发布日期: 08/07/2020

寿命分布:统计量

“统计学”报表包括以下子报表:

模型比较

数据汇总

非参数估计值

参数估计值 - <分布名称>(为您在“比较分布”报表中选择的每个分布显示一个报表)

模型比较

“模型比较”报表为每个拟合分布都提供 AICc、-2对数似然和 BIC 统计量。以上每个统计量的值越小指示拟合效果越好。有关这些统计量的详细信息,请参见《拟合线性模型》中的似然、AICc 和 BIC

最初,这些行按 AICc 排序。要更改用于对该报表排序的统计量,请点击“寿命分布”红色小三角并选择比较准则。有关该选项的详细信息,请参见“寿命分布”报表选项

数据汇总

“数据汇总”报表显示观测的总单元数、未删失单元数,以及右删失、左删失和区间删失单元的数目。

非参数估计值

“非参数估计值”报表显示每个观测的非参数估计值。对于指定为单个“事件时间”列的右删失数据,该报表提供以下信息:

中点估计

已调整中点的 Kaplan-Meier 估计值。

95% 下限,95% 上限

点态 95% 置信区间。您可以通过从报表选项中选择“更改置信水平”来更改置信水平。

联合 95% 下限 (Nair),联合 95% 上限 (Nair)

联合 95% 置信区间。您可以通过从报表选项中选择“更改置信水平”来更改置信水平。请参见 Nair (1984) 和 Meeker and Escobar (1998)。

Kaplan-Meier 估计值

标准 Kaplan-Meier 估计值。

若失效时间由两个“事件时间”列表示,该报表提供 Turnbull 估计值(在称为“估计值”的列中)、点态置信区间和联合置信区间 (Nair)。

有关非参数估计值的详细信息,请参见非参数拟合

参数估计值 - <分布名称>

为拟合的每个分布都显示称为“参数估计值 - <分布名称>”的报表。该报表提供分布的参数估计值、估计值的标准误差和置信区间。出现在“模型比较”报表中的准则会显示在“准则”下方。

注意:只要提供均值估计值,它的置信区间就计算为 Wald 区间,即便您在启动窗口中将“似然”选作“置信区间方法”也是如此。在这种情况下,符号“均值(Wald 置信区间)”会显示在“参数”列中,指示均值的置信区间为 Wald 区间。

有关如何将分布参数化的详细信息,请参见参数分布

“参数估计值”报表包含以下报表:

协方差矩阵

刻画器

通过从“参数估计值”红色小三角菜单中选择报表选项,可添加其他报表。其中包括“固定参数”、“Bayes 估计”、“定制估计”(估计概率、估计分位数)和“剩余寿命均值”报表。请参见“参数估计值”选项

协方差矩阵

对于每个分布,“协方差矩阵”报表都显示估计值的协方差矩阵。

刻画器

为每个分布显示四种刻画器:

“分布刻画器”显示作为时间的函数的累积失效概率。

“分位数刻画器”显示作为累积概率的函数的失效时间。

“危险率刻画器”显示作为时间的函数的危险率。

“密度刻画器”显示分布的密度函数。

刻画器包含以下红色小三角选项:

置信区间

“分布”、“分位数”和“危险率”刻画器显示所绘函数的基于 Wald 的置信曲线。该选项显示或隐藏置信曲线。

重置因子网格

为每个因子显示一个窗口,允许您为因子的当前设置输入特定值,锁定该设置,以及控制网格的各方面。请参见《刻画器指南》中的重置因子网格

因子设置

提供包含若干选项的菜单。请参见《刻画器指南》中的因子设置

注意:刻画器中提供的置信区间基于 Wald 方法,即便您在启动窗口中将“似然”选作“置信区间方法”也是如此。这是为了减少计算时间。

“参数估计值”选项

“参数估计值”红色小三角菜单包含以下选项:

保存概率估计值

将估计的失效概率和置信区间保存至数据表。

保存分位数估计值

将估计的分位数和置信区间保存至数据表。

保存危险率估计值

将估计的危险率值和置信区间保存至数据表。

显示似然等高线

显示或隐藏对数似然函数的等高线图。若已选择 Weibull 分布,则针对 alpha-beta 参数化显示另外一个等高线图。该选项仅适用于具有两个参数的分布。

显示似然刻画器

显示或隐藏对数似然函数的刻画器。该选项不适用于阈值 (TH) 分布。

固定参数

打开一个报表,可在其中指定参数的值。输入固定参数值,选中对应的复选框,然后点击更新。JMP 基于新参数重新估计其他参数、协方差和刻画器,并在“固定参数”报表中显示它们。无约束模型的分布刻画器显示在固定参数模型的分布刻画器下方。有关竞争原因情形下的示例,请参见将固定参数模型指定为原因的分布

对于 Weibull 分布,固定参数选项支持您选择 Weibayes 方法。有关示例,请参见Weibayes 估计值。 Weibayes 选项不适用于区间删失数据。

Bayes 估计

为基于先验分布的三种指定方法(先验位置和尺度、先验分位数和参数以及先验失效概率)的特定分布执行 Bayes 参数估计。请参见Bayes 估计 - <分布名称>。该选项仅适用于以下分布:对数正态、Weibull、对数 Logistic、Fréchet、正态、最小极值、Logistic、最大极值。

定制估计

提供计算器来支持您预测失效概率、生存概率以及特定时间和失效概率值的分位数。每个计算的数量都包括置信区间,置信区间可以是双侧也可以是单侧(任意方向)。显示两个报表:“估计概率”和“估计分位数”。请参见定制估计

剩余寿命均值

提供一个计算器来支持您估计单元的剩余寿命均值。在“剩余寿命均值计算器”中,输入“时间”并按 Enter 键以查看估计值。点击加号可输入其他时间。该计算器仅适用于以下分布:对数正态、Weibull、对数 Logistic、Fréchet、正态、最小极值、Logistic、最大极值和指数。

Bayes 估计 - <分布名称>

对于特定分布,您可以拟合 Bayes 模型。这是使用 Markov Chain Monte Carlo (MCMC) 算法完成的。具体而言,该平台尝试一个基本的拒绝抽样器。若拒绝抽样器生成有效结果,则报告这些结果。若拒绝抽样器不能生成有效的结果,则平台使用随机漫步 Metropolis-Hastings 算法,并在“Bayes 估计”报表的顶部添加注释。请参见 Robert and Casella (2004)。

从“参数估计值 - <分布名称>”报表分级显示项中,选择 Bayes 估计。这将打开名为“Bayes 估计 - <分布名称>”的分级显示项。初始报表是一个控制面板,您可在其中指定先验参数并控制模拟的各个方面。

工作流程如下:

从“Bayes 估计”红色小三角菜单中选择一种先验规格方法,并设置先验参数值。请参见“Bayes 估计”红色小三角选项

指定模拟选项。请参见Bayes 估计 - 结果 <N>

选择“拟合模型”以拟合模型。请参见Bayes 估计 - 结果 <N>

“Bayes 估计”红色小三角选项

您可以从“Bayes 估计”红色小三角菜单中选择以下先验规格方法:

先验位置和尺度

支持您为一般参数(位置和尺度参数)的先验分布指定超参数。选择“先验分布”红色小三角菜单以便为每个参数选择一种分布。您可以为先验超参数输入新值。提供的初始值是与 MLE 一致的估计值。请参见Bayes 估计的先验分布

先验分位数和参数

支持您指定有关分位数和尺度参数(若参数拟合为 Weibull,则指定 Weibull b)的先验信息。分位数由“概率”旁边的值定义。“概率”默认值为 0.10,但您可以指定对应于所关注分位数的值。采用每个先验分布的范围的 99% 上下限的形式,指定有关先验信息的信息。请参见 Meeker and Escobar (1998)。提供的初始值是与 MLE 一致的估计值。请参见Bayes 估计的先验分布

先验失效概率

支持您指定有关两个不重复时间点的失效概率的先验信息。您可以指定两个时间点。每个时间点的先验分布为 Beta 分布。您可以使用以下两种同步方法之一指定先验分布:

1. 按估计值和误差百分比指定失效概率。可使用概率估计值和估计值误差来指定每个 Beta 先验分布的先验信息。请参见 Kaminskiy and Krivtsov (2005)。

2. 指定失效概率估计值范围。您可以采用以下方式指定两个 Beta 分布的 99% 范围:

对于每个失效时间,输入 99% 下限与 99% 上限的初始值。

点击图中的垂直线段并将它们拖放到您的两个时间点。调整每个标记的垂直散布以指定 99% 限值。

模拟选项

对于您在“Bayes 估计”红色小三角菜单中选择的任何先验规格方法,都会在面板底部显示以下选项:

Monte Carlo 迭代次数

控制老化过程后从后验分布中抽取的样本大小。

随机种子

设置模拟的初始状态。默认情况下,它是时钟时间。该数字应为大于 1 的正整数。若指定 1,则使用当前时钟时间。

显示先验散点图

选择该选项可从先验分布中抽取随机样本并在散点图中标绘结果。选择“拟合模型”后,该散点图将显示在“Bayes 估计 - 结果 <N>”报表中名为“先验散点图”的分级显示项中。

叠加似然等高线

在“Bayes 估计结果”报表中的散点图上叠加基于似然的等高线。

拟合模型

基于 JMP 使用您指定的值拟合的先验分布,估计后验寿命分布。添加名为“Bayes 估计 - 结果 <N>”的报表,其中,N 是一个对“Bayes 结果”报表连续编号的整数。

Bayes 估计 - 结果 <N>

一旦使用某一个红色小三角菜单选项指定了先验值,请选择“拟合模型”。会为每个先验选择都提供一个“Bayes 估计 - 结果 <N>”报表。该报表包含以下标题:

先验

记录您为拟合 Bayes 模型而在“Bayes 估计”报表中输入的指定内容。“先验”报表还指定随机种子。

后验估计

显示五个边缘统计量和一个联合统计量,用于描述一般参数(位置和尺度参数)的后验分布。边缘统计量包括:中位数、0.025 分位数(下限)、0.975 分位数(上限)、均值以及从 Monte Carlo 样本中计算得出的标准差。列在“联合 HPD”下方的参数值是联合后验密度达到最大时所对应的值。使用“先验分位数和参数”规格生成后验估计值时,该表还包括分位数和斜率 b(对于 Weibull 分布)的后验估计值。

要基于一般参数的后验估计值计算其他派生变量的统计量,请点击“导出 Monte Carlo 样本”链接。

先验散点图

当您在点击“拟合模型”前选择“显示先验散点图”时出现。显示与分布的先验规格方法关联的参数或等价量的先验散点图。

后验散点图

显示与分布的先验规格方法关联的参数或等价量的后验散点图。

刻画器

显示基于后验分布中的样本的两个刻画器。

“分布刻画器”中显示的在给定时间 t 的值计算如下:

对于后验分布中的每组抽样参数值,计算累积分布函数在时间 t 的值。

预测值是这些计算值的中位数。

置信上限和置信下限分别为这些计算值的 0.025 和 0.975 分位数。

“分位数刻画器”中显示的图和置信限以类似方式获取。对于给定的“概率”值 p,从与后验参数值关联的分布中计算与 p 对应的分位数。

Weibayes 仅适用于零失效数据

在零失效情形下,没有任何单元失效。所有观测都右删失。若您有零失效数据,则可能执行 Bayes 估计或 Weibayes 推断。请参见Weibayes 报表

注意:默认情况下,使用 Weibayes 方法分析零失效数据。若想要对零失效数据执行更广泛的 Bayes 分析,请选择文件 > 首选项 > 平台 > 寿命分布,然后取消选中 Weibayes 仅适用于零失效数据

定制估计

“定制估计”选项生成两个报表:“估计概率”和“估计分位数”。“估计概率”报表包含一个计算器,该计算器支持您预测特定时间值的失效和生存概率。“估计分位数”报表包含一个计算器,该计算器支持您预测特定失效概率值的分位数。为每个估计的数量都同时显示基于 Wald 和基于似然的置信区间。这些区间的置信水平由“寿命分布”红色小三角菜单中的更改置信水平选项确定。

估计概率

在“估计概率”计算器中,输入“时间”的值。按 Enter 键可查看失效概率和生存概率的估计值以及相应的置信区间。要计算多个概率估计值,请点击加号,在框中输入另一个“时间”值,然后按 Enter 键。点击减号可删除最后一个条目。

“估计概率”计算器包含一个选项“侧”,该选项支持您更改区间格式。选择以下子选项之一:

双侧

提供失效概率和生存概率的双侧置信区间。

失效概率上限

提供包含失效概率上限和生存概率下限的单侧置信区间。

失效概率下限

提供包含失效概率下限和生存概率上限的单侧置信区间。

估计分位数

在“估计分位数”报表中,输入“失效概率”的值。按 Enter 键可查看分位数估计值和相应的置信区间。要计算多个分位数估计值,请点击加号,在框中输入另一个值,然后按 Enter 键。点击减号可删除最后一个条目。

“估计分位数”计算器包含一个选项“侧”,该选项支持您更改区间格式。选择以下子选项之一:

双侧

提供分位数的双侧置信区间。

下限

提供包含分位数下限的单侧置信区间。

上限

提供包含分位数上限的单侧置信区间。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).