Hallo,
Ich habe eine Frage zur Life Distribution-Plattform, insbesondere zur Verwendung der Vergleichsverteilungsübersichtsbox mit intervallzensierten Daten.
Ich möchte meine Frage anhand eines Beispiels verdeutlichen. Ich habe einige Dummy-Zahlen erstellt und versucht, eine Weibull-Verteilung daran anzupassen. Die Verhaltensweisen, die ich unten beschreiben werde, wiederholen sich, wenn ich tatsächliche Daten verwende.
Meine allgemeine Frage ist, wie JMP die Positionen der Y-Achse (Wahrscheinlichkeit) für intervallzensierte Daten berechnet.
Ich frage mich, warum zwei Punkte mit einem Startwert von 120 und 200 auf derselben Höhe auf der Y-Achse dargestellt werden.
Als nächstes wird gefragt, warum manchmal eine unzensierte Beobachtung in einem Diagramm mit einer einzelnen Markierung markiert wird (z. B. Punkt 4), einige mit zwei Markierungen markiert werden (z. B. Punkte 1 und 3, wie durch rote Ellipsen dargestellt) und einige überhaupt nicht markiert werden (z. B. Punkt 4). . fehlt Punkt 2)?
Abschließend möchte ich fragen, warum ich in diesem Diagramm nur Punkt 1 (mit dem Cursor) auswählen kann und andere Punkte auf keine Weise ausgewählt werden können, außer wenn die Datentabelle direkt verwendet wird. Außerdem kann ich nur die Beschriftung von Punkt 1 verschieben, andere sind inaktiv.
Ich danke Ihnen für Ihre Hilfe,
Grüße,
Ceg1
Ich glaube, dass Sie JMP 16 oder eine frühere Version verwenden. Es ist ein Fehler aufgetreten, der mit dem Problem bei der Markierungsauswahl zusammenhängt, auf das Sie gestoßen sind.
Und auch in JMP 17 gibt es eine Änderung. Wenn Sie die Analyse also in JMP 17 ausführen, sehen Sie eine andere Darstellung. Der Unterschied spiegelt eine Änderung der Y-Achsenpositionen dieser Punkte wider. Aber lassen Sie mich ganz zum Anfang zurückgehen, um zu erklären, was los ist.
1. Wenn Daten intervallzensiert werden, verwendet die „nichtparametrische Schätzung“ der Verteilung den sogenannten „Turnbull-Schätzer“. Das numerische Ergebnis der Schätzung finden Sie im Gliederungsknoten „Nichtparametrische Schätzung“. Hier ist der Screenshot von JMP 16. Und die Turnbull-Schätzung steht in der dritten Spalte.
2. Die Markierungen, zu denen Sie Fragen haben, sind mit der Schätzung verknüpft. Das ist der schwierige Teil. Traditionell werden Markierungen mit Daten verknüpft. Aber hier sind die Markierungen in diesem Diagramm mit der nichtparametrischen Schätzung verknüpft, bei der es sich um ein Modell handelt. Dies erklärt, warum einige Datenpunkte scheinbar nicht im Diagramm erscheinen.
3. Lassen Sie mich nun erklären, wie die Turnbull-Schätzung dargestellt wird.
3.1 Was Sie hier zeigen, ist zunächst eine von zwei Darstellungen der nichtparametrischen Schätzdiagramme. Für Turnbull könnte es für mich einfacher sein, über die andere Darstellung zu sprechen, die die Turnbull-Schätzung genauer darstellt. Um das andere zu sehen, müssen Sie die Option „Punkte anzeigen“ im Menü von JMP 16 deaktivieren; siehe nächster Screenshot:
Nach dem Ausschalten sollte das folgende Diagramm angezeigt werden. Es gibt einen roten Punkt und drei rote horizontale Linien. Dieser Stil wird als „Stufenfunktions“-Darstellung einer nichtparametrischen Schätzung bezeichnet.
Sie entsprechen der Turnbull-Schätzung. Lassen Sie mich sie einzeln erklären. Wir müssen die nichtparametrische Schätzung und das Diagramm nebeneinander betrachten. Wir müssen also nicht nach oben und unten scrollen. Schauen Sie sich nun die erste Zeile in der Tabelle an. Dort steht, dass die Wahrscheinlichkeitsschätzung vom Zeitursprung (hier bedeutet es 0) bis 60 0 ist. Da wir die Y-Achse mithilfe der Weibull-Wahrscheinlichkeitsskala zeichnen, wird diese Linie nicht angezeigt. Wenn Sie jedoch die Y-Achse auf linear ändern, sollten Sie diese zusätzliche Linie von 0 bis 60 bei y=0 sehen. Schauen Sie sich nun die zweite Zeile der Tabelle an. Dort steht, dass die Wahrscheinlichkeitsschätzung vom Zeitpunkt 100 bis zum Zeitpunkt 100 0,19047620 beträgt. Das bedeutet, dass eine Linie zu einem Punkt zusammenfällt. Dafür steht der rote Punkt. Die dritte bis fünfte Zeile in der Tabelle definieren drei einzelne Linien mit jeweiligen Wahrscheinlichkeitsschätzungen. Beachten Sie, dass die dritte und vierte Zeile dieselben Wahrscheinlichkeitsschätzungen haben. Das bedeutet, dass die beiden Linien auf gleicher Höhe liegen.
3.2 Wechseln Sie nun zurück, um die Markierungen anzuzeigen. Ich habe sie nebeneinander platziert und es ist jetzt klarer, woher die Y-Achsenpositionen der Markierungen stammen.
Darüber hinaus versucht die Software, die Schätzung (das Modell) so sinnvoll wie möglich mit den Daten zu verknüpfen, um der Tradition Rechnung zu tragen, dass Marker in JMP pinselbar sind. Aber ich sollte erklären, was mit JMP 17 los ist. Aufgrund des Fehlers in JMP 16 und der Änderung in JMP 17 wird die Erläuterung dieser Markierungsstildarstellung in JMP 16 zu mehr Verwirrung führen. Ich stelle im Folgenden auf JMP 17 um. Zur Verdeutlichung wird auch die Artikelnummer zurückgesetzt.
1. In JMP 17 lautet der Bericht „Nichtparametrische Schätzung“ für diese Daten wie folgt. Beachten Sie, dass der Name der dritten Spalte „Midpoint Estimate“ lautet und es eine zusätzliche letzte Spalte „Turnbull Estimate“ gibt. Diese Tabelle verschiebt also den Inhalt der zweiten Spalte in die letzte. Und tragen Sie „Midpoint Estimate“ in die dritte Spalte ein.
2. JMP 17 verfügt über ein neues Untermenü für nichtparametrische Plotoptionen.
3. Die folgenden 3 Screenshots beziehen sich auf die ersten 3 Optionen. Ich mache mir nicht die Mühe, das mit „Keine“ verknüpfte einzufügen.
4. Wie Sie vielleicht erraten haben. Die Darstellung der „Schrittfunktion“ hat sich nicht geändert. Der Plot „Punkte“, die Markerversion, wurde geändert. Genauer gesagt haben sich die Y-Achsenpositionen der Markierungen geändert. Und die neuen Positionen entsprechen der zweiten Spalte – „Midpoint Estimate“ – in der obigen Tabelle. Jetzt werde ich erklären, was die „Mittelpunktschätzung“ ist. Schauen Sie sich die zweite Reihe an, die Midpoint-Schätzung und die Turnbull-Schätzung. Der Mittelpunkt 0,09523810 ist der Durchschnitt von 0 und 0,19047620, den Werten der ersten und zweiten Zeile unter Turnbull. Schauen Sie sich die dritte Reihe an. In dieser Zeile ist die Mittelpunktschätzung 0,38095239 der Durchschnitt von 0,19047620 und 0,57142857, den Werten der zweiten und dritten Zeile unter Turnbull. Und so weiter und so fort.
Neben den Y-Achsen-Positionen muss ich auch die X-Achsen-Positionen dieser Markierungen angeben. Die x-Achsenpositionen der Markierungen sind der Beginn der Schritte in der Schrittfunktionsdarstellung. Sie sind also 100, 120, 190 und 220 oder die Werte in der ersten Spalte Start.
5. Die Midpoint-Schätzung wurde bereits zu Darstellungszwecken verwendet, wenn Daten nur rechtszensiert wurden. Die gleiche Entscheidung für intervallzensierte Daten wurde jedoch in früheren Versionen nicht getroffen.
6. Die Mittelpunktschätzung wird auch als „Mittelpunktanpassung“ bezeichnet. Und eine solche Anpassung ist nicht einzigartig. In der Literatur gibt es noch andere Arten von Anpassungen. Die Mittelpunktanpassung ist für die Darstellung richtig zensierter Daten von entscheidender Bedeutung, da die Darstellung sonst den falschen Eindruck erweckt, dass eine parametrische Schätzung verzerrt ist, wenn die Markerversion der nichtparametrischen Schätzung überlagert wird. Die Anpassung ist für intervallzensierte Daten nicht entscheidend. Im JMP17-Entwicklungszyklus wurde beschlossen, die beiden Situationen konsistent zu machen.
7. Das Verwirrendste ist vielleicht die Verbindung zwischen den vier Markern und den Datenpunkten. Damit soll der Tradition Rechnung getragen werden, dass Markierungen mit Daten verknüpft und pinselbar sind. Das Verhalten ist also von der Implementierung abhängig. Das Verhalten hängt mit den x-Achsenpositionen dieser Markierungen zusammen. Wenn Sie in JMP 17 den ersten Marker unten links streichen, dessen x-Achsenposition 100 ist, sollten Sie sehen, dass drei Zeilen in den Datentabellen hervorgehoben sind. Schauen Sie sich nun diese drei Zeilen an. Sie alle enthalten 100 innerhalb der entsprechenden Zensurintervalle. Das ist die Vereinsregel. In der Zwischenzeit sollten auch die zweite und dritte Markierung hervorgehoben werden. Ihre x-Achsenpositionen sind 120 und 190. Da die Highlights in beide Richtungen verlaufen, von der Datentabelle bis zum Diagramm. Die hervorgehobenen Zeilen durchlaufen zufällig auch eine Schleife von 120 und 190.
Zum Schluss als Zusammenfassung. Die Markierungen im Diagramm sind mit nichtparametrischen Schätzungen verknüpft. Die Markierungen werden Datenpunkten zugeordnet, indem die x-Achsenpositionen der Markierungen mit Beobachtungen abgeglichen werden. Der Wechsel von JMP16 zu JMP17 sollte keine Auswirkungen auf bestehende Entscheidungen haben. Aber die Plattform selbst wird in Zukunft etwas konsistenter und bietet außerdem mehr Optionen für unterschiedliche Vorlieben.
