Weibull adapté pour deux groupes, le deuxième groupe n'a pas d'échecsSalut les gens.
Dans ce vieux fil , @martindemel demandé comment ajuster les distributions de Weibull à deux groupes simultanément - le premier groupe a des données standard, mais le second groupe n'a qu'un seul échec. Pour le deuxième groupe, l'utilisateur a souhaité fixer le paramètre bêta, en utilisant la valeur du premier groupe, puis estimer alpha. La réponse était d'utiliser Fit Y by X , fonctionne comme un charme.
J'ai un client potentiel qui veut faire la même chose, sauf que le groupe 2 n'a aucun échec, uniquement des données censurées à droite.Il prétend que c'est possible dans Weibull++, veut le répliquer dans JMP. La méthode décrite précédemment ne fonctionne pas ici.
Des idées? Joindre un exemple d'ensemble de données.
Merci, Jordan
Re : Weibull convient à deux groupes, le deuxième groupe n'a aucun échecJe ne sais pas comment Weibull++ le fait. Voici ce qui me vient d'abord à l'esprit :
Lancer Life Distribution avec By
Ajustez Weibull au premier groupe, et voici Beta
Le deuxième groupe montre un rapport assez particulier, c'est pour l'analyse de Weibayes. Si vous voyez une distribution de vie régulière, vous avez tempéré la préférence à un moment donné. Dans le rapport, entrez la valeur bêta du premier groupe, assurez-vous que les cases à cocher sont cochées comme dans la capture d'écran. Cliquez sur "Mettre à jour". Et vous obtenez une estimation de Weibayes pour Alpha, qui est une borne prudente d'Alpha. Il n'y a pas d'estimation ponctuelle.
Lorsqu'il y a peu ou pas d'échecs, une approche bayésienne complète peut apporter des résultats plus utiles que l'approche de Weibayes. Mais il faut être bien informé sur l'inférence bayésienne et avoir une distribution de connaissances préalable.
Re : Weibull convient à deux groupes, le deuxième groupe n'a aucun échecLa deuxième me vient à l'esprit.
Je vois que l'ensemble de données n'est pas réel, mais emprunté à Martin. Alors j'ai une question, quels sont les groupes? Deux fournisseurs, deux designs ? Ou deux températures, deux tensions ? Si c'est ce dernier cas, utiliser une relation paramétrique dans Fit Life by X pourrait être la solution. Je joins une donnée modifiée avec un script.
Le modèle ajusté utilise une relation "linéaire" pour associer les deux groupes. Et voici le résultat du modèle.
1/sigma est le bêta de Weibull. et Exp(mu) est l'Alpha de Weibull. Branchez deux valeurs de G, vous obtenez deux valeurs d'Alpha.
De plus, quels produits, matériaux, testent-ils ? Est-il courant d'avoir toutes les situations censurées ? Si la variable de regroupement est effectivement continue et qu'ils souhaitent établir une relation, ils peuvent avoir un problème ALT DOE.
Re : Weibull convient à deux groupes, le deuxième groupe n'a aucun échecBonjour Peng, merci d'y avoir pensé.
Je pense que c'est pour évaluer l'efficacité des réparations et/ou des modifications de conception. Voici une citation directe du client :
Le scénario crée un graphique superposé avec au moins deux distributions pour les analyses de démonstration de l'efficacité des correctifs. La première distribution aurait des données d'échec et censurées à droite et la seconde distribution aurait juste un passage (données censurées à droite). Avec Weibull++, je peux créer une ligne pour la deuxième distribution d'échec en utilisant le bêta de Weibull mesuré à partir de la première distribution (juste un simple Weibull 1P) et voir comment les distributions (en particulier les valeurs êta) se comparent. J'ai également besoin de lignes de confiance pour voir si elles se chevauchent comme jauge de signification statistique.
Re : Weibull convient à deux groupes, le deuxième groupe n'a aucun échecJe soupçonne qu'ils parlent d'inférence bayésienne. Parce que Weibayes ne donne pas d'estimation ponctuelle pour une situation entièrement censurée. S'ils voient "une ligne" (en supposant qu'ils signifient une sorte de ligne centrale) et une "ligne de confiance", cela doit être une inférence bayésienne. Pour l'inférence bayésienne dans Weibull++, cette page peut être utile : Analyse bayésienne-Weibull dans Weibull++
Il y a un exemple de données vers la fin de cette page. Et je joins un tableau de données JMP pour illustrer comment faire correspondre les chiffres.
Tableau JMP :
Lancer la boîte de dialogue :
Cochez "Weibull":
Activez "Estimations bayésiennes"
Changez pour les "Priorités d'emplacement et d'échelle".
Spécifiez les priors comme ce qui se trouve dans la capture d'écran suivante.
Petite explication sur les choix :
La page Web dit:
Parce que le paramètre d'emplacement = log(eta), j'utilise donc uniforme avec une plage très large.
La page Web dit:
Cela signifie que sigma = 1/bêta est lognormal (-0,9064, 0,3325).
Et voici le résultat:
Leurs numéros :
Remarquer:
Je considère qu'il s'agit d'une correspondance, en raison de la nature aléatoire de l'inférence, et leurs paramètres ne sont pas clairs.
Étant donné que leurs données ne présentent aucun échec, ils doivent désactiver la préférence suivante dans Life Distribution, afin d'accéder aux fonctionnalités d'inférence bayésienne. La valeur par défaut est activée pour Weibayes.
Joignez le tableau de données et le script.
Re : Weibull convient à deux groupes, le deuxième groupe n'a aucun échecMise à jour tardive du client : c'est bien l'estimation de Weibayes qui s'affiche dans sa sortie souhaitée de Weibull++. Voici le graphique qu'il souhaite reproduire :
Pouvons-nous faire un tracé similaire dans JMP ? Je ne vois pas comment tracer la sortie de Weibayes.
Re : Weibull convient à deux groupes, le deuxième groupe n'a aucun échecL'utilisateur doit créer sa propre superposition dans ce cas. Copiez le contenu du cadre du profileur Weibayes CDF et collez le contenu du cadre dans le tracé CDF du premier groupe. On peut avoir besoin d'une astuce pour se débarrasser des artefacts indésirables, par exemple les lignes de grille d'axes, et définir Time=0 pour se débarrasser des lignes de référence croisées rouges.
