Hola, mi nombre es Miguel Crotty.
Soy a estadístico escritor con el estadística Documentación Equipo en JMP,
y hoy, Soy yendo a hablar acerca de un introducción
a censurado datos análisis en JMP y JMP Pro.
A comenzar, hemos consiguió tres común tipos de censurar.
Justo a atrás arriba a poco, censurado datos ocurrir
cuando tú no tener un exacto medición para un observación,
pero tú hacer saber a rango para el observación,
entonces tú saber no el exacto valor,
pero tú hacer saber algo acerca de dónde el valor podría ser.
Qué nosotros desear a hacer por usando censurando en nuestro analiza
es a usar eso información eso nosotros tener, incluso si es no exacto.
El tres tipos de censurando eso Bueno hablar acerca de hoy
son bien censura, izquierda censura, y intervalo censurar.
Bien censurando es probablemente el mayoría común forma de censurar.
Él ocurre cuando el evento de interés justo no tener tiempo a ocurrir todavía
por el fin de el estudiar.
En a fiabilidad prueba,
tú podría tener a racimo de luz bombillas bajo prueba
y en el fin de el prueba período, alguno de a ellos tener fallido.
Aquellos son exacto observaciones, pero entonces alguno no lo he hecho fallido todavía.
Tú saber ellos son yendo a fallar,
pero su estudiar tiene terminó, entonces es censurado en eso punto.
Mismo cosa en supervivencia modelos
dónde a paciente sobrevive a el fin de el estudiar.
Uno cosa a nota es eso bien censurando es el solo tipo eso en JMP,
apoya a soltero respuesta columna junto a de a binario censurar columna.
El próximo tipo es izquierda censurar.
Eso es dónde el evento de interés ocurre antes el observación empieza.
A común ejemplo de eso haría ser dónde tú poner a racimo de unidades bajo prueba
y en el tiempo eso tú hacer el primero inspección,
alguno de a ellos tener ya fallido.
Tú saber eso ellos comenzó sin a falla,
pero por el tiempo tú Medido a ellos, tú comprobado en a ellos, ellos tenía fallido.
Entonces ellos fallido a veces antes eso punto.
Otro ejemplo de eso es limitado detección
dónde tú tener a medición herramienta
eso no poder medida abajo a cierto límite.
El último tipo Bueno hablar acerca de hoy es intervalo censurar.
Este es dónde su evento de interés sucede entre observación tiempo.
Si tú tener a periódico inspección cronograma en cambio de continuo observación,
tú podría ver eso algo falla o algo sucede
entre tiempo dos y tres.
Él no suceder en tiempo dos y él no suceder en tiempo tres,
pero él era en algún lugar en eso intervalo.
Llevar a rápido mirar en qué este aspecto como en JMP.
Aquí está un ejemplo de el bien censurando
con a respuesta columna y a censurar columna.
En el plataformas eso apoyo censura,
tú siempre ver este censurar role, eso es para eso binario censurando columna.
Este es el forma eso tú poder hacer, tú poder especificar censurando más generalmente,
cual es con dos respuesta columnas.
Básicamente, es como a comenzar tiempo y un fin tiempo.
Para izquierda censura,
nosotros no saber cuando él sucedió, entonces el comenzar tiempo es desaparecido,
pero el fin tiempo, nosotros saber él sucedió antes tiempo 50,
entonces en algún lugar antes eso.
invertido eso para bien censura, nosotros saber eso en tiempo 25,
él no lo había hecho sucedió todavía, pero él sucedió a veces después eso.
Entonces con intervalo,
ambos el comenzar y puntos finales son no desaparecido,
pero nosotros no saber cuando el evento sucedió en este caso entre 80 y 150.
Es no mostrado en el mesa arriba aquí,
pero abajo aquí, hemos consiguió en algún lugar hay exacto censurar.
A especificar eso,
tú justo usar el mismo valor en ambos columnas.
Eso medio esencialmente es como un intervalo con cero ancho.
Él sucedió en eso exacto tiempo.
Próximo, eran yendo a hablar acerca de dos ejemplos de censurar.
El primero es si tú tener censurando en su datos,
pero tal vez tú no saber cómo a manejar él,
y entonces tú justo pensar, "Enfermo justo ignorar él."
Eran yendo a mirar en qué poder posiblemente suceder cuando tú hacer eso.
En este ejemplo,
hemos consiguió simulado datos de a lognormal distribución
y el observado datos
eso Bueno usar para análisis en nuestro diferente casos
es dónde todo el valores de el verdadero datos eso son encima 1.900, nosotros colocar a ellos a 1.900,
como eso es el censurando tiempo para es bien censurar.
Allá son a pocos posible cosas tú podría hacer
si estás intentando a estimar este significar falla tiempo.
Tú podría hacer nada.
Tú podría justo usar este observado datos con a entero racimo de valores colocar a 1.900,
acto como eso es cuando él sucedió.
Tú podría tratar aquellos como desaparecido valores, justo gota a ellos de su datos,
o tú podría usar el censurando información eso tú tener en su análisis.
Para bien censura, estos primero dos enfoques
son yendo a tender a subestimar el significar falla tiempo
porque estás goteante información de el datos en eso lejos fin.
Mirando más cercanamente en este, porque este es simulado datos,
nosotros tener el verdadero distribución aquí en este primero columna.
Eso es justo para comparación, pero en general, tú no lo haría tener eso
porque tu lo harías tener eso todo valores arriba 1.900.
Tú no saber dónde estos caer.
En nuestro observado Y,
este es dónde nosotros justo usar todo el 1.900 como valores de 1.900.
Nosotros tener No desaparecido valores,
pero a grande punto masa en el arriba de nuestro distribución aquí.
Tú poder ver eso el significar es a lote menor que el verdadero significar.
En este desaparecido Y columna, este es dónde en cambio de tratando a ellos como 1.900,
nosotros gota a ellos.
Nosotros colocar a ellos a desaparecido y analizar el distribución sin a ellos.
Aquí tú poder ver eso ahora nuestro máximo de el no faltante valores
es menos que 1.900, cual en realidad no hacer cualquier sentido
porque nosotros saber eso a racimo de a ellos, 21 observaciones, en hecho,
son alguno valor mayor que que 1.900.
Así que esto subestima el significar incluso más.
Entonces en el bien aquí,
hemos consiguió un análisis en vida distribución en JMP.
Este es dónde eran usando el observado Y columna.
Es consiguió aquellos 1.900,
pero eran también usando a censurando columna junto a él.
Para el filas dónde observado Y es 1.900,
nuestro censurar columna es yendo a decir eso es a censurado observación.
Aquí nosotros poder ver eso nuestro significar,
él de hecho termina arriba ser a pequeño más alto que el verdadero significar,
pero nuestro lognormal parámetro estimados son mucho cerca a el verdadero valores
y eran incorporando todo el información eso nosotros tener.
Para nuestro próximo ejemplo, eran yendo a mirar en detección límites.
Este es a límite de detección problema
dónde nosotros tener datos en el producir de a pesticida
llamado Metacrate que es basado en niveles de alguno otro regresión variables.
En este situación,
el medición sistema eso nosotros tener tiene a más bajo límite de detección
dónde él no poder medida cualquier rendimientos eso son menos que 1 %.
Entonces en el datos, ellos son justo codificado como ceros,
pero él en realidad justo medio es alguno producir abajo 1 %.
Allá son dos maneras tú podría analizar este
incorporando eso información en JMP.
El primero, tú podría tratar él como izquierda censura,
usar dos respuesta columnas con el primero el izquierda columna tiene a desaparecido valor,
y el bien columna haría ser a uno,
o tú poder usar el detección límites columna propiedad
eso es nuevo en JMP y JMP Pro.
Bien llevar a mirar en este.
Aquí está a subconjunto de el datos.
Este Metacrato Lectura columna es el mismo como el original lectura columna,
pero es consiguió a detección límites columna propiedad.
Porque este es a más bajo detección límite
dónde nosotros no poder medida cualquier más bajo que eso límite,
eran yendo a colocar el más bajo detección límite a uno.
El otro forma tú podría hacer este es con el dos columnas.
En este caso, nosotros saber eso es izquierda censura,
entonces el izquierda lado es desaparecido y el superior lado de eso es uno,
justo medio eso el valor es en algún lugar menos que uno.
Eso es todo nosotros saber.
Pero como tú poder ver de el columna información ventana abajo aquí,
el detección límites columna propiedad es Reconocido por el distribución
y generalizado regresión plataforma.
Entonces este es a regresión problema.
Bien usar generalizado regresión en JMP Pro.
Aquí nosotros adaptar a lognormal respuesta distribución,
y es capaz a hacer eso en este Metacrato lectura columna,
incluso con el ceros en allá,
porque GenReg no tratando aquellos observaciones como ceros,
es tratando a ellos como valores censurado en uno.
Ahora, nosotros eran capaz a usar todo el información
y conseguir a regresión modelo.
En conclusión, probablemente, el mayoría importante cosa es
cuando tú tener censurando información,
es mejor a usar él en su análisis que a ignorar él.
Censura poder ocurrir a lote de veces para tiempo respuestas,
pero él poder también ocurrir para otro respuestas.
A bien ejemplo de eso es estos limitado detección problemas.
Finalmente, tú poder usar el siguiente enfoques
a especificar censurando en JMP.
hay el dos columnas acercarse eso es probablemente el mayoría flexible
porque eso permite tú a hacer bien censura, izquierda censura,
intervalo censura, como Bueno como a mezcla de todo tres de aquellos.
Para bien censura, tú poder usar el uno columna respuesta
emparejado con a binario indicador columna para censurar.
hay también este nuevo columna propiedad en JMP para detección límites
dónde tú poder colocar a límite de detección cualquiera en el bajo lado o el alto lado.
hemos consiguió a pocos referencias aquí si estás interesado en más información.
Uno de aquellos es a Descubrimiento hablar I hizo en 2017
eso es consiguió más de el fondo de cómo el censurando información es usado
en el cálculos de estos análisis.
Eso es él.Agradecer tú.
