适应模型。 从概念上讲，该软件的作用如下。 我使用“Appliance.jmp”作为示例。
- 对于每个原因代码，创建整个数据的副本。 假设当前原因代码为 9。 我有一份 36 行的完整数据的副本。
- 创建两个新列：左列和右列。
- 对于每一行，如果原因代码为 9，则将时间周期简单复制到左侧和右侧。 行示例，第二行。
- 如果原因代码不是 9，则将时间周期复制到左侧，但用缺失值填充右侧。 您可能会认识到这代表了正确的审查观察。 以第一行为例，其失败原因为1。 因为它是竞争原因，所以原因 1 首先发生。 如果我们假装1没有发生，并且系统将由于原因9而失败，则失败时间应该在11个周期之后的某个地方，但我们不知道什么时候。 因此，对于这一行，软件将 11 复制到左侧，并用缺失值填充右侧。
- 现在，如果您想要拟合导致代码 1 的分布，则“左”和“右”是应转到“Y 事件时间”角色的新列。
新数据如下所示：
如果您使用寿命分布分析修改后的数据，如下所示：
您可以获得与竞争原因分析相同的威布尔估计值。
这是通过运行 Appliance.jmp 中的嵌入脚本来实现竞争原因的结果。
这是使用修改后的数据进行寿命分布的结果。
对所有原因代码值重复此操作。 您可以获得所有原因的分配的完整结果。 该软件为用户完成所有这些工作，并最终将所有拟合分布聚合为系统的故障分布。
最后，我想强调，“竞争风险组合“ 和 ”竞争的原因”是两种不同的分析。 应根据是否有故障原因信息来决定使用哪一种。
最后，对于您的最后一个问题，Fit Life by X 不支持竞争风险混合类型分布。
回复：生命数据平台中竞争风险混合物和子样本之间的分布参数不匹配亲爱的彭刘，
感谢您快速而清晰的答复。
我提出了建议的更改，将可靠性数据拆分为两种故障模式，其中拆分点是第 1 部分价值来自竞争风险混合报告。
威布尔α和β第 2 组的分布参数（见下图）与威布尔值相同α和β来自我上面帖子中的子集的分布参数。
聚苯乙烯
有办法做吗竞争风险组合在X 健康生活平台？
回复：生命数据平台中竞争风险混合物和子样本之间的分布参数不匹配当您拟合竞争风险混合物时，数据意味着没有有关失败原因的信息。
当您拟合修改的数据并将其视为由于第二个原因而导致的子集时，您提供了有关失败原因的具体信息。
不同的数据，不同的模型，所以结果不同。
我也看看你如何修改数据。 您将前 25 行合并为权重 = 26 的一行。 我猜您想使用该单行来表示由于第一个原因而导致的失败。 假设你对原因的判断是正确的，那么修改数据的方式是不正确的。 以第二行为例，由于第一个原因，它在[0.25,0.5]之间失败。 您应该将其修改为 [0.5, MISSING]，以便将其视为由于第二个原因而进行的右删失观察，这意味着如果由于第二个原因而失败，则它会在 0.5 之后的某个时间发生。
无论如何，即使您按照我的描述修改数据，结果也不会相同。 信息不同，模型不同，结果也会不同。
