893171_ko-KR

liliconcom

JMP 18 Standard의 재귀 분석

안녕하세요 여러분
저는 커뮤니티의 신입 멤버입니다. 데이터에 대한 재귀 분석을 수행하는 업무를 맡게 되었습니다. JMP를 사용해 본 적도 없고 재귀 분석을 해본 적도 없습니다. 그래서 몇 가지 엉뚱한 질문을 드리겠습니다.
저희가 보유한 데이터는 로봇 수리입니다. 봇의 수리 이벤트 패턴을 확인하고 싶은데, 재발 분석을 사용하라고 하더군요(이유는 잘 모르겠습니다).

약 15,000개의 로봇이 있으므로 'bot_id', 'accumulated_transactions', 'site', 'cost', 'bot_type', 'component' 열을 사용했습니다. 'Site'에는 로봇이 작동하는 여러 위치가 포함됩니다. 'cost'는 0과 1 사이의 값을 가집니다(1은 수리를 의미하고, 0은 마지막으로 확인된 봇 이벤트를 의미합니다). 'component'는 수리 중인 여러 부분을 나타냅니다. site, bot_type, 그리고 parts가 mcf와 수리 패턴에 미치는 영향을 확인하고자 합니다. 저는 주로 Log Linear NHPP 모델을 사용합니다.

데이터에 몇 가지 문제가 있습니다. 모든 사이트를 돌아다니는 약 1,000개의 대여 봇이 있습니다. 분석에서 '사이트' 열을 '그룹화' 역할로 선택하여 각 사이트의 MCF를 확인하면 결과에 영향을 미치나요? 제가 알기로는 각 사이트는 이제 대여 봇을 독립적인 봇으로 간주합니다. '사이트'별로 '그룹화'하려면 대여 봇 1,000개와 같은 봇을 제외해야 할까요?

제가 받은 데이터에는 각 사이트와 봇의 마지막 이벤트에서 '비용' 값이 0으로 표시되어 있습니다. 따라서 봇이 두 사이트에서 작동했다면, 해당 봇에 대해 두 개의 0 값이 존재하게 되는데, 각 봇은 사이트별 마지막 이벤트입니다. 이것이 JMP에서 MCF 값을 계산할 때 활성 봇 수를 계산하는 방식에 영향을 미치나요? 제가 알기로는 비용 값이 0이면 봇이 종료된 것으로 알고 있습니다. 봇에 0 값이 여러 개 있는 경우 어떻게 처리하나요?

다른 질문도 있지만 너무 길어지기 전에 여기서 멈추고 싶습니다.
도움을 주셔서 감사합니다.

기본 데이터 분석 및 모델링Re: JMP 18 Standard의 재귀 분석

"사이트" 변수는 통계 용어로 "시간 변동 공변량" 또는 "시간 변동 스트레스"라고 합니다. 재귀 모델에 시간 변동 공변량을 포함하려면 시간 변동 공변량 중 하나의 수준이 변경될 때마다 행을 추가해야 합니다. 이 경우 비용 열의 값은 0으로 설정됩니다. 예를 들어, ID1 로봇이 시간 1, 4, 5에 각각 A에서 B로, B에서 C로, C에서 어딘가로 이동했다면 다음 표를 준비해야 합니다.

bot_id 사이트 시간 비용
1 A 1 0
1 비 4 0
1 씨 5 0

"구성 요소" 변수는 통계 용어로 "경쟁 위험"처럼 보입니다. JMP의 재발 분석은 경쟁 위험을 지원하지 않습니다. 후속 분석만 가능합니다.
(1) 모든 종류의 실패가 발생하더라도 비용을 1로 설정합니다.
(2) 특정 실패가 발생할 때만 cost=1을 설정합니다.

첨부된 데이터 테이블은 로봇 한 대에 대한 예시를 보여줍니다. 비용은 위의 1)번 방법으로 설정됩니다. 첨부된 데이터 테이블에서 테이블 스크립트를 실행하세요. 프로파일러는 로봇이 항상 특정 사이트에서만 작동하는 경우(예: 항상 사이트="A"에서만 작동하는 경우)의 누적 고장 횟수를 추정하여 보여줍니다.

죄송하지만, 제가 당신의 상황을 잘 이해하지 못하는 것 같습니다. 하지만 제 위의 댓글이 당신의 분석에 조금이나마 도움이 되기를 바랍니다.

Re: JMP 18 Standard의 재귀 분석

빠른 답변 감사합니다. 사이트 변경 시 비용을 0원으로 포함하신다는 말씀은 이해합니다. 더 자세한 내용을 알려드려야겠습니다.
지금 문제는 JMP가 0 비용을 어떻게 처리하는지입니다. 봇의 비용이 초기에 0이 되면 JMP가 봇을 예상보다 일찍 제외하는 것 같습니다. JMP에서 효과적인 봇으로 간주하는 봇이 줄어들면 mcf 값이 증가합니다. 제가 확인한 내용은 다음과 같습니다. 위는 봇당 비용이 0인 데이터가 하나 있는 데이터입니다. 아래는 비용이 0인 데이터가 여러 개 있는 데이터입니다(사이트당 봇당 하나씩). 아래 mcf 값이 더 큰 이유는 JMP가 비용이 0인 봇을 너무 일찍 제외했기 때문입니다. 제 생각에는 맞는 것 같은데, 틀릴 수도 있습니다.

ChatGPT에도 같은 질문을 했는데, 답변은 다음과 같습니다. 마지막으로 확인된 이벤트에 대해 봇당 비용을 0으로 설정하는 것이 적절하다고 생각했습니다. 어떻게 생각하시는지 알려주세요.

옵션 A - 간단하고 강력함 (먼저 권장)

이벤트당 한 행을 유지합니다(비용=1) with the Site value active at that event, 그리고 봇당 하나의 최종 Cost=0 행 at the bot’s last observed transaction.
This approach uses the event rows to carry the time-varying Site value. It’s simple, avoids multiple right-censor rows per bot, and JMP will correctly use the Site value that was in effect at each event.

사용 시기: 가장 일반적이며 이벤트 시간에만 공변량이 필요한 경우에 충분합니다(대체로 그렇습니다).
장점: 쉽고, JMP가 여러 개의 0을 잘못 해석하는 것을 방지합니다.
단점: 공변량이 변화하는 사건이 없는 구간을 명시적으로 모델링하지 않습니다. 하지만 NHPP 추정에는 거의 필요하지 않습니다.

데이터 모양

각 행은 다음 중 하나입니다.

• 이벤트 행: BotID, AccumulatedTransactions (event time), Cost = 1, Site = site_at_event

• 최종 검열 행(봇당 하나): BotID, AccumulatedTransactions (last observed), Cost = 0, Site = <LAST site="" or="" na=""></LAST>

JMP가 이것을 사용하는 방법

• When you add Site 크기/모양에 영향을 미치는 열로, JMP uses the Site value on each event row to estimate how Site shifts the log-rate and/or shape. Because each event row carries the site at that time, you have effectively encoded a time-varying covariate.

Re: JMP 18 Standard의 재귀 분석

답변해 주셔서 감사합니다.

이 답변에서는 Cost=0인 행이 필요한 경우를 설명하고 싶습니다.

Cost=0인 행이 필요한 상황은 두 가지가 있습니다. 하나는 각 로봇을 마지막으로 관찰한 시간을 나타내는 경우이고, 다른 하나는 시간에 따라 변하는 공변량의 변화를 나타내는 경우입니다.

"t"까지 관찰했고, 로봇이 마지막 관찰 시점 "t"에 고장 나지 않았다면, 비용=0인 마지막 행을 포함해야 합니다. 이러한 상황을 통계 용어로 "우측 중도절단"이라고 합니다. 순환 분석에서는 로봇을 재시작할 수 있기 때문에 로봇의 "실제 사망" 또는 "완전 사망"을 관찰할 수 없기 때문에 우측 중도절단이 일반적입니다. 예를 들어, ID001 로봇을 마지막으로 관찰한 시간이 100이고, 로봇이 t=100에서 고장 나지 않았다면 다음 행을 포함해야 합니다.

ID t 비용
001 ... ...
001 ... ...
001 100 0

이 행은 로봇이 언제까지 살아있었는지 JMP에 알리는 데 필요합니다.

"t"까지 관찰했고, 로봇이 "t" 시점에 실패했다면, Cost=0인 마지막 행은 포함할 필요가 없습니다. 대신 Cost=1인 마지막 행을 포함해야 합니다. 예를 들어, ID001 로봇을 마지막으로 관찰한 시간이 100이고, 로봇이 t=100에 실패했다면, Cost=1인 다음 행을 포함해야 합니다.

ID t 비용
001 ... ...
001 ... ...
001 100 1

공변량의 변화를 나타내려면 비용=0인 행도 필요합니다. 예를 들어, 시간=50에 공변량 X가 A에서 B로 변경되면, 비용=0인 다음 행이 필요합니다.

ID t X 비용
001 ... ... ...
001 50 A 0
001 ... 비 ...

이 행은 공변량의 변화를 JMP에 알리는 데 필요합니다. 이전 답변에서 언급했듯이 이러한 공변량을 "시간 가변 공변량"이라고 합니다.

MCF 플롯은 비용=0인 마지막 관측 행을 포함하는지 여부에 영향을 받습니다. MCF 플롯은 시간 변동 공변량에 대해 비용=0인 행을 포함하는지 여부에 영향을 받지 않습니다. 그러나 적합 모형의 결과는 비용=0인 두 가지 유형의 행 모두에 영향을 받습니다.

이 답변이 예상하신 답변인가요? 그렇지 않다면 다시 답변해 주세요.

Re: JMP 18 Standard의 재귀 분석

@차오젱0115 -san,

첫 번째 답변에 대한 수정 사항

"구성 요소" 변수는 통계 용어로 "경쟁 위험"처럼 보입니다. JMP의 재발 분석은 경쟁 위험을 지원하지 않습니다. 후속 분석만 가능합니다.
(1) 모든 종류의 실패가 발생하더라도 비용을 1로 설정합니다.
(2) 특정 실패가 발생할 때만 cost=1을 설정합니다.

시작 대화상자에서 원인 열을 사용하면 재발 분석 플랫폼에서 (2)번의 분석을 수행할 수 있습니다. 첨부된 데이터 표는 예시를 보여줍니다.

Re: JMP 18 Standard의 재귀 분석

안녕하세요, 빠른 답변 감사합니다. 왜 옵션 1이 아닌 옵션 2를 선택해야 하는지 설명해 주시겠어요? 샘플 데이터에서는 두 가지 방식(비용 열과 두 가지 원인에 대한 개별 비용 열) 모두 동일한 결과를 생성하는 것으로 보입니다. 그림 1에는 한 가지 원인을, 그림 2에는 다른 원인을 표시하려면 결과의 일관성을 위해 각기 다른 원인에 대한 비용 열을 새로 만들어야 할 것 같습니다. 제안하시는 방식이 그런 건가요? 그렇다면 그룹화도 비슷한 방식으로 하면 어떨까요? 예를 들어 지점별로 그룹화하는 경우, 여러 지점이 포함된 데이터에서 생성된 결과와 동일한 단일 지점 결과와 수치를 표시할 수 있는 방법이 있을까요?

보내주신 샘플 데이터를 확인해 봤습니다. 처음 저장된 분석에서 원인으로 최빈값을, 척도 효과로 지점 효과를 사용하는 것 같습니다. 사용하신 모델은 비례 NHPP입니다. 이 모델을 선택한 이유가 있나요? 제가 알기로는 비례 NHPP 모델은 모든 원인에 대해 공통 기준선 MCF 곡선을 가정하고, 승법적 요인에 따라 증감하는 것으로 알고 있습니다. 제 경우에는 각 원인과 결과가 비례한다고 가정하지 않아서 로그 선형 모델을 사용했습니다. 이 모델을 사용해야 하는지 알려주세요.

생성된 적합 곡선을 이해하는 데 어려움이 있습니다. 빨간색 적합 곡선은 Fail 1에 대한 것인가요? 적합 곡선이 빨간색 MCF 곡선과 너무 멀리 떨어져 있습니다. 왜 이런 현상이 발생하는 걸까요? 파란색 적합 곡선이 두 개 있는데, 어느 것이 Fail 2에 대한 적합 곡선인가요? 적합 곡선이 두 개 생성된 이유는 무엇인가요? 녹색 적합 곡선은 무엇인가요?

아니면 적합 곡선이 다른 사이트에 대한 것일 수도 있습니다. 그런데 빨간색 곡선은 두 개가 아니라 하나만 있습니다. 왜 그런 일이 일어났는지 이해가 안 됩니다.
감사해요.

Re: JMP 18 Standard의 재귀 분석

정말 감사합니다. 정말 명확하네요. 당신은 정말 생명의 은인이에요.
이 부분에 대해 추가 질문이 하나 더 있습니다. 지점의 효과를 비교하려면 지점을 그룹화 역할, 척도 효과, 또는 형태 효과로 설정해야 할까요? 각 지점의 MCF, 적합도 곡선, 그리고 모수 추정치( γ와 δ) 도 함께 표시하고 싶습니다.
두 가지 옵션이 보였습니다.

1. 사이트를 그룹화로 포함하지 말고, 스케일 및 형상 효과기로 채웁니다. 그러면 여러 사이트 간의 모델(로그 선형 NHPP) 매개변수를 비교할 수 있습니다. 하지만 이 방법에서는 전체에 대해 생성된 MCF 곡선이 하나만 있습니다.
2. 사이트를 그룹화로 포함하고, 스케일 및 모양 효과기로도 채웁니다(제가 할 수 있을지는 모르겠습니다). 이렇게 하면 각 사이트에 대한 MCF(중간값 분포), 각 사이트에 대한 적합 곡선, 그리고 사이트 간 효과를 비교하기 위한 모델 매개변수가 생성됩니다. 이 방법의 문제점은 그룹화가 각 사이트에 대해 개별 모델을 생성한다는 점입니다(제가 틀릴 수도 있습니다). 이는 서로 다른 모델을 사용하여 사이트의 효과를 비교하기에 좋은 방법이 아닙니다.
제가 해야 할 일은 다음과 같습니다. 옵션 2에서 개별 곡선을 생성하고 옵션 1을 사용하여 매개변수 추정 결과표를 사용해야 할까요? 그러면 제가 표시한 곡선이 매개변수 표와 정확히 일치하지 않습니다.
정말 감사합니다.

Re: JMP 18 Standard의 재귀 분석

다시 한번 답변해 주셔서 감사합니다.

나는 당신의 상황을 오해한 것이 아닌가 두렵지만, 옵션 (1)이 옳을 것이라고 생각합니다.

제가 아는 한, 귀하의 사이트 변수는 시간에 따라 변하는 공변량인 것 같습니다.

그렇다면 사이트 변수를 그룹화 열로 설정해서는 안 됩니다.

다음 표에 SITE를 설정하면...

ID 사이트 시간

1 1 15

1 2 31

1 1 49

1 2 57

1 1 102

... 그러면 JMP는 두 개의 ID가 있다는 것을 인식합니다.

ID 사이트 시간

1-1 1 15

2-1 2 31

1-1 1 49

2-1 2 57

1-1 1 102

따라서 (제가 귀하의 상황을 오해하지 않았다면, 그리고 귀하의 사이트 변수가 시간에 따라 변하는 공변량이라면) 그룹화 열에 사이트 변수를 포함해서는 안 됩니다.

추가적으로 한 가지 주의할 점이 있습니다.

모형을 적합하기 전에 처음 보는 플롯인 MCF 플롯의 비모수 추정값은 시간에 따라 변하는 공변량을 고려하지 않습니다. 또한, 모형에서 추정한 곡선은 모든 시간에 따라 변하는 공변량이 각 위치 값에 고정되었을 때의 곡선을 보여줍니다. 따라서 모형에 시간에 따라 변하는 공변량이 있는 경우, MCF 플롯을 사용하여 모형이 잘 적합되었는지 확인할 수 없습니다.

다음 스크립트는 간단한 예시를 보여줍니다. 이 시뮬레이션 데이터에서 스케일(세타)과 형상(베타) 매개변수는 처음 30개 시점 이후에 변경됩니다. 사이트 변수는 변화를 나타내며, 이 사이트는 시간에 따라 변하는 공변량입니다. 단순화를 위해 Power Nonhomogeneous Poisson Process를 사용합니다.

시간에 따라 변하는 공변량인 사이트는 그룹화 열에 포함되어서는 안 됩니다.

Names Default To Here(1);
Random Reset(111111);
n = 30;
nid = 100;
data = J(2*n*nid, 4, .);
b1 = 3;
theta1 = 5;
b2 = 8;
theta2 = 8;

k = 0;
For( id = 1, id <= nid, id++,
x = 0;
For( i = 1, i <= n - 1, i++,
x = (x ^ b1 + Random Exp() * theta1 ^ b1) ^ (1 / b1);
k++;
data[k, 1] = id;
data[k, 2] = 1;
data[k, 3] = x;
data[k, 4] = 1;
);
k++;
data[k, 1] = id;
data[k, 2] = 1;
data[k, 3] = x;
data[k, 4] = 0;

For( i = 1, i <= n - 1, i++,
x = (x ^ b2 + Random Exp() * theta2 ^ b2) ^ (1 / b2);
k++;
data[k, 1] = id;
data[k, 2] = 2;
data[k, 3] = x;
data[k, 4] = 1;
);
k++;
data[k, 1] = id;
data[k, 2] = 2;
data[k, 3] = x;
data[k, 4] = 0;


);

dt = As Table(data,<
     <COLUMN names=""></COLUMN>

<DIV> </DIV> <DIV>이 간단한 장난감 예제에서는 실제 모형이 적합되었습니다. 따라서 모형 적합도는 매우 좋습니다. 하지만 MCF 플롯은 적합도의 우수성을 보여주지 못합니다.</DIV> <P><SPAN class="lia-inline-image-display-wrapper lia-image-align-inline" image-alt="yusuke_ono_0-1754960081412.png" style="width: 400px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><span class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><img src="https://us.v-cdn.net/6038925/uploads/images/80136i9723A629E7469671/yusuke_ono_0-1754960081412.png" role="button" title="yusuke_ono_0-1754960081412.png" alt="yusuke_ono_0-1754960081412.png" /></span></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></P> <BR /> <DIV>간단히 말해서, 그룹화 열에 시간에 따라 변하는 공변량을 포함하지 마세요. 또한, 모델에 시간에 따라 변하는 공변량이 있는 경우 MCF 플롯을 사용하여 적합도를 확인하지 마세요.</DIV> <DIV> </DIV> <BR /> Re: JMP 18 Standard의 재귀 분석

안녕,

답변 감사합니다. 정말 도움이 됩니다. JMP 커뮤니티에서 답변 확인하라고 알려주는 이메일을 놓쳤네요. 답변이 늦어 죄송합니다.
저는 사이트를 그룹화 역할로 사용하지 않을 것입니다.

제가 분석을 수행하고 일부 결과를 제시했습니다. 매니저님께서 만족해하셨습니다. 정말 감사합니다.

다음 단계는 MCF의 COST(실제 금액)를 확인하여 봇 수리당 평균 금액을 확인하는 것입니다.

따라서 비용 역할 열에 수리를 나타내는 1 대신 금액을 입력할 계획입니다. 0은 검열 상태를 나타내는 값으로 유지됩니다.

봇 수리당 평균 비용을 분석하는 올바른 방법일까요? 다음은 비용 역할 열에 실제 비용이 포함된 데이터 샘플입니다.
저는 JMP 18 표준을 사용하고 있습니다.
감사해요.

Re: JMP 18 Standard의 재귀 분석

@차오젱0115 -san님, 다시 한번 답변 감사드립니다.

양수 비용을 지정할 수 있습니다. 비모수적 추정에서는 누적 비용이 계산됩니다. 모수적 추정에서는 비용이 로그 가능도 함수의 가중치로 사용됩니다.(수학적 세부 사항을 알고 싶으시다면, 더 자세히 설명해 드리고 싶으므로 답변 부탁드립니다.)

제가 상황을 오해해서 "시간 변동 효과"를 제대로 설명하지 못한 것 같습니다. 마지막 예시에서 "사이트" 열은 "시간 변동 효과"가 아닙니다."시간 가변" 효과는 각 ID 내에서 값이 변하는 효과입니다. 다음 데이터에서 사이트 열은 시간 가변 효과입니다.

로봇의 차이점을 오해한 것 같습니다. 모든 로봇이 버전, 종류, 등급이 같다고 가정하고 "ID"를 그룹화 효과나 모델 효과로 설정하지 않았습니다. (예를 들어, ID=001, ID=002, ID=003이 각각 스타워즈의 C-3PO, R2-D2, BB-8이라면, 이 세 로봇은 완전히 다른 종류입니다. 따라서 ID 열을 그룹화 열에 설정하고 모델 효과에도 포함해야 한다고 생각합니다.)

마지막 예시에서 "장소"는 "ID"와 완전히 혼동되었습니다. 따라서 장소 효과와 ID를 분리할 수 없습니다. (예를 들어, C-3PO는 사막에서만, R2-D2는 바다 근처에서만, BB-8은 편안한 건물 안에서만 작동했습니다. 따라서 ID 효과와 장소 효과를 분리할 수 없습니다.)

아직 상황을 오해하고 계시겠지만, 다음은 마지막 예시에 대한 분석 예시입니다. ID를 그룹화 열에 포함하여 ID=001과 002에 대한 비모수적 누적 비용을 각각 계산합니다. ID=003의 데이터는 고장이 하나뿐이므로 분석에서 제외합니다. 각 ID에 대해 모수적 로그선형 포아송 과정 모형을 적용했습니다. 이 모형을 기반으로 시간=300에서 ID=001의 누적 비용은 13,300.37로 추정되고, 시간=300에서 ID=002의 누적 비용은 550.007로 추정됩니다.

위의 분석에 사용한 마지막 예시인 데이터 테이블을 첨부합니다.

Re: JMP 18 Standard의 재귀 분석

안녕하세요, 빠른 답변 감사합니다. 오해하신 것이 아니며, 실제로 두 가지 유형의 봇이 있습니다. 저는 봇 유형의 효과를 보고 싶을 때 그룹화 효과에서 봇 유형을 사용합니다. 마지막 예시는 시간 공변량으로 사이트를 사용하지 않은 간단한 예시입니다. 오해는 없으시고, 우려하시는 부분도 이해합니다.

우도 함수의 가중치에 대한 돈은 어떻게 작동하는지 감이 잡히는 것 같습니다. 비용을 가중치로 사용하면 더 비싼 사건이 누적 합계뿐만 아니라 적합 모델을 형성하는 데 더 중요하게 작용합니다. 이제 수학적인 부분은 다루지 않고 비용 함수에 돈을 쓰겠습니다. 행운을 빕니다.

Re: JMP 18 Standard의 재귀 분석

@차오젱0115 -san 님, 다시 한번 답변 감사드립니다.

다행입니다. 재귀 분석과 관련하여 추가 질문이 있으시면 다시 질문하시거나 이 스레드에 답글을 남겨주세요.

Re: JMP 18 Standard의 재귀 분석

안녕,
잘 지내시길 바랍니다.
비용 열의 달러 가치를 테스트했습니다. 비용은 수리 이벤트의 스케일링/가중치와 유사하기 때문입니다. 곡선은 이동했지만 예상치 못한 결과는 나타나지 않았습니다.

또 다른 과제는 향후 수리 및 비용을 예측하는 것입니다. JMP에서 재발을 예측에 사용하는 것이 좋은 방법이라고 생각하십니까? 저는 로그선형 NHPP 모델을 사용해 왔는데, 적합 곡선이 빠르게 수렴하여 예측 결과가 좋지 않을 수 있다는 것을 알게 되었습니다.
비례 NHPP 모델을 사용해 볼 수 있을 것 같습니다. 다만 선택의 폭이 좁고, 재귀 분석을 사용한 예측은 정확하지 않은 것 같습니다.

예측을 할 수 있는 다른 분석이 있나요?
감사해요.

Re: JMP 18 Standard의 재귀 분석

사랑하는 조정 님-

우연히 이 스레드를 보게 되었습니다. JMP 웹사이트에서 아주 유용한 학습 자료를 찾아볼 수 있습니다. 일반적인 신뢰성에 대해서는 Learn JMP - JMP 사용자 커뮤니티를 확인해 보세요. 수리 가능한 시스템 분석에 대해서는 제 동료인 Jerry Fish가 진행한 아주 좋은 웨비나를 참고했습니다. 다음 링크에서 확인하실 수 있습니다: 수리 가능한 시스템의 신뢰성 분석 .

도움이 되길 바랍니다!

최상의,

백인

Re: JMP 18 Standard의 재귀 분석

안녕하세요-
Charlie의 게시물에 추가
Learn JMP에는 엄청난 양의 유용한 리소스가 있습니다.

이 링크를 확인하세요 https://community.jmp.com/t5/Learn-JMP-Events/수리 불가능한 시스템에 대한 신뢰성 분석/ec-p/810009#M452

또한 이 시리즈에는 재발에 대한 여러 세그먼트가 포함되어 있습니다 . https://community.jmp.com/t5/Deeper-Dives/A-Deeper-Dive-into-Reliability-Analysis-for-Repairable-Systems/ta-p/738833

Re: JMP 18 Standard의 재귀 분석

안녕하세요 yusuke_ono
잘 지내시길 바랍니다. 답글에 이런 생각이 떠올랐어요.

'"t"까지 관찰했고, 로봇이 "t" 시점에 실패했다면, Cost=0인 마지막 행은 포함할 필요가 없습니다. 대신 Cost=1인 마지막 행을 포함해야 합니다.

제 질문은 봇들이 "t" 시점 이전에 실패해서 쓰레기가 된다면 어떻게 될까요? 그 봇들도 포함해야 할까요?

제 경우를 예로 들면, 봇이 100번의 거래에서 실패했는데(시간 대신 거래 횟수를 사용하고 있습니다), 수정이 불가능했고, 제가 관찰하기 전에 발생한 문제입니다. 이 봇의 경우 100번의 거래에서 1을 입력하겠습니다. 이 봇은 수정이 불가능하므로 0은 입력하지 않겠습니다. 제 말이 맞나요? 현재로서는 관찰 전에 실패하고 수정되지 않은 봇은 포함되지 않았습니다. 해당 봇들을 포함해야 할지 알려주세요. 감사합니다.