Die meisten meiner jüngsten Analysen von Lebensdauerverteilungen umfassten Verteilungen mit DS- und/oder ZI-Komponenten. JMP unterstützt nur wenige DS- und ZI-Verteilungen, und die Unterstützung ist plattformübergreifend inkonsistent (Lebensdauerverteilung, Überleben, Verteilung). Ich habe in JMP keine einzige Verteilung gefunden, die gleichzeitig DS- und ZI-Komponenten enthält, obwohl meine Daten dies tun. Daher war ich gezwungen, die Analyse außerhalb von JMP durchzuführen. Dies untergräbt mein Wertversprechen für JMP erheblich.
DS und ZI sind effektiv entartete Modi, die in andere Verteilungen eingemischt werden. Die Life Distribution-Plattform unterstützt bereits generell Mischungen. Anstatt eine kombinatorisch große Menge neuer DS-, ZI- und DSZI-Verteilungen hinzuzufügen, schlage ich vor, DS und ZI als Modi hinzuzufügen, die als Mischungen verfügbar sind.
Mit relativ geringem Entwicklungsaufwand können wir so DS Exponential, DSZI normal, ZI Frisch usw. modellieren und die entarteten Modi von anderen Modi in einer Mischung entkoppeln. Zum Beispiel DS + Normal + Weibull im Gegensatz zur Unterscheidung zwischen DS Normal + Weibull und DS Weibull + Normal oder DS + Weibull + Weibull im Gegensatz zu DS Weibull + Weibull.
Für uns als Nutzer wäre es ein weiterer Vorteil, Statistiken für diese gemischten Verteilungen jederzeit verfügbar zu haben. Wenn ich diese Analysen außerhalb von JMP durchführe, verliere ich den einfachen Zugriff auf Vorhersageintervalle, d. h. Intervalle für die Zuverlässigkeit zum Zeitpunkt t oder Intervalle für die B5-Lebensdauer. Die Integration der entarteten Modi in das Mischungstool für die Lebensdauerverteilung wäre eine einfache Möglichkeit, auf all diese Funktionen zuzugreifen.
Idealerweise könnten andere Plattformen in ähnlicher Weise verbessert werden, sowohl für die Verteilungsanalyse als auch für die Erwartungswertanalyse (Monte Carlo, Sensitivität usw.).
