Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle übereinHallo,
Ich bin neu beim JMP-Lebensverteilungsdiagramm.
Ich denke, es ist ein grundlegendes Verständnisproblem.
Unten sehen Sie die Testtabelle, die ich erstellt habe.
Laut Beschreibung: https://www.jmp.com/support/help/en/18.1/index.shtml#page/jmp/event-plot.shtml#ww1386833
Ich glaube, das bedeutet, dass es insgesamt 100 Proben gibt.
Und genau bei 4 Messwerten: 50, 100, 150 und 200 sind 25 neue Fehler aufgetreten.
Die von mir erwartete Ausfallrate wird also sein:
50, 25 %
100, 50%,
150, 75 %
200,100 %.
Dann starte ich die Lebensverteilung mit den folgenden Einstellungen:
Allerdings unterscheiden sich die Punkte im Weibull-Diagramm stark von der von mir erwarteten Ausfallrate.
Beispielsweise liegt die Fehlerrate beim ersten Lesepunkt zum Zeitpunkt 50 bei etwa 13 %.
Ich verstehe nicht, warum.
Können Sie mir dabei helfen?
Vielen Dank für Ihre Hilfe!
Ich verwende JMP17
ZuverlässigkeitsanalyseBetreff: Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle übereinBei großen N beträgt der geschätzte Prozentsatz
rank/ ( N + 1)
Für N=4 würden Sie 0,2, 0,4, 0,6 und 0,8 erhalten.
(anstelle der erwarteten 0,25, 0,5, 0,75, 1)
Bei kleinen N wird der geschätzte Prozentsatz „korrigiert“. Für die Korrektur gibt es verschiedene Ansätze.
Ich habe eine Übersicht in Wikipedia gesehen – ich werde versuchen, sie zu finden …
Betreff: Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle übereinEs ist irgendwie überraschend, dass „N“ nur 4 ist – wegen 4 Reihen?
Und nicht 100 – wegen Freq = 25+25+25+25.
Benutzer sollten also nicht faul sein und mehrere Zeilen verwenden, anstatt die Ergebnisse über Freq zu aggregieren : )
die gleiche Eingabe, mit 100 Zeilen:
Betreff: Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle übereinHallo Hogi,
Vielen Dank für Ihre Antwort.
Ich glaube, Sie meinten, dass es sich bei der Wahrscheinlichkeit um eine Schätzung und nicht um einen gemessenen Wert handelt und dass sie daher nicht mit der tatsächlichen Ausfallrate im Test übereinstimmt.
Ist das richtig?
In diesem Fall frage ich mich, ob es ein Dokument gibt, in dem die Gedanken und Berechnungen dahinter erklärt werden. Ich habe es mit dem JMP-Dokument versucht, aber ohne Erfolg.
Und wenn ich das Diagramm als meine tatsächliche Ausfallrate erstellen möchte, gibt es eine Möglichkeit, dies in JMP zu tun?
Danke schön.
Betreff: Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle übereinEntschuldigung, meine erste Vermutung war falsch.
Ich habe gerade die Wahrscheinlichkeitswerte in der Lebensverteilung für Tabellen mit unterschiedlicher Zeilenanzahl überprüft. *)
Es scheint, dass die Lebensdauerverteilung Hazen -Plotpositionen (Mittelpunkt) verwendet – unabhängig von der Anzahl der Datenpunkte:
prob = (rank - 0.5) / N
auch bekannt als „ Weibull “, ist das, was Sie erhalten, wenn Sie in der Datentabelle mit der rechten Maustaste auf das Menü „Neue Formelspalte“ klicken:
Hier ist eine Übersicht über verschiedene Plotpositionen, die in MatPlotLib verfügbar sind (über das Argument „posttype“).
von: https://matplotlib.org/mpl-probscale/tutorial/closer_look_at_plot_pos.html
seg = current report () ["Compare Distributions",FrameBox(1)] << find seg (Marker Seg( 1 ));
data= seg <<GET y="" values=""></GET>
<P>*) Y-Positionen aus einem Marker-Segment abrufen</P>Betreff: Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle übereinDanke, Hogi.
Ich werde es lesen.
Betreff: Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle überein
@Doraemon214 schrieb: Ich glaube, Sie meinten, dass es sich bei der Wahrscheinlichkeit um eine Schätzung und nicht um einen gemessenen Wert handelt und dass sie daher nicht mit der tatsächlichen Ausfallrate im Test übereinstimmt.
Wir können also die Messwerte der gemessenen Proben nehmen und die tatsächliche Ausfallrate der gesamten Population schätzen. Es gibt lediglich Messwerte bei 50, 100, 150 und 200, die einen weiteren Fehler hinzufügen.
Ich verwende die Life Distribution-Plattform, um Verteilungen anzupassen – hauptsächlich Normalverteilungen. Manchmal erhalte ich einen visuellen Eindruck von der Abweichung von Normalverteilungen, z. B. ein QQ-Plot mit einer Anpassungslinie und ansprechenden Konfidenzintervallen.
Zusätzlich:
a) geringe Chance, 2 Proben mit dem gleichen Wert zu erhalten
b) Bei der Kurvenanpassung fühlt es sich irgendwie "richtig" an, die Anpassungskurve in der Mitte der Punkte zu platzieren
Aber wenn man bedenkt ...
insbesondere über Lebenszeiten - und "Überlebensraten" - in der Tat überraschend, dass
"25 von 100 Einheiten fallen bei 50 (oder früher) aus" wird implizit umgewandelt in
„Die kumulative Wahrscheinlichkeit bis zum Wert 50 beträgt 12,5 %.“
und mit
es klingt noch überraschender:
Wenn beispielsweise 25 der 100 Einheiten bei 50 ausfallen, liegt die „Wahrscheinlichkeit“ des Überlebens bei 50 bei fast 90 %:
Noch viele offene Fragen...
Ich habe den JMP-Support gefragt: TS-00196267
Ich hoffe, es gibt ein Whitepaper, das uns die Einzelheiten verrät 
Hinweis:
Gemäß der Lebensverteilung sollten die Plotpunkte standardmäßig auf Kaplan-Meier- oder Turnbull-Schätzungen mit der Option zur Auswahl von Mittelpunkten gesetzt werden
Zwischen JMP16 und JMP17 gab es eine Änderung bei der Berechnung der Wahrscheinlichkeiten durch die Lebensverteilung.
Vielleicht gibt es eine Dokumentation{Motivation}, die weitere Erkenntnisse liefern kann ...
Betreff: Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle übereinIhr Datensatz ist mit genauen Ausfallzeiten angelegt. Er besagt im Wesentlichen, dass 25 % der Population genau bei t=50 ausfallen. Vielleicht stimmt das, aber meiner Erfahrung nach ist eine genauere Beschreibung, dass 25 % der Population irgendwann zwischen t=0 und t=50 ausfallen. Um dies in JMP darzustellen, müssen Sie Intervallzensur verwenden. Wenn ich Ihre ursprüngliche Tabelle so ändere, dass Startzeit = [0, 50, 100, 150] und Endzeit gleich bleibt [50, 100, 150, 200], dann denke ich, dass die Weibull-Verteilung aus der Lebensdauer Ihren Erwartungen entspricht:
Betreff: Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle übereinEs hat mir geholfen, ungleiche Häufigkeitswerte zu berücksichtigen, z. B. gebündelte Daten wie
Wenn man an eine (z. B. normale) Verteilung mit Maximalgewicht bei 50 denkt -> Mittelgewicht.
und wenn man an „100 von 111 Einträgen scheiterten bei 50 oder darunter“ denkt -> Kaplan Meier.
Betreff: Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle übereinDanke, TomH.
Ich glaube, Sie haben Recht. Ich muss die Formatierung meiner Daten anpassen, damit JMP sie wie erwartet verarbeiten kann.
Ich frage mich, ob es statistisch falsch ist, die Weibull-Anpassung so durchzuführen, wie ich es verstanden habe.
Aus Hogis Antwort schließe ich, dass das stimmt.
Es fühlt sich an, als ob die gemessenen Daten keine direkte Darstellung der wahren kumulativen Verteilungsfunktion sind, sondern eine mathematische Transformation.
Ist das der Grund, warum JMP keine Weibul-Anpassung und kein Wahrscheinlichkeitsdiagramm unter Verwendung der Kaplan-Meier-Schätzung zulässt?
Betreff: Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle übereinWas mich wirklich verwirrt, ist, dass JMP die Links-Rechts-Zensurfunktion bereitstellte, um anzuzeigen, wann die Fehler auftraten.
Wenn es sich also nicht um einen vor Ort überwachten Test handelt, stimme ich Ihnen zu, dass wir bei t=50h nicht genau sagen können, dass 25 % der Fehler gleichzeitig aufgetreten sind, sondern nur, dass 25 % der Population zwischen t=0 und t=50 ausfallen. Dann ist die Art und Weise, wie JMP die Wahrscheinlichkeitsberechnung und die Weibull-Anpassung handhabt, sinnvoll.
Aber jetzt habe ich vor Ort überwachte Tests und weiß genau, wann jeder der Fehler aufgetreten ist.
Aber JMP interpretierte die Daten dennoch so, als ob ich keine Möglichkeit zur Überwachung vor Ort hätte, indem es einige Schätzungen vornahm, um die Ausfallrate anzupassen.
Ich verstehe die Gründe dafür nicht wirklich.
Betreff: Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle übereinDieses PDF-Dokument von Discovery 2017 bietet einen guten Überblick über die Analyse verschiedener Zensurarten in JMP und die damit verbundenen Maximum-Likelihood-Schätzungen (MLE). Lediglich die exakten Daten fehlen, aber Sie haben bereits anhand Ihres ursprünglichen Beispiels (Startzeit = Endzeit) gesehen, wie diese eingegeben werden. Wie im Dokument gezeigt, können Sie in JMP gemischte Zensurarten in Ihre Datentabelle eingeben. Die MLEs werden für jede Art unterschiedlich berechnet. Daher ist es wichtig, und Sie sollten stets ehrliche, repräsentative Daten (inkl. Zensur) anstreben, um die aussagekräftigsten Anpassungen zu erhalten.
Betreff: Lebensdauerverteilung: Das Diagramm der Ausfallrate/Wahrscheinlichkeit stimmt nicht mit der Tabelle übereineinige Details zur Wahrscheinlichkeitsberechnung in Life Distribution | verschiedene Versionen:
Lebensverteilungsintervallzensur, Verteilungsdiagramm vergleichen
