F: Lebensdauerverteilung für (reale) Lebensdaten und intervallzensierte Daten; jedoch gemischtHallo,
Ich verfüge sowohl über intervallzensierte Daten als auch (echte) Daten zum Lebensende.
Beispielsweise starben einige Proben zwischen dem 1000. und 1100. Zyklus. Dabei handelt es sich um intervallzensierte Daten mit einem Intervall von 100 Zyklen. (d. h. Datensatz A)
Da ich die Messmethode verbessert habe, kann ich für die anderen Proben den genauen Lebenszyklus ermitteln, beispielsweise den 1034. Zyklus. (d. h. Datensatz 
Ist es in diesem Fall möglich, die Lebensverteilung mit diesen Datentypen als eine einzige darzustellen?
Ich erhalte die Lebensdauerverteilung, indem ich Datensatz B mit dem Intervall von Datensatz A zensiere (Daten des 1034. Zyklus -> 1000–1100 zensierte Intervalldaten).
Da Datensatz B jedoch genauer ist, möchte ich ihn vollständig nutzen und nicht zensieren. Gibt es eine Möglichkeit?
Konsumenten- und MarktforschungDatenexploration und -visualisierungZuverlässigkeitsanalyseBetreff: Q: Lebensverteilung für (reale) Lebens- und intervallzensierte Daten ; aber gemischtJa, das können Sie, das ist der Zweck der Zensurrolle in der Analyse:
siehe beispielsweise die Tabelle Fan.Jmp im Zuverlässigkeitsabschnitt der Beispieldaten (Hilfe>Beispieldatenbibliothek oder Hilfe>Beispieldaten>Zuverlässigkeit/Überleben).
Ihre realen Daten sind unzensiert – typischerweise mit einer 0 in der Zensurspalte Ihrer Daten gekennzeichnet.Ihre anderen Daten sind zensiert, was in der Regel mit einer 1 in der zensierten Spalte gekennzeichnet ist (dies ist in den Beispieldaten der Fall, obwohl die Spalte mit der Eigenschaft „Wertbezeichnungen“ verknüpft ist).
Für Ihre realen Ausfallzeiten würden Sie also die tatsächliche Zykluszeit für den Ausfall angeben, die als unzensiert gekennzeichnet ist, und für die anderen Werte würden Sie die letzte bekannte Zykluszeit angeben, für die das Produkt bekanntermaßen in Betrieb war (also für ein Intervall von 1000- 1100 wäre dies 1000, oder ich nehme an, vielleicht 999).
Betreff: F: Lebensverteilung für (reale) Lebens- und intervallzensierte Daten ; aber gemischtDa Sie intervallzensierte Daten erwähnt haben, sollten Sie Dataset B meiner Meinung nach in das Interval Censor-Format konvertieren. Ich gehe davon aus, dass Ihr Datensatz A bereits im Intervallzensurformat vorliegt. Sehen Sie sich den folgenden Screenshot aus den Beispieldaten ICdevice02 an.
Die formatierten Daten des Intervallzensierers haben zwei Zeit-bis-Ereignis-Spalten, StundenL und StundenU im Screenshot. In Ihrem Fall sollte die 1000-1100-Beobachtung 1000 in StundenL und 1100 in StundenU setzen. Der 1034-Zyklusfehler sollte 1034 in StundenL bringen UND 1034 in HoursU, was auf einen Fehler hinweist. Wenn Sie eine rechtszensierte Beobachtung haben, sagen wir 2000, dann geben Sie 2000 in StundenL und einen fehlenden Wert in StundenU ein. Der obige Screenshot veranschaulicht einige dieser Fälle, mit Ausnahme des genauen Fehlers (der 1034).
Nachdem beide Daten das gleiche Format und die gleichen Spaltennamen haben. Sie verketten sie dann in einer einzigen Tabelle und starten dann Life Distribution.
Wenn Sie die Plattform starten, geben Sie HoursL und HoursU beide in Y ein. Und vergessen Sie nicht die Freq-Spalte, falls Sie eine haben. Intervallzensierung kommt normalerweise mit Zählungen.
Betreff: Q: Lebensverteilung für (reale) Lebens- und intervallzensierte Daten ; aber gemischtDanke für Ihre Hilfe.
Das ist was ich will. So kann ich rechte, linke, intervallzensierte und exakte Daten gleichzeitig verwenden, indem ich die untere und obere Stundenzeilenspalte konstruiere.
Daher können die genauen Daten wie folgt konstruiert werden
HL HU-Statuszähler
1034 1034 Genau 1 (in den meisten Fällen)
Vielen Dank!
