寿命分布間隔打ち切りによる分布比較プロットこんにちは、
Life Distributionプラットフォームに関して質問があります。間隔打ち切りデータを使用した分布アウトラインボックスの比較を正確に使用しています。
私の質問を例を挙げて説明したいと思います。 いくつかのダミー数値を作成し、それにワイブル分布を当てはめてみました。 実際のデータを使用しているときに、以下で説明する動作が繰り返されます。
私の一般的な質問は、JMP が間隔打ち切りデータの Y 軸 (確率) 位置をどのように計算するかということです。
開始値が 120 と 200 の 2 つの点が Y 軸上の同じ高さにプロットされるのはなぜでしょうか。
次に、なぜ検閲されていない観測値が 1 つのマーカーを使用してプロット上にマークされる場合 (例: ポイント 4)、2 つのマーカーを使用してマークされるもの (例: 赤い楕円で示されるポイント 1 と 3)、およびまったくマークされないもの (例: . 不足している点2）？
最後に、なぜこのプロット ポイント 1 (カーソルを使用) のみを選択でき、データ テーブルを直接使用する場合を除いて、他のポイントは選択できないのかをお聞きしたいと思います。 さらに、移動できるのはポイント 1 のラベルのみで、その他は非アクティブです。
助けてくれてありがとう、
よろしく、
Ceg1
マスカスタマイゼーションRe: 寿命分布間隔打ち切りによる分布比較プロット網羅的な情報と例を提供してくれたpeng_liu に感謝します。 とても分かりやすいです。
Re: 寿命分布間隔打ち切りによる分布比較プロットJMP 16 またはそれ以前のバージョンを使用していると思います。 あなたが遭遇したマーカー選択の問題に関連するバグがありました。
また、JMP 17 にも変更があります。 したがって、JMP 17 で分析を実行すると、異なるプロットが表示されます。 この差は、それらの点の y 軸位置の変化を反映しています。 しかし、何が起こっているのかを説明するために、最初に戻って説明させてください。
1. データが区間打ち切りの場合、分布の「ノンパラメトリック推定」にはいわゆる「ターンブル推定」が使用されます。 推定の数値結果は、「ノンパラメトリック推定」アウトライン ノードで確認できます。 これは JMP 16 のスクリーンショットです。 ターンブル推定は 3 番目の列にあります。
2. 質問があるマーカーは見積もりに関連付けられています。 ここが難しい部分です。 従来、マーカーはデータに関連付けられていました。 ただし、このプロットのマーカーは、モデルであるノンパラメトリック推定値に関連付けられています。 これは、一部のデータ ポイントがプロットに表示されない理由を説明しています。
3. ここで、ターンブル推定がどのようにプロットされるかを説明しましょう。
3.1 まず、ここで示しているのは、ノンパラメトリック推定プロットの 2 つの表現のうちの 1 つです。 ターンブルにとっては、ターンブル推定をより厳密に表す他の表現について話す方が簡単かもしれません。 もう 1 つを表示するには、JMP 16 のメニューで「ポイントの表示」オプションをオフにする必要があります。次のスクリーンショットを参照してください。
オフにすると、次のプロットが表示されるはずです。 赤い点が 1 つと、赤い横線が 3 本あります。 このスタイルは、ノンパラメトリック推定の「ステップ関数」表現として知られています。
それらはターンブル推定に一致します。 一つずつ説明していきます。 ノンパラメトリック推定とプロットを並べて見る必要があります。 したがって、上下にスクロールする必要はありません。 ここで、表の最初の行を見てください。時間の原点 (ここでは 0 を意味します) から 60 までの確率推定値は 0 であることがわかります。 ワイブル確率スケールを使用して Y 軸を描いているため、この線は表示されません。 ただし、Y 軸を線形に変更すると、y=0 で 0 から 60 までの追加の線が表示されるはずです。 ここで、表の 2 行目を見てください。時刻 100 から時刻 100 までの確率推定値は 0.19047620 であることがわかります。 線が潰れて点になることを意味します。 赤い点がそれに対応します。 表の 3 行目から 5 行目は、それぞれの確率推定値における 3 つの個別の線を定義します。 3 行目と 4 行目は同じ確率推定値を持っていることに注意してください。 これにより、2 つのラインが同じレベルにあることがわかります。
3.2 次に、スイッチを元に戻してマーカーを表示します。 それらを並べてみると、マーカーの Y 軸の位置がどこから来たのかがより明確になりました。
さらに、JMP ではマーカーがブラシ可能であるという伝統に対応するために、ソフトウェアは推定値 (モデル) をデータに関連付けることができる限り合理的であるように努めます。 ただし、JMP 17 を使用して何が起こっているかを説明する必要があります。 JMP 16 のバグと JMP 17 での変更により、JMP 16 でのこのマーカー スタイル プロットの説明はさらに混乱を招くことになります。 以下では、ギアを JMP 17 に切り替えます。 明確にするために項目番号もリセットします。
1. JMP 17 では、このデータのノンパラメトリック推定レポートは次のとおりです。 3 番目の列の名前は「Midpoint Estimate」であり、追加の最後の列「Turnbull Estimate」があることに注意してください。 したがって、この表は 2 番目の列にあったものを最後に移動します。 そして、3列目に「中間点推定値」を入力します。
2. JMP 17 には、ノンパラメトリック プロット オプション用の新しいサブメニューがあります。
3. 次の 3 つのスクリーンショットは、最初の 3 つのオプションに関連付けられています。 「なし」に関連付けられているものはわざわざ貼り付けません。
4. ご想像のとおりです。 「ステップ関数」プロットは変化しませんでした。 「ポイント」プロット、マーカー バージョンが変更されました。 具体的には、マーカーの y 軸の位置が変更されました。 そして、新しい位置は、上の表の 2 番目の列「中間点推定」に対応します。 今回は「中点推定」とは何かについて説明していきます。 2 行目の中間点推定値とターンブル推定値を見てください。 中点の 0.09523810 は、ターンブルの 1 行目と 2 行目の値である 0 と 0.19047620 の平均です。 3行目を見てください。 この行では、中間点推定値 0.38095239 は、ターンブルの下の 2 行目と 3 行目の値である 0.19047620 と 0.57142857 の平均です。 などなど。
Y 軸の位置に加えて、これらのマーカーの X 軸の位置も指定する必要があります。 マーカーの X 軸位置は、ステップ関数表現におけるステップの開始位置です。 したがって、それらは 100、120、190、220、つまり最初の列 Start の値になります。
5. データが右打ち切りのみの場合、中点推定値はプロット目的ですでに使用されています。 ただし、間隔打ち切りデータについては、以前のバージョンでは同じ決定が行われませんでした。
6. 中間点推定は、「中間点調整」とも呼ばれます。 そして、このような調整は特別なものではありません。 文献には他の種類の調整もあります。 中間点調整は、右打ち切りデータをプロットする場合に非常に重要です。中間点調整を行わないと、ノンパラメトリック推定値のマーカー バージョンが重ねられた場合に、プロットがパラメトリック推定値に偏りがあるという誤解を与えてしまうからです。 この調整は、打ち切りデータの間隔にとって重要ではありません。 JMP17 開発サイクルでは、2 つの状況を一貫させることが決定されました。
7. さて、おそらく最も頭をひねるのは、4 つのマーカーとデータ ポイント間の関連性についてです。 これは、マーカーがデータに関連付けられており、ブラシで使用できるという伝統に対応するためです。 したがって、動作は実装に依存します。 この動作は、これらのマーカーの X 軸の位置に関係します。 JMP 17 では、X 軸の位置が 100 である左下の最初のマーカーをブラシすると、データ テーブル内の 3 行が強調表示されるのがわかります。 これら 3 つの行に注目すると、すべての行に 100 が対応する打ち切り間隔内に挟まれています。 それが協会の法則です。 その間、2 番目と 3 番目のマーカーも強調表示されるはずです。 X 軸の位置は 120 と 190 です。 ハイライトはデータ テーブルからプロットまでのどちらかの方向に進むためです。 強調表示された行は、120 と 190 でもループします。
最後にまとめとして。 プロット内のマーカーは、ノンパラメトリック推定値に関連付けられています。 マーカーは、マーカーの X 軸位置を観測値と照合することによってデータ ポイントに関連付けられます。 JMP16 から JMP17 への変更は、既存の決定に影響を与えることはありません。 しかし、プラットフォーム自体は、さまざまな好みに対応するためのより多くのオプションを提供するだけでなく、今後はもう少し一貫性が増します。
Re: 寿命分布間隔打ち切りによる分布比較プロットグループは個別に推定されます。
グループとは何ですか? 各グループの行ごとのメンバーシップは何ですか?
Re: 寿命分布区間打ち切り比較分布プロットこんにちは、ペンさん。
詳しいご説明ありがとうございます。
これで、テストの失敗確率が実際の失敗確率と異なる理由がわかりました。
私はこの混乱を以下のリンクに質問として投稿しました:
https://community.jmp.com/t5/Discussions/Life-distribution-The-failure-rate-probability-plot-does-not/mp/861688#M102733
確率プロット マーカーの Y 軸に Kaplan-Meier 推定値または Turnbull 推定値を使用したいのですが、それを実現する方法はあるのでしょうか?
私の場合、Kaplan-Meier 推定値または Turnbull 推定値が、テストの実際の不合格率になります。
私の主な目標は、マーカーの Y 軸が実際に測定された故障率と一致するようにワイブル分布をプロットすることです。
その方が、私の聴衆にとってはるかに直感的で受け入れやすいものになるでしょう。
ありがとう！
Re: 寿命分布区間打ち切り比較分布プロットこんにちは、
もしあなたのアプリケーションが本当に信頼性分析であるならば、業界の慣例とは異なるノンパラメトリック推定値をプロットする方法を考え出すことはお勧めしません。信頼性分析の対象となる人々にとって、調整は不可欠です。
それがなぜ必要なのかを知るには、あなたの例が完璧な例証となります。
次のプロットでは、ポイントとステップ関数の 2 つのプロット オプションが有効になっています。(ちなみに、スクリーンショットは JMP18.2 以降を使用して作成されています。)
次のスクリーンショットの赤い十字は私がマークしたものであり、あなたが求めているものです。
ここで、すべての赤い十字がパラメトリック フィットの片側にあることに注意してください。
赤い十字とパラメトリック適合を聴衆に提示した場合、適合が偏っているように見える理由を説明するのは困難です。
ここでのマーカーの目的は、パラメトリック モデルがノンパラメトリック モデルに適合しているかどうかを視覚的に確認できるようにすることです。
一方、「ステップ関数」を見てください。調整なしでも問題ありません。元のKMEをそのまま表示したい場合は、「ステップ関数」をオンにして「ポイント」をオフにすることをお勧めします。
Re: 寿命分布区間打ち切り比較分布プロット詳細な説明をしてくださった@peng_liuさんに感謝します:)
意味のある議論の素晴らしいコレクション。
Re: 寿命分布区間打ち切り比較分布プロットこんにちは、ペンさん。
お返事ありがとうございます。
どうやら今、愚かな質問をしてしまったようだ。
私の会社では、ワイブルプロットとフィッティングは、常に各故障発生時に実際にテストされた故障率を使用して実行されます。
つまり、中間点推定値の代わりに Kaplan-Meier 推定値を使用します。
マーカーとワイブル適合線は同じ Kaplan Meier 推定値を使用しているため、適合は良好に見えます。
JMP の場合、ワイブル プロット マーカーとフィッティングは、中間点推定を使用して実行されます。
そのため、 Kaplan-Meier 推定値は適合線から外れます。
私の質問は、信頼性と統計の観点から、Kaplan-Meier 推定値を使用するのは間違っているでしょうか?
中間点推定を使用してワイブル適合を行う方が正確でしょうか?
JMP は中間点推定値のみを提供するため、これが正しい方法であり業界標準であることを示唆しているように思われ、この点について私はかなり混乱しています。
こちらの投稿も見つけました。参考になるかもしれません。https 
/community.jmp.com/t5/JMP-Wish-List/Life-Distribution-plot-points-should-default-to-Kaplan-Meier-or/idc-p/864017#M7203
無知な点をお許しください。応用数学の知識があまりありません。
ありがとう。
Re: 寿命分布区間打ち切り比較分布プロットこんにちは、
愚かな質問ではありません。しかし、Life Distributionが作成したレポートを使用するように説得できていません。
KME ステップの開始時にポイントをプロットすることは、業界の慣例により認められていません。
他のソフトウェアを使用してKMEの先頭に点を描画しても問題が発生しない場合は、データが少ない状況を見たことがないか、使用したソフトウェアが間違っている可能性があります。あるいは、KMEについて言及していない可能性もあります。
KMEではなく、Turnbullについて言及されているのではないかと疑っています。また、データには混合打ち切りがあります。その場合、JMP17にバグがあり、それがウィッシュリストの項目で言及されているものです。もしそうであれば、JMP18.2にアップグレードしてください。JMP18.1で修正されたはずですが、JMP18.2はJMP18の最新リリースです。
Re: 寿命分布区間打ち切り比較分布プロットこんにちは、ペンさん。
私の質問を明確にしておこうと思います。
現場監視システムを導入しているため、正確な故障時刻が記録されています。そのため、私のデータには打ち切りはありません。（JMPファイルのサンプルを例に挙げると、開始時刻と終了時刻が同じなので、打ち切りはありません。）
したがって、データが JMP に入力されると、KME の始まりは、正確な故障時間ごとの正確な故障率になります。
私の会社では、データのサンプル サイズに関係なく、正確な故障時間における正確な故障率を使用して、ワイブル適合とプロットを実行するのが標準です。
そのため、私の会社の標準は数学的に間違っているのではないか、JMP の規定どおりに中間点推定を使用してワイブル近似とプロットを行う必要があるのではないかと考えています。
うちの会社の人間はターンブルやKMEのことを知りません。そういう知識は持っていないと思うのですが…
ちなみに、私の会社の人たちは、ワイブルプロットを作成するための独自のMatlabコードを作成しました。これは単なるフィッティングです。このソフトウェアを使って、この方法が正しいかどうかを判断することはできません。
また、同じファイルを JMP 18.2 を使用して試してみましたが、違いは見られませんでした。
ありがとう。
Re: 寿命分布区間打ち切り比較分布プロットこんにちは、
不具合のあるソフトウェアについて話しているのではないと聞いて安心しました。
その場合、3つの選択肢が考えられます。
1) 「ステップ関数」を使用します。これはKME（Kinected Mechanism：確率平均）をそのまま表し、ノンパラメトリック推定値の完全な意味を保持します。つまり、ステップ上の任意の場所を指し示し、これがその時点における確率の推定値であると述べることができます。さらに重要なのは、KMEの周囲の信頼帯に注目することです。信頼帯は、伝えるべき貴重な情報を追加します。このオプションが適切な使用例は、ノンパラメトリック推定値のみについて議論したい場合です。
2) 「ポイント」を使用し、「ノンパラメトリック」をオフにします（下のスクリーンショットを参照）。このオプションは、パラメトリックフィットを強調したい場合に有効です。調整されたKMEポイントは、パラメトリックフィットの品質を評価するのに役立ちます。同時に、「ポイント」という表記法を用いて情報を伝達します。
3) 「ノンパラメトリック推定」の表を使って、グラフビルダーでお好みのスタイルでオリジナルのKMEをプロットできます。ただし、パラメトリック近似の上に重ねると「違和感」が出る理由を説明できるようにしておいてください。これは信頼性データ分析の正しい方法ではないため、このアプローチはお勧めしませんが、選択肢の一つにはなります。
これを行うには、テーブルを右クリックし、「データ テーブルにする」を選択します。
生成されたテーブルは次のようになります。
次に、Graph Buildを使って散布図を作成します。X軸にStart、Y軸にKMEを設定します。グラフ上で右クリックし、以下の内容をコピーします。
次に、必要な場所に貼り付けます (例: Life Distribution に戻します)。
その他のすべての非パラメトリック関連のプロット オプションをオフにすると、次のようになります。
Re: 寿命分布区間打ち切り比較分布プロットアプローチ 3 の使用例:
同僚がデバイスが200時間持続する可能性について尋ねた。KMEプロットポイントから、ユーザーは次のように結論付ける。
テストデバイスはどれも生き残りませんでした。実際の（完全な）配布で大きな生き残り率を得られる可能性は低いです。
中間点と適合曲線から、彼は異なる印象を受けるかもしれません...
「t=50 以下で故障するデバイスの数はいくつですか?」についても同様です。
KMEから：人口の4分の1
適合度から: < 10%
分布の適合と生存率の計算の間のこの複雑なオフセットが、 @Doraemon214 が「正確な失敗率」について話している理由かもしれません。
@ドラえもん214 wrote:
正確な故障時間ごとの正確な故障率。
一方、現実には、ユニットのうち 25 個がちょうど「50 で」(つまり、50 と 50 の間) 死亡するとしたら驚くべきことです。
10、20、30、40 の中間値を想像してみてください...
現実には、t=10、20、30、400 ですでに最初の失敗が発生しており、t=50 で突然 +25 の失敗が増加することはありません。
に関して：
@Ceg1 は次のように書きました:
まったくマークされていないものもあります (例: ポイント 2 がありません)。
... 関連するプロットポイントがない行がいくつかあるのはなぜかまだ疑問です。
間隔が別の行の間隔と重なるとプロット ポイントが消えることに気付きました。
Re: 寿命分布区間打ち切り比較分布プロットhogiさん、新しいユースケースや、同じユースケースに対する異なる視点を提示していただきありがとうございます。あなたの質問に返信する前に、スレッドの文脈を維持するために、Doraemon214さんからの返信をお待ちしています。
