Q：（真實）壽命和區間刪失資料的壽命分佈；但混合你好，
我有間隔刪失資料和（真實）壽命終止資料。
例如，某些樣本在1000到1100個週期之間死亡，這是間隔為100個週期的區間刪失資料。 （即資料集A）
對於其他樣本，由於我改進了測量方法，我可以得到樣本的準確生命週期，例如第1034個週期。 （即資料集B）
那麼，是否可以將這些類型的資料作為一個整體來繪製壽命分佈圖呢？
我透過以資料集 A 的間隔（第 1034 個週期資料 -> 1000~1100 區間刪失資料）對資料集 B 進行刪失來獲得壽命分佈。
然而，由於數據集 B 更準確，我想充分利用它，而不是進行審查。有什麼辦法嗎？
消費者與市場研究數據探索和視覺化可靠度分析回复：問：（真實）壽命和區間刪失數據的壽命分佈；但混合是的，你可以，這就是審查員角色在分析中的目的：
例如，參見樣本數據可靠性部分中的表 Fan.Jmp（幫助>樣本數據庫，或幫助>樣本數據>可靠性/生存）。
您的真實數據未經審查 - 通常在您的數據審查欄中用 0 表示。您的其他數據被截尾，通常在截尾列中用 1 表示（示例數據中就是這種情況，儘管該列具有與之關聯的“值標籤”屬性）。
因此，對於您的實際故障時間，您將放置故障的實際週期時間，標記為未經審查，而對於其他值，您將放置產品已知運行的最後已知周期時間（因此間隔為 1000- 1100 這將是 1000，或者我想可能是 999）。
回复：問：（真實）壽命和區間刪失數據的壽命分佈；但混合由於您提到了區間刪失數據，我認為您應該將數據集 B 轉換為區間刪失格式。 我假設您的數據集 A 已經是區間審查格式。 查看示例數據 ICdevice02 中的以下屏幕截圖。
Interval Censor 格式化數據在屏幕截圖中有兩個事件發生時間列，即 HoursL 和 HoursU。 在您的情況下，1000-1100 觀察值應將 1000 放入 HoursL，將 1100 放入 HoursU。 1034 循環失敗應將 1034 放入 HoursL和HoursU為1034，表示失敗。 如果您有右刪失觀察，比如 2000，那麼您將 2000 放在 HoursL 中，將缺失值放在 HoursU 中。 上面的屏幕截圖說明了其中一些情況，除了確切的失敗（1034）。
在具有相同格式和相同列名的兩個數據之後。 然後將它們連接到一個表中，然後啟動 Life Distribution。
啟動平台時，將 HoursL 和 HoursU 都放在 Y 中。 並且不要忘記 Freq 列（如果有的話）。 區間刪失通常伴隨著計數。
回复：問：（真實）壽命和區間刪失數據的壽命分佈；但混合謝謝您的幫助。
這就是我要的。 因此，我可以通過構建下小時行列和上小時行列來同時使用右、左、間隔截尾和精確數據。
因此，確切的數據可以構造為
HL HU 狀態計數
1034 1034 準確 1（最多）
謝謝！
