寿命分布：故障率/概率图与表格不匹配你好，
我对 JMP 寿命分布图还不熟悉。
我觉得这是一个基本认识的问题。
下面是我做的测试表。
根据描述： https://www.jmp.com/support/help/en/18.1/index.shtml#page/jmp/event-plot.shtml#ww1386833
我认为这意味着总共有100个样本。
并且恰好在4个读数：50、100、150和200时，发生了25起新的故障。
因此我预期的失败率将是：
50.25%
100、50%、
150，75％
200,100%。
然后我使用如下设置启动生命分布：
然而，威布尔图中的点与我预期的故障率有很大差异。
例如，时间 50 处的第一个读取点的失败率约为 13%。
我不明白为什么。
你能帮我吗？
非常感谢您的帮助！
我正在使用 JMP17
可靠性分析回复：寿命分布：故障率/概率图与表格不匹配对于较大的 N，估计百分比是
rank/ ( N + 1)
对于 N=4，您将得到 0.2、0.4、0.6 和 0.8。
（而不是您预期的 0.25、0.5、0.75、1）
对于较小的 N，估计的百分比是“修正的”。有几种修正方法。
我在维基百科上看到了概述 - 我会尝试找到它......
回复：寿命分布：故障率/概率图与表格不匹配有点令人惊讶的是，“N”只有 4 - 因为有 4 行？
而不是 100 – 因为频率 = 25+25+25+25。
因此，用户不应该偷懒，使用多行而不是通过 Freq 聚合结果:)
相同输入，使用 100 行：
回复：寿命分布：故障率/概率图与表格不匹配你好，Hogi，
感谢你的回复。
我认为你的意思是概率是一个估计值而不是测量值，所以它不会与测试中的实际失败率相同。
那正确吗？
那么，我想知道是否有文档可以解释其背后的想法和数学？我尝试了 JMP 文档，但没有成功。
如果我想将图表作为实际失败率，有没有办法在 JMP 中做到？
谢谢。
回复：寿命分布：故障率/概率图与表格不匹配抱歉，我的第一个猜测是错误的。
我刚刚检查了寿命分布中具有不同行数的表的概率值。*)
似乎寿命分布使用哈森 （中点）绘图位置 - 与数据点的数量无关：
prob = (rank - 0.5) / N
又名“威布尔”是您在数据表中右键单击“新公式列”菜单时得到的：
以下是 MatPlotLib 中可用的不同绘图位置的概述（通过“postype”参数）
来自： 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>*) 从标记段获取 Y 位置</P>回复：寿命分布：故障率/概率图与表格不匹配谢谢你，Hogi。
我会仔细阅读。
回复：寿命分布：故障率/概率图与表格不匹配
@Doraemon214写道：我认为你的意思是概率是一个估计值而不是测量值，所以它不会与测试中的实际失败率相同。
因此，我们可以获取测量样本的测量值，并猜测/估计整个群体的实际故障率。只有 50、100、150 和 200 的读数会增加另一个误差。
我使用“寿命分布”平台来拟合分布 - 主要是正态分布。有时：获得与正态分布偏差的视觉印象。例如带有拟合线和美观置信区间的 QQ 图。
此外：
a）获得 2 个具有相同值的样本的机会很小
b）关于曲线拟合，将拟合曲线置于点的中心感觉有点“正确”
但当你想到...
尤其是关于寿命——以及“存活”率——确实令人惊讶的是
“100 个单元中有 25 个在 50（或更早）时失败”隐式转换为
“达到 50 的累积概率为 12.5%”。
以及
这听起来更令人惊讶：
如果 100 个单元中有 25 个在 50 时失败，则 50 时存活的“概率”接近 90%：
仍有许多悬而未决的问题...
我询问了 JMP 支持：TS-00196267
我希望有一份白皮书可以告诉我们详细信息:)
注意：
根据寿命分布图点应默认为 Kaplan-Meier 或 Turnbull 估计值，并可选择中点
JMP16 和 JMP17 之间关于寿命分布计算概率的方式存在变化。
也许有一个文档{动机可以增加更多的见解......
回复：寿命分布：故障率/概率图与表格不匹配您的数据集设置了精确的失败时间。它本质上说 25% 的总体在 t=50时失败。也许这是正确的，但根据我的经验，更准确的描述是 25% 的总体在 t=0 和 t=50 之间的某个时间失败。要在 JMP 中表示这一点，您需要使用区间删失。如果我修改您的原始表格，使开始时间 = [0, 50, 100, 150] 和结束时间保持不变 [50, 100, 150, 200]，那么我认为寿命分布中的威布尔符合您的预期：
回复：寿命分布：故障率/概率图与表格不匹配它帮助我考虑不相等的频率值，例如像
当您想到最大权重为 50 -> 中间值的分布（例如正态分布）时。
当您想到“111 个条目中有 100 个在 50 或以下时失败”-> Kaplan Meier。
回复：寿命分布：故障率/概率图与表格不匹配谢谢你，TomH。
我认为你是对的。我必须调整数据格式，以便 JMP 能够按我的预期处理它。
我想知道按照我理解的方式进行威布尔拟合在统计上是否不正确。
从Hogi的回复来看，我认为这是真的。
感觉测量的数据不是真正的累积分布函数的直接表示，而是一种数学变换。
这就是为什么 JMP 不允许使用 Kaplan-Meier 估计进行威布尔拟合和概率图的原因吗？
回复：寿命分布：故障率/概率图与表格不匹配我认为真正令我困惑的是 JMP 提供了左右审查功能来指示故障发生的时间。
因此，如果这不是现场监控测试，我同意你的观点，我们不能准确地说在 t=50h 时，有 25% 的故障同时发生，但我们只能说在 t=0 和 t=50 之间有 25% 的总体发生故障。那么 JMP 处理概率计算和威布尔拟合的方式就有意义了。
但现在我已经进行了现场监控测试，并且我确切地知道每次故障发生的时间。
但是 JMP 仍然通过进行一些估算来调整故障率，从而解释数据，就好像我没有现场监控能力一样。
我不太明白这背后的原因。
回复：寿命分布：故障率/概率图与表格不匹配这份来自 Discovery 2017 的 pdf 文档很好地概述了如何在 JMP 中分析各种类型的审查，以及与之相关的最大似然估计 (MLE)。它省略的一件事是精确数据，但您已经在原始示例中看到了如何输入它（开始时间 = 结束时间）。如文档中所示，JMP 允许您在数据表中输入混合审查类型。每种类型的 MLE 计算方式不同，所以是的 - 这当然很重要，您应该始终努力获得真实、有代表性的数据（包括审查）以获得最有意义的拟合。
回复：寿命分布：故障率/概率图与表格不匹配有关寿命分布中概率计算的一些细节|不同版本：
寿命分布区间删失比较分布图
