你好， 我的 姓名 是 黏土 巴克尔 和 我是 a 统计 开发者 在 这 JMP 团体。
我是 去 到 是 说 关于 一些 新的 特征 在 这 分配 平台
齿轮 向 分析 限制 的 检测 数据。
它是 某物 I 工作 在 和 我的 同事， 劳拉 兰开斯特，
谁是 还 a 统计数据 开发者 在 JMP。
到 踢 事物 离开， 什么 是 a 有限的 检测 问题？
什么 是 我们 尝试 到 解决？
它 是 基本的 等级，
a 限制 的 检测 问题 是 什么时候 我们 有 一些 测量 设备
和 它是 不是 有能力的 到 提供 好的 测量 外部 的 一些 临界点。
那是 什么 我们 称呼 a 限制 的 检测 问题。
F 或者 例子， 我们来吧 说 我们 有， 是 采取 重量 测量
和 是 使用 a 规模 那就是 不是 有能力的 到 制作 测量 以下 1克 .
在 这 实例， 我们会 说 那 我们 有 较低的 检测 限制 的 1
因为 我们 不能 措施 以下 那。
但 在 我们的 数据 放， 是 仍然 记录 那些 值 作为 1.
因为 的 那些 局限性
我们 看， 我们 可能 有 a 数据 放 那 看起来 喜欢 这。
在 部分， 我们 有 一些 值 的 1 和 一些 非1 值 那 是 很多 大。
我们 不 真的 相信 那 那些 值 是 1秒。
我们 只是 知道 那 那些 是 在 最多 1.
这 数据 发生 全部 这 时间 在 实践。
如果 你 思考 关于 有时 是 不是 有能力的 到 措施 以下 a 降低 临界点。
有时 是 不是 有能力的 到 措施 多于 一个 上 临界点。
那些 是 两个都 有限的 检测 问题。
什么 应该 我们 做 关于 那？
我们开始吧 看 在 a 真的 简单的 例子。
I 模拟 一些 数据 那 是 通常情况下 分布式
和 意思是 10 和 方差 1 ,
和 是 气势磅礴 a 降低 检测 限制 的 9.
如果 我们 看 在 我们的 数据 放 这里，
我们 有 一些 值 多于 9、 和 我们 有 一些 9秒。
什么时候 我们 看 在 这 直方图，
这 确实 不 看 通常情况下 分布式
因为 我们 有 a 所有的 束 的 额外的 9秒
和 我们 不 有 任何事物 以下 9.
什么 发生 如果 我们 只是 模型 那 数据 作为 是？
出色地， 它 转弯 出去 这 结果 不是 那 伟大的。
我们 得到 a 体面的 估计 的 我们的 地点 范围， 我们的 在，
它是 真的 关闭 到 10、 哪个 是 这 真相。
但 我们已经 真的 低估 那 规模 或者 分散 范围。
我们已经 估计的 它 到 是 0.8，
什么时候 这 真相 是 那 我们 生成的 它 和 规模 平等的 到 1.
你会 注意 那 我们的 信心 间隔 为了 那 规模 范围
不 甚至 覆盖 1.
它 不 包含 这 真相 和 那就是 一般来说 不是 a 伟大的 情况 到 是 在。
是什么 更多的， 如果 我们 看 在 这… 我们 合身 a 少数 的 分布，
我们 合身 这 日志 普通的， 这 伽马 和 这 普通的，
嗯 普通的 分配， 哪个 是 什么 我们 使用 到 产生 我们的 数据，
它 不是 甚至 竞争的 基于 在 这 AIC。
基于 在 那些 AIC 价值观
我们 会 确实 选择 a 日志 普通的 分配 到 模型 我们的 回复。
我们 还没有 完毕 a 好的 工作 估算 我们的 参数。
是 不是 甚至 选择 到 使用 这 分配
那 我们 生成的 这 数据 和。
W e 只是 扔 全部 那些 9秒 进入 我们的 数据 放。
我们 忽略 这 事实 那 那是 未完成 信息
以及 没有 工作 出去 出色地。
什么 如果， 反而 的 忽略 那 限制 的 检测，
什么 如果 我们 只是 扔 出去 全部 那些 多少次？
出色地， 现在 我们已经 得到 a 较小的 数据 放 和 它是 有偏见。
我们已经 抛掷 出去 a 大的 块 的 我们的 数据 在 它。
我们 有 a 有偏见的 样本 现在。
现在 如果 我们 合身 我们的 普通的 分配，
现在 是 高估 这 地点 范围，
和 是 仍然 最底层 模仿 这 规模 范围。
是 实际上 在 相当 a 坏的 位置 仍然，
因为 我们 还没有 完毕 a 好的 工作 和 任何一个 的 那些 参数。
是 仍然 不太可能 到 挑选 正常 分配。
基于 在 这 美国工业理事会（AIC） 这 日志 普通的 和 这 伽马 分配
两个都 合身 相当 a 少量 更好的 比 这 普通的 分配。
是 仍然 在 a 坏的 地方。
我们 尝试 投掷 出去 这 9 s， 和 那 没有 转动 出去 出色地。
我们 尝试 只是 包括 他们 作为 9 秒。
那 没有 转动 出去 出色地 任何一个。
什么 应该 我们 做 反而？
这 回答 是 那 我们 应该 对待
那些 观察 在 这 限制 的 检测。
我们 应该 对待 那些 作为 已审查 观察结果。
审查 是 a 情况 在哪里
我们 仅有的 有 部分的 信息 关于 我们的 回复 多变的。
那是 确切地 这 情况 是 在 这里。
如果 我们 有 一个 观察 在 这 降低 检测 限制， 和 这里 我已经 表示 它
D sub L，
我们 说 那 观察 是 较少的 已审查。
我们 不 说 那 Y 是 平等的 到 那 限制 的 检测。
我们 说 那 Y 是 较少的 比 或者 平等的 到 那 DL 价值。
在 这 翻动 边，
如果 我们 有 a 上 限制 的 检测， 表示 的 这里，
那些 观察 是 正确的 已审查。
因为 是 不是 说 那 Y 是 平等的 到 那 价值。
是 只是 说 它是 在 至少 那 价值。
如果 你是 寻找 为了 更多的 信息 关于 如何 到 处理 已审查 数据，
一 的 这 参考 那 我们 建议 全部 这 时间 是
米克和 埃斯科巴的 书 统计 方法 为了 可靠性 数据。
那是 a 真的 好的 概述 为了 如何 你 应该 对待 已审查 数据。
如果 你已经 用过的 一些 的 这...
如果 你 使用 一些 的 这 特征 和 这 生存 和 可靠性 菜单 在 JMP 中，
然后 你是 熟悉的 和 事物 喜欢 生活 分配 和 合身 生活 经过 X.
这些 是 全部 平台 那 容纳 审查 在 JMP。
什么 是 兴奋的 关于 在 JMP 17 是 现在
我们 有 额外 一些 特征 到 分配 所以 那 我们 能 处理
这 限制 的 检测 问题 和分销 作为 出色地。
全部 你 有 到 做 是 你 添加
a 检测 限制 柱子 财产 到 你的 回复 多变的，
和 你 指定 什么 这 上 和 或者 降低 检测 限制 是，
和 你是 好的 到 去， 有 没有什么 别的 你 有 到 做。
在 我的 模拟 例子， I 有 a 降低 检测 限制 的 9.
I 会 放 9 在 这 降低 检测 限制 场地 这里。
那是 真的 全部 你 有 到 做。
经过 指定 那 检测 限制，
现在 分配 是 去 到 说， 好的， I 知道 那 值 的 9
是 实际上 左边 已审查，
和 我是 去 到 做 估算 会计 为了 那。
现在 和 那 相同的 模拟 例子， 和 这 降低 检测 限制 指定的，
现在 你会 注意 我们 得到 a 很多 更多的 合理的 合身 这 普通的 分配。
现在 我们的 信心 间隔 为了 两个都 这 地点 和 规模 范围
封面 这 真相，
因为 我们 知道， 再次， 这 地点 曾是 10 和 这 规模 曾是 1.
现在 我们的 信心 间隔 覆盖 这 真相
就是这样。 a 很多 更好的 情况。
如果 你 看 在 这 CDF 阴谋 这里，
这 是 a 真的 好的 方式 到 比较 我们的 适配 分配 到 我们的 数据。
什么 它是 正在做 是 那 红色的 线 是 这 经验 CDF，
和 这 绿色的 线 是 这 适配 普通的 累积分布函数。
作为 你 能 告诉， 它们是 真的 关闭 向上 直到 9.
而那 制作 感觉， 因为 那就是 在哪里 我们 有 审查。
是 正在做 a 很多 更好的 工作 配件 这些 数据
因为 是 适当地 处理 那 检测 限制。
I 只是 通缉 到 观点 出去 那 什么时候 你已经 指定的 这 检测 限制，
这 报告 制作 它 真的 清除 那 我们已经 用过的 它。
作为 你 能 看 这里，
它 说道 这 适配 普通的 分配 和 检测 限制，
和 它 让我们 你 知道 确切地 哪个 检测 限制 它 用过的。
现在 不是 仅有的 是，
因为 是 正在做 a 更好的 工作 估算 我们的 参数，
事物 喜欢 推理 关于 那些 参数 是 更多的 值得信赖。
如果 我们 做 某物 喜欢 我们 看 在 这 分配 分析器
现在 我们 能 相信 这些
推理 基于 在 我们的 适配 分配，
我们 感觉 很多 更好的 关于 信任 事物 喜欢 这 分配 分析器。
和 这 模拟 例子， 如果 我们 使用 我们的 适配 普通的 分配，
因为 我们 适当地 处理 审查，
我们 知道 那 关于 16 % 的 这 观察
是 坠落 以下 那 降低 检测 限制。
I 还 通缉 到 观点 出去 那
什么时候 你 有 检测 限制 在 分配，
现在 是 仅有的 有能力的 到 合身 a 子集 的 这 分布
那 你 会 通常情况下 看 在 这 分配 平台。
我们 能 合身 这 普通的， 指数级增长， 伽马 日志， 普通的， 威斯康星州 和 测试版。
全部 的 那些 分布 支持 审查
或者 有限的 检测 在 分配。
但 如果 你 是 使用 某物 喜欢 这 混合物 的 正常人，
出色地， 那 那 不 延长 出色地 到 传感器 数据。
你是 不是 去 到 是 有能力的 到 合身 那 什么时候 你 有 a 限制 的 检测。
I 还 通缉 到 观点 出去 如果 你 有 JMP 专业
和 你是 用过的 到 使用 这 广义 回归 平台，
广义 回归 认可 那 精确的 相同的 柱子 财产。
这 检测 限制 柱子 财产
是 认可 经过 两个都 分配 和 广义 .
一 的 这 真的 好的 事物 关于
这 新的 特征 是 那 它 获得 携带 在 到 这 能力 平台。
如果 你 做 你的 合身 和 分配， 和 你 发射 能力，
现在 是 去 到 得到 更多的 值得信赖的 能力 结果。
我们开始吧 说 那 是 制造业 a 新的 药品，
和 我们 想 到 措施 这 数量 的 和 杂质 在 这 药品。
我们的 数据 可能 看 喜欢 什么 我们 有 这里。
我们 有 a 束 的 小的 价值观 和 我们 有 a 降低 检测 限制 的 1 毫克。
这些 值 的 1 那 是 突出显示 这里，
我们 不 真的 思考 那些 是 1.
我们 实际上 思考 它是 某物... 我们 知道 那 它是 某物 较少的 大于 1 .
我们 有 一个 上 规格 限制 的 2.5 毫克。
这 是 a 情况 在哪里 我们 有 两个都 规格 限制 和 检测 限制。
它是 真的 简单的 到 指定 那些 在 这 柱子 特性。
这里 我们已经 定义 我们的 上 规格 限制 作为 2.5
和 我们的 降低 检测 限制 的 1.
现在 全部 你 有 到 做 是 只是
给 分配 这 柱子 那 你 想 到 分析。
它 知道 确切地 如何 到 处理 那 回复 多变的。
我们开始吧 看 在 这 能力 结果。
现在， 因为 我们已经 适当地 处理 那 限制 的 检测，
我们 相信 那 我们的 日志 普通的 合身 是 好的。
我们 看 那 我们的 Ppk， 价值 这里 是 0.546 .
那是 不是 非常 好的。
通常 你 会 想 a PPK 多于 1.
这 是 讲述 我们 那 我们的 系统 是 不是 非常 有能力的。
我们已经 得到 一些 问题 那 我们 可能 需要 到 种类 出去。
一次 再次， 什么 会 有 发生 如果 我们 有 忽略 那 限制 的 检测
和 我们 有 只是 治疗 全部 那些 1秒 作为 如果 他们 真的 是 1秒。
出色地， 我们来吧 拿 a 看。
我们 做 我们的 合身， 忽略 这 限制 的 检测， 和 我们 得到 a PPK 的 多于 1.
基于 这 合身，
我们 会 说 那 我们 实际上 有 a 体面地 有能力的 系统，
因为 a PPK 的 1 是 不是 也 坏的。
它 可能 是 一个 可接受 价值。
经过 忽略 那 限制 的 检测，
我们已经 被骗了 我们自己 进入 思维 我们的 系统 是 更多的 有能力的 比 它 真的 是。
I 思考 这 是 a 凉爽的 例子，
因为 我们 有 a 降低 检测 限制， 哪个 可能 带领 你 到 相信，
出色地， I 可能 是 或许 忽略 这 限制 的 检测 会 是 保守的，
因为 我是 高估 这 地点 范围。
那是 真的， 什么时候 我们 忽略 这 限制 的 检测，
是 高估 那 地点 范围。
但 这 问题 是 是 粗略地 低估 这 规模 范围。
那是 什么 制作 我们 制作 坏的 决策 出去 在 这 尾巴
的 那 分配。
经过 忽略 那 限制 的 检测，
我们已经 真的 获得 我们自己 进入 a 坏的 情况。
只是 到 总结，
它是 真的 重要的 到 认出 什么时候 我们的 数据 特征 a 限制 的 检测。
I 思考 它是 简单的 到 思考 的，
有时 我们 思考 关于 数据 套 在哪里
或许 我们已经 分析 这 回复 作为 是 在 这 过去的，
什么时候 真的吗， 或许 我们 应该 有 调整 为了 a 限制 的 检测。
因为 喜欢 我们 只是 锯， 什么时候 我们 忽略 那些 限制， 我们 得到 误导性的 合适。
然后 我们 可能 制作 坏的 决策 基于 在 那些 误导性的 合适。
喜欢 我们 锯 在 我们的 例子，
我们 得到 坏的 估算 或者 这 地点 和 规模 参数，
和 我们的 PPK 估计 曾是 几乎 双倍的 什么 它 应该 有 到过。
但 什么 是 兴奋的 关于 在 JMP 17
是 那 这 分配 平台 制作 它 真的 简单的 到 避免 这些 陷阱
和 到 分析 这 数据类型 适当地。
全部 你 有 到 做 是 指定 那 检测 限制 柱子 财产，
和 分配 知道 确切地 什么 到 做 和 那。
今天 我们 仅有的 看起来 在 降低 检测 限制，
但 你 能 只是 作为 出色地 有 上 检测 限制 作为 出色地。
在 事实， 你 能 有 两个都。
喜欢 I 说， 有 仅有的 六 分布 那 现在 支持
审查 里面 的 这 分配 平台。
但 那些 是 还 这 六 最多 重要的 分布 为了 这些 种类 的 数据。
它 真的 是一个 好的 选择 的 分布。
那是 它。
我只是想 到 感谢 你 为了 你的 时间
和 鼓励 你 到 查看 出去 这些 增强功能 到 这 分配 平台。
谢谢。
