Hallo, Mein Name Ist Ton Barker, Und Ich bin a statistische Entwickler In Die JMP Gruppe.
Ich bin gehen Zu Sei reden um manche neu Merkmale In Die Verteilung Plattform
Getriebe in Richtung Analyse Limit von Detektion Daten.
Es ist etwas I funktionierte An mit Mein Kollege, Laura Lancaster,
wer ist Auch a Statistik Entwickler bei JMP.
Zu Kick Dinge aus, Was Ist a beschränkt Detektion Problem?
Was Sind Wir versuchen Zu lösen?
Es Ist Basic Ebene,
a Limit von Detektion Problem Ist Wann Wir haben manche Messung Gerät
Und es ist nicht fähig Zu bieten Gut Messungen draußen von manche Schwelle.
Das ist Was Wir Anruf a Limit von Detektion Problem.
F oder Beispiel, Lass uns sagen Wir haben, war nehmen Gewicht Messungen
Und war Verwendung a Skala Das ist nicht fähig Zu machen Messungen unten 1 g .
In Das Beispiel, heiraten sagen Das Wir haben ein niedriger Detektion Limit von 1
Weil Wir kippen messen unten Das.
Aber In unser Daten Satz, war Trotzdem Aufnahme diese Werte als 1.
Weil von diese Einschränkungen,
Wir sehen, Wir könnte haben a Daten Satz Das Aussehen wie Das.
In Teil, Wir haben manche Werte von 1 Und manche nicht-1 Werte Das Sind viel größer.
Wir nicht Wirklich glauben Das diese Werte Sind 1s.
Wir Nur wissen Das diese Sind bei am meisten 1.
Das Daten passiert alle Die Zeit In üben.
Wenn Du denken um Manchmal war nicht fähig Zu messen unten a untere Schwelle.
Manchmal war nicht fähig Zu messen über ein obere Schwelle.
Diese Sind beide beschränkt Detektion Probleme.
Was sollen Wir Tun um Das?
Lass uns sehen bei a Wirklich einfach Beispiel.
I simuliert manche Daten Das Sind normalerweise verteilt
mit bedeuten 10 Und Varianz 1 ,
Und war imposant a untere Detektion Limit von 9.
Wenn Wir sehen bei unser Daten Satz Hier,
Wir haben manche Werte über 9, Und Wir haben manche 9s.
Wann Wir sehen bei Die Histogramm,
Das definitiv tut es nicht sehen normalerweise verteilt
Weil Wir haben a ganz Bündel von Extra 9s
Und Wir nicht haben irgendetwas unten 9.
Was passiert Wenn Wir Nur Modell Das Daten als Ist?
Also, Es Wendungen aus Die Ergebnisse sind nicht Das Großartig.
Wir erhalten a anständig schätzen von unser Standort Parameter, unser In,
es ist Wirklich schließen Zu 10, welche Ist Die Wahrheit.
Aber wir haben Wirklich unterschätzt Das Skala oder Dispersion Parameter.
Wir haben geschätzt Es Zu Sei 0,8,
Wann Die Wahrheit Ist Das Wir generiert Es mit Skala gleich Zu 1.
Du wirst beachten Das unser Vertrauen Intervall für Das Skala Parameter
tut es nicht sogar Abdeckung 1.
Es tut es nicht enthalten Die Wahrheit Und Das ist allgemein nicht a Großartig Situation Zu Sei In.
Was ist mehr, Wenn Wir sehen bei Die… Wir fit a Hand voll von Verteilungen,
Wir fit Die Protokoll Normal, Die Gamma, Und Die Normal,
nun ja Normal Verteilung, welche Ist Was Wir verwenden Zu erzeugen unser Daten,
Es ist nicht sogar wettbewerbsfähig basierend An Die AIC.
Basierend An diese AIC Werte,
Wir würde definitiv wählen a Protokoll Normal Verteilung Zu Modell unser Antwort.
Wir habe nicht Erledigt a Gut Arbeit Schätzung unser Parameter.
War nicht sogar Auswahl Zu verwenden Die Verteilung
Das Wir generiert Die Daten mit.
W e Nur warf alle diese 9s hinein unser Daten Satz.
Wir ignoriert Die Tatsache Das Das war unvollständig Information
und dass tat es nicht arbeiten aus Also.
Was Wenn, stattdessen von ignorieren Das Limit von Erkennung
Was Wenn Wir Nur werfen aus alle diese mal?
Also, Jetzt wir haben bekommen a kleiner Daten Satz Und es ist voreingenommen.
Wir haben geworfen aus a groß Stück von unser Daten An Es.
Wir haben a voreingenommen Probe Jetzt.
Jetzt Wenn Wir fit unser Normal Verteilung,
Jetzt war Überschätzung Die Standort Parameter,
Und war Trotzdem unter imating Die Skala Parameter.
War Genau genommen In ganz a schlecht Position Trotzdem,
Weil Wir habe nicht Erledigt a Gut Arbeit mit entweder von diese Parameter.
War Trotzdem unwahrscheinlich Zu wählen das Normale Verteilung.
Basierend An Die AIC, Die Protokoll Normal Und Die Gamma Verteilung
beide fit ganz a bisschen besser als Die Normal Verteilung.
War Trotzdem In a schlecht Ort.
Wir versucht werfen aus Die 9 S, Und Das tat es nicht drehen aus Also.
Wir versucht Nur einschließlich ihnen als 9 S.
Das tat es nicht drehen aus Also entweder.
Was sollen Wir Tun stattdessen?
Der Antwort Ist Das Wir sollen behandeln
diese Beobachtungen bei Die Limit von Erkennung.
Wir sollen behandeln diese als zensiert Beobachtungen.
Zensur Ist a Situation Wo
Wir nur haben teilweise Information um unser Antwort Variable.
Das ist genau Die Situation war In Hier.
Wenn Wir haben ein Beobachtung bei Die untere Detektion Limit, Und Hier Ich habe bezeichnet Es
D sub L,
Wir sagen Das Beobachtung Ist weniger zensiert.
Wir nicht sagen Das Y Ist gleich Zu Das Limit von Erkennung.
Wir sagen Das Y Ist weniger als oder gleich Zu Das DL Wert.
An Die umdrehen Seite,
Wenn Wir haben a obere Limit von Erkennung bezeichnet VON Hier,
diese Beobachtungen Sind Rechts zensiert.
Weil war nicht sagen Das Y Ist gleich Zu Das Wert.
War Nur sagen es ist bei am wenigsten Das Wert.
Wenn du bist Suche für mehr Information um Wie Zu handhaben zensiert Daten,
eins von Die Referenzen Das Wir vorschlagen alle Die Zeit Ist
Meeker und Escobars Buch Statistische Methoden für Zuverlässigkeit Daten.
Das ist a Wirklich Gut Überblick für Wie Du sollen behandeln zensiert Daten.
Wenn du hast gebraucht manche von Die...
Wenn Du verwenden manche von Die Merkmale Und Die Überleben Und Zuverlässigkeit Speisekarte in JMP,
Dann du bist vertraut mit Dinge wie Leben Verteilung Und fit Leben von X.
Diese Sind alle Plattformen Das unterbringen Zensur In JMP.
Was war aufgeregt um In JMP 17 Ist Jetzt
Wir haben hinzugefügt manche Merkmale Zu Verteilung Also Das Wir dürfen handhaben
Das Limit von Detektion Problem und Vertrieb als Also.
Alle Du haben Zu Tun Ist Du hinzufügen
a Detektion Limit Spalte Eigentum Zu dein Antwort Variable,
Und Du angeben Was Die obere Und oder untere Detektion Limit Ist,
Und du bist Gut Zu gehen, da ist Nichts anders Du haben Zu Tun.
In Mein simuliert Beispiel, I hatte a untere Detektion Limit von 9.
I würde setzen 9 In Die untere Detektion Limit Feld Hier.
Das ist Wirklich alle Du haben Zu Tun.
Von spezifizieren Das Detektion Limit,
Jetzt Verteilung Ist gehen Zu sagen, Okay, I wissen Das Werte von 9
Sind Genau genommen links zensiert
Und Ich bin gehen Zu Tun Schätzung Buchhaltung für Das.
Jetzt mit Das Dasselbe simuliert Beispiel, Und Das untere Detektion Limit spezifiziert,
Jetzt Du wirst beachten Wir erhalten a viel mehr vernünftig fit Die Normal Verteilung.
Jetzt unser Vertrauen Intervall für beide Die Standort Und Skala Parameter
Cover Die Wahrheit,
Weil Wir wissen, wieder, Die Standort War 10 Und Die Skala War 1.
Jetzt unser Vertrauen Intervalle Abdeckung Die Wahrheit
und das ist a viel besser Situation.
Wenn Du sehen bei Die CDF Handlung Hier,
Das Ist a Wirklich Gut Weg Zu vergleichen unser tailliert Verteilung Zu unser Daten.
Was es ist tun Ist Das Rot Linie Ist Die empirisch CDF,
Und Die Grün Linie Ist Die tailliert Normal CDF.
als Du dürfen erzählen, sie sind Wirklich schließen hoch bis 9.
Und das macht Sinn, Weil Das ist Wo Wir haben Zensur.
War tun a viel besser Arbeit Beschlag diese Daten
Weil war richtig Handhabung Das Detektion Limit.
I Nur gesucht Zu Punkt aus Das Wann du hast spezifiziert Die Detektion Limit,
Die Bericht macht Es Wirklich klar Das wir haben gebraucht Es.
Als Du dürfen sehen Hier,
Es sagt Die tailliert Normal Verteilung mit Detektion Grenzen,
Und Es lass uns Du wissen genau welche Detektion Grenzen Es gebraucht.
Jetzt nicht nur Sind,
Weil war tun a besser Arbeit Schätzung unser Parameter,
Dinge wie Schlussfolgerung um diese Parameter Ist mehr vertrauenswürdig.
Wenn Wir Tun etwas wie Wir sehen bei Die Verteilung Profiler
Jetzt Wir dürfen Vertrauen diese
Schlussfolgerung basierend An unser tailliert Verteilung,
Wir fühlen viel besser um Vertrauen Dinge wie Die Verteilung Profiler.
Mit Die simuliert Beispiel, Wenn Wir verwenden unser tailliert Normal Verteilung,
Weil Wir richtig behandelt Zensur,
Wir wissen Das um 16 % von Die Beobachtungen
Sind fallen unten Das untere Detektion Limit.
I Auch gesucht Zu Punkt aus Das
Wann Du haben Detektion Grenzen In Verteilung,
Jetzt war nur fähig Zu fit a Teilmenge von Die Verteilungen
Das Du würde normalerweise sehen In Die Verteilung Plattform.
Wir dürfen fit Die Normal, exponentiell, Gamma Protokoll, Normal, WI Und Beta.
Alle von diese Verteilungen Unterstützung Zensur
oder beschränkt Detektion In Verteilung.
Aber Wenn Du war Verwendung etwas wie Die Mischung von Normalen
Also, Das Das tut es nicht verlängern Also Zu Sensor Daten.
Du bist nicht gehen Zu Sei fähig Zu fit Das Wann Du haben a Limit von Erkennung.
I Auch gesucht Zu Punkt aus Wenn Du haben JMP Profi
Und du bist gebraucht Zu Verwendung Die verallgemeinert Regression Plattform,
verallgemeinert Regression erkennt Das genau Dasselbe Spalte Eigentum.
Der Detektion Limit Spalte Eigentum
Ist anerkannt von beide Verteilung Und verallgemeinert .
Eins von Die Wirklich Hübsch Dinge um
Das neu Besonderheit Ist Das Es bekommt getragen An Zu Die Fähigkeit Plattform.
Wenn Du Tun dein fit Und Verteilung, Und Du Start Fähigkeit,
Jetzt war gehen Zu erhalten mehr vertrauenswürdig Fähigkeit Ergebnisse.
Lass uns sagen Das war Herstellung a neu Arzneimittel,
Und Wir wollen Zu messen Die Menge von Summe Verunreinigung In Die Arzneimittel.
Unser Daten könnte sehen wie Was Wir haben Hier.
Wir haben a Bündel von klein Werte, Und Wir haben a untere Detektion Limit von 1 mg.
diese Werte von 1 Das Sind hervorgehoben Hier,
Wir nicht Wirklich denken diese Sind 1.
Wir Genau genommen denken es ist etwas... Wir wissen Das es ist etwas weniger als 1 .
Wir haben ein obere Spezifikation Limit von 2,5 Milligramm.
Das Ist a Situation Wo Wir haben beide Spezifikation Grenzen Und Detektion Grenzen.
Es ist Wirklich einfach Zu angeben diese In Die Spalte Eigenschaften.
Hier wir haben definiert unser obere Spezifikation Limit als 2,5
Und unser untere Detektion Limit von 1.
Jetzt alle Du haben Zu Tun Ist Nur
geben Verteilung Die Spalte Das Du wollen Zu analysieren.
Es weiß genau Wie Zu handhaben Das Antwort Variable.
Lass uns sehen bei Die Fähigkeit Ergebnisse.
Jetzt, Weil wir haben richtig behandelt Das Limit von Erkennung
Wir Vertrauen Das unser Protokoll Normal fit Ist Gut.
Wir sehen Das unser Ppk, Wert Hier Ist 0,546 .
Das ist nicht sehr Gut.
Normalerweise Du würde wollen a Ppk über 1.
Das Ist erzählen uns Das unser System Ist nicht sehr fähig.
Wir haben bekommen manche Probleme Das Wir könnte brauchen Zu Sortieren aus.
Einmal wieder, Was würde haben passiert Wenn Wir hatte ignoriert Das Limit von Detektion
Und Wir hatte Nur behandelt alle diese 1s als Wenn Sie wirklich war 1s.
Also, Lass uns nehmen a sehen.
Wir Tun unser fit, ignorieren Die Limit von Erkennung Und Wir erhalten a Ppk von über 1.
Bezogen auf Das fit,
Wir würde sagen Das Wir Genau genommen haben a anständig fähig System,
Weil a Ppk von 1 Ist nicht zu schlecht.
Es könnte Sei ein akzeptabel Wert.
Von ignorieren Das Limit von Erkennung
wir haben ausgetrickst uns hinein Denken unser System Ist mehr fähig als Es Wirklich Ist.
I denken Das Ist a Cool Beispiel,
Weil Wir haben a untere Detektion Limit, welche Mai führen Du Zu glauben,
Also, I könnte Sei Vielleicht ignorieren Die Limit von Detektion würde Sei konservativ,
Weil Ich bin Überschätzung Die Standort Parameter.
Das ist WAHR, Wann Wir ignorieren Die Limit von Erkennung
war Überschätzung Das Standort Parameter.
Aber Die Problem Ist war grob Unterschätzung Die Skala Parameter.
Das ist Was macht uns machen schlecht Entscheidungen aus In Die Schwanz
von Das Verteilung.
Von ignorieren Das Limit von Erkennung
wir haben Wirklich erhalten uns hinein a schlecht Situation.
Nur Zu zusammenfassen,
es ist Wirklich wichtig Zu erkennen Wann unser Daten Besonderheit a Limit von Erkennung.
I denken es ist einfach Zu denken von,
Manchmal Wir denken um Daten Sets Wo
Vielleicht wir haben analysiert Die Antwort als Ist In Die Vergangenheit,
Wann Wirklich, Vielleicht Wir sollen haben angepasst für a Limit von Erkennung.
Weil wie Wir Nur gesehen, Wann Wir ignorieren diese Grenzen, Wir erhalten irreführend Passt.
Dann Wir Mai machen schlecht Entscheidungen basierend An diese irreführend Passt.
Wie Wir gesehen In unser Beispiel,
Wir bekommen schlecht Schätzungen oder Die Standort Und Skala Parameter,
Und unser Ppk schätzen War fast doppelt Was Es sollen haben gewesen.
Aber Was war aufgeregt um In JMP 17
Ist Das Die Verteilung Plattform macht Es Wirklich einfach Zu vermeiden diese Fallstricke
Und Zu analysieren Das Datenart richtig.
Alle Du haben Zu Tun Ist angeben Das Detektion Limit Spalte Eigentum,
Und Verteilung weiß genau Was Zu Tun mit Das.
Heute Wir nur sah bei untere Detektion Grenzen,
Aber Du dürfen Nur als Also haben obere Detektion Grenzen als Also.
In Tatsache, Du dürfen haben beide.
Wie I sagte, da ist nur sechs Verteilungen Das momentan Unterstützung
Zensur innen von Die Verteilung Plattform.
Aber diese Sind Auch Die sechs am meisten wichtig Verteilungen für diese Arten von Daten.
Es Wirklich ist ein Gut Auswahl von Verteilungen.
Das ist Es.
Ich wollte einfach nur Zu Dank Du für dein Zeit
Und ermutigen Du Zu überprüfen aus diese Verbesserungen Zu Die Verteilung Plattform.
Danke.
