Salut,
mon
nom
est
Michel
Grincheux.
Je suis a statistique écrivain avec le Statistique Documentation Équipe à JMP,
et aujourd'hui, Je suis en allant à parler à propos un introduction
à censuré données analyse dans JMP et JMP Pro.
À commencer, nous avons a obtenu trois commun types de censure.
Juste à dos en haut a peu, censuré données se produire
quand toi ne le faites pas avoir un exact mesures pour un observation,
mais toi faire savoir a gamme pour le observation,
donc toi savoir pas le exact valeur,
mais toi faire savoir quelque chose à propos où le valeur pourrait être.
Quoi nous vouloir à faire par en utilisant censure dans notre analyses
est à utiliser que information que nous avoir, même si c'est pas exact.
Le trois types de censure que Bien parler à propos aujourd'hui
sont droite censure, gauche censure, et intervalle censure.
Droite censure est probablement le la plupart commun formulaire de censure.
Il se produit quand le événement de intérêt juste n'a pas avoir temps à se produire encore
par le fin de le étude.
Dans a fiabilité test,
toi pourrait avoir a bouquet de lumière ampoules en cours de test
et à le fin de le test période, quelques de eux avoir échoué.
Ceux sont exact observations, mais alors quelques n'ont pas échoué encore.
Toi savoir ils sont en allant à échouer,
mais ton étude a terminé, donc c'est censuré à que indiquer.
Même chose dans survie modèles
où a patient survit à le fin de le étude.
Un chose à note est que droite censure est le seulement taper que dans JMP,
prend en charge a célibataire réponse colonne à côté de de a binaire censurer colonne.
Le suivant taper est gauche censure.
C'est où le événement de intérêt se produit avant le observation commence.
A commun exemple de que serait être où toi mettre a bouquet de unités sous test
et à le temps que toi faire le d'abord inspection,
quelques de eux avoir déjà échoué.
Toi savoir que ils commencé sans a échec,
mais par le temps toi mesuré eux, toi à carreaux sur eux, ils avait échoué.
Donc ils échoué un jour avant que indiquer.
Un autre exemple de que est limité détection
où toi avoir a mesures outil
que ne peut pas mesure ci-dessous a certain seuil.
Le dernier taper Bien parler à propos aujourd'hui est intervalle censure.
Ce est où ton événement de intérêt ça arrive entre observation temps.
Si toi avoir a périodique inspection calendrier plutôt de continu observation,
toi pourrait voir que quelque chose échoue ou quelque chose ça arrive
entre temps deux et trois.
Il n'a pas arriver à temps deux et il n'a pas arriver à temps trois,
mais il était quelque part dans que intervalle.
Prendre a rapide regarder à quoi ce apparence comme dans JMP.
Voici un exemple de le droite censure
avec a réponse colonne et a censurer colonne.
Dans le plateformes que soutien censure,
toi toujours voir ce censurer rôle, c'est pour que binaire censure colonne.
Ce est le chemin que toi peut faire, toi peut spécifier censure plus en général,
lequel est avec deux réponse colonnes.
Essentiellement, c'est comme a commencer temps et un fin temps.
Pour gauche censure,
nous ne le faites pas savoir quand il arrivé, donc le commencer temps est manquant,
mais le fin temps, nous savoir il arrivé avant temps 50,
donc quelque part avant que.
Renversé que pour droite censure, nous savoir que à temps 25,
il n'avait pas arrivé encore, mais il arrivé un jour après que.
Alors avec intervalle,
les deux le commencer et points finaux sont non manquant,
mais nous ne le faites pas savoir quand le événement arrivé dans ce cas entre 80 et 150.
C'est pas montré dans le tableau en haut ici,
mais vers le bas ici, nous avons a obtenu quelque part il y a exact censure.
À spécifier que,
toi juste utiliser le même valeur dans les deux colonnes.
Que moyens essentiellement c'est comme un intervalle avec zéro largeur.
Il arrivé à que exact temps.
Suivant, étaient en allant à parler à propos deux exemples de censure.
Le d'abord est si toi avoir censure dans ton données,
mais peut être toi ne le faites pas savoir comment à poignée il,
et donc toi juste pense, "Je vais juste ignorer il."
Étaient en allant à regarder à quoi peut peut-être arriver quand toi faire que.
Dans ce exemple,
nous avons a obtenu simulé données depuis a log-normale distribution
et le observé données
que Bien utiliser pour analyse dans notre différent cas
est où tous le valeurs depuis le vrai données que sont sur 1 900, nous ensemble eux à 1 900,
comme c'est le censure temps pour c'est droite censure.
Là sont a peu possible des choses toi pourrait faire
si tu es en essayant à estimation ce signifier échec temps.
Toi pourrait faire rien.
Toi pourrait juste utiliser ce observé données avec a entier bouquet de valeurs ensemble à 1 900,
acte comme c'est quand il arrivé.
Toi pourrait traiter ceux comme manquant valeurs, juste baisse eux depuis ton données,
ou toi pourrait utiliser le censure information que toi avoir dans ton analyse.
Pour droite censure, ces d'abord deux approches
sont en allant à tendre à sous-estimer le signifier échec temps
parce que tu es goutte information depuis le données à que loin fin.
Regarder plus étroitement à ce, parce que ce est simulé données,
nous avoir le vrai distribution ici dans ce d'abord colonne.
C'est juste pour comparaison, mais dans général, toi ne serait pas avoir que
parce que tu aurais avoir que tous valeurs au-dessus de 1 900.
Toi ne le faites pas savoir où ces automne.
Dans notre observé ET,
ce est où nous juste utiliser tous le années 1900 comme valeurs de 1 900.
Nous avoir Non manquant valeurs,
mais a grand indiquer masse à le haut de notre distribution ici.
Toi peut voir que le signifier est a parcelle plus petit que le vrai signifier.
Dans ce manquant Y colonne, ce est où plutôt de traiter eux comme 1 900,
nous baisse eux.
Nous ensemble eux à manquant et analyser le distribution sans eux.
Ici toi peut voir que maintenant notre maximum de le non manquant valeurs
est moins que 1 900, lequel vraiment n'a pas faire n'importe lequel sens
parce que nous savoir que a bouquet de eux, 21 observations, dans fait,
sont quelques valeur plus grand que 1 900.
Donc ceci sous-estime le signifier même plus.
Alors sur le droite ici,
nous avons a obtenu un analyse dans vie distribution dans JMP.
Ce est où étaient en utilisant le observé Y colonne.
C'est a obtenu ceux années 1900,
mais étaient aussi en utilisant a censure colonne à côté de il.
Pour le rangées où observé Y est 1 900,
notre censurer colonne est en allant à dire que c'est a censuré observation.
Ici nous peut voir que notre signifier,
il en fait se termine en haut être a petit plus haut que le vrai signifier,
mais notre log-normale paramètre estimations sont beaucoup plus proche à le vrai valeurs
et étaient incorporation tous le information que nous avoir.
Pour notre suivant exemple, étaient en allant à regarder à détection limites.
Ce est a limite de détection problème
où nous avoir données sur le rendement de a pesticide
appelé Metacrate c'est basé sur niveaux de quelques autre régression variables.
Dans ce situation,
le mesures système que nous avoir a a inférieur limite de détection
où il ne peut pas mesure n'importe lequel rendements que sont moins que 1 %.
Donc dans le données, ils sont juste codé comme zéros,
mais il vraiment juste moyens c'est quelques rendement ci-dessous 1 %.
Là sont deux façons toi pourrait analyser ce
incorporation que information dans JMP.
Le d'abord, toi pourrait traiter il comme gauche censure,
utiliser deux réponse colonnes avec le d'abord le gauche colonne a a manquant valeur,
et le droite colonne serait être a un,
ou toi peut utiliser le détection limites colonne propriété
c'est nouveau dans JMP et JMP Pro.
Bien prendre a regarder à ce.
Voici a sous-ensemble de le données.
Ce Métacrate En lisant colonne est le même comme le original en lisant colonne,
mais c'est a obtenu a détection limites colonne propriété.
Parce que ce est a inférieur détection limite
où nous ne peut pas mesure n'importe lequel inférieur que que limite,
étaient en allant à ensemble le inférieur détection limite à un.
Le autre chemin toi pourrait faire ce est avec le deux colonnes.
Dans ce cas, nous savoir que c'est gauche censure,
donc le gauche côté est manquant et le supérieur côté de que est un,
juste moyens que le valeur est quelque part moins que un.
C'est tous nous savoir.
Mais comme toi peut voir depuis le colonne information fenêtre vers le bas ici,
le détection limites colonne propriété est reconnu par le distribution
et généralisé régression plate-forme.
Donc ce est a régression problème.
Bien utiliser généralisé régression dans JMP Pro.
Ici nous ajuster a log-normale réponse distribution,
et c'est capable à faire que sur ce Métacrate en lisant colonne,
même avec le zéros dans là,
parce que GenReg pas traiter ceux observations comme zéros,
c'est traiter eux comme valeurs censuré à un.
Maintenant, nous étaient capable à utiliser tous le information
et obtenir a régression modèle.
Dans conclusion, probablement, le la plupart important chose est
quand toi avoir censure information,
c'est mieux à utiliser il dans ton analyse que à ignorer il.
Censure peut se produire a parcelle de fois pour temps réponses,
mais il peut aussi se produire pour autre réponses.
A bien exemple de que est ces limité détection problèmes.
Enfin, toi peut utiliser le suivant approches
à spécifier censure dans JMP.
Il y a le à deux colonnes approche c'est probablement le la plupart flexible
parce que que permet toi à faire droite censure, gauche censure,
intervalle censure, comme Bien comme a mélanger de tous trois de ceux.
Pour droite censure, toi peut utiliser le un colonne réponse
jumelé avec a binaire indicateur colonne pour censure.
Il y a aussi ce nouveau colonne propriété dans JMP pour détection limites
où toi peut ensemble a limite de détection soit sur le faible côté ou le haut côté.
Nous avons a obtenu a peu références ici si tu es intéressé dans plus information.
Un de ceux est a Découverte parler I a fait dans 2017
c'est a obtenu plus de le arrière-plan de comment le censure information est utilisé
dans le calculs de ces analyses.
C'est il. Remercier toi.
