Sto cercando di prevedere i resi in garanzia, ma desidero utilizzare gli strumenti di stima bayesiana per aggiornare le previsioni di garanzia. Non importa quello che faccio, non riesco ad aggiornare le previsioni di garanzia dopo aver applicato un modello bayesiano. È possibile utilizzare gli strumenti bayesiani con Reliability Forecast? In caso contrario, come consiglieresti di regolare tali previsioni di rendimento per i parametri posteriori aggiornati?
Grazie per avermelo fatto notare!
Il modello bayesiano non avrebbe dovuto essere disponibile in Previsione affidabilità. Non è collegato all'elenco di "Scegli distribuzione". Metterò questo per considerazione futura. Quindi, ora non è possibile per la tua prima domanda.
Non ho una raccomandazione, ma forse alcuni pensieri su un paio di scenari.
Innanzitutto, se si dispone di una quantità sufficiente di dati, ad esempio conteggi dei rendimenti, la stima non bayesiana avrebbe dovuto fornire buone previsioni. Se disponi di dati sufficienti e anche di un solido precedente, sospetto che ci saranno buone possibilità che le informazioni siano in conflitto. Quindi una domanda sarà di quale fidarsi, dati o precedenti? Quindi preferirei non utilizzare il modello bayesiano se ci sono conteggi di ritorno sufficienti.
In secondo luogo, se non disponi di conteggi di ritorno sufficienti e sei interessato ai conteggi di ritorno futuri da ciò che è ancora in esecuzione. L'ultima risorsa ora è il fai-da-te usando la simulazione. Questo è ciò che viene fatto anche nel software. Devi controllare una delle due risorse, qualunque sia disponibile per te:
1. Metodi statistici per dati di affidabilità, di Meeker e Escobar, 1998. Capitolo 12.
2. Metodi statistici per dati di affidabilità, 2a ed., di Meeker, Escobar e Pascual, 2022. Capitolo 15.
