Betreff: Lebensverteilung mit zensierten Daten, die schwer in ein Verteilungsmodell passenBegrenzte Daten führen zu schlechter Leistung (große Intervallschätzungen). An den großen Intervallen führt kein Weg vorbei, außer mehr Daten zu sammeln.
Es ist am besten, bei der Auswahl des Modells so viel wissenschaftliches und technisches Wissen wie möglich über die Ausfallart zu verwenden, anstatt sich auf eine Stichprobenstatistik oder ein Modellkriterium zu verlassen. Dieses Vertrauen ist noch riskanter, wenn die Daten so begrenzt sind. Das Wahrscheinlichkeitsnetz zeigt eine schlechte Unterstützung durch die Daten für dieses Modell.
Betreff: Lebensverteilung mit zensierten Daten, die schwer in ein Verteilungsmodell passenHallo Mark
Ich danke Ihnen für Ihre Hilfe.
Mit freundlichen Grüße
Thor
Lebensverteilung mit zensierten Daten, die sich nur schwer in ein Verteilungsmodell einfügen lassenHallo SAS-Community
Wir haben einen Datensatz mit 12 zensierten Intervalldatenpunkten: (0-30, 0-30, 0-30s, 0-30, 0-30, 0-30, 0-30, 0-30, 0-30, 0 -30, 89-119, 97-127)Minuten. Die Datenpunkte geben das Zeitintervall an, in dem ein Fehler unseres Produkts beobachtet wurde. Wir möchten die Zeit berechnen, nach der 90 % unserer Produkte ausfallen (Ziel liegt unter 600 Minuten). Normalerweise verwenden wir das Lebensverteilungsmenü, um ein Modell an unsere zensierten Daten anzupassen. Wir wählen die am besten angepasste Verteilung und verwenden eine benutzerdefinierte Schätzung, um das Konfidenzintervall für die Ausfallwahrscheinlichkeit von 0,90 zu berechnen. Normalerweise funktioniert es einwandfrei, da die zensierten Datenintervalle stärker gestreut sind, aber dieser Datensatz ermöglicht keine gut angepasste Verteilung. Daher erhalten wir ein sehr breites 95 %-Konfidenzintervall für eine Ausfallwahrscheinlichkeit von 0,90. Irgendwelche Vorschläge, wie man das umgehen kann?
Datenexploration und -visualisierung
