Verteilungsparameter stimmen nicht zwischen Competing Risk Mixture und SubSample in der Lebensdatenplattform übereinHallo zusammen,
ich benutze Lebensverteilung Plattform von Zuverlässigkeit und Überleben um die Verteilung an die Zuverlässigkeitsergebnisse anzupassen.
Um zwischen Fehlerursachen zu unterscheiden, habe ich 2 Weibull-Verteilungen verwendet Konkurrierende Risikomischung von Lebensverteilung Plattform (siehe Grafiken unten und angehängte Datei).
Teil 1 Der Wert (gelb markiert) aus dem Bericht „Konkurrierende Risikomischung“ ist Teil der Zuverlässigkeitsergebnisse im Zusammenhang mit der 1. Weibull-Verteilung.
In Lebensverteilung Die Weibull-Verteilung der Plattform wurde an [ 1 - (Teil 1) ] % der Teilmenge der Zuverlässigkeitsergebnisse angepasst.
Soweit ich Weibull-Parameter der 2. Verteilung verstehe Konkurrierende Risikomischung Bericht und Teilmenge müssen übereinstimmen, sind es aber eigentlich nicht (gelb markiert).
Warum Weibull-Parameter zwischen der 2. Verteilung in Konkurrierende Risikomischung Bericht und Teilmenge sind anders?
ZuverlässigkeitsanalyseBetreff: Nichtübereinstimmung der Verteilungsparameter zwischen konkurrierender Risikomischung und Teilstichprobe in der LebensdatenplattformWas Sie getan haben, ist nicht das, was ich vorgeschlagen habe. Was Sie zuletzt mit „Lebensverteilung – Gruppen vergleichen“ gemacht haben, ist eine dritte Analyse in diesem Diskussionsthread. Was Sie getan haben, ist technisch identisch mit dem, was Sie in Ihrer zweiten Analyse getan haben. Deshalb erhalten Sie „gleiche“ Ergebnisse. Ich verstehe das Ziel nicht und werde daher aufhören, mich auf Ihre spezifischen Daten zu stützen. Im Folgenden werde ich JMP-Beispieldatensätze verwenden, um meine Argumente darzulegen und allgemein für die Leser dieses Threads nützlich zu sein.
Erste, " Konkurrierende Risikomischung " Und " Konkurrierende Ursache "sind zwei unterschiedliche Analysen. Die Begriffe „konkurrierendes Risiko“ und „konkurrierende Ursache“ können in der Literatur synonym verwendet werden. Beide führen Beobachtungsreihen durch, und jede Beobachtung ist eine Zeit-bis-Ereignis-Beobachtung. Und jede Beobachtung ist mit einer Ursache verbunden. Aber bei manchen Experimenten kannte man die Ursache; In anderen Experimenten ist das nicht der Fall. Wenn Sie keine Fehlerursachen haben, verwenden Sie „Competing Risk Mixture“. Wenn Sie Fehlerursachen haben, verwenden Sie „Konkurrierende Ursache“. Mit der konkurrierenden Risikomischung können Sie Verteilungen einzelner Fehlerursachen erraten, können die Ursachen einzelner Beobachtungen jedoch nicht sicher sagen. Die konkurrierende Ursache passt zu Verteilungen einzelner Fehlerursachen, und die Fehlerursache besteht aus bekannten Informationen. In normalen Anwendungsfällen sollte es keine Verwirrung darüber geben, welche Analyse verwendet werden soll, und man sollte keine Daten ändern, um den Analysetyp zu wechseln. „Appliance.jmp“ ist ein Beispieldatenordner im Beispieldatenordner „Reliability“, um konkurrierende Ursachen zu veranschaulichen. In der Tabelle gibt es eine Spalte „Ursachencode“. Die Spalte „Y2“ in „Mixture Demo.jmp“, Beispieldaten im Beispieldatenordner „Reliability“, wird erstellt, um konkurrierende Risikomischungen zu veranschaulichen. Die Tabelle enthält keine Angaben zur Ursache.
Zweitens besteht bei Verwendung von Competing Cause keine Notwendigkeit für den Benutzer, Daten zu ändern. Die Software passt die Daten für den Benutzer an das Modell an. Folgendes macht die Software konzeptionell: Als Beispiel verwende ich „Appliance.jmp“.
- Erstellen Sie für jeden Ursachencode eine Kopie der gesamten Daten. Angenommen, der aktuelle Ursachencode ist 9. Und ich habe eine Kopie der gesamten Daten von 36 Zeilen.
- Erstellen Sie zwei neue Spalten: Links und Rechts.
- Wenn der Ursachencode 9 ist, kopieren Sie für jede Zeile einfach die Zeitzyklen nach links und rechts. Reihenbeispiel, die zweite Reihe.
- Wenn der Ursachencode nicht 9 ist, kopieren Sie „Zeitzyklen“ nach „Links“, füllen Sie „Rechts“ jedoch mit einem fehlenden Wert aus. Sie erkennen vielleicht, dass es sich hier um eine richtig zensierte Beobachtung handelt. Nehmen Sie als Beispiel die erste Zeile, deren Fehlerursache 1 ist. Da es sich um eine konkurrierende Ursache handelt, ist Ursache 1 zuerst aufgetreten. Wenn wir davon ausgehen, dass 1 nicht eingetreten ist und das System aufgrund von Ursache 9 ausfällt, sollte die Ausfallzeit bei etwa 11 Zyklen liegen, aber wir wissen nicht, wann. Für diese Zeile kopiert die Software also 11 nach „Links“ und füllt „Rechts“ mit einem fehlenden Wert.
- Jetzt sind „Links“ und „Rechts“ die neuen Spalten, die der Rolle „Y-Zeit bis Ereignis“ zugewiesen werden sollten, wenn Sie eine Verteilung anpassen möchten, um Code 1 zu verursachen.
So sehen die neuen Daten aus:
Wenn Sie die geänderten Daten mit Life Distribution wie folgt analysieren:
Sie können die gleichen Weibull-Schätzungen erhalten wie bei der Analyse konkurrierender Ursachen.
Dies ist das Ergebnis von Competing Cause durch Ausführen des eingebetteten Skripts in Appliance.jmp.
Und das ist das Ergebnis der Lebensverteilung unter Verwendung der geänderten Daten.
Wiederholen Sie diesen Vorgang für alle Ursachencodewerte. Und Sie erhalten die vollständigen Ergebnisse der Verteilungen für alle Zwecke. Die Software erledigt all dies für den Benutzer und fasst schließlich alle angepassten Verteilungen zu einer zusammen, die die Fehlerverteilung des Systems darstellt.
Abschließend möchte ich betonen: „ Konkurrierende Risikomischung " Und " Konkurrierende Ursache "sind zwei unterschiedliche Analysen. Die Entscheidung über die Verwendung sollte danach getroffen werden, ob Informationen zu Fehlerursachen vorliegen.
Abschließend zu Ihrer letzten Frage: Fit Life by X unterstützt keine Verteilungen vom Typ „Competing Risk Mixture“.
Betreff: Nichtübereinstimmung der Verteilungsparameter zwischen Competing Risk Mixture und SubSample in der LebensdatenplattformLieber peng_liu,
Vielen Dank für die schnelle und klare Antwort.
Ich habe Änderungen vorgeschlagen, um die Zuverlässigkeitsdaten in zwei Fehlermodi aufzuteilen, wobei sich der Teilungspunkt befindet Teil 1 Wert von Bericht über konkurrierende Risikomischungen.
Der Weibull α Und β Die Verteilungsparameter der Gruppe 2 (siehe Grafik unten) hatten die gleichen Werte wie Weibull α Und β Verteilungsparameter aus der Teilmenge in meinem Beitrag oben.
PS
Gibt es eine Möglichkeit, dies zu tun? Konkurrierende Risikomischung In Fit Life von X Plattform?
Betreff: Nichtübereinstimmung der Verteilungsparameter zwischen konkurrierender Risikomischung und Teilstichprobe in der LebensdatenplattformBei der Anpassung von Competing Risk Mixture bedeuteten die Daten, dass keine Informationen über die Fehlerursache vorliegen.
Wenn Sie geänderte Daten anpassen und sie aufgrund der zweiten Ursache als Teilmenge behandeln, stellen Sie konkrete Informationen zur Fehlerursache bereit.
Unterschiedliche Daten, unterschiedliche Modelle, also unterschiedliche Ergebnisse.
Ich sehe auch, wie Sie die Daten ändern. Sie haben die ersten 25 Zeilen zu einer Zeile mit der Gewichtung = 26 zusammengefasst. Ich vermute, dass Sie diese einzelne Zeile verwenden möchten, um Fehler aufgrund der ersten Ursache darzustellen. Unter der Annahme, dass Sie mit den Ursachen Recht haben, ist die Art und Weise der Änderung der Daten nicht korrekt. Nehmen Sie als Beispiel die zweite Zeile. Sie schlägt aufgrund der ersten Ursache zwischen [0,25,0,5] fehl. Sie hätten es als [0.5, MISSING] ändern sollen, damit es als rechtszensierte Beobachtung aufgrund der zweiten Ursache behandelt wird. Das heißt, wenn es aufgrund der zweiten Ursache fehlgeschlagen wäre, wäre es irgendwann nach 0.5 passiert.
Unabhängig davon werden die Ergebnisse nicht die gleichen sein, selbst wenn Sie die Daten wie beschrieben ändern. Die Informationen sind unterschiedlich, die Modelle sind unterschiedlich, die Ergebnisse werden unterschiedlich sein.
