非参数分布分析(任意删失)

该分析根据寿命数据估计生存曲线,其中失效往往只知道发生在两次检验之间。数据按 Start 列和 End 列输入,其空白或已填写的单元格决定精确、区间、左或右删失。它使用 Turnbull 估计,即 Kaplan-Meier 的推广。输出包括各区间的失效概率、生存概率、包含中位数的区间以及生存图。

最后审阅

核心要点

非参数分布分析(任意删失)使用 Turnbull 法,根据包含精确失效、区间删失、左删失和右删失失效的检验数据估计生存曲线,且不假定任何分布。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

非参数分布分析(任意删失)在不假定任何分布的情况下,根据检验型寿命数据估计产品的生存曲线。数据可以混合精确失效、在两次检验之间发现失效的单元(区间删失)、在第一次检查时已失效的单元(左删失),以及最后一次观察时仍在工作的单元(右删失)。可用它直接从数据中读出各检验时间点的存活比例和中位寿命,或用于检查参数拟合。

主要功能

  • 数据按 Start 列和 End 列输入;空白与已填写单元格的组合方式决定每一行的删失类型。
  • 生存曲线的 Turnbull 估计,即 Kaplan-Meier 对区间删失和左删失数据的推广,计算方式与 Minitab 一致。
  • 估计将失效置于其中的每个区间的失效概率,以及该区间末端的生存概率。
  • 包含中位寿命的区间。
  • Turnbull 估计的生存图。

统计方法

每一行根据其 Start 和 End 值解读:Start = End 为精确失效;Start < End 为在 Start 之后至 End 之内某处发生的失效(区间删失);End 为空表示在 Start 处右删失;Start 为空表示在 End 处左删失。当仅知道失效位于某些区间内时,不能直接使用 Kaplan-Meier 方法。Turnbull 法找出使观测到的区间最有可能出现的分布(非参数极大似然估计)。概率只能位于 Turnbull 的最内层区间:即把所有 Start 和 End 值排序后,从某个左端点到下一个右端点之间的间隔。工具先在这些区间上赋予相等的概率,然后重复自洽(EM)步骤,将每个单元按当前概率比例分配到其自身区间内的各最内层区间,并对各单元取平均,直到概率不再变化。

表中针对每个获得概率的最内层区间,列出其 Lower 和 Upper 限(* 表示开区间端点)、该区间内的 Probability of Failure,以及其末端的 Survival Probability,即 1 减去累计总和。该估计说明每个区间内有多少概率,但不说明在区间内的哪个位置,因此中位数以生存概率降至 0.5 或以下的那个区间表示,并且与 Minitab 一样不给出均值。生存图在每个区间的末端绘制相应的下降。

不提供置信界限:Turnbull 估计没有 Greenwood 类型的简单方差公式,工具会在说明中指出这一点。若需要生存或百分位数的置信界限,请使用参数分布分析(任意删失)拟合分布。

输入字段和选项

字段

说明

Start column

必填。最后已知正常的时间,或精确失效时间。将某一行的 Start 留空,表示该行为左删失。

End column

必填。首次已知失效的时间,或精确失效时间。将某一行的 End 留空,表示该行为右删失。Start = End 表示精确失效;Start < End 表示区间删失。必须与 Start column 不同。

nonparametric-distribution-analysis-arbitrary-censoring-inputs


图 1 — 示例的选项:检验数据位于 Start 列和 End 列。

输出说明

  • Censoring table——未删失、左删失、区间删失和右删失值的个数。
  • Characteristics——Median,以包含它的区间给出(例如介于 50 和 60 之间)。
  • Notes——说明该估计给出每个区间内的失效概率,但不说明在区间内的哪个位置,说明置信界限不可用,以及中位数不可估计的情形。
  • Turnbull table——每个区间的 Lower、Upper、Probability of Failure 和 Survival Probability。
  • Turnbull Survival Plot——生存估计随时间变化的曲线,在时间 0 处从 1 开始。
  • 通过 Download 导出 PDF。

nonparametric-distribution-analysis-arbitrary-censoring-output


图 2 — 每 10 小时检查一次的 50 个绕组的 Turnbull 估计:直至 70 小时的各检验区间内失效概率为 0.08、0.10、0.16、0.26 和 0.12,80 小时后的生存概率为 0.252,中位数介于 50 和 60 小时之间。

计算示例

涡轮发动机绕组在 80 °C 下进行试验,但自 30 小时起仅每隔 10 小时检验一次。本示例使用以这种方式记录的、与右删失示例相同的 50 个绕组:4 个在第一次检验时被发现失效(左删失,End = 30),33 个在之后某次检验时被发现失效(区间删失,例如 Start = 50,End = 60),13 个在失效前被移除(右删失,End 为空)。工程师希望在不假定分布的情况下得到存活到各检验时间点的比例,并选择 Start 和 End 分别作为 Start 列和 End 列。

失效概率在 30 小时之前为 0.08,30 至 40 小时之间为 0.10,40 至 50 之间为 0.16,50 至 60 之间为 0.26,60 至 70 之间为 0.12,因此估计的生存概率在 30 小时为 0.92,40 小时为 0.82,50 小时为 0.66,60 小时为 0.40,70 小时为 0.28。最大的一组共 13 个绕组,在 50 至 60 小时之间失效。在 70 至 80 小时之间发现的唯一一次失效,只可能发生在 73、77 和 79 小时被移除的绕组之后,因此估计将其置于 79 至 80 小时之间,概率为 0.028,使 80 小时后的生存概率为 0.252。最后一行 105 至 * 容纳剩余的 0.252:这些绕组都在失效前被移除,因此数据只能说明它们会在 105 小时之后失效。中位数位于 50 至 60 小时之间,即生存概率降到 0.5 以下的那个区间。

这些数值与根据精确失效时间得到的 Kaplan-Meier 估计(50 小时生存概率为 0.66,60 小时为 0.40,中位数为 55 小时)很接近,因此每 10 小时检验一次损失的信息很少,仅丢失了每个区间内失效发生的具体位置。若需要基于模型的估计、置信界限、单一的中位数或检验时间点之间的百分位数,下一步是参数分布分析(任意删失)。

常见问题

什么是 Turnbull 估计量?

Turnbull 估计量将 Kaplan-Meier 方法推广到区间删失和左删失数据。它通过重复自洽(EM)步骤,直到分配给 Turnbull 最内层区间的概率不再变化,找出使观测到的区间最有可能出现的分布,即非参数极大似然估计。

如何输入任意删失数据?

使用 Start 列和 End 列。Start 等于 End 为精确失效;Start 小于 End 为在该区间内某处发生的失效(区间删失);End 为空表示在 Start 处右删失;Start 为空表示在 End 处左删失。空白与已填写单元格的组合方式决定每一行的删失类型。

为什么中位数以区间的形式给出?

Turnbull 估计说明每个区间内有多少概率,但不说明失效发生在区间内的哪个位置。因此中位数以生存概率降至 0.5 或以下的那个区间表示,并且不给出均值。

非参数任意删失分析是否给出置信界限?

不给出。Turnbull 估计没有 Greenwood 类型的简单方差公式,因此不提供置信界限。若需要生存或百分位数的置信界限,或检验时间点之间的单一中位数,请使用参数分布分析(任意删失)拟合分布。