Salut,
J'ai une question concernant la plate-forme Life Distribution, en utilisant précisément la boîte de contour de distribution de comparaison avec des données censurées par intervalle.
Je voudrais illustrer ma question par un exemple. J'ai créé des nombres fictifs et j'ai essayé d'y adapter une distribution de Weibull. Les comportements que je vais décrire ci-dessous se répètent lorsque j'utilise des données réelles.
Ma question générale est de savoir comment JMP calcule les positions de l'axe Y (probabilité) pour les données censurées par intervalle ?
Je me demande pourquoi deux points avec une valeur de départ de 120 et 200 sont tracés à la même hauteur sur l'axe Y ?
Ensuite, pourquoi parfois une observation non censurée est marquée sur une parcelle à l'aide d'un seul marqueur (ex. point 4), certaines marquées à l'aide de 2 marqueurs (ex. points 1 et 3, comme indiqué par des ellipses rouges) et certaines ne sont pas marquées du tout (ex. .il manque le point 2) ?
Enfin, je voudrais demander pourquoi je ne peux sélectionner sur ce tracé que le point 1 (à l'aide du curseur) et que les autres points ne peuvent en aucun cas être sélectionnés, sauf lors de l'utilisation directe du tableau de données. De plus, je ne peux déplacer que l'étiquette du point 1, les autres sont inactives.
Merci pour votre aide,
Salutations,
Ceg1
Je pense que vous utilisez JMP 16 ou une version antérieure. Il y avait un bogue associé au problème de sélection de marqueur sur lequel vous êtes tombé.
Et il y a aussi un changement dans JMP 17. Ainsi, si vous exécutez l'analyse dans JMP 17, vous verrez un tracé différent. La différence reflète une modification des positions de l'axe y de ces points. Mais permettez-moi de revenir au début pour expliquer ce qui se passe.
1. Lorsque les données sont censurées par intervalle, "l'estimation non paramétrique" de la distribution utilise ce que l'on appelle l'"estimateur de Turnbull". Vous pouvez trouver le résultat numérique de l'estimation dans le nœud de plan "Estimation non paramétrique". Voici la capture d'écran de JMP 16. Et l'estimation de Turnbull est dans la troisième colonne.
2. Les marqueurs sur lesquels vous avez des questions sont associés à l'estimation. C'est la partie délicate. Traditionnellement, les marqueurs sont associés aux données. Mais ici, les marqueurs de ce graphique sont associés à l'estimation non paramétrique, qui est un modèle. Cela explique pourquoi certains points de données ne semblent pas apparaître dans le graphique.
3. Maintenant, laissez-moi vous expliquer comment l'estimation de Turnbull est tracée.
3.1 Tout d'abord, ce que vous montrez ici est l'une des deux représentations des tracés d'estimation non paramétrique. Pour Turnbull, il serait peut-être plus facile pour moi de parler de l'autre représentation, qui représente plus rigoureusement l'estimation de Turnbull. Pour voir l'autre, vous devez désactiver l'option "Afficher les points" dans le menu de JMP 16 ; voir capture d'écran suivante :
Après l'avoir éteint, vous devriez voir le tracé suivant. Il y a un point rouge et trois lignes horizontales rouges. Ce style est connu sous le nom de représentation "en escalier" d'une estimation non paramétrique.
Ils correspondent à l'estimation de Turnbull. Permettez-moi de les expliquer un à la fois. Nous devons regarder l'estimation non paramétrique et le tracé côte à côte. Nous n'avons donc pas à faire défiler de haut en bas. Maintenant, regardez la première ligne du tableau, elle indique que de l'origine temporelle (ici cela signifie 0) à 60, l'estimation de probabilité est 0. Étant donné que nous dessinons l'axe Y à l'aide de l'échelle de probabilité de Weibull, cette ligne n'apparaît pas. Mais si vous changez l'axe Y en linéaire, vous devriez voir cette ligne supplémentaire de 0 à 60, à y=0. Maintenant, regardez la deuxième ligne du tableau, elle indique, du temps 100 au temps 100, l'estimation de probabilité est de 0,19047620. Cela signifie qu'une ligne se réduit à un point. C'est à cela que correspond le point rouge. La troisième ligne à la cinquième ligne du tableau définissent trois lignes individuelles aux estimations de probabilité respectives. Remarquez que les troisième et quatrième lignes ont les mêmes estimations de probabilité. Cela détermine que les deux lignes sont au même niveau.
3.2 Revenez maintenant en arrière pour voir les marqueurs. Je les ai mis côte à côte, et il est maintenant plus évident d'où viennent les positions de l'axe y des marqueurs.
De plus, afin de s'adapter à la tradition selon laquelle les marqueurs peuvent être balayés dans JMP, le logiciel essaie d'associer autant que possible l'estimation (le modèle) aux données. Mais je dois expliquer ce qui se passe avec JMP 17. En raison du bogue dans JMP 16 et du changement dans JMP 17, l'explication de ce tracé de style de marqueur dans JMP 16 apportera plus de confusion. Je passe à JMP 17 dans ce qui suit. Réinitialiser également le numéro d'article pour être clair.
1. Dans JMP 17, le rapport d'estimation non paramétrique pour ces données est le suivant. Notez que le nom de la troisième colonne est "Midpoint Estimate", et il y a une dernière colonne supplémentaire "Turnbull Estimate". Donc, ce tableau déplace ce qui était dans la deuxième colonne vers la dernière. Et mettez "Midpoint Estimate" dans la troisième colonne.
2. JMP 17 dispose d'un nouveau sous-menu pour les options de tracé non paramétrique.
3. Les 3 captures d'écran suivantes sont associées aux 3 premières options. Je ne prends pas la peine de coller celui associé à "Aucun".
4. Donc, comme vous pouvez le deviner. Le tracé "Step Function" n'a pas changé. Le tracé "Points", la version marqueur, a changé. Plus précisément, les positions de l'axe y des marqueurs ont changé. Et les nouvelles positions correspondent à la deuxième colonne - "Midpoint Estimate" - dans le tableau ci-dessus. Maintenant, je vais vous expliquer ce que sont les "estimations médianes". Regardez la deuxième ligne, l'estimation médiane et l'estimation de Turnbull. Le point médian 0,09523810 est la moyenne de 0 et 0,19047620, les valeurs des première et deuxième lignes sous Turnbull. Regardez la troisième rangée. Sur cette ligne, l'estimation médiane 0,38095239 est la moyenne de 0,19047620 et 0,57142857, les valeurs des deuxième et troisième lignes sous Turnbull. Ainsi de suite.
Outre les positions sur l'axe y, je dois également indiquer les positions sur l'axe x de ces marqueurs. Les positions sur l'axe des x des marqueurs sont le début des étapes dans la représentation de la fonction en escalier. Ce sont donc 100, 120, 190 et 220, ou les valeurs de la première colonne Début.
5. L'estimation du point médian était déjà utilisée à des fins de tracé lorsque les données ne sont censurées qu'à droite. La même décision pour les données censurées par intervalle, cependant, n'a pas été prise dans les versions précédentes.
6. L'estimation du point médian est également connue sous le nom d'"ajustement du point médian". Et un tel ajustement n'est pas unique. Il existe d'autres types d'ajustements dans la littérature. L'ajustement du point médian est crucial pour tracer les données censurées à droite, car sinon le tracé donnera l'idée fausse qu'une estimation paramétrique est biaisée si la version marqueur de l'estimation non paramétrique est superposée. L'ajustement n'est pas crucial pour les données censurées par intervalle. Une décision a été prise dans le cycle de développement JMP17 pour rendre les deux situations cohérentes.
7. Maintenant, peut-être que la chose la plus déconcertante concerne l'association entre les quatre marqueurs et les points de données. C'est pour s'adapter à la tradition que les marqueurs sont associés à des données et peuvent être balayés. Le comportement dépend donc de l'implémentation. Le comportement a à voir avec les positions de l'axe x de ces marqueurs. Dans JMP 17, si vous brossez le premier marqueur en bas à gauche, dont la position sur l'axe des abscisses est 100, vous devriez voir trois lignes dans les tableaux de données en surbrillance. Maintenant, regardez ces trois lignes, elles ont toutes 100 rangées dans les intervalles de censure correspondants. C'est la règle de l'association. Pendant ce temps, vous devriez voir les deuxième et troisième marqueurs également mis en surbrillance. Leurs positions sur l'axe des abscisses sont 120 et 190. Puisque les faits saillants vont dans les deux sens, du tableau de données au tracé. Les lignes en surbrillance bouclent également en 120 et 190.
Au final, en résumé. Les marqueurs du graphique sont associés à une estimation non paramétrique. Les marqueurs sont associés à des points de données en faisant correspondre les positions de l'axe des x des marqueurs avec les observations. Le passage de JMP16 à JMP17 ne devrait avoir aucune incidence sur les décisions existantes. Mais la plate-forme elle-même est un peu plus cohérente à l'avenir, en plus de fournir plus d'options pour s'adapter à différentes préférences.
