Estoy tratando de predecir las devoluciones de la garantía, pero quiero usar las herramientas de estimación bayesianas para actualizar las predicciones de la garantía. No importa lo que haga, parece que no puedo actualizar las predicciones de garantía después de aplicar un modelo bayesiano. ¿Es posible utilizar las herramientas Bayesianas con Reliability Forecast? De no ser así, ¿cómo recomendaría ajustar esas predicciones de retorno para los parámetros posteriores actualizados?
¡Gracias por traer esto a mi atención!
El modelo bayesiano no debería haber estado disponible en Reliability Forecast. No está conectado a la lista de "Elegir distribución". Dejaré esto para futuras consideraciones. Entonces, no es posible ahora para su primera pregunta.
No tengo una recomendación, pero tal vez algunas ideas sobre un par de escenarios.
Primero, si tiene suficiente cantidad de datos, es decir, recuentos de retorno, la estimación no bayesiana debería haber dado buenas predicciones. Si tiene suficientes datos, y también un fuerte anterior, sospecho que habrá una buena posibilidad de que la información entre en conflicto. Entonces una pregunta será en quién confiar, ¿datos o datos previos? Por lo tanto, preferiría no usar el modelo bayesiano si hay suficientes recuentos de retorno.
En segundo lugar, si no tiene suficientes recuentos de devoluciones y está interesado en futuros recuentos de devoluciones de lo que aún se está ejecutando. El último recurso ahora es hacerlo usted mismo mediante el uso de simulación. Eso es lo que se hace en el software también. Debe consultar uno de los dos recursos, el que esté disponible para usted:
1. Métodos estadísticos para datos de confiabilidad, por Meeker y Escobar, 1998. Capítulo 12.
2. Métodos estadísticos para datos de confiabilidad, 2.ª ed., de Meeker y Escobar y Pascual, 2022. Capítulo 15.
