でこれ話す、だった行くに説明する
繰り返された対策劣化そしてその実装でJMP。
私は行くに現在の背景、モチベーション、
いくつかのテクニカルアイデアそして例。
それから病気振り向くそれ以上に彭誰が意思するあるデモンストレーション見せている
ただどうやって簡単それはに適用するこれらメソッドでJMP17。
こちらですの概要の私の話す。
私は行くに始める外といくつかのやる気を起こさせる例、
そしてそれから説明するの関係間劣化そして失敗そしての利点
のを使用して劣化モデリングであるアプリケーション。
それから病気説明するのモチベーションのために私たちの使用のベイジアンメソッド
にするの推定。
に使用ベイズの手法のために推定、あなた必要に持っている前配布物。
病気話すについての一般的に使用済み、有益ではないそして毎週有益な
前配布物。
またでいくつかのアプリケーション、
私たちは意思持っている有益な前分布そしてどうやってそれらのできるなれ使用済み。
それから病気行くを通して二例、
そしてでの終わり病気持っているいくつかの結論として備考。
私たちの最初の例は割れ目成長。
私たちは持っている21ノッチ付き標本。
のノッチだった.9 」深い、そしてそれはのようにあるスターター割れ目。
それからの標本は対象となったに周期的な読み込み中、
そしてでそれぞれサイクル、の割れ目成長するある少し少し。
いつの割れ目取得になれ1.6 」長さ、それはの意味のある失敗。
私たちはできる見るそれとてもある少し
ののひび割れ持っているすでに超えたそれレベル、しかし多くのの彼ら持っているない。
伝統的に、あなたできた扱うそれらのとして右検閲された観察。
しかしもしあなた持っているの劣化情報、
あなたできる使用それに提供する
追加情報に与えるあなたあるより良い分析のあなたのデータ。
の基本的なアイデアはにフィットあるモデルに説明するの劣化パス、
そしてそれからに使用それモデルに誘発するある失敗時間分布。
私たちの2番例は何私たちは電話デバイスB、
ある無線頻度力増幅器。
以上時間の力出力意思減少
なぜならのの内部劣化機構。
これだったの加速されたテストどこ単位だった対象となった
により高いレベルの温度、
2 37、195そして150度C.
のエンジニア必要な情報についての信頼性のこれデバイス
それでそれ彼らはできた決定するどうやって多くの冗長性に建てるの中への衛星。
の失敗意味でこれ場合だった
いつの力出力落としたに-.5デシベル。
私たちはできる見るそれ全てのの単位持っていたすでに失敗した
でのより高いレベルの温度、
しかしで150度C、そこにはだったいいえ失敗まだ。
しかしそこにははたくさんの情報についてどうやって
近いこれら単位だったに失敗による探しているでの劣化パス。
また、私たちは欲しいに建てるあるモデルのためにの劣化パス、
そしてそれから私たちは使用それに誘発するある失敗時間分布。
でこれ場合、の使用状態は80度C.
私たちは欲しいに知るの時間でどれの単位
オペレーティングで80度C、するだろう到着これ失敗意味。
一度また、私たちは建てるあるモデルのためにの劣化パス。
私たちはフィットそれモデル、そしてそれからからそれ私たちはできる得るある失敗時間分布。
多くの失敗結果からの根底にある劣化プロセス。
でいくつかのアプリケーション、劣化はの自然応答。
でそれらの状況、それ作るセンスにフィットあるモデル
にの劣化そしてそれから使用の誘発された失敗時間分布。
でそのようなアプリケーション、
一度私たちは持っているある意味のために失敗、どれの私たちは電話ある柔らかい失敗
なぜならのユニットしません実は停止オペレーティングいつそれ到達するそれレベル
の劣化、しかしその近い十分に失敗それエンジニア言う私たちはするだろう
のようにに交換するそれユニットでそれポイント、ただになれ安全。
今、で一般的な、あるよ二違う
種類の劣化データ、繰り返された対策劣化、
のようにの二例それ私は示されているあなた、そして破壊的劣化、
どこあなたもっているに破壊するのユニットで注文に作るの劣化測定。
のために多くの年、 JMPもっている持っていた
とても良いツールのために取り扱い劣化データ。
私は集中したでこれ話す
の上の繰り返された対策劣化メソッド
それはいる実装されましたでJMP17。
そこにはは多くの他のアプリケーション
の繰り返された対策劣化、のために例、導かれたまたはレーザ出力、
の損失の光沢での自動車コーティングそして劣化のある化学薬品化合物、
どれのできるなれ測定されたとテクニックそのようなとしてFTIR
またはどれでも他の測定された品質特性
それは行くに劣化させる以上時間。
そこにはは多くのアプリケーションのために繰り返された対策劣化。
そこにはは多くの利点の分析する劣化データもしあなたできる得る彼ら。
で特定の、
そこにはは多くのもっと情報での劣化データ
相対的に旋回それらの劣化データ
の中へ失敗時間データ。
これは特に真実もしこれ重い検閲。
確かに、その可能に作る推論について信頼性
から劣化データで状況どこそこにはそうではありませんどれでも失敗で全て。
また、直接観察
のの劣化プロセス許可します私たちに建てるより良いモデル
のためにの失敗時間分布なぜならだったクローザー
にの物理の失敗。
今、いくつかの年前、いつ私たちはだった計画の2番版
の私たちの信頼性本、私たちは作ったある決断に使用
もっとベイジアンメソッドで多くの違う地域の応用。
1つのそれらのは繰り返された対策劣化。
なぜはそれ？
何だったのモチベーションのためにを使用してベイズメソッド
でこれらアプリケーション?
私使用済みに考えるそれの主要モチベーション
のためにベイジアンメソッドだったに持ってくる前情報の中への分析。
時々それは真実、
しかし以上の年、私は学んだそれそこにはは多くの
他の理由なぜ私たちは欲しいに使用ベイジアン方法。
のために例、ベイジアンメソッドするない頼る
の上大きいサンプル理論に得る自信間隔。
それ依存するの上確率理論。
また、それターン外それいつあなた使用ベイズメソッドと気をつけて選ばれた、
有益ではないまたは毎週有益な前配布物、
あなた持っている信頼できる間隔手順それ持っているとても良いカバレッジプロパティ。
それは、もしあなた聞くのために95 %間隔、
彼らは傾向があるにカバー何彼らは想定にカバーと95%確率。
で多くのアプリケーション、そこにはは多くの非ベイジアン近似
それできるなれ使用済みにセット自信間隔。
いつあなたするベイジアン推論、そのとても率直な。
あるよ本当にのみ1つ方法にするそれ。
また、ベイジアンメソッドできるハンドルと相対的容易に、
複雑モデルデータ組み合わせ
のためにどれのあるよいいえ最大可能性ソフトウェア利用可能。
のために例、複雑組み合わせ
の非線形人間関係、ランダムパラメーターそしてセンサーデータ、
のベイズメソッドは比較的
率直なに適用するでこれら複雑状況。
ついに、最後しかし確かにない少しでも、ベイジアンメソッドする許可するのアナリスト
に組み込む前情報の中へのデータ分析。
しかし私欲しいにポイント外それの革命私たちは持っています持っていた
での世界のデータ分析に使用もっとベイジアンメソッド、
ほとんどアナリストはない持ってくる
有益な前情報の中へ彼らの分析。
その代わり、彼らは使用毎週有益なまたは有益ではない以前のもの
それでそれ彼らはしないでください持っているに守るの前分布。
しかしで多くのアプリケーション、
私たちは本当にする持っている固体前情報それ意思ヘルプ私たち得るより良いと答える。
私意思説明するそれで1つのの例。
ベイジアンメソッド必要とする
の仕様のある前分布。
として私言った、で多くの応用、アナリストするない欲しいに持ってくる
有益な前情報の中へのモデリングそして分析。
何それ必要はいくつかのデフォルトの前
それは有益ではないまたは毎週有益な。
あるよされたある大きい額の理論的研究の上これ主題
以上の過去40年、先頭に立ってにそのようなツールとして参照以前の、
ジェフリーの以前の、そして独立したジェフリーの以前のもの
それ持っているされた示されているに持っている良い頻繁主義者カバレッジプロパティ。
1つの私の最近のそして現在研究地域
はに試すそして作るこれらアイデア運用可能
で実用的問題、特にでのエリアの信頼性。
あ単純例のこれはもしあなた欲しいに見積もりある位置パラメータ
でのログのある規模パラメータ、あるフラット前分布リード
に信頼できる間隔それ持っているちょうどカバレッジプロパティ。
それはとても強力な。
また、フラット前分布できるなれ良い近似的によるある普通分布
とあるとても大きい分散、そしてそれリードに毎週有益な先例。
また、その幾分有益な、
しかしなぜならの分散はとても大きい、私たちはあれを呼べ毎週有益な。
のアプローチそれ私はされた取るに特定前分布はに探す
の制約のないパラメータ化、のようにの位置パラメータ
そしてのログのの規模パラメータそれ私言及されたその上、
そしてそれから使用ある有益ではない
または毎週有益なフラットまたは普通分布
ととても大きい差異としてのデフォルト前。
それからそのいつも良いアイデアに使用いくつかの
感度分析に作るもちろんそれの前は約役に立たない。
それは、としてあなた混乱させるの前パラメーター、
それしません影響するの底ライン結果。
JMP用途とても賢明な、業績が良いメソッドに特定
デフォルト前分布それはだいたいでライン
と何私は説明されたここ。
持っているそれらのデフォルト前分布
作るのソフトウェア使いやすい、
なぜならそれからのユーザーのみもっているに特定前分布
どこ彼らは持っている有益な情報それ彼らは欲しいに持ってくるで。
こちらですただの図に見せるそれとしての標準偏差
のある普通分布取得より大きな、あなたアプローチあるフラット前分布。
今、として私言った、でいくつかのアプリケーション、私たちは本当に持っている前情報
それ私たちは欲しいに持ってくるでそれは有益な前情報。
いつ私たちは持っているそのような情報、
私たちは意思通常説明するそれとある対称的な分布、
のようにある普通分布、それでもいくつかの人々好むに使用
何私たちは電話ある位置-規模t分布
なぜなら彼らは持っているより長いです尾。
でほとんどアプリケーションどこ私たちは持っているこれ
有益な前情報、そののみの上1つののパラメーター。
それからだった行くに使用非有益な、
または毎週有益な前分布
のために全てのの他のパラメーター。
しましょう行く戻るに合金ａ．
何だった行くにするはだった行くにフィットあるモデルにの劣化パス、
そしてそれから使用それモデルに誘発するある失敗時間分布。
今もしあなた見てでのエンジニアリング教科書
の上倦怠感または材料行動、
あなたはそうします学ぶについてのパリクラック-G列モデル。
そのいつもニースに持っているあるモデルそれ同意するとエンジニアリング知識。
JMPもっている実装されましたこれパリの亀裂成長モデル。
こちらですの方法それするだろう現れるである教科書。
それからの上の右ここ私たちは持っているのJMP実装のそれ。
その1つのの多くのモデルそれあなたできる選ぶにフィットにあなたの劣化データ。
今、 cそしてメートルここ、どれのでJMPはcそしてb2、
は材料パラメーター、そして彼らははランダムからユニットユニットへ。
のK関数ここは知られているとしてあるストレス強度関数。
のためにの割れ目だった勉強するここ、
のストレス強度関数もっているこれ表現。
今これはある差動方程式、
なぜなら私たちは持っています得たあるのtここ、そしてまたあるここ、
あなたできる解決するそれ差動方程式そして得るこれニース閉まっている形状。
これはのモデルそれはいるフィット内でJMP。
またのパラメーターb1そしてb2意思なれランダムからユニットにユニット。
今ここにありますの仕様のの前分布。
私は図解されたここ二違う
前配布物、のデフォルト前でJMP、
そしての前分布それ私たちは使用済みでの2番版
の私たちの信頼性本、どれの私たちは電話SMRD2、
統計的メソッドのために信頼性追加二。
今の方法私たちは特定前分布
でSMRD2そしてJMPはやってるこれとして良い、はと何私電話ある99 %範囲。
のために例、私たちは言うそれだった行く
に説明するの平均ののb1パラメータ
によるある普通分布それもっている99 %のの確率
間-15そして22.
それはある巨大な範囲。
それは毎週有益な。
それから私たちは持っている似ている、とても広い範囲のためにの他の平均パラメータここ。
それからのためにのシグマパラメータJMP、
続くいつもの手順のためにこれら用途ある半分コーシー分布、
どれのもっているある長さアッパーしっぽ、
そしてしたがって、また、は毎週有益な。
今で私たちの信頼性本、私たちは使用済み多くのよりきつい範囲。
しかし興味深いことに、の二違う前分布ここ
与えるただについての同じ答え、なぜなら両方は毎週有益な。
それは、の範囲は大きい相対的に、
させて私たち言う、の自信間隔
それあなたするだろう得るを使用して非ベイズ方法。
今、で追加に指定するの前配布物、どれのまた、
JMP作るとても簡単なぜならそれもっているこれらニースデフォルト以前の、
あなたまた持っているの能力にコントロールのマルコフ連鎖モンテカルロ法アルゴリズム。
ののみデフォルトそれ私するだろう変化ここ
は通常私するだろう走るもっとよりも1つ鎖。
私かわったの1つここに四。
の理由のためにやってるそれは二重。
の最初の全て、でほとんどセットアップ、含むJMP、
あなたできる走るそれらの同時に、それでそれしません取るどれでももっとコンピューター時間。
の他のものは私たちは欲しいに比較するそれらの四違うマルコフ鎖
に作るもちろんそれ彼らは与えるについての同じと答える。
私たちは電話それ混合良い。
もしあなた見るある状況どこ1つのそれらの鎖は違う
からの他、それはの表示のある問題。
もしあなた持っているそのようなある問題、
それからのいつもの療法はに増加の番号の準備し始める周回、
どれのはセットになれ10によるデフォルト、しかしあなたできる増加それ。
何それするそれ許可しますJMPに曲
のMCMCアルゴリズムにの特定の問題それでそれそれ意思サンプル正しく
に得る描くからのジョイント後部分布。
で全ての私の経験を使用してJMP、そして彭もっている提案されたそれ彼は持っていた
似ている経験それによる増加するそれ高い十分、
とどれでも例それ私たちは持っています試してみた、 JMP意思仕事良い。
しかしと10のためにほとんどアプリケーション、それはある十分に大きい番号。
こちらですの結果。
こちらですあるテーブルののパラメータ見積り。
良い、通常で信頼性アプリケーション、
だったないそれで多くの興味があるでの見積り彼ら自身。
だった行くになれ興味があるでもの
のように失敗配布物、どれの私たちは見てでである一瞬。
それからでこれプロット、
私たちは持っている見積りののサンプルパス
のためにそれぞれののひび割れ。
また、あなたできる見るの失敗意味ここ。
ペンとして意思見せるあなた、
JMP作るそれ簡単に見てでMCMC診断。
そのいつもある良いアイデアに見て
で診断に作るもちろんすべて回った外わかった。
何あなたするはあなた輸出後部描くからJMP、
そしてそれからJMPもっているセット上そこにはいくつかのスクリプトに作成する
これら様々な違う診断。
のために例、あるよある脚本に作るある痕跡プロットまたはある時間シリーズプロット。
私いつものようにに比較するそれらののためにの違う鎖。
それからあるよ別の1つに作る何私たちは電話あるペアプロット、
または散布図マトリックスのの描く。
それは何私たちは見るここ。
それからとして私言った、私たちはできる使用それらの描く
に生成する見積りのの失敗時間分布。
JMP実装するそれによるを使用しての分布プロファイラーここ。
私たちはできる見積もり分数失敗したはある関数の時間
のためにどれでも与えられた番号のサイクル。
今しましょう行くにのデバイスBRFパワーAアンプ、
また、の加速された繰り返された対策劣化応用。
だった行くに必要あるモデルそれ説明しますの形ののパス
そしての関係の温度もっているの上の料金の劣化。
また、の使用状態でこれ応用は80度C、
そしてだった行くに欲しいに見積もり
の失敗時間分布で80度C.
でSMRD2、これはの方法私たちはするだろう説明するのパスモデル
それ合うデバイスb.
私たちは電話これの漸近的モデル、
なぜならとして時間取得大きい、私たちは最終的に到着の漸近線。
でこれ方程式、バツはの変身した温度。
私たちは電話それは天王星変換の温度。
バツ0はの任意センタリング価値。
ベータ1つはあるレート絶え間ないのためにの根底にある劣化プロセス。
ベータ三つはのランダム漸近線。
それらの二パラメーター、のレート絶え間ないそしての漸近線、
はランダムからユニットにユニット、そしてだった行くに説明する
それランダム性とあるジョイントまたは二変量対数正規分布。
ベータ二、の上の他の手、はある修理済み、未知パラメータそれはの効果
のアクティベーションエネルギーそれコントロールどうやって温度影響を与えるの劣化レート。
これはどこのX0来るで。
通常私たちは選ぶバツ0になれどこかで
での範囲ののデータ
またはである特定の温度の興味、
なぜならベータ1つするだろうなれのレート絶え間ないでバツ0.
また、あるよある大きい番号の違うモデルそれは利用可能。
ここはどうやってあなたするだろう選ぶこれ特定の漸近的モデル。
これ対応するにの同じ方程式私たちは持っているSMRDで2.
ののみ違いはそれJMP用途あるわずかに違う番号付け大会
のためにのパラメーター。
それだった終わりになれ一貫性のある
と他のものそれはすでにでJMP他の場所で。
また、私たちは持っているに特定前配布物、
しかしJMP作るそれ簡単
なぜなら彼らは提供するこれらデフォルト、これら毎週、有益なデフォルト。
ここ私持っているのデフォルトそれJMPするだろう持っているそれだった行くに使用
もし私たちはしたない持っているどれでも前情報に持ってくるで。
私は行くにするそれ分析、
しかし私はまた行くに持ってくるでの情報それエンジニア持っている。
で特定の、私たちはのみ持っている情報のためにb3
そしてそれでそれはいる指定されたここ。
しかし全ての他のエントリでのテーブルはその通りの同じとしてのJMPデフォルト、
また、作るそれ本当に簡単に埋め込むこれら種類の分析。
こちらですの結果。
一度また、ここ私たちは持っているあるテーブル与えるのパラメータ見積り、
信頼できる間隔そしてそれで前方へ。
でこれプロット、また、
私たちは持っている見積りののサンプルパスのために全てのの個人単位。
また、私たちは持っているの失敗意味ここ、
しかし何私たちは本当に欲しいは見積りのの失敗時間分布
で80度C.
また、だった行くにするそれによるを使用してあるプロファイラー。
の上の左ここ私たちは持っているの見積もり
の分数失敗したはある関数の時間で80度Cのためにのデフォルト先例。
の上の右私たちは持っているの同じもの、
を除外するそれ私たちは持っています使用済みの有益な前分布のためにB 3.
すぐにあなたできる見るそれ前情報もっている許可された私たち
に得る多くのより良い推定精度。
の自信間隔は多くのもっと狭い。
興味深いことに、のポイント見積もりの分数失敗した
実は増加したいつ私たちは持ってくるでそれ前情報。
でこれ場合、の前情報するだろう許可するのエンジニアに得る
ある多くのより良い見積もり
の分数失敗したとしてある関数の時間。
それからに作るそれ重要決断
についてどうやって多くの冗長性に建てるの中への衛星。
させて自分終わりといくつかの結論として備考。
繰り返し対策劣化分析
は重要で多くの信頼性アプリケーション。
それはまた重要で多くの他の地域の応用、
のように決定する有効期限日付
のために製品のように医薬品そしてフードスタッフス。
いつ意思の品質なれ
でそのようなある低いレベルそれの顧客いいえより長いですハッピー？
また、である状況、
私たちはできる持ってくる前情報の中への分析、潜在的に許可する私たち
により低い料金の私たちの劣化実験。
JMP 17もっている強力な、簡単-に-使用メソッドのために作る
一生推論から繰り返された対策劣化データ。
今私は行くに振り向くそれ以上に彭
そして彼は行くに説明するこれらメソッドにあなたを使用してあるデモンストレーションでJMP。
感謝あなた、教授。
今、のデモ時間。
の目的のあるデモはにヘルプあなたに始める探検するの安定した美術アプローチ
に分析する繰り返された対策劣化データ。
私意思見せるあなたどうやってに見つけるのサンプルデータテーブルを使用してJMP、
どうやっての情報は整理するでの報告
そしてハイライトいくつかの重要情報それあなた必要に知る。
初め、そこにはは三つ繰り返された対策劣化データサンプル
の間でJMPサンプルデータテーブル。
合金a、dエビスb、は二例と埋め込みスクリプト。
のレーザー埋め込みスクリプトはありません。
合金あるはの例それなしのバツ変数。
デバイスbは例とのバツ変数。
に探す彼ら行くにのヘルプそしてクリックサンプル索引。
試すに探すの概要ノード呼ばれた信頼性/生存。
広げてくださいそしてすべきを参照してください。ロイあるはここ、そしてデバイスbはここ。
に探すガスレーザ、
あなた必要に行くにのサンプルデータフォルダ
の上あなたのコンピューターによるクリックするこれボタン、開けるのサンプルデータフォルダ。
今私は行くに開ける合金a.
それから私は行くに分析するメニュー、信頼性そして生存、
選ぶの繰り返し測定劣化。
今私たちは見るの打ち上げダイアログ。
私たちの割当長さ、割れ目長さ行きますにそう、
検体行きますにラベルシステムIDそして百万サイクル行くに回。
それから私は行くにクリックわかった。
これはのイニシャル報告。
そのある5 番目の線形モデルのために個人バッチ。
私は行くに選択するの3番目のモデルここによるクリックするこれビデオボタン。
これ5番目イニシャルモデルのあるパリモデルのこれ合金データ。
私は行くにクリックこれ、行くにベイジアン推定ボタン
そして生成するある構成インターフェース。
ここ私たちは見るのモデル式。
ここはのデフォルト設定のためにの先例。
それから私たちははない行くに変化何でも右今、
そして私たちははただ行くに使用のデフォルト前にフィット私たちのモデル。
今私は行くにクリック
これフィットモデルボタンここそしてさせてそれ走る。
それから私は行くに説明する何はでの報告。
での終わり、どうやってに得るの失敗分布プロファイラー。
今病気クリックのボタン、のアルゴリズム始める走る
そしての進捗対話言ったそれの最初の一歩はチューニング。
の根底にあるアルゴリズム意思行くを通していくつかの
ラウンドの暖かい周回を重ねて、は手順。
のアルゴリズムは試していますに学ぶの形のの後部分布、
のために例、どこのピーク、どうやって広いはのスパン、など。
での終わり、彼らは意思試すに形外
何はある良い薄くする価値に描くサンプルからの後部分布、
そのようなそれのサンプルはとして少し自動相関のあるとして可能。
それからのアルゴリズム入力の2番ステップ。
の対話言う、これステップは収集する後部サンプル。
でこれステップ、の自動薄くするの80は適用済み。
の対話ショーどうやって多くの時間で合計のアルゴリズム持っていたされたランニング。
での2番ステージ、の対話またショー期待される完了時間。
によるそのような、私希望それできるヘルプユーザー
に調整するに彼らの期待それに応じて。
時々過剰な、長さ期待される完了時間はあるサインのある問題。
それから私たちは待ってある少し少し、そしてのアルゴリズムすべき仕上げるすぐ。
わかった、今のアルゴリズムもっている終了した。
しましょう見る何ですかでの報告。
まず、の完了時間。
もし私たちは左あなたのコンピューター走る以上時間、
あなた5月欲しいに知るでの朝の上次日。
の2番はあるコピーのあなたの設定、含む以前の、番号の反復、
ランダムシードそして他の事が示しています。
三分の一は後部見積り。
それであってもまとめまたはの後部サンプル、
そこにはは二リンクの上のサイトに許可するあなたに輸出後部サンプル。
私は行くに強調するの最初のリンク。
1つ目的のを使用してこれら最初のリンク
に輸出後部例はに検査する潜在的問題。
二主要懸念事項は：収束そして効果的サンプルサイズ。
しましょう見てでそれ。
のテーブル持っているパラメーターで個人列。
各行ある後部サンプル。
そこにははいくつかの埋め込みスクリプト。
のほとんど重要1つはの最初の1つ。
私は行くにクリックこれ緑三角形にを実行します脚本。
スクリプトは単純に走る時間シリーズの上個人列
そして見せる彼らの時間シリーズプロット。
でのコンテクストのMCMC、これプロットは知られているとしての痕跡プロット。
何する私たちは見るここ？
何私電話良い結果。
のシリーズは定常そしていいえ重要な自動相関。
ゆるく話し中、いつ私言う定常でこれコンテクスト、私具体的には平均プロット
見た目のようにこれら。
彼らはは真っ直ぐ等しいとバンドのランダムドット。
わかった、させて自分近いの報告そしてのテーブル。
私たちはは見る良い結果ここ。
またのデータそしてフィットしたモデルまたショーの結果は良い。
今私たちはは準備ができてに聞くのためにフィットした時間分布プロファイラー。
にするそれ、行くにの報告概要ノードメニュー
そして選択する見せるのように分布プロファイラー。
ほとんどエントリでこれ対話もっている賢明なデフォルト価値観
そしてそれから私たちはのみ必要に供給1つの失敗意味。
私は行くに入力1.6にこれアッパー失敗意味。
前に私は行くに「OK」をクリックして、私は行くに減らすこれ番号
のSMRD2実現に5,000に保存自分いくつかの時間。
それから私はクリックの上わかった。
これはまたある計算上の集中的な手順、
しかしないとして高いとしてMCMCで一般的な。
それすべき仕上げる素早く。
あなたできる使用のプロファイラーに得る
の失敗確率そしての分位数見積り。
私はない行くに精巧なさらに遠く、
なぜならプロファイラーはあるとても一般そして重要特徴でJMP。
わかった、これはの終わりののデモンストレーション、
そしてあなたは準備ができてに探検するによるあなた自身。
しかしここはあるカップルのチップそれかもしれないなれ役に立つ。
初め、前にあなた保存の脚本にのテーブル、
行くにチェックこれ保存後部に脚本オプション
前にあなた保存の脚本にのテーブル。
によるこれ、次時間あなた走るの保存脚本、
ソフトウェア意思持ってくる戻るのフィットしたモデルその代わりの行く
を通しての長いMCMC手順一度また。
の2番ものそれ私欲しいに持ってくるにあなたの注意は
私たちは持っている見た良い例、良い結果、しかしそこにはは悪いもの。
ここはいくつかの悪い例。
この悪い例手段どちらか失敗に収束する、
またはそこにはは高い自動相関関係。
に住所彼ら私の最初の提案はに増加
の番号の暖かい上周回。
2番提案どこ私たちは振り向くオフ自動間引き
そして適用するある大きい薄くする価値、ある薄くする番号手動で。
もしそれらの提案しないでください仕事、そのおそらくそれのモデル
またはその構成はない適切なのためにのデータ。
あなた5月必要ヘルプ。
わかった、これは全て私たちはそうするだろうのようにに説明するこれ時間、
そして私希望あなたできる始めるに使用これ情報に探検する
の州の美術アプローチに分析する繰り返された対策劣化データ。
感謝あなた。
