壽命分佈：故障率/機率圖與表格不匹配你好，
我對 JMP 壽命分佈圖還不熟悉。
我覺得這是一個基本認識的問題。
下面是我做的測試表。
根據描述： https://www.jmp.com/support/help/en/18.1/index.shtml#page/jmp/event-plot.shtml#ww1386833
我認為這意味著總共有100個樣本。
並且剛好在4個讀數：50、100、150和200時，發生了25起新的故障。
因此我預期的失敗率將是：
50.25%
100、50%、
150，75％
200,100%。
然後我使用以下設定啟動生命分佈：
然而，威布爾圖中的點與我預期的故障率有很大差異。
例如，時間 50 處的第一個讀取點的失敗率約為 13%。
我不明白為什麼。
你能幫我嗎？
非常感謝您的幫忙！
我正在使用 JMP17
可靠度分析回覆：壽命分佈：故障率/機率圖與表格不匹配對於較大的 N，估計百分比為
rank/ ( N + 1)
對於 N=4，您將得到 0.2、0.4、0.6 和 0.8。
（而非您預期的 0.25、0.5、0.75、1）
對於較小的 N，估計的百分比是「更正的」。有多種糾正方法。
我在維基百科上看到了概述 - 我會嘗試找到它...
回覆：壽命分佈：故障率/機率圖與表格不匹配有點令人驚訝的是，「N」只有 4 - 因為有 4 行？
而不是 100 – 因為頻率 = 25+25+25+25。
因此，用戶不應該偷懶，使用多行而不是透過 Freq 聚合結果:)
相同輸入，使用 100 行：
回覆：壽命分佈：故障率/機率圖與表格不匹配你好，Hogi，
感謝你的回覆。
我認為你的意思是機率是一個估計值而不是測量值，所以它不會與測試中的實際失敗率相同。
那正確嗎？
在這種情況下，我想知道是否有文件解釋背後的思想和數學？我嘗試了 JMP 文檔，但沒有成功。
如果我想將圖表作為實際失敗率，有沒有辦法在 JMP 中做到？
謝謝。
回覆：壽命分佈：故障率/機率圖與表格不匹配抱歉，我的第一個猜測是錯的。
我剛剛檢查了壽命分佈中具有不同行數的表的機率值。 *）
似乎壽命分佈使用哈森 （中點）繪圖位置 - 與資料點的數量無關：
prob = (rank - 0.5) / N
又稱為“威布爾”是您在資料表中右鍵單擊“新公式列”選單時所得到的：
以下是 MatPlotLib 中可用的不同繪圖位置的概述（透過「postype」參數）
取自： 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>*) 從標記段取得 Y 位置</P>回覆：壽命分佈：故障率/機率圖與表格不匹配謝謝你，Hogi。
我會仔細閱讀。
回覆：壽命分佈：故障率/機率圖與表格不匹配
@Doraemon214寫道：我認為你的意思是機率是一個估計值而不是測量值，所以它不會與測試中的實際失敗率相同。
因此，我們可以採取測量樣本的測量值並猜測/估計整個總體的實際故障率。只有 50、100、150 和 200 的讀數會增加另一個錯誤。
我使用壽命分佈平台來擬合分佈 - 主要是常態分佈。有時：獲得偏離常態分佈的視覺印象。就像 QQ 圖一樣，有一條擬合線和美觀的置信區間。
另外：
a）獲得 2 個具有相同值的樣本的機會很小
b）關於曲線擬合，將擬合曲線置於點的中心感覺有點“正確”
但當你想到...
尤其是關於壽命——以及「存活」率——確實令人驚訝的是
「100 個單元中有 25 個在 50（或更早）時失敗」隱式轉換為
「達到 50 的累積機率為 12.5%」。
以及
這聽起來更令人驚訝：
如果 100 個單元中有 25 個在 50 時失敗，則 50 時存活的「機率」接近 90%：
仍有許多懸而未決的問題...
我詢問了 JMP 支援：TS-00196267
我希望有一份白皮書可以告訴我們詳細資料:)
注意：
根據壽命分佈圖點應預設為 Kaplan-Meier 或 Turnbull 估計值，並可選擇中點
JMP16 和 JMP17 之間關於壽命分佈計算機率的方式存在變化。
也許有一個文件{動機可以增加更多的見解...
回覆：壽命分佈：故障率/機率圖與表格不匹配您的資料集已設定精確的失敗時間。其本質是說，當 t=50時，25% 的人口會失敗。也許這是正確的，但根據我的經驗，更準確的描述是 25％ 的人口在 t=0 到 t=50 之間的某個時間失敗。為了在 JMP 中表示這一點，您需要使用區間審查。如果我修改您的原始表格，使開始時間 = [0, 50, 100, 150] 且結束時間保持不變 [50, 100, 150, 200]，那麼我認為壽命分佈中的威布爾符合您的預期：
回覆：壽命分佈：故障率/機率圖與表格不匹配它幫助我考慮不相等的頻率值，例如像
當您想到最大權重為 50 -> 中間值的分佈（例如常態分佈）時。
當您想到「111 個條目中有 100 個在 50 或以下時失敗」-> Kaplan Meier。
回覆：壽命分佈：故障率/機率圖與表格不匹配謝謝你，TomH。
我認為你是對的。我必須調整資料的格式，以便 JMP 能夠按照我的預期來處理它。
我想知道按照我理解的方式進行威布爾擬合在統計上是否不正確。
從Hogi的回覆來看，我認為這是真的。
感覺測量的數據不是真正的累積分佈函數的直接表示，而是數學變換。
這就是為什麼 JMP 不允許使用 Kaplan-Meier 估計進行威布爾擬合和機率圖的原因嗎？
回覆：壽命分佈：故障率/機率圖與表格不匹配我認為真正令我困惑的是 JMP 提供了左右審查功能來指示故障發生的時間。
因此，如果這不是現場監控測試，我同意您的觀點，我們不能準確地說在 t=50h 時有 25% 的故障同時發生，但我們只能說25% 的總體在 t=0 和 t=50 之間發生故障。那麼 JMP 處理機率計算和威布爾擬合的方式就有意義了。
但現在我已經進行了現場監控測試，我確切地知道每次故障發生的時間。
但是 JMP 仍然透過進行一些估算來調整故障率，從而解釋數據，就好像我沒有現場監控能力一樣。
我不太明白背後的原因。
回覆：壽命分佈：故障率/機率圖與表格不匹配Discovery 2017 中的這份 pdf 文件很好地概述瞭如何分析 JMP 中的各種審查以及與它們相關的最大似然估計 (MLE)。它省略的一件事是精確數據，但是您已經看到如何使用原始範例輸入該數據（開始時間 = 結束時間）。如文件中所示，JMP 可讓您在資料表中輸入混合審查類型。每種類型的 MLE 計算方式不同，所以是的 - 這當然很重要，您應該始終努力獲得誠實、有代表性的數據（包括審查）以獲得最有意義的擬合。
回覆：壽命分佈：故障率/機率圖與表格不匹配有關壽命分佈中機率計算的一些細節 |不同版本：
壽命分佈區間刪失比較分佈圖
