censored data的威布尔三参数估计（RRX)

qinyu

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]

zhanghjspace

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。

Jack315

ReliaSoft的ALTA帮助文件中有详细的说明和公式。

qinyu

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]

Jack315

原帖由qinyu于2009-7-2211:42发表
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。

qinyu

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...

fuckit

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.

fuckit

PPPS.你在算medianrank的时候使用的是Benardapproximation,我用的是Blomapproximation.

Jack315

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。

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]

Jack315

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]