두 그룹에 대한 Weibull 적합, 두 번째 그룹에는 실패 없음안녕 여러분.
이에 오래된 스레드 , @martindemel Weibull 분포를 두 그룹에 동시에 맞추는 방법을 질문했습니다. 첫 번째 그룹에는 표준 데이터가 있지만 두 번째 그룹에는 단 하나의 실패만 있습니다. 두 번째 그룹의 경우 사용자는 첫 번째 그룹의 값을 사용하여 베타 매개변수를 수정한 다음 알파를 추정하기를 원했습니다. 대답은 Fit Y by X 를 사용하는 것이었습니다. 매력처럼 작동합니다.
동일한 작업을 수행하려는 잠재 고객이 있습니다. 단, 그룹 2에는 실패가 없고 오른쪽 검열된 데이터만 있습니다.그는 이것이 Weibull++에서 가능하다고 주장하며 JMP에서 복제하기를 원합니다. 여기서는 앞에서 설명한 방법이 작동하지 않습니다.
어떤 아이디어? 예제 데이터 세트를 첨부합니다.
고마워요, 요르단
Re: Weibull은 두 그룹에 적합하고 두 번째 그룹에는 실패가 없습니다.이 경우 사용자는 자신의 오버레이를 만들어야 합니다. Weibayes CDF 프로파일러에서 프레임 내용을 복사하고 프레임 내용을 첫 번째 그룹의 CDF 플롯에 붙여넣습니다. 예를 들어 축 그리드 라인과 같은 원하지 않는 아티팩트를 제거하기 위해 약간의 트릭이 필요할 수 있으며 적십자 참조 라인을 제거하기 위해 Time=0을 설정합니다.
Re: Weibull은 두 그룹에 적합하고 두 번째 그룹에는 실패가 없습니다.고객의 늦은 업데이트: Weibull++에서 원하는 결과에 표시되는 것은 실제로 Weibayes 추정치입니다. 재현하려는 그래프는 다음과 같습니다.
JMP에서 비슷한 플롯을 만들 수 있습니까? Weibayes 출력을 플로팅하는 방법이 없습니다.
Re: Weibull은 두 그룹에 적합하고 두 번째 그룹에는 실패가 없습니다.나는 그들이 베이지안 추론에 대해 이야기하고 있다고 생각합니다. Weibayes는 전체 검열된 상황에 대한 포인트 추정치를 제공하지 않기 때문입니다. 그들이 "선"(일종의 중심선을 의미한다고 가정)과 "신뢰선"을 본다면 그것은 베이지안 추론이어야 합니다. Weibull++의 베이지안 추론의 경우 이 페이지가 유용할 수 있습니다. Weibull++의 베이지안-Weibull 분석
해당 페이지의 끝 부분에 데이터 예제가 있습니다. 그리고 숫자를 일치시키는 방법을 설명하기 위해 JMP 데이터 테이블을 첨부합니다.
JMP 테이블:
시작 대화상자:
"Weibull" 확인:
"베이지안 추정치"를 켭니다.
"Location and Scale Priors"로 변경하십시오.
다음 스크린샷에 있는 것과 같은 사전을 지정합니다.
선택 사항에 대한 간단한 설명:
웹 페이지는 다음과 같이 말합니다.
위치 매개변수 = log(eta)이므로 매우 넓은 범위의 uniform을 사용합니다.
웹 페이지는 다음과 같이 말합니다.
즉, 시그마 = 1/베타는 로그 정규(-0.9064, 0.3325)입니다.
결과는 다음과 같습니다.
번호:
알아채다:
추론의 무작위 특성으로 인해 일치한다고 생각하며 설정이 명확하지 않습니다.
데이터에 오류가 없으므로 베이지안 추론 기능에 액세스하려면 수명 분포에서 다음 기본 설정을 해제해야 합니다. Weibayes의 경우 기본값은 켜짐입니다.
데이터 테이블과 스크립트를 첨부합니다.
Re: Weibull은 두 그룹에 적합하고 두 번째 그룹에는 실패가 없습니다.안녕하세요 Peng, 생각해 주셔서 감사합니다.
수리 및/또는 설계 변경의 효율성을 평가하기 위한 것이라고 생각합니다. 다음은 고객의 직접적인 견적입니다.
시나리오는 수정 효과 데모 분석을 위해 최소 두 개의 분포가 있는 오버레이 플롯을 생성합니다. 첫 번째 분포에는 실패 및 우측 관측 중단된 데이터가 있고 두 번째 분포에는 통과(오른쪽 관측 중단된 데이터)만 있습니다. Weibull++를 사용하면 첫 번째 분포(간단한 1P Weibull)에서 측정된 Weibull 베타를 사용하여 두 번째 실패 분포에 대한 선을 만들고 분포(특히 eta 값)를 비교하는 방법을 확인할 수 있습니다. 또한 신뢰선이 통계적 유의성 게이지와 어떻게 겹치는지 확인해야 합니다.
Re: Weibull은 두 그룹에 적합하고 두 번째 그룹에는 실패가 없습니다.두 번째로 마음에 온다.
데이터 세트가 실제가 아니라 Martin에서 빌린 것 같습니다. 질문이 있습니다. 그룹이 무엇인가요? 두 개의 공급자, 두 개의 디자인? 또는 두 가지 온도, 두 가지 전압? 후자라면 Fit Life by X에서 파라메트릭 관계를 사용하는 것이 답이 될 수 있습니다. 스크립트로 수정된 데이터를 첨부합니다.
적합 모델은 "선형" 관계를 사용하여 두 그룹을 연결합니다. 그리고 여기에 모델 결과가 있습니다.
1/시그마는 Weibull의 베타입니다. Exp(mu)는 Weibull의 알파입니다. G의 두 값을 연결하면 Alpha의 두 값을 얻습니다.
또한 어떤 제품, 재료를 테스트하고 있습니까? 모든 상황을 검열하는 것이 일반적입니까? 그룹화 변수가 실제로 연속적이고 관계를 설정하려는 경우 ALT DOE 문제가 있을 수 있습니다.
Re: Weibull은 두 그룹에 적합하고 두 번째 그룹에는 실패가 없습니다.Weibull++이 어떻게 하는지 잘 모르겠습니다. 내 마음에 가장 먼저 떠오르는 것은 다음과 같습니다.
By로 생명 분배 시작
Weibull을 첫 번째 그룹에 맞추면 베타가 있습니다.
두 번째 그룹은 Weibayes 분석을 위한 다소 특이한 보고서를 보여줍니다. 규칙적인 수명 분포가 보이면 한 지점에서 선호도를 조절한 것입니다. 보고서에서 첫 번째 그룹의 베타 값을 입력하고 스크린샷과 같이 확인란이 선택되어 있는지 확인합니다. "업데이트"를 클릭합니다. 그리고 Alpha에 대한 Weibayes 추정치를 얻습니다. 이는 Alpha의 보수적 범위입니다. 포인트 견적이 없습니다.
실패가 거의 없거나 전혀 없는 경우 전체 베이지안 접근 방식이 Weibayes 접근 방식보다 더 유용한 결과를 가져올 수 있습니다. 그러나 베이지안 추론에 대한 지식이 필요하고 사전 지식 분포가 있어야 합니다.
