2개의 Weibull 모델의 Loglikelihood Contour 플롯을 사용자 지정하는 방법은 무엇입니까?안녕하세요,
저는 두 개의 Weibuls 모델을 비교하여 두 모델이 유의하게 다른지 확인하는 작업을 하고 있습니다.
R. Abernethy의 "The Weibull Handbook" 7.5.3장을 토대로 두 모델의 우도 등고선 플롯을 비교하고 싶습니다.
저는 Life Distribution - Compare Group 패널을 사용하여 분석을 수행합니다. 이는 두 개의 별도 매개변수 추정치 - Weibull 모델을 생성합니다. 거기에서 "가능성 등고선 표시"를 선택할 수 있습니다.
우선, 차트를 사용자 정의할 수 있는 가능성이 있는지, 예를 들어 레벨 수를 줄이거나 등고선 색상을 변경할 수 있는지 묻고 싶습니다.
나중에 "프레임 내용 복사"를 사용하여 두 모델의 윤곽을 결합할 수 있다는 걸 알고 있습니다.
게다가, 윤곽을 만드는 실제 점을 추출하는 방법이 있나요? 결국 모델의 윤곽이 교차하는지 아닌지 자동으로 확인하고 싶은데, 그러기 위해서는 실제 점을 사용해야 한다고 생각합니다.
귀하의 도움에 감사드립니다.
문안 인사,
세그1
대량 맞춤형윈도우Re: 2 Weibull 모델의 Loglikelihood 등고선 플롯을 사용자 정의하는 방법은 무엇입니까?윤곽에서 점을 사용자 정의하고 추출하는 기능은 사용할 수 없습니다. 핸드북에서 해당 섹션의 목적은 적합성을 시각적으로 비교하는 것입니다. JMP를 사용하여 유사한 플롯을 만드는 방법을 알고 있다고 언급한 것이 좋습니다. 그러나 플롯은 공식 테스트를 대체하거나 대안이 아닙니다. 동일한 주제 및 관련 토론에서 "신뢰성 데이터에 대한 통계적 방법", 2nd의 섹션 12.3에 관심이 있을 수 있습니다. 에드. Meeker et.al. 두 그룹의 Weibull 적합치가 유의하게 다른지 여부에 대한 우도비 검정을 수행하기 위해 다음을 사용하는 방법을 조사할 수 있습니다. 핏 라이프 바이 X 플랫폼. 다음은 시작 대화 상자를 구성하는 방법의 예입니다.
원하는 경우 "Weibull"을 선택하십시오. 그룹화 변수가 이산형이면 다른 걱정할 필요가 없습니다. 그렇지 않은 경우 관계 콤보 상자에서 "효과 없음", "위치" 또는 "위치 척도"를 선택해야 합니다. 세 가지 각각은 대략적으로 "두 그룹은 동일하다", "두 그룹은 위치에 따라 다르거나 Weibull의 경우 척도 매개변수 알파에 따라 다릅니다", "두 그룹은 두 매개변수에 의해 다릅니다"라는 가설을 나타냅니다. 플랫폼은 비교할 수 있도록 포괄적인 분석을 제공합니다.
Re: 2개의 Weibull 모델의 Loglikelihood 등고선 플롯을 사용자 정의하는 방법은 무엇입니까?답변 주셔서 감사합니다. 이 기능을 몰랐습니다. 나는 그것을 시도했지만 이 플랫폼이 내 질문에 답하는 데 도움이 된다고 확신하지 못합니다.
Nested Test의 결과를 어떻게 해석해야 하는지 잘 모르겠습니다. 이산, 문자, 그룹화 변수가 있습니다. Fit Life 플랫폼은 이러한 테스트 결과를 반환합니다.
JMP 매뉴얼에서 내가 이해한 바는 "Prob>ChiSq"가 그 유의 수준(보통 0.05)보다 작으면 두 모델이 서로 크게 다르다는 귀무 가설을 기각할 수 있다는 것입니다.
그러나 두 가지 테스트가 있지만 효과 대 위치 및 규모 사이의 가설을 테스트하고 싶습니다. 일부 정보가 누락된 것 같은데 테스트 결과를 어떻게 해석해야 하는지 설명해 주시겠습니까?
고맙습니다.
Re: 2개의 Weibull 모델의 Loglikelihood 등고선 플롯을 사용자 정의하는 방법은 무엇입니까?당신의 사고 과정이 정확히 맞습니다. 그리고 척도와 모양 매개변수가 동일하다는 귀무가설을 명시한 "효과 없음 대 위치 및 척도" 테스트에 대한 명시적 결과를 찾을 수 없습니다.
null이 거부되는 경우 해당 테스트 자체로는 추가 통찰력을 제공하기에 충분하지 않습니다. 그리고 추가 테스트가 필요합니다. 이 경우 중첩 테스트로 끝납니다. 이 예를 사용하여 중첩 테스트가 의사 결정에 유용한 이유를 설명하겠습니다.
두 그룹이 있는 이 예에서 한 그룹은 일반적으로 해당 신뢰도가 동일한지 또는 다른 그룹보다 더 신뢰할 수 있는지 여부에 관심이 있으므로 그에 따라 적절한 조치를 취할 수 있습니다. 두 테스트가 모두 중요하지 않게 돌아오면(이 시나리오 1을 나타냄) 두 테스트의 신뢰도가 다르지 않다는 결론을 내리고 조치를 취할 수 있습니다. "효과 대 위치 없음"이 중요하지만 "위치 대 위치 및 규모"가 중요하지 않은 경우(이 시나리오 2를 나타냄) 기존 의미에서 하나가 다른 것보다 더 신뢰할 수 있다는 결론을 내리고 조치를 취하십시오. 나머지 두 시나리오(시나리오 3 및 4로 표시)에서는 두 그룹이 다르다는 결론만 내릴 수 있지만 한 그룹이 확실히 더 신뢰할 수 있는지 여부에 대해서는 결론을 내릴 수 없습니다. 추가 분석이 필요하거나 더 신뢰할 수 있는 기준에 추가 사양이 필요합니다(예: B10 수명 비교로 정의됨).
그렇다면 거기에 없는 "효과 대 위치 및 규모"는 어떻습니까? 그러나 거부할 수 없다면 시나리오 1을 의미합니다. 거부되면 다른 세 가지 시나리오 중 하나를 의미하지만 어느 시나리오인지 알 수 없습니다. 따라서 중첩 테스트는 가장 일반적인 관심사에 대한 의사 결정으로 직접 이어질 수 있지만 "효과 없음 대 위치 및 규모"는 그렇지 않습니다.
추신: 의사 결정 과정을 다중 테스트로 설명하지만 실제로는 종종 순차적 테스트와 비슷합니다. 즉, "효과 대 위치 없음"이 중요하지 않지만 "위치 대 위치 및 규모"가 중요한 경우 드문 것처럼 보입니다. 따라서 두 그룹은 추가 설명 없이 첫 번째 테스트를 기반으로 하여 차이가 없다고 설명할 수 있습니다. 또한 "효과 대 위치 및 규모 없음"에 대한 테스트 결과를 원하는 경우 가능성 비율 테스트 통계는 311.6156 - 310.3634 = 1.2521999999996이며 두 모델의 -2Loglikelihood 차이입니다. 그리고 임계값은 df = 4-2인 카이제곱의 1-알파 분위수이며, 두 모델의 매개변수 수의 차이입니다. p-값은 다음 계산을 사용하여 0.534672964662089입니다.
참조: https://en.wikipedia.org/wiki/Likelihood-ratio_test
Re: 2 Weibull 모델의 Loglikelihood 등고선 플롯을 사용자 정의하는 방법은 무엇입니까?안녕하세요, 답변해주셔서 감사합니다.
사실 저는 두 Weibull 모델을 비교하기 위해 스크립트에 Fit Life by X 플랫폼을 통합했으며 Nested Test도 사용합니다.
그러나 도구를 조금 가지고 놀다가 질문이 있습니다.
내가 이해한 바에 따르면 "효과 없음" 단계는 병합된 두 샘플을 기반으로 하는 2-매개변수 Weibull 모델을 생성합니다.
인구 사이에 약간의 변화만 있을 때 JMP가 이러한 경우를 어떻게 처리하는지 말씀해 주시겠습니까?
예를 들어 5번의 실패와 10번의 정지를 기반으로 한 모델이 있는데, 같은 데이터를 기반으로 한 새 모델과 비교하고 싶지만 추가로 하나의 실패가 있습니다. (따라서 총 6번의 실패와 10번의 정지). 시간 관측 중단 값은 모델 간에 변경되지 않습니다.
그래서 저에게는 병합된 모델이 거의 동일한 점의 두 세트를 기반으로 하는 것처럼 보이며 저에게는 잘못된 것 같습니다.
또한 신뢰성 애플리케이션에 대한 중첩 테스트가 더 자세히 설명되어 있는 문서/도서/기사로 안내해 주시겠습니까?
고맙습니다,
문안 인사,
Ceg1
Re: 2 Weibull 모델의 Loglikelihood 등고선 플롯을 사용자 정의하는 방법은 무엇입니까?새로운 시나리오를 이해하고 있는지 잘 모르겠습니다. 여기 내 이해가 있습니다. 5번의 실패와 10번의 정지가 있는 데이터가 있습니다. 그런 다음 데이터에 또 다른 실패를 추가하면 데이터 세트에 이제 16개의 관측치가 있습니다. 그런 다음 두 데이터 세트를 두 그룹으로 처리하고 Fit Life by X를 통해 두 그룹을 "비교"합니다. 저에게도 옳게 느껴지지 않습니다. 그러나 분석이 전혀 의미가 없다는 의미는 아닐 수도 있습니다. 그것은 목표에 달려 있다고 생각합니다. 관심 있는 질문은 무엇입니까?
이것은 당신이 관심있는 것과 같습니다. 이제 새로운 관찰이 있습니다. 내 결론은 여전히 이전 15개의 관찰을 유지합니까? 그렇다면 다음은 몇 가지 생각과 추가 질문입니다.
- 이 관찰은 그 자체로 고독한 별이며 다른 정보가 없으며 다른 방법을 볼 수 없으며 그렇게함으로써 더 나빠질 수 있는 것도 알 수 없습니다.
- 이 관찰이 진행 중인 추가 테스트의 일부인 경우 다른 유형의 분석에 포함될 수 있습니다. 하나는 새 데이터에 대한 모델을 평가하는 것입니다(실패율은 모델이 예측한 것과 일치합니까). 내가 생각할 수 있는 또 다른 방법은 새 데이터에 원하는 안정성이 있음을 입증하는 것입니다(Reliability Demonstration" 검색, 이전 데이터에서 얻을 수 있는 안정성에 대한 사전 정보가 필요함). 이 책의 14장 신뢰성 입증 테스트 계획 및 15장 고장 시간 예측 및 향후 현장 고장 횟수에 관심이 있을 수 있습니다. 신뢰성 데이터에 대한 통계적 방법. 2번째. 에드.
중첩 테스트의 경우 우도 비율 테스트로 알려진 정규 가설 테스트 기술입니다. 다음은 위키 페이지에 대한 링크입니다. 가능성 비율 테스트 페이지의 첫 번째 문장은 기술을 매우 잘 요약합니다. 그러나 적합한 리소스를 찾을 때까지 다른 리소스를 시도해 볼 수 있습니다. 통계 교과서는 좋은 방향으로 봐야 합니다. 제가 언급한 위 책의 부록에서도 주제를 간략하게 설명하고 있습니다.
