CIAO, Mio nome È Argilla Barker, E Io sono UN statistico sviluppatore In IL JMP gruppo.
Io sono andando A Essere parlando Di Alcuni nuovo caratteristiche In IL distribuzione piattaforma
orientato in direzione analizzando limite Di rilevamento dati.
Suo qualcosa IO lavorato SU con Mio collega, Laura Lancaster,
chi è Anche UN statistica sviluppatore A JMP.
A calcio cose spento, Che cosa È UN limitato rilevamento problema?
Che cosa Sono Noi provando A risolvere?
Esso È di base livello,
UN limite Di rilevamento problema È Quando Noi Avere Alcuni misurazione dispositivo
E suo non capace A fornire Bene misurazioni al di fuori Di Alcuni soglia.
Quello è Che cosa Noi chiamata UN limite Di rilevamento problema.
F O esempio, andiamo Dire Noi Avere, erano prendendo peso misurazioni
E erano utilizzando UN scala quello è non capace A Fare misurazioni sotto 1 g .
In Questo esempio, lo faremmo Dire Quello Noi Avere un inferiore rilevamento limite Di 1
Perché Noi non posso misurare sotto Quello.
Ma In Nostro dati impostato, erano Ancora registrazione quelli valori COME 1.
Perché Di quelli limitazioni,
Noi Vedere, Noi Potrebbe Avere UN dati impostato Quello sembra Piace Questo.
In parte, Noi Avere Alcuni valori Di 1 E Alcuni non-1 valori Quello Sono tanto più grande.
Noi non Veramente credere Quello quelli valori Sono 1 secondo
Noi Appena Sapere Quello quelli Sono A maggior parte 1.
Questo dati accade Tutto IL tempo In pratica.
Se Voi pensare Di A volte erano non capace A misurare sotto UN inferiore soglia.
A volte erano non capace A misurare Sopra UN superiore soglia.
Quelli Sono Entrambi limitato rilevamento i problemi.
Che cosa Dovrebbe Noi Fare Di Quello?
Andiamo Aspetto A UN Veramente semplice esempio.
IO simulato Alcuni dati Quello Sono normalmente distribuito
con Significare 10 E varianza 1 ,
E erano imponente UN inferiore rilevamento limite Di 9.
Se Noi Aspetto A Nostro dati impostato Qui,
Noi Avere Alcuni valori Sopra 9, E Noi Avere Alcuni 9s.
Quando Noi Aspetto A IL istogramma,
Questo decisamente no Aspetto normalmente distribuito
Perché Noi Avere UN Totale grappolo Di extra 9s
E Noi non Avere nulla sotto 9.
Che cosa accade Se Noi Appena modello Quello dati COME È?
BENE, Esso giri fuori IL risultati non lo sono Quello Grande.
Noi Ottenere UN decente stima Di Nostro posizione parametro, Nostro Mu,
suo Veramente vicino A 10, Quale È IL verità.
Ma noi abbiamo Veramente sottovalutato Quello scala O dispersione parametro.
Noi abbiamo stimato Esso A Essere 0,8,
Quando IL verità È Quello Noi generato Esso con scala pari A 1.
Lo farai avviso Quello Nostro fiducia intervallo per Quello scala parametro
no Anche copertina 1.
Esso no contenere IL verità E quello è generalmente non UN Grande situazione A Essere In.
Cosa c'è Di più, Se Noi Aspetto A IL… Noi adatto UN manciata Di distribuzioni,
Noi adatto IL tronco d'albero normale, IL gamma, E IL normale,
beh il normale distribuzione, Quale È Che cosa Noi utilizzo A creare Nostro dati,
Esso non lo è Anche competitivo basato SU IL AIC.
Basato SU quelli AIC valori,
Noi volevo decisamente scegliere UN tronco d'albero normale distribuzione A modello Nostro risposta.
Noi non l'ho fatto Fatto UN Bene lavoro stima Nostro parametri.
Erano non Anche scegliendo A utilizzo IL distribuzione
Quello Noi generato IL dati con.
W e Appena buttato Tutto quelli 9s in Nostro dati impostato.
Noi ignorato IL fatto Quello quello era incompleto informazione
e quello non l'ho fatto lavoro fuori BENE.
Che cosa Se, Invece Di ignorando Quello limite Di rilevamento,
Che cosa Se Noi Appena gettare fuori Tutto quelli volte?
BENE, Ora noi abbiamo avuto UN più piccola dati impostato E suo prevenuto.
Noi abbiamo gettato fuori UN grande pezzo Di Nostro dati SU Esso.
Noi Avere UN prevenuto campione Ora.
Ora Se Noi adatto Nostro normale distribuzione,
Ora erano sopravvalutando IL posizione parametro,
E erano Ancora sottovalutare imaging IL scala parametro.
Erano In realtà In abbastanza UN Cattivo posizione Ancora,
Perché Noi non l'ho fatto Fatto UN Bene lavoro con O Di quelli parametri.
Erano Ancora improbabile A scegliere il normale distribuzione.
Basato SU IL AIC, IL tronco d'albero normale E IL gamma distribuzione
Entrambi adatto abbastanza UN morso Meglio di IL normale distribuzione.
Erano Ancora In UN Cattivo posto.
Noi provato lancio fuori IL 9 S, E Quello non l'ho fatto giro fuori BENE.
Noi provato Appena Compreso loro COME 9 S.
Quello non l'ho fatto giro fuori BENE O.
Che cosa Dovrebbe Noi Fare Invece?
IL risposta È Quello Noi Dovrebbe trattare
quelli osservazioni A IL limite Di rilevamento.
Noi Dovrebbe trattare quelli COME censurato osservazioni.
Censura È UN situazione Dove
Noi soltanto Avere parziale informazione Di Nostro risposta variabile.
Quello è esattamente IL situazione erano In Qui.
Se Noi Avere UN osservazione A IL inferiore rilevamento limite, E Qui Io ho denotato Esso
D sotto L,
Noi Dire Quello osservazione È meno censurato.
Noi non Dire Quello Y È pari A Quello limite Di rilevamento.
Noi Dire Quello Y È meno di O pari A Quello DL valore.
SU IL Flip lato,
Se Noi Avere UN superiore limite Di rilevamento, denotato DU Qui,
quelli osservazioni Sono Giusto censurato.
Perché erano non detto Quello Y È pari A Quello valore.
Erano Appena detto suo A meno Quello valore.
Se tu sei guardare per Di più informazione Di Come A maniglia censurato dati,
uno Di IL Riferimenti Quello Noi suggerire Tutto IL tempo È
Più mansueto e Quello di Escobar libro Statistico Metodi per Affidabilità Dati.
Quello è UN Veramente Bene panoramica per Come Voi Dovrebbe trattare censurato dati.
Se hai usato Alcuni Di IL...
Se Voi utilizzo Alcuni Di IL caratteristiche E IL sopravvivenza E affidabilità menù in JMP,
Poi tu sei familiare con cose Piace vita distribuzione E adatto vita di X.
Questi Sono Tutto piattaforme Quello ospitare censurare In JMP.
Che cosa erano eccitato Di In JMP 17 È Ora
Noi Avere aggiunto Alcuni caratteristiche A distribuzione COSÌ Quello Noi Potere maniglia
Questo limite Di rilevamento problema e distribuzione COME BENE.
Tutto Voi Avere A Fare È Voi aggiungere
UN rilevamento limite colonna proprietà A tuo risposta variabile,
E Voi specificare Che cosa IL superiore E O inferiore rilevamento limite È,
E tu sei Bene A andare, c'è Niente altro Voi Avere A Fare.
In Mio simulato esempio, IO avevo UN inferiore rilevamento limite Di 9.
IO volevo Mettere 9 In IL inferiore rilevamento limite campo Qui.
Quello è Veramente Tutto Voi Avere A Fare.
Di specificando Quello rilevamento limite,
Ora distribuzione È andando A Dire, Va bene, IO Sapere Quello valori Di 9
Sono In realtà Sinistra censurato,
E Io sono andando A Fare stima contabilità per Quello.
Ora con Quello Stesso simulato esempio, E Questo inferiore rilevamento limite specificato,
Ora lo farai avviso Noi Ottenere UN tanto Di più ragionevole adatto IL normale distribuzione.
Ora Nostro fiducia intervallo per Entrambi IL posizione E scala parametro
coperture IL verità,
Perché Noi Sapere, Ancora, IL posizione era 10 E IL scala era 1.
Ora Nostro fiducia intervalli copertina IL verità
e questo è UN tanto Meglio situazione.
Se Voi Aspetto A IL CDF complotto Qui,
Questo È UN Veramente Bene modo A confrontare Nostro montato distribuzione A Nostro dati.
Che cosa suo facendo È Quello rosso linea È IL empirico CDF,
E IL verde linea È IL montato normale CDF.
COME Voi Potere raccontare, Loro sono Veramente vicino su Fino a 9.
E quello fa senso, Perché quello è Dove Noi Avere censurare.
Erano facendo UN tanto Meglio lavoro raccordo questi dati
Perché erano correttamente gestione Quello rilevamento limite.
IO Appena ricercato A punto fuori Quello Quando hai specificato IL rilevamento limite,
IL rapporto fa Esso Veramente chiaro Quello noi abbiamo usato Esso.
COME Voi Potere Vedere Qui,
Esso dice IL montato normale distribuzione con rilevamento limiti,
E Esso lascia Voi Sapere esattamente Quale rilevamento limiti Esso usato.
Ora non soltanto Sono,
Perché erano facendo UN Meglio lavoro stima Nostro parametri,
cose Piace inferenza Di quelli parametri È Di più affidabile.
Se Noi Fare qualcosa Piace Noi Aspetto A IL distribuzione profilatore
Ora Noi Potere Fiducia questi
inferenza basato SU Nostro montato distribuzione,
Noi Tatto tanto Meglio Di confidando cose Piace IL distribuzione profilatore.
Con IL simulato esempio, Se Noi utilizzo Nostro montato normale distribuzione,
Perché Noi correttamente gestito censurare,
Noi Sapere Quello Di 16 % Di IL osservazioni
Sono cadente sotto Quello inferiore rilevamento limite.
IO Anche ricercato A punto fuori Quello
Quando Voi Avere rilevamento limiti In distribuzione,
Ora erano soltanto capace A adatto UN sottoinsieme Di IL distribuzioni
Quello Voi volevo normalmente Vedere In IL distribuzione piattaforma.
Noi Potere adatto IL normale, esponenziale, gamma tronco d'albero, normale, WI E beta.
Tutto Di quelli distribuzioni supporto censurare
O limitato rilevamento In distribuzione.
Ma Se Voi erano utilizzando qualcosa Piace IL miscela Di normali,
BENE, Quello Quello no estendere BENE A sensore dati.
Tu sei non andando A Essere capace A adatto Quello Quando Voi Avere UN limite Di rilevamento.
IO Anche ricercato A punto fuori Se Voi Avere JMP pro
E tu sei usato A utilizzando IL generalizzato regressione piattaforma,
generalizzato regressione riconosce Quello esatto Stesso colonna proprietà.
IL rilevamento limite colonna proprietà
È riconosciuto di Entrambi distribuzione E generalizzato .
Uno Di IL Veramente Carino cose Di
Questo nuovo caratteristica È Quello Esso prende portato SU A IL capacità piattaforma.
Se Voi Fare tuo adatto E distribuzione, E Voi lancio capacità,
Ora erano andando A Ottenere Di più affidabile capacità risultati.
Andiamo Dire Quello erano produzione UN nuovo farmaco,
E Noi Volere A misurare IL quantità Di somma impurità In IL farmaco.
Nostro dati Potrebbe Aspetto Piace Che cosa Noi Avere Qui.
Noi Avere UN grappolo Di piccolo valori, E Noi Avere UN inferiore rilevamento limite Di 1 mg.
questi valori Di 1 Quello Sono evidenziato Qui,
Noi non Veramente pensare quelli Sono 1.
Noi In realtà pensare suo qualcosa... Noi Sapere Quello suo qualcosa meno di 1 .
Noi Avere UN superiore specifica limite Di 2.5 milligrammi.
Questo È UN situazione Dove Noi Avere Entrambi spec limiti E rilevamento limiti.
Suo Veramente facile A specificare quelli In IL colonna proprietà.
Qui noi abbiamo definito Nostro superiore spec limite COME 2.5
E Nostro inferiore rilevamento limite Di 1.
Ora Tutto Voi Avere A Fare È Appena
Dare distribuzione IL colonna Quello Voi Volere A analizzare.
Esso conosce esattamente Come A maniglia Quello risposta variabile.
Andiamo Aspetto A IL capacità risultati.
Ora, Perché noi abbiamo correttamente gestito Quello limite Di rilevamento,
Noi Fiducia Quello Nostro tronco d'albero normale adatto È Bene.
Noi Vedere Quello Nostro Ppp, valore Qui È 0,546 .
Quello è non molto Bene.
Generalmente Voi volevo Volere UN Ppp Sopra 1.
Questo È raccontando noi Quello Nostro sistema È non molto capace.
Noi abbiamo avuto Alcuni i problemi Quello Noi Potrebbe Bisogno A ordinare fuori.
Una volta Ancora, Che cosa volevo Avere accaduto Se Noi avevo ignorato Quello limite Di rilevamento
E Noi avevo Appena trattato Tutto quelli 1 secondo COME Se Essi veramente erano 1 secondo
BENE, andiamo Prendere UN Aspetto.
Noi Fare Nostro adatto, ignorando IL limite Di rilevamento, E Noi Ottenere UN Ppp Di Sopra 1.
Basato su Questo adatto,
Noi volevo Dire Quello Noi In realtà Avere UN decentemente capace sistema,
Perché UN Ppp Di 1 È non pure Cattivo.
Esso Potrebbe Essere UN accettabile valore.
Di ignorando Quello limite Di rilevamento,
noi abbiamo ingannato noi stessi in pensiero Nostro sistema È Di più capace di Esso Veramente È.
IO pensare Questo È UN Freddo esempio,
Perché Noi Avere UN inferiore rilevamento limite, Quale Maggio Guida Voi A credere,
BENE, IO Potrebbe Essere Forse ignorando IL limite Di rilevamento volevo Essere conservatore,
Perché Io sono sopravvalutando IL posizione parametro.
Quello è VERO, Quando Noi ignorare IL limite Di rilevamento,
erano sopravvalutando Quello posizione parametro.
Ma IL problema È erano grossolanamente sottovalutando IL scala parametro.
Quello è Che cosa fa noi Fare Cattivo decisioni fuori In IL coda
Di Quello distribuzione.
Di ignorando Quello limite Di rilevamento,
noi abbiamo Veramente ottenuto noi stessi in UN Cattivo situazione.
Appena A riassumere,
suo Veramente importante A riconoscere Quando Nostro dati caratteristica UN limite Di rilevamento.
IO pensare suo facile A pensare Di,
A volte Noi pensare Di dati imposta Dove
Forse noi abbiamo analizzato IL risposta COME È In IL passato,
Quando Veramente, Forse Noi Dovrebbe Avere aggiustato per UN limite Di rilevamento.
Perché Piace Noi Appena sega, Quando Noi ignorare quelli limiti, Noi Ottenere ingannevole si adatta.
Poi Noi Maggio Fare Cattivo decisioni basato SU quelli ingannevole si adatta.
Come Noi sega In Nostro esempio,
Noi avuto Cattivo stime O IL posizione E scala parametri,
E Nostro Ppp stima era Quasi Doppio Che cosa Esso Dovrebbe Avere stato.
Ma Che cosa erano eccitato Di In JMP 17
È Quello IL distribuzione piattaforma fa Esso Veramente facile A Evitare questi insidie
E A analizzare Questo tipo di dati correttamente.
Tutto Voi Avere A Fare È specificare Quello rilevamento limite colonna proprietà,
E distribuzione conosce esattamente Che cosa A Fare con Quello.
Oggi Noi soltanto guardò A inferiore rilevamento limiti,
Ma Voi Potere Appena COME BENE Avere superiore rilevamento limiti COME BENE.
In fatto, Voi Potere Avere Entrambi.
Come IO disse, c'è soltanto sei distribuzioni Quello attualmente supporto
censurare dentro Di IL distribuzione piattaforma.
Ma quelli Sono Anche IL sei maggior parte importante distribuzioni per questi tipi Di dati.
Esso Veramente è un Bene selezione Di distribuzioni.
Quello è Esso.
volevo soltanto A Grazie Voi per tuo tempo
E incoraggiare Voi A controllo fuori questi miglioramenti A IL distribuzione piattaforma.
Grazie.
