如何定制 2 个威布尔模型的对数似然轮廓图？你好，
我正在比较两个威布尔模型，以检查它们是否存在显著差异。
根据 R.Abernethy 的《威布尔手册》第 7.5.3 章，我想比较两个模型的似然轮廓图。
我使用“寿命分布 - 比较组”面板进行分析。它创建了两个独立的参数估计 - 威布尔模型。从那里我可以选择“显示可能性轮廓”。
首先，我想问一下是否可以自定义这些图表，比如减少级别数量，或者更改轮廓颜色？
我知道稍后我可以使用“复制框架内容”来合并两个模型的轮廓。
此外，有没有办法提取创建轮廓的实际点？最后，我想自动检查模型的轮廓是否相交，为此我认为我必须使用实际点。
感谢您的帮助。
问候，
Ceg1
大规模定制视窗回复：如何自定义 2 个 Weibull 模型的对数似然等值线图？自定义轮廓点和提取点的功能不可用。 手册中该部分的目的是直观地比较适合度。 很高兴您提到您知道如何使用 JMP 制作类似的绘图。 但是，情节不是正式测试的替代品或替代品。 关于同一主题和相关讨论，您可能对“可靠性数据的统计方法”第 2 节中的第 12.3 节感兴趣。编。由 Meeker 等人撰写。 要对两组的 Weibull 拟合是否显着不同进行似然比检验，您可能需要研究如何使用X 适合生活平台。 这是一个如何配置启动对话框的示例
如果需要，请选择“Weibull”。 如果您的分组变量是离散的，则您无需担心其他任何事情。 如果没有，请确保在“关系”组合框中选择“无影响”、“位置”或“位置比例”。 这三个中的每一个都代表一个假设，粗略地说：“两组相同”，“两组在位置上不同，或者 Weibull 的尺度参数 Alpha 不同”，“两组在两个参数上都不同”。 该平台为您提供了全面的分析来比较它们。
回复：如何自定义 2 个 Weibull 模型的对数似然等值线图？谢谢您的回答。 我不知道这个功能。 我试了一下，我不相信这个平台可以帮助我回答我的问题。
我不确定我应该如何解释嵌套测试的结果。 我有一个离散的字符分组变量。 Fit Life 平台会返回此类测试结果。
我从 JMP 手册中了解到，如果“概率>ChiSq”低于显着性水平（通常为 0.05），那么我们可以拒绝零假设，即这两个模型彼此之间存在显着差异。
但是，有 2 个测试，而我认为我想测试无效果与位置和规模之间的假设。 您能否向我解释一下这些测试结果应该如何解释，因为我认为我遗漏了一些信息？
谢谢你。
回复：如何自定义 2 个 Weibull 模型的对数似然等值线图？你的思考过程是完全正确的。 而且您不会找到测试“No Effect vs. Location and Scale”的明确结果，该测试表明比例和形状参数相同的零假设。
如果 null 被拒绝，该测试本身不足以提供额外的洞察力。 并且需要额外的测试。 在这种情况下，它将以嵌套测试结束。 让我用这个例子来解释为什么嵌套测试对决策有用。
在这个有两组的例子中，一组通常关心他们的可靠性是否相同，或者一组比另一组更可靠，因此可以相应地采取适当的行动。 当两个测试都返回微不足道时（表示此场景 1），则可以得出结论，它们的可靠性没有不同，然后采取行动。 如果“No Effect vs Location”很重要，但“Location vs Location and Scale”不重要（表示此场景2），则可以得出结论，在传统意义上，一个比另一个更可靠，然后采取行动。 在剩下的两个场景中（分别记为场景 3 和 4），只能得出两组不同的结论，而不能得出一组是否肯定更可靠的结论。 需要进一步分析，或者更可靠的标准需要额外的规范，例如通过比较 B10 寿命来定义。
那么不存在的“无影响与位置和规模”呢？ 但是仔细想想，如果不能被拒绝，那就是场景1；如果被拒绝，则表示其他三种情况之一，但无法确定是哪种情况。 因此，嵌套测试可以直接导致关于最共同利益的决策，但“无影响 vs 位置和规模”不能。
PS 虽然我将决策过程描述为多次测试，但在实践中它通常类似于顺序测试。 即，如果“无影响与位置”无关紧要，但“位置与位置和规模”很重要，这似乎很少见。 因此，可以仅根据第一个测试来描述两组没有区别，而无需进一步阐述。 此外，如果您确实想要“无影响与位置和规模”的测试结果，则似然比测试统计量为 311.6156 - 310.3634 = 1.25219999999996，这两个模型的差异为 -2Loglikelihood。 临界值为卡方的 1-alpha 分位数，df = 4-2，即两个模型的参数数量之差。 p 值为 0.534672964662089，使用以下计算：
参考： https://en.wikipedia.org/wiki/Likelihood-ratio_test
回复：如何自定义 2 个 Weibull 模型的对数似然等值线图？您好，谢谢您的回复。
事实上，我将 Fit Life by X 平台合并到我的脚本中以比较两个 Weibull 模型，并且我也使用了嵌套测试。
但是，我玩了一点工具，我有一个问题。
据我了解，“无影响”阶段基于两个合并样本创建了一个 2 参数 Weibull 模型。
你能告诉我，当人口之间只有微小的变化时，JMP 如何处理这种情况？
例如，我有一个基于 5 次故障和 10 次暂停的模型，我想将它与基于相同数据的新模型进行比较，但还有一个额外的故障。 （所以总共有 6 次失败和 10 次暂停）。 模型之间的时间删失值不会改变。
所以对我来说，似乎合并模型将建立在两组几乎相同的点上，这对我来说似乎是不正确的。
此外，您能否指导我阅读任何论文/书籍/文章，其中更详细地描述了可靠性应用的嵌套测试？
谢谢，
问候，
Ceg1
回复：如何自定义 2 个 Weibull 模型的对数似然等值线图？我不确定我是否理解新场景。 这是我的理解。 您有一个数据，其中有 5 次失败和 10 次暂停。 然后您向数据添加另一个故障，数据集现在有 16 个观察值。 然后，您将两个数据集视为两组，并通过 X 拟合生活来“比较”这两个组。 我也觉得不对。 但可能并不意味着分析完全没有意义。 它认为这取决于目标，感兴趣的问题是什么？
这听起来像你感兴趣的东西：现在有一个新的观察，我的结论是否仍然坚持之前的 15 个观察？ 如果是这种情况，这里有一些思考和其他问题：
- 这个观察本身就是一颗孤星，没有其他信息，我看不到其他方法，我看不出这样做会更糟。
- 如果这个观察是正在进行的额外测试的一部分，这可能属于不同类型的分析。 一是根据新数据评估模型（故障率是否与模型预测的一致）。 我能想到的另一个方法是证明您的新数据具有所需的可靠性（查找“可靠性演示”，您需要有关可靠性的先验信息，这可能来自您以前的数据）。 您可能对本书中的第 14 章计划可靠性演示测试和第 15 章故障时间预测和未来现场故障数感兴趣：可靠性数据的统计方法。 第二。编。
对于嵌套检验，它是一种常规的假设检验技术，称为似然比检验。 这是维基页面的链接：似然比检验页面上的第一句话很好地总结了这项技术。 但是您可以尝试不同的资源，直到找到合适的资源。 统计教科书应该是一个很好的研究方向。 我提到的上述书籍的附录也简要解释了该主题。
