Q: (실제) 수명 및 간격 검열 데이터에 대한 수명 분포; 하지만 혼합안녕하세요,
간격 검열 데이터와 (실제) 수명 종료 데이터가 모두 있습니다.
예를 들어, 일부 샘플은 1000주기에서 1100주기 사이에 사망했는데, 이는 100주기 간격으로 간격 검열된 데이터입니다. (즉, 데이터세트 A)
다른 샘플의 경우 측정 방법을 개선했기 때문에 샘플의 정확한 수명주기(예: 1034주기)를 얻을 수 있습니다. (즉, 데이터세트 
이런 경우, 이러한 종류의 데이터를 하나로 모아 수명분포를 그리는 것이 가능한가요?
Dataset A의 간격(1034주기 데이터 -> 1000~1100 간격 검열 데이터)으로 Dataset B를 검열하여 수명 분포를 얻습니다.
다만 Dataset B가 더 정확하기 때문에 검열을 하지 않고 충분히 활용하고 싶습니다. 어떤 방법이 있나요?
소비자 및 시장 조사데이터 탐색 및 시각화신뢰성 분석Re: Q: (실제) 수명 및 간격 중도절단 데이터에 대한 수명 분포 ; 그러나 혼합예, 할 수 있습니다. 이것이 분석에서 검열 역할의 목적입니다.
예를 들어 샘플 데이터의 신뢰성 섹션에 있는 Fan.Jmp 표를 참조하십시오(도움말>샘플 데이터 라이브러리 또는 도움말>샘플 데이터>신뢰성/생존).
실제 데이터는 검열되지 않습니다. 일반적으로 데이터 검열 열에 0으로 표시됩니다.다른 데이터는 중도절단되며 일반적으로 중도절단된 열에 1로 표시됩니다(열에 연결된 '값 레이블' 속성이 있지만 샘플 데이터의 경우임).
따라서 실제 고장 시간의 경우 무수정으로 표시된 고장의 실제 주기 시간을 입력하고 다른 값의 경우 제품이 작동하는 것으로 알려진 마지막 주기 시간을 입력합니다(따라서 1000- 1100 이것은 1000 또는 999일 것입니다).
Re: Q: (실제) 수명 및 간격 중도절단 데이터에 대한 수명 분포 ; 그러나 혼합Interval Censor 형식으로 Dataset B를 변환해야 한다고 생각합니다. 데이터 세트 A가 이미 Interval Censor 형식이라고 가정합니다. 샘플 데이터 ICdevice02의 다음 스크린샷을 보십시오.
Interval Censor 형식의 데이터에는 스크린샷에 두 개의 time-to-event 열(HoursL 및 HoursU)이 있습니다. 귀하의 경우 1000-1100 관찰은 HoursL에 1000을, HoursU에 1100을 넣어야 합니다. 1034주기 실패는 1034를 HoursL에 넣어야 합니다. 그리고 1034 in HoursU, 이는 실패를 나타냅니다. 2000과 같이 올바른 중도절단된 관찰이 있는 경우 2000을 HoursL에 입력하고 결측값을 HoursU에 입력합니다. 위의 스크린샷은 정확한 오류(1034)를 제외한 이러한 사례 중 일부를 보여줍니다.
동일한 열 이름을 사용하여 동일한 형식의 두 데이터를 모두 보유한 후. 그런 다음 단일 테이블로 연결한 다음 Life Distribution을 시작합니다.
플랫폼을 시작할 때 HoursL과 HoursU를 모두 Y에 입력합니다. Freq 열이 있다면 잊지 마십시오. 간격 관측 중단은 일반적으로 개수와 함께 제공됩니다.
Re: Q: (실제) 수명 및 간격 중도절단 데이터에 대한 수명 분포 ; 그러나 혼합도와주셔서 감사합니다.
이것이 내가 원하는거야. 그래서 상하시 행 컬럼을 구성하여 오른쪽, 왼쪽, 구간 검열 및 정확한 데이터를 한번에 사용할 수 있습니다.
따라서 정확한 데이터는 다음과 같이 구성할 수 있습니다.
HL HU 상태 수
1034 1034 정확히 1(대부분의 경우)
고맙습니다!
