问：（实际）寿命和区间删失数据的寿命分布；但混合你好，
我既有区间删失数据，也有（真实）生命终结数据。
例如，某些样本在第 1000 到第 1100 个周期之间死亡，这是以 100 个周期为间隔的区间删失数据。（即数据集 A）
对于其他样本，由于我改进了测量方法，我可以得到样本的精确生命周期，例如第1034次循环。（即数据集B）
在这种情况下，是否可以将这些类型的数据作为一个整体来绘制寿命分布？
我通过以数据集 A 的间隔（第 1034 个周期数据 -> 1000~1100 间隔删失数据）对数据集 B 进行删失来获得寿命分布。
但是，由于数据集 B 更准确，我想充分利用它，而不是进行审查。有什么办法吗？
消费者和市场研究数据探索与可视化可靠性分析回复：问：（真实）寿命和区间删失数据的寿命分布；但混合是的，你可以，这就是审查员角色在分析中的目的：
例如，参见样本数据可靠性部分中的表 Fan.Jmp（帮助>样本数据库，或帮助>样本数据>可靠性/生存）。
您的真实数据未经审查 - 通常在您的数据审查栏中用 0 表示。您的其他数据被截尾，通常在截尾列中用 1 表示（示例数据中就是这种情况，尽管该列具有与之关联的“值标签”属性）。
因此，对于您的实际故障时间，您将放置故障的实际周期时间，标记为未经审查，而对于其他值，您将放置产品已知运行的最后已知周期时间（因此间隔为 1000- 1100 这将是 1000，或者我想可能是 999）。
回复：问：（真实）寿命和区间删失数据的寿命分布；但混合由于您提到了区间删失数据，我认为您应该将数据集 B 转换为区间删失格式。 我假设您的数据集 A 已经是区间审查格式。 查看示例数据 ICdevice02 中的以下屏幕截图。
Interval Censor 格式化数据在屏幕截图中有两个事件发生时间列，即 HoursL 和 HoursU。 在您的情况下，1000-1100 观察值应将 1000 放入 HoursL，将 1100 放入 HoursU。 1034 循环失败应将 1034 放入 HoursL和HoursU为1034，表示失败。 如果您有右删失观察，比如 2000，那么您将 2000 放在 HoursL 中，将缺失值放在 HoursU 中。 上面的屏幕截图说明了其中一些情况，除了确切的失败（1034）。
在具有相同格式和相同列名的两个数据之后。 然后将它们连接到一个表中，然后启动 Life Distribution。
启动平台时，将 HoursL 和 HoursU 都放在 Y 中。 并且不要忘记 Freq 列（如果有的话）。 区间删失通常伴随着计数。
回复：问：（真实）寿命和区间删失数据的寿命分布；但混合谢谢您的帮助。
这就是我要的。 因此，我可以通过构建下小时行列和上小时行列来同时使用右、左、间隔截尾和精确数据。
因此，确切的数据可以构造为
HL HU 状态计数
1034 1034 准确 1（最多）
谢谢！
