Arrhenius 加速失效对数正态模型
在 Devalt.jmp 数据中，通过加热对单元施加压力以便使它们很快发生故障，从而获取足够的失效数来拟合分布。
注意：Devalt.jmp 中的数据来自 Meeker and Escobar (1998, p. 493)。
1. 选择帮助 > 样本数据库，然后打开 Reliability/Devalt.jmp。
首先，使用“二元”平台来查看时间使用对数尺度的温度-小时数图。
2. 选择分析 > 以 X 拟合 Y。
3. 选择小时数并点击 Y，响应。
4. 选择温度并点击 X，因子。
5. 点击确定。
温度对数-小时数的二元图
接下来，使用生存平台针对每个温度生成数据的对数正态图。
6. 选择分析 > 可靠性和生存 > 生存。
7. 选择小时数并点击 Y，事件时间。
8. 选择删失并点击删失。
9. 选择温度并点击分组。
10. 选择权重并点击频数。
11. 点击确定。
12. 点击“乘积限生存拟合”旁边的红色小三角并选择对数正态图和对数正态拟合。
13. 点击确定。
对数正态图
接下来，使用“拟合参数生存”平台来使用温度的一个效应拟合一个模型。
14. 选择分析 > 可靠性和生存 > 拟合参数生存。
15. 选择小时数并点击事件时间。
16. 选择 x 并点击添加。
17. 选择删失并点击删失。
18. 选择权重并点击频数。
19. 将分布类型改为对数正态。
20. 点击运行。
“Devalt”参数输出
结果显示数据的回归拟合：
‒ 若只有一个效应并且它是连续的，则显示作为该效应的函数的生存图。线分别对应 0.1、0.5 和 0.9 生存概率。
‒ 若效应列有用其他一列表示的公式（如本示例中的情况），图按内部列来进行绘制。在本示例中，效应是列 x，但是按温度（x 是其函数）来绘制图。
最后，获取外推到温度为 10 摄氏度（对应时间为 30000 和 10000 小时）的生存概率估计值。
21. 点击“参数生存拟合”红色小三角并选择估计生存概率。
22. 将估计生存概率 中所示的值输入“估计生存对话框”。
10 度的 Arrhenius 变换是 40.9853（即效应值）。
估计生存概率
23. 点击执行。
生存概率
“生存估计值”报表显示估计值和置信区间。