Análisis de fallas electrónicas con PROC GLIMMIX

Este programa reproduce un análisis basado en los trabajos de Jorgenson (1961) y Frome et al. (1971). Compara los resultados de modelos de regresión de Poisson (distribución de Poisson) sin intercepto (noint). El script prueba el algoritmo de optimización Fisher Scoring (limitado a 10 iteraciones) con un enlace de identidad y luego un enlace logarítmico, y luego compara con la técnica de optimización predeterminada (Newton-Raphson).

Análisis de datos

Type : CREATION_INTERNE

Los datos 'failures' (x1, x2, y) se generan directamente en el código mediante la instrucción DATALINES.

1 Bloque de código

DATA STEP Data

Explicación :
Creación de la tabla SAS 'failures' que contiene las variables explicativas x1, x2 y la variable respuesta y (número de fallas) a través de datos internos.

¡Copiado!

1	DATA failures;
2	INPUT x1 x2 y;
3	DATALINES;
4	33.3 25.3 15
5	52.2 14.4 9
6	64.7 32.5 14
7	137.0 20.5 24
8	125.9 97.6 27
9	116.3 53.6 27
10	131.7 56.6 23
11	85.0 87.3 18
12	91.9 47.8 22
13	;

2 Bloque de código

PROC GLIMMIX

Explicación :
Ejecución de dos modelos GLIMMIX con el método de optimización 'Fisher Scoring' (opción scoring=10). El primer modelo utiliza un enlace de identidad y el segundo un enlace logarítmico. La visualización de ODS Graphics está activada para ver los residuos.

¡Copiado!

1	ods html;
2	ods graphics on;
3	title1 '* Fisher Scoring optimization technique up to iteration 10 *';
4	title2 '* Identity Link *';
5	PROC GLIMMIX DATA=failures scoring=10 plots=residualpanel;
6	model y = x1 x2 / noint dist=poisson link=identity covb s;
7	RUN;
8
9	title1 '* Fisher Scoring optimization technique up to iteration 10 *';
10	title2 '* Logarithm Link *';
11	PROC GLIMMIX DATA=failures scoring=10 plots=residualpanel;
12	model y = x1 x2 / noint dist=poisson link=log covb s;
13	RUN;
14	ods graphics off;
15	ods html close;

3 Bloque de código

PROC GLIMMIX

Explicación :
Ejecución de un tercer modelo GLIMMIX utilizando la optimización predeterminada (Newton-Raphson) con un enlace de identidad para comparar con los resultados anteriores.

¡Copiado!

1	title '* Newton-Raphson optimization technique. Hessian is used *';
2	PROC GLIMMIX DATA=failures;
3	model y = x1 x2 / noint dist=poisson link=identity covb s;
4	RUN;

Este material se proporciona "tal cual" por We Are Cas. No hay garantías, expresas o implícitas, en cuanto a la comerciabilidad o idoneidad para un propósito particular con respecto a los materiales o el código contenidos en este documento. We Are Cas no es responsable de los errores en este material tal como existe ahora o existirá, ni We Are Cas proporciona soporte técnico para el mismo.

Retour à la liste