Hola , mi nombre es Don Vida , y Estoy con Sandia Nacional Laboratorios , Enfermo ser presentación en Fiabilidad Plataforma en JMP . El ejemplo Yo estaré usando tiene a hacer con saltando en jubilación . Sentarse atrás y disfrutar . Y vamos ver dónde este dirige a nosotros .
A pequeño poco acerca de Sandia. Nosotros son , federalmente fundado investigación gobierno propiedad, contratista operado instalación . I tener estado en Sandia desde acerca de 2005 , apenas. Enfermo decir tú a pequeño poco acerca de qué nosotros hacerlo en Sandia. Nosotros trabajar ante todo en nuclear disuasión . Seis importante programas eso eran laboral en bien ahora, I no ir en el detalles de estos , pero todo de estos programas eso tú ver en mi pantalla son programas eso I trabajó en y tener de hecho aplicado JMP a todo de estos como Bueno . El razón Soy presentación datos en jubilación es porque a lote de el cosa eso I hacer es justo también sensible y I no poder presente él en este particular ambiente . Entonces, eran yendo a usar alguno divertido datos eso todos poder relatar a . Naturalmente , este es a grabación , entonces tú sostener su preguntas a el fin .
Pero este es el mismo presentación Enfermo ser donación vivir en el conferencia . L y es hablar acerca de jubilación . Por qué es algo eso es entonces cierto pero tiene entonces mucho incertidumbre en él eso marcas él a pequeño poco duro a plan ? Soy no seguro I quería desear a ser sin eso incertidumbre . I preferir a pequeño incertidumbre en eso . Él hace hacer planificación para jubilación a pequeño poco difícil . Pero I adivinar en el brillante lado , si I eran a gato , él quería ser incluso más complicado.
Por el forma , eso el GATO aquí es a reparable sistema , y eso es a entero nuevo tema en general . Eran justo yendo a ser haciendo sistemas eso son no reparable , como gatos . Qué nosotros poder hacer es nosotros poder usar el Fiabilidad y Supervivencia herramienta en JMP. Alguno de el capturas de pantalla eso tú ver tal vez son de un más viejo versión de JMP. Este era creado antes de la COVID . Ahora eso nosotros son en más nuevo versiones de JMP allí podría ser alguno leve diferencias en qué tú ver y qué Yo he leer de el capturas de pantalla , pero debería ser equitativamente similar de todos modos .
Pero eran yendo a estar usando el Fiabilidad y Supervivencia y el Vida Distribución y Adaptar Vida por X en JMP a hacer alguno análisis de algunos datos. No soy seguro acerca de donde los datos es próximo de . En Sandia , nosotros tener a Laboratorio Noticias eso llega afuera, cada pareja de semanas y en eso Laboratorio Noticias ellos como a correo jubilado fallecidos de el gente eso nosotros trabajó con para a largo tiempo, justo a dejar a nosotros saber eso ellos tienen emocionado en y desaparecido a a grande Investigación y desarrollo instalación en el cielo .
Entonces, I pensamiento I podría usar eso datos a ayuda a mí plan para mi jubilación . I agarrado alguno de eso datos y I tomó datos de cuatro diferente períodos , del Laboratorio Noticias archivo . I sacado alguno datos de 2001 , 2007 , 2013 y 2018 . El número de datos agujas eso I agarrado de cada de aquellos es aquí . Bien mirar en alguno de estos datos y ver cómo cosas son cambio a través de tiempo como Bueno . Pero de todos modos , el número de datos agujas es bonito significativo .
Este pequeño acortar , este pequeño imagen en el bien es a pequeño trivialidades allá . Si tú mirar muy de cerca en el violinista en el izquierda , alguno de tú podría reconocer a él o vamos dejar eso arriba a tú a cifra afuera . Tal vez Enfermo eso él . Es de hecho mi pareja , Claire . Ella es a farmacéutico . Pero también a hermoso ópera cantante .
T él lindo cosa acerca de usando el jubilado datos de defunción para a mí es eso eso población es a mejor representación de mi estilo de vida . Ellos tender a llevar menos riesgos , dirigir pequeño más conservador estilo de vida y a similar ingreso y educación nivel , de curso , dónde el mejor y el más brillante se quedan en el probablemente en el abajo de eso lista , pero en el menos Soy en eso grupo . Es un honor a ser laboral con el amigos en Sandia . Otro lindo cosa acerca de usando el datos de defunción de jubilados es, él solo incluye aquellos OMS de hecho hecho él a jubilación . I no en realidad cuidado acerca de el datos para no haciendo a ello jubilación . Y I disculparse a mi niños . Soy en Albuquerque , Nuevo México bien ahora .
Para aquellos de tú OMS amar Rotura Malo y saber eso Rotura Malo era ante todo filmado aquí en Albuquerque , y entonces Soy a grande admirador de el espectáculo , entonces Yo he consiguió a poner a pequeño poco de divertido cosa en el presentación . Por eso yo lanzar a pequeño poco de Albuquerque referencia en allá para aquellos de tú OMS son Breaking Bad fans como Bueno . Y alguno Mejor Llamar Saúl cosa a .
Vamos ir bien en JMP y comenzar haciendo alguno de el análisis . Soy yendo a rescate de eso y Soy yendo a abierto arriba mi datos archivo . Dejar a mí ver alguno pantallas alrededor aquí .
Será tomar un segundo a carga en su pantalla . Tú debería ser vidente mi datos archivo . Qué tú ver son el columnas de edad en el Laboratorio Noticias . Eso es el periódico eso I consiguió el datos de. El con un- semanalmente fecha y I en bancarrota eso abajo a año . Y estos otro columnas Enfermo hablar acerca de en a pequeño poco . Bien ahora , vamos justo mirar en el edad y el año . Vamos justo mirar en el distribución de el datos y ver qué él dice .
Si nosotros analizar el distribución de edad , Soy justo yendo a analizar distribución de edad en general . Si nosotros mirar en eso , este es qué el distribución aspecto como . Tú poder ver a clasificar de a sesgado izquierda distribución y nosotros poder en realidad ver a pequeño más detalle en este si nosotros ir en alguno de el mostrar opciones en JMP. Este datos de hecho mejor encaja Weibull distribución , a dos parámetro Weibull distribución , cual Enfermo espectáculo en alguno de el futuro pantallas . Pero qué nosotros desear a hacer es llevar este datos y usar el Vida Distribución a mirar en él .
Soy yendo a arrastrar encima mi PowerPoint aquí y espectáculo tú eso I colocar estos distribuciones en el interés de tiempo bastante que justo de hecho haciendo él . L mirando en el distribuciones de el cuatro años , el cuatro categorías de años , cual son , 2001 , 2007 y 2013 , 2018 , todo de estos adaptar a Weibull distribución equitativamente Bueno . I buscado a controlar mi suposición cuando I comenzar analizar el datos en Vida Distribución .
Entonces Yo encajo a ellos a a Weibull distribución . Dejar a mí abierto arriba ... Dejar a mí dar tú a pequeño poco de fondo en el Weibull distribución , eso voluntad ayuda tú entender alguno de el datos que yo soy yendo a espectáculo . Este es de hecho a Weibull distribución... Weibull distribuciones generado usando JMP fórmulas , de hecho . Yo he tomado distribuciones con diferente salud planes y diferente pagar DOE justo a espectáculo tú qué el alfa betas hacer con el Weibull distribución . Dejar a mí correr mi guion en este y espectáculo tú qué estos mirar como .
Básicamente, Soy justo haciendo a Adaptar Vida por X en JMP , y yo ahorrar el guion a el datos mesa . Este es ante todo justo a espectáculo tú qué sucede con Weibull distribuciones cuando tú doblar en a local datos filtrar aquí y espectáculo tú qué el parámetros hacer con diferente alfas y diferente betas . Si tú tener Weibull distribuciones dónde... Soy yendo a elegir el tres eso tener a beta de uno. El beta Weibull distribución, esencialmente determina este es el desparramar de el distribución tú pensar de en términos de estándar desviación .
Cuando tú trama el datos en a Weibull curva , tú voluntad ver eso ellos todo son paralelo pauta y ellos son básicamente justo patinete al otro lado de el X eje aquí . El beta es el pendiente de este línea , cual es el desparramar de el datos . Si I mirar en tres curvas eso tener el mismo alfa pero diferente betas , tú lo harás aviso eso ellos son todo centrado en acerca de el mismo punto . Qué el beta es haciendo es cambio el desparramar . Alfa es cambio el ubicación de este.
Ellos todo al otro lado de este punto , cual es de hecho en 0,632 . Enfermo hablar acerca de eso aquí en a pequeño poco . Pero aunque el característica vida es el alfa , y eso es el punto dónde su línea cruces 63,2% , cual llega afuera a ser uno menos uno encima 80 si tú desear a conseguir en el prueba de él . El beta es el desparramar de el datos, el alfa es el ubicación de el datos. Escala y ubicación, es a veces qué ellos llamar él . Justo a pequeño fondo en eso . Enfermo balancearse este PowerPoint atrás encima aquí y espectáculo tú y resumir deslizar qué I significar .
Estos parcelas tener el mismo alfa . Ellos son todo centrado en el mismo lugar . El tres eso tener el menor rectángulo alrededor a ellos son el mismo beta . Entonces, ellos tener el mismo desparramar , pero ellos son situado diferentemente porque ellos tener diferente alfas . Justo a pequeño breve tutorial en qué el beta distribución parámetros hacer a el curva .
Vamos justo mirar en todo el datos en a cerca arriba. Ejemplo , probable curva datos , y vamos justo mirar en el edad parámetros . Si nosotros analizar el Fiabilidad , Supervivencia y justo mirar en el Vida distribución de edad ... Qué nosotros ver es lineal balanza en el X y Y , pero nosotros poder de hecho determinar cual distribución sistema encaja aquí . Y qué nosotros encontrar , de curso , es eso el Weibull encaja mejor . Este es qué el Weibull distribución aspecto como, en todo de eso datos abarrotado juntos . Usando el distribución perfilador , I poder de hecho a mano largarse este encima y decir, I desear a ser 90% seguro I no correr afuera de dinero .
I mejor plan en a jubilación edad de apenas 92 o entonces . Acerca de 92 a ser 90% seguro I no correr afuera de dinero cada tiempo . Eso era en realidad el enfocar de este día en intentando a ayuda a mí plan mi edad de jubilación . Tú saber , ellos siempre decir tú cómo largo tú desear a plan su jubilación para . De curso , nosotros no saber . Generalmente nosotros justo llevar a salvaje adivinar , pero este es a pequeño poco de datos impulsado decisión haciendo yendo en aquí .
Qué si nosotros mirar en estos a través de el cuatro diferente años , nosotros poder usar el mismo plataforma , el Fiabilidad Supervivencia o Adaptar Vida por INCÓGNITA. Nosotros poder mirar en el edad versus el actual año aquí . Vamos ver cómo el años mirar diferentemente . Dejar a mí doblar en el densidad curvas aquí entonces tú poder ver dónde aquellos caer . Quiero que esto sea un Weibull distribución . Nosotros poder también doblar en cuantil pauta a ver cómo cosas cambiar a través de tiempo . Este es el 10, 15 , 98% línea de cuantiles .
Él aspecto como tal vez tal vez de 2001 a 2007 cosas tener cambiar a lote , pero acerca de 2013 , tal vez el gente son viviendo a pequeño poco más extenso basado en el 2013 y 2018 datos . Nosotros ir abajo aquí y mirar en el detalles de este Vida en forma por X . Tú poder ver el parcelas todos por separado aquí . Estos pequeño perfiladores son divertido a desorden con aquí . Tú poder ver el edad , el probabilidad de falla . Aspecto como Yo he consiguió el largo correr y el probabilidad de falla es... Enfermo justo poner a 90 aquí .
Pero nosotros poder ver eso él aspecto como nosotros son conseguir a pequeño poco más saludable porque este Probabilidad es yendo abajo a través de tiempo , en el menos para 90 años viejo . Hay a lote de cosa en aquí eso tú poder gitano alrededor con . I no tener el tiempo a espectáculo tú todo de eso , pero lo que yo desear a conseguir abajo a aquí es ... Este ubicación escala . Este pequeño prueba aquí es narración a mí , son mi ubicaciones diferente , arrogante nosotros no tener el mismo datos , el mismo falla mecanismo , cual en teoría nosotros hacer , bien ?
Nosotros todo tener el mismo falla , pero el física de el humano como fracasos debería ser constante . Y entonces nuestro datos no debería cambiar mucho . Pero arrogante nosotros tener el ahorro betas y el alfas cambio , en otro palabras , es el ubicación de estos cambio ? Y el datos dice , sí , eso eran rechazar el nulo hipótesis eso el datos son no patinete al otro lado de este X eje a través de el años . Hay a cambiar . Ahora mirando en la ubicación y escala , él aspecto como eso es marginal .
Soy voy a hablar más , cuando obtenemos abajo a el Weibull aquí, el actual Weibull datos . El Weibull mirando en está ahí a diferencia en el beta , en el pendientes o en el desparramar de el datos año a año. Es bien en el borde de ser rechazar el nulo hipótesis eso ellos son situado , eso ellos son de hecho el mismo en el pendientes . Si tú desear a mirar en diferente distribuciones a través de el años , tú poder de hecho hacer a estadístico prueba a ver si cosas son cambio a través de tiempo , el distribuciones de su confiable datos .
Bien . Entonces, qué soy I olvidando ? Dejar a mí deslizar atrás encima aquí a el PowerPoint . Qué Soy no haciendo , Soy no en vista de censurado datos . I no tener el datos para todos quién es aún vivo . El jubilados son aún vivo , pero I justo no tener acceso a él . Entonces, I pensamiento , Bueno , qué eso yendo a hacer a mi análisis ? Bien , I poder jugar alrededor con el datos I tener y ir atrás en tiempo . Para ejemplo , I poder ir atrás a 2007 y I poder tratar el 2013 y 2018 datos como censurado datos porque I saber eso aquellos jubilados son aún vivo . Justo a ver cómo él afecta mi análisis , el hecho eso Soy no incluido censurado datos . I hizo hacer eso . I fue atrás y desordenado alrededor con eso . Enfermo espectáculo tú a pequeño poco de él , pero I no en realidad encontrar afuera mucho . Como nuestro excelente amigo Jorge Caja eso modelos alrededor el práctico preguntas , cómo equivocado hacer ellos tener a ser a no ser útil ?
Y I en realidad no encontrar cualquier cosa útil en haciendo eso . Pero I voluntad espectáculo tú en el menos qué I hizo . A convencer mí mismo eso no teniendo eso el datos para el jubilado aún vivo, es no a problema . Si nosotros mirar en el ... Dejar a mí tabular mi datos real rápido . Si I mirar en el edad , el año de el datos versus si o no I suspendido el datos , qué I hizo es I tomó el 2018 datos y suspendido él y trabajó mi forma atrás a 2013 .
Nosotros hizo un análisis en 2013 usando el tres años de datos y entonces usando el 2018 datos como suspendido datos . De curso , I tenía a llevar el datos de 2018 y I tenía a sustraer cinco de él porque eso quería ser el edad en 2013 . I n orden a incluir eso suspendido datos , I tenía a ajustar su edad respectivamente como Bueno . Pero I también hizo eso para 2007 . Dejar a mí espectáculo tú en tabular formato , I creado a columna llamado Suspender 2007 dónde I tomó el datos de 2018 y 2013 y también suspendido él .
I tomó afuera mi datos de conocido fallecidos y medio mi datos como suspendido datos , gente OMS son aún vivo . Tú poder ver eso ... Dejar a mí espectáculo tú qué eso hizo a el datos . Para el edad en 2013 datos aún vivo , tú poder ver eso es básicamente el 2018 datos menos el cinco años . Si I mirar en el actual edad aquí . Si nosotros mirar en el significar edad , básicamente este es el significar edad para el 2018 datos . Por suspender , I básicamente justo restado apagado el cinco años aquí . Y tratado fuera el suspendido datos .
Y el mismo va para el 2007 datos . T aquí en cambio , I creer , Yo simplemente justo restado apagado nueve años, y cinco años para el 18 a 2013 datos . Cuando I escribió el análisis de aquellos , Soy justo yendo a espectáculo tú en el PowerPoint deslizar qué él aspecto como porque él obras afuera conveniente para a mí a saltar atrás y adelante entre estos dos a espectáculo tú el diferencia . Qué I encontró era eso este era mi original datos y entonces este es el datos tratamiento 2018 datos suspendido y haciendo el análisis de 2013 datos .
Tú poder ver eso el área de interés dónde Soy en realidad preocupado acerca de es dónde Soy cruce eso tal vez 90% probabilidad . Él no cambiar mucho en todo . Y entonces este es lanzamiento el 2018 y 2013 datos activos durante el análisis basado en 2007 datos y el 2001 datos. Tú poder ver eso él en realidad no cambiar el curva mucho en el área eso I cuidado acerca de . Eso dio a mí el comodidad eso I en realidad soy no desaparecido mucho por no censura afuera el datos .
I significar por no teniendo este censurado datos . Cómo hizo I calcular mi 90% confianza intervalos ? Soy yendo a justo espectáculo tú en PowerPoint cómo I hizo este justo en el interés de tiempo . I poder usar el cuantil perfilador y mirar en el 5% 95% probabilidad y calcular mi 90% confianza intervalos . Típicamente , qué tú lo harás ver para datos y en este caso , es 66 años viejo, 96 años viejo . Pero en realidad qué I cuidado acerca de es el superior límite . I solo cuidado acerca de mi 90% probabilidad . Y en este caso él era edad 94 .
Basado en este análisis , I ahora saber eso I desear a ser 90% seguro I no correr afuera de dinero . I debería plan a vivir a ser 94 . Este es basado en mi histórico datos . Cuantificación eso incertidumbre , este es básicamente ... A pequeño poco humor tono en .
El próximo fase en este era a intentar y cifra afuera ... Soy yendo a tirar en a pequeño poco de prima material aquí más allá de el Situación de Life Fit . Aquí nosotros tener este herramienta llamado el Pensión Herramienta. Nosotros podría de hecho poner en el año eran yendo a retirarse, y nosotros podría también asumir a salario aumentar y a no base , cual es, esencialmente, qué tú quería llamar a prima en privado industria .
Nosotros podría poner aquellos en este herramienta y él quería escupir afuera nuestro pensión, nuestro estimado mensual pensión . I pensamiento , Bueno , eso no ayuda a mí mucho. Qué I desear a hacer es, I desear a contrarrestar- ingeniero eso herramienta entonces eso I tener el perfilador a gitano con . I fue en el JMP y I creado a Respuesta Superficie modelo , y I básicamente aporte tres diferente siglos en jubilación , 62 , 65 y 68 .
I hizo tres diferente salario aumentos y I intentó tres diferente basado premios como Bueno . Dejar a mí jalar datos encima aquí . Este es qué el datos miró como cuando I corrió el experimento . Soy justo yendo a espectáculo tú el el capturas de pantalla de JMP bastante que hacer un actual JMP análisis porque Soy como 20 minutos ya y quiero hacer seguro I tener suficiente tiempo a cubrir todo de este .
Cuando I creado este experimento , tú lo harás aviso eso el carreras son ordenado . Eso es bueno porque Soy haciendo a computadora simulación entonces, I no tener a preocuparse acerca de alfombrilla de ratón variables como el temperatura en el habitación , el humedad y el operadores . Soy yendo a conseguir el mismo respuesta a pesar de todo de el orden eso I corrió este . Entonces, es más fácil para a mí a hacer el herramienta a correr a ellos en orden . Pero cuando tú hacer eso diseño de experimentos , tú desear a aleatorizar su correr . Hacer no correr a ellos en orden afuera de conveniencia . Si tú hacer, tú sentir, bueno, su conjunto de cepas voluntad decir tú eso tú poder usar el cómo a colocar fácil, cómo cambios con el cambiar, característica en JMP a hacer seguro tú hacer eso adecuadamente por usando alguno bloqueo .
Mi entradas eran todo ortogonal . I cubierto todo combinaciones de el... Mi edad en jubilación , el tres diferente siglos y el tres diferente mes basado premios y el tres diferente salario aumentar porcentajes . Este es el mirar en el análisis tú poder hacer cuando estás configuración arriba su experimento en JMP. Tú poder hacer seguro eso su principal efectos son solo correlacionado a ellos mismos . Y eso hay mínimo correlación a otro variables , en dos factor interacción es también a cuadrado término desde I hizo a Respuesta Superficie modelo.
Pero el neto resultado era a lindo predicción perfil y Soy yendo a ir adelante y justo correr este y espectáculo tú . Predicción perfilador . Cuando I colocar arriba el experimento , I decir JMP. Cuando tú colocar arriba un experimento en JMP , es lindo porque él da tú estos guiones ya en su datos mesa . Soy justo correr el modelo datos mesa . Y JMP dice , Oh , I saber qué tú desear modelar , porque I era aquí cuando tú colocar arriba el experimento. Y él da a mí mi Y y él da a mí mi X .
Él carreras mi un análisis para a mí . I poder ahora usar el perfilador JMP, en vez de teniendo a poner en un edad, salario aumentar, y una base no otorgar en eso herramienta y conseguir uno número afuera . Ahora I tener el perfilador Yo reverso diseñado su herramienta esencialmente. I poder ver qué mi mensual beneficio es yendo a ser versus a salario aumentar , no base, dónde tú ver eso no base otorgar no en realidad tener mucho efecto. Salario aumentar , no mucho efecto . Y de curso , edad como nosotros quería esperar, tener el mayoría efecto .
Qué hacer I hacer con este información ? Bien , qué I en realidad cuidado acerca de es mi vida beneficio . Y Soy también Soy preocupado acerca de inflación . Entonces, I agregado alguno fórmulas a este . I agregado a vida beneficio , cual es justo mi mensual beneficio veces cómo largo Soy yendo a vivir . Si tú desear a mirar en el fórmula , tú poder ver es básicamente mi mensual beneficio veces cómo largo Soy yendo a vivir . Y eso es mi vida beneficio .
Eso es qué I en realidad cuidado acerca de , es cómo mucho dinero ¿soy yo? voy a conseguir en mi vida . I saber si I retirarse más temprano , Soy yendo a conseguir menos dinero . Eso es a No cerebro . Pero I desear a saber , es allá a punto de menguante regresa. W gallina I miró en el edad en jubilación , mi vida beneficio para 80 , 84 y 98 creado tres separado columnas para aquellos datos voluntad ser el columna. Todos estos los datos quieren l ser proporcionó a tú como Bueno , si tú desear a gitano con él .
Pero qué tú poder ver es a vida beneficio para envejecimiento . Es de hecho a punto de menguante regresa. Dónde I podría como Bueno justo retirarse en 65 porque Soy yendo a conseguir menos dinero , pero Soy yendo a conseguir él para a más extenso período de tiempo . Ahora , como eso comienza a aumentar, si mi vida en edad 84 , resulta que mi vida beneficio quería tener estado a pequeño poco mejor colgante en allá . Y como I conseguir más viejo , de curso , Soy mejor apagado espera como largo como I poder a retirarse .
Pero I en realidad no saber . I no saber qué eso número es . Mi mejor adivinar es 84 . Eso era el quincuagésimo percentil en mi adaptar . Si I desear a ser en realidad conservador , Soy mirando en 90 . Pero I también buscado a mirar en cómo inflación asuntos . I miró en el presente valor, I poner a fórmula en JMP . Hay de hecho a fórmula para presente valor . Dejar a mí explicar [inaudible 00:26:05] Voy a espectáculo para ti real rápido .
En JMP tú poder de hecho usar a fórmula similar a qué Sobresalir tiene y calcular este presente valor. Y eso ajusta para inflación . Este es qué su dinero valer ahora, relativo a qué estás predicción , el futuro inflación tasa es yendo a ser anual inflación tasa . En 0% este presente valor es justo su vida . El número de pagos estás yendo a tener a través de su vida veces el pago cantidad esencialmente , pero tú conseguir penalizado como inflación va arriba , él se convierte menos y menos . Si I mirar justo en el inflación presente valor datos ... Si I justo modelo aquellos , qué I observó era ... Haré estos pequeño más grande entonces tú poder ver a ellos .
I observó eso cuando mi salario aumentar es menor, más bajo ... Este es a dos factor interacción . Tú poder ver el pendientes cambio . Eso era alguno pequeño salario aumentos , cual son probablemente no poco realista en el próximo futuro . Allá es a punto de menguante devolver cuando nosotros penalizar para inflación . En más bajo inflación , allá es no eso grande de a beneficio a esperar a retirarse . Una vez I golpear acerca de 65 o entonces , es a partir de a aplanar afuera . En realidad el diferencia no lo es eso grande .
Si nosotros mirar en el previsto valor , estos son no mi actual números . Estos eran basado en censura el datos usando a factor de tono de $4,000 a mes , cual es el típico jubilado ingreso . I observó eso como I pesar , él aplana afuera entonces él no en realidad pagar a esperar a retirarse . Soy usando este información a ayuda a mí decidir cuando I en realidad desear a retirarse . Bien ahora , Enfermo ser 62 en Puede , entonces Soy a partir de a acercarse el capacidad a hacer este .
Probablemente yendo a esperar a 64 , 65- trabajar a dónde el diferencia en mi presente valor es no eso grande . Eso es a pequeño rápido prima en cómo I usar el diseñador experimentos característica en JMP a contrarrestar- ingeniero este . En resumen , I miró en el jubilado muerte datos y I colocar el Vida Distribución y Adaptar Vida por X, I miró en cuatro diferente tiempo períodos y observó tal vez nosotros hizo conseguir a pequeño poco más saludable y más saludable en 2013 , pero por 2018 eso tener aplanado afuera . I hacer tener alguno 2021 datos eso I no tener en este presentación, pero próximo año en el conferencia en España en Marzo , eso es de hecho bonito departamento de 2013 a 20 18 a 2021 . Eran en realidad no conseguir más saludable , viviendo más extenso . Eso es yendo a ayuda a mí con mi decisión . I tomó a costumbre diseñado experimento como bonificación material aquí , y I contrarrestar- diseñado este web basado applet eso nosotros tener y usado el perfilador a reemplazar eso uno datos punto en a tiempo . A en realidad Frío cosa , tú poder hacer en JMP . I quería llevar preguntas aquí si eran vivo .
Y con eso , I desear a decir uno último cosa . I en realidad desear a dedicar este presentación a mi hermano , OMS I perdido a pareja de años atrás a cerebro cáncer , OMS era solo 15 meses más joven que a mí . Él era a compañero Contraseña y también a compañero JMP usuario . Alguno de tú puede tener de a él en el JMP conferencia y así que estoy dedicando este a a él . Agradecer tú muy mucho .
