Come personalizzare i grafici di contorno della logaritmo verosimiglianza di 2 modelli di Weibull?Ciao,
Sto confrontando due modelli di Weibull per verificare se sono significativamente diversi.
Sulla base del capitolo 7.5.3 del "The Weibull Handbook" di R. Abernethy, vorrei confrontare i grafici di contorno della verosimiglianza di due modelli.
Utilizzo un pannello Life Distribution - Compare Group per condurre l'analisi. Crea due modelli Parametric Estimates - Weibull separati. Da lì posso selezionare "Show Likelihood Contour".
Per cominciare, vorrei chiedere se è possibile personalizzare questi grafici, ad esempio riducendo il numero di livelli o modificando i colori dei contorni?
So che in seguito potrò combinare i contorni di due modelli utilizzando "Copia contenuto cornice".
Inoltre, c'è un modo per estrarre i punti effettivi che creano il contorno? Alla fine vorrei controllare automaticamente se i contorni dei modelli si intersecano o meno, e per questo scopo penso che dovrei usare punti effettivi.
Grazie per l'aiuto.
Saluti,
Ceg1
Personalizzazione di massaFinestreRe: Come personalizzare i grafici Loglikelihood Contour di 2 modelli Weibull?Le funzioni di personalizzazione ed estrazione punti dal contorno non sono disponibili. Lo scopo di quella sezione del manuale è confrontare visivamente gli accoppiamenti. È fantastico che tu abbia detto che sai come creare una trama simile usando JMP. Tuttavia, la trama non è una sostituzione o un'alternativa a un test formale. Sullo stesso argomento e relative discussioni, potrebbe interessarti la sezione 12.3 in "Metodi statistici per i dati di affidabilità", 2°. ed. di Meeker et.al. Per eseguire un test del rapporto di verosimiglianza sul fatto che gli accoppiamenti Weibull dei due gruppi siano significativamente diversi o meno, potresti voler indagare su come utilizzare Fit Life di X piattaforma. Ecco un esempio di come configurare la finestra di dialogo di avvio
Scegli "Weibull", se lo desideri. Se la tua variabile di raggruppamento è discreta, non hai nient'altro di cui preoccuparti. In caso contrario, assicurati di scegliere "Nessun effetto", "Posizione" o "Scala posizione" nella casella combinata Relazione. Ognuno dei tre rappresenta un'ipotesi, in parole povere: "Due gruppi sono uguali", "Due gruppi sono diversi per posizione, o parametro di scala Alpha per Weibull", "Due gruppi sono diversi per entrambi i parametri". La piattaforma fornisce un'analisi completa per confrontarli.
Re: Come personalizzare i grafici Loglikelihood Contour di 2 modelli Weibull?La ringrazio per la risposta. Non ero a conoscenza di questa funzionalità. Ci ho provato e non sono convinto che questa piattaforma mi aiuti a rispondere alla mia domanda.
Non sono sicuro di come dovrei interpretare i risultati di Nested Test. Ho una variabile di raggruppamento discreta, di carattere. La piattaforma Fit Life restituisce tali risultati del test.
Quello che ho capito dal manuale di JMP è che se "Prob>ChiSq" è inferiore a quel livello di significatività (di solito 0,05), allora possiamo rifiutare l'ipotesi nulla che quei due modelli siano significativamente diversi l'uno dall'altro.
Tuttavia, ci sono 2 test, mentre penso che vorrei testare l'ipotesi tra Nessun effetto vs. Posizione e Scala. Puoi spiegarmi come dovrebbero essere interpretati i risultati dei test, poiché penso di aver perso alcune informazioni?
Grazie.
Re: Come personalizzare i grafici Loglikelihood Contour di 2 modelli Weibull?Il tuo processo di pensiero è esattamente giusto. E non troverai il risultato esplicito per il test "No Effect vs. Location and Scale", che afferma l'ipotesi nulla che i parametri di scala e forma siano gli stessi.
Tale test, di per sé, non è sufficiente per fornire ulteriori informazioni se il null viene rifiutato. E sono necessari ulteriori test. In tal caso, finirà con un test nidificato. Consentitemi di utilizzare questo esempio per spiegare perché il test annidato è utile per il processo decisionale.
In questo esempio con due gruppi, uno è solitamente interessato a sapere se le loro affidabilità sono le stesse o se uno è più affidabile dell'altro, quindi si possono intraprendere le azioni appropriate di conseguenza. Quando entrambi i test risultano insignificanti (indica questo Scenario 1), si può concludere che la loro affidabilità non è diversa, quindi intraprendere un'azione. Se "Nessun effetto vs posizione" è significativo, ma "Posizione vs posizione e scala" è insignificante (indica questo Scenario 2), si può concludere che uno è più affidabile di un altro in senso convenzionale, quindi intraprendere un'azione. Nei restanti due scenari (denotarli Scenario 3 e 4), si può solo concludere che i due gruppi sono diversi, ma non si può trarre conclusioni sul fatto che un gruppo sia decisamente più affidabile. È necessaria un'ulteriore analisi, oppure i criteri per essere più affidabili richiedono specifiche aggiuntive, ad esempio definite confrontando la durata di B10.
Quindi che dire del "Nessun effetto vs posizione e scala", che non c'è. Ma pensaci bene, se non può essere rifiutato, significa Scenario 1; se viene rifiutato, significa uno degli altri tre scenari, ma non può dire quale. Quindi il test annidato può portare direttamente al processo decisionale sugli interessi più comuni, ma "Nessun effetto vs posizione e scala" non può.
PS sebbene descriva il processo decisionale come un test multiplo, in pratica è spesso come un test sequenziale. Cioè sembra raro se "Nessun effetto rispetto alla posizione" è insignificante ma "Posizione rispetto alla posizione e scala" è significativo. Quindi si può descrivere che due gruppi non fanno differenza solo sulla base del primo test senza ulteriori elaborazioni. Inoltre, se si desidera il risultato del test per "Nessun effetto rispetto a posizione e scala", la statistica del test del rapporto di verosimiglianza è 311,6156 - 310,3634 = 1,252199999999996, la differenza di -2Loglikelihood dai due modelli. E il valore critico è il quantile 1-alfa di Chi-Sqaure con df = 4-2, la differenza del Numero di parametri dai due modelli. Il valore p è 0,534672964662089, utilizzando il seguente calcolo:
Rif: https://en.wikipedia.org/wiki/Likelihood-ratio_test
Re: Come personalizzare i grafici Loglikelihood Contour di 2 modelli Weibull?Ciao, grazie per la tua risposta.
In effetti, ho incorporato la piattaforma Fit Life by X nel mio script per confrontare due modelli Weibull e utilizzo anche i Nested Tests.
Tuttavia, ho giocato un po' con lo strumento e ho una domanda.
Da quanto ho capito, la fase "No Effect" crea un modello Weibull a 2 parametri basato su entrambi i campioni uniti.
Puoi dirmi come gestisce JMP questi casi, quando c'è solo un piccolo cambiamento tra la popolazione?
Ad esempio, ho un modello basato su 5 guasti e 10 sospensioni e voglio confrontarlo con il nuovo modello, che si basa sugli stessi dati, ma c'è un guasto aggiuntivo. (quindi 6 fallimenti e 10 sospensioni in totale). I valori della censura temporale non cambiano tra i modelli.
Quindi per me sembra che il modello unito sarebbe costruito su due insiemi di punti quasi identici e mi sembra errato.
Inoltre, puoi guidarmi a qualsiasi carta/libro/articolo, in cui i test nidificati per le applicazioni di affidabilità sono descritti in modo più dettagliato?
Grazie,
Saluti,
Ceg1
Re: Come personalizzare i grafici Loglikelihood Contour di 2 modelli Weibull?Non sono sicuro di aver compreso il nuovo scenario. Ecco la mia comprensione. Hai un dato in cui ci sono 5 fallimenti e 10 sospensioni. Quindi aggiungi un altro errore ai dati e il set di dati ora ha 16 osservazioni. Quindi tratti due set di dati come due gruppi ed esegui Fit Life per X per "confrontare" i due gruppi. Neanche a me sembra giusto. Ma potrebbe non significare che l'analisi non abbia alcun significato. Pensa che dipenda dall'obiettivo, qual è la domanda di interesse?
Questo suona come quello che ti interessa: ora c'è una nuova osservazione, la mia conclusione rimane ancora sulla precedente 15 osservazione? In tal caso, ecco alcune riflessioni e ulteriori domande:
- Se questa osservazione è una stella solitaria di per sé, e nessun'altra informazione, non vedo altri modi e non vedo cosa potrebbe esserci di peggio nel farlo.
- Se questa osservazione fa parte di un test aggiuntivo in corso, questo può rientrare in diversi tipi di analisi. Uno è valutare il modello sulla base dei nuovi dati (il tasso di errore concorda con quanto previsto dal modello). Un altro che mi viene in mente è dimostrare che i tuoi nuovi dati hanno l'affidabilità desiderata (cerca Dimostrazione di affidabilità", per la quale hai bisogno di informazioni preliminari sull'affidabilità, che potrebbero provenire dai tuoi dati precedenti). Potrebbe interessarti il Capitolo 14 Pianificazione dei test di dimostrazione dell'affidabilità e 15 Previsione dei tempi di guasto e numero di futuri guasti sul campo in questo libro: Metodi statistici per dati di affidabilità. 2°. ed.
Per i test nidificati, si tratta di una normale tecnica di verifica delle ipotesi nota come test del rapporto di verosimiglianza. Ecco un link alla pagina wiki: Test del rapporto di verosimiglianza La prima frase della pagina riassume molto bene la tecnica. Ma puoi provare diverse risorse fino a trovarne una adatta. I libri di testo di statistica dovrebbero essere una buona direzione da guardare. L'appendice del libro sopra che ho citato spiega anche brevemente l'argomento.
