censored data的威布尔三参数估计(RRX)
如题,我自己做了一下completeddata的RRX估计(没考虑suspendeddata),completeddata的威布尔三参数的RRX估计方法比较简单,F(xi)可以用中位秩法求出来,可是对于censoreddata,中位秩法比较麻烦,不知道有没有人做过?[本帖最后由qinyu于2009-8-311:38编辑]
回复 1楼 qinyu 的帖子
截尾数据有两种,一种是时间截尾,一种是数量截尾。最常见的是时间截尾。我以前给老板处理过一批数据,就是时间截尾的。这些都有现成的计算公式可参考,记得里面有好些中间变量,算起来挺麻烦。找一本叫“XX可信性分析”的书看看吧,上面都有。 ReliaSoft的ALTA帮助文件中有详细的说明和公式。
怎样能看到ReliaSoft 的ALTA帮助文件
我看不到ReliaSoft的ALTA帮助文件,在weibull.com上有讲到一些,不过不太清楚。有人有关于截尾数据的威布尔三参数的RRX估计方法吗?[本帖最后由qinyu于2009-7-2212:08编辑] 原帖由qinyu于2009-7-2211:42发表http://www.kekaoxing.com/club/images/common/back.gif
我看不到ReliaSoft的ALTA帮助文件,在weibull.com上有讲到一些,不过不太清楚。有人有关于截尾数据的威布尔三参数的RRX估计方法吗?
到Reliasoft网站申请一个试用版:
http://www.reliasoft.com
记不清楚这部分内容是在ALTA还是Weibull++的帮助文件中了。建议LZ把这两个软件的试用版都申请下吧。
请教:weibull三参数的RRX算法?
网上查了好些,都没有详细的,自己算出来的和weibull++的不一样。继续求教中... 对于censoreddata的处理方法:1.首先,censored的数据是medianrank的
2.将你的rawdata排序,rank(包括censoreddata)
3.将第二步的rank取reverse(就是原来是12345排列,现在54321)
4.求adjustedrank.AdjustedRank=(Reverserank×previousadjustedrank+n+1)/(1+reverserank).记得第一步讲的censored的数据不要包括.
下面是个案例:
T InvRank AdjRank F(t) lnln(1/R) ln(t)
20 20 1 0.031 -3.46252411 2.995732274
25 19 2 0.080 -2.481113501 3.218875825
30+ 18
35+ 17
41 16 3.12 0.135 -1.927346692 3.713572067
53 15 4.24 0.191 -1.553523917 3.970291914
60 14 5.35 0.246 -1.265387834 4.094344562
75 13 6.47 0.301 -1.026863607 4.317488114
80 12 7.59 0.356 -0.82011417 4.382026635
84 11 8.71 0.411 -0.634857221 4.430816799
95 10 9.82 0.467 -0.464463002 4.553876892
128 9 10.94 0.522 -0.304220783 4.852030264
130 8 12.06 0.577 -0.150435391 4.86753445
139 7 13.18 0.632 0.000138165 4.934473933
152 6 14.29 0.687 0.150757938 5.023880521
176 5 15.41 0.743 0.305242595 5.170483995
176 4 16.53 0.798 0.468905801 5.170483995
180 3 17.65 0.853 0.650721094 5.192956851
200+ 2 - -
200+ 1 - -
这个方法只在rightcensored数据上用过,left和interval可能不适用.
PS.我没用过它来处理WeibullIII,不过我想应该没问题.
pps.我看了lz附件中案例,不晓得你为什么要用WeibullIII.你的数据在图上很明显成一条直线,这表明不需要location参数. PPPS.你在算medianrank的时候使用的是Benardapproximation,我用的是Blomapproximation. 下面是根据LZ给的数据,用Weibull++做出来的结果:
CurrentResultsMatrix
MatrixOrder:
DISTRIBUTIONRanking
Exponential15
Exponential21
Weibull22
Weibull33
Normal1
Lognormal4
CalculationResults:
Step1
InitializingData..........
CalculatingOneparameterExponential
Lambda=1.8052E-02
Done..Exponential1
Done..Exponential2
CalculatingTwoparameterExponential
Lambda=5.5711E-02
Gamma=27
CalculatingNormal
Mean=40.6652547
Std=10.8640851
Done..Normal
CalculatingLognormal
LMean=3.69724368
LStd=.304466611
Done..Lognormal
CalculatingTwoparameterWeibull
Beta=4.52734293
Eta=44.0665713
Done..Weibull2
CalculatingThreeparameterWeibull
Beta=1.94898883
Eta=25.7653368
Gamma=19.135
Done..Weibull3
CommentsduringCalculations:
Step3iscompleted!
Column1presentstherankingofdistributions.
Youmaypress<ImplementSuggestion>
toimplementthetoprankingdistribution.
ENDOFWeibull++'S
DISTRIBUTIONWIZARD'SREPORT
优先采用的分布为二参数的指数分布(三参数的威布尔分布也在上述报告中)。
============================================================
2009-7-26
上次数据输入错误:L。
MedianRank的计算也进行了更正,并得到了验证(见12楼)。
在14楼重新给出Weibull++做出的结果。
[本帖最后由Jack315于2009-7-2601:47编辑]
参考资料
相关资料可参考下列网址“在线图书”中的内容:http://www.chinarel.com/rsChina/
以及下列网址中的相关内容:
http://www.weibull.com/lifedatawebcontents.htm
[本帖最后由Jack315于2009-7-2515:24编辑]