Angeben von Optionen zum Schätzen für Verteilungsgebundene Wachstumskurve

Statistik > Zuverlässigkeit/Lebensdauer > Analyse reparierbarer Systeme > Verteilungsgebundene Wachstumskurve > Schätzen

Schätzmethode

Wählen Sie eine Methode zum Schätzen der Verteilungsparameter aus.
Maximum-Likelihood
Die Verteilungsparameter werden durch Maximieren der Likelihood-Funktion geschätzt.
Bedingte ML
Die Verteilungsparameter werden durch Maximieren der bedingten Likelihood-Funktion geschätzt. Wenn Sie diese Methode verwenden, ermittelt Minitab Schätzwerte für Standardfehler und Konfidenzintervall nur für die Form.
Kleinste Quadrate
Die Verteilungsparameter werden durch Anpassen einer Regressionslinie an die Punkte in einem Wahrscheinlichkeitsnetz geschätzt. Wenn Sie diese Methode verwenden, ermittelt Minitab keine Schätzwerte für Standardfehler und Konfidenzintervalle.
Hinweis

Weitere Informationen zu den Ergebnissen, die mit den einzelnen Schätzmethoden erhalten werden können, finden Sie unter Schätzen von Parametern für Wachstumskurven.

Prozessmodell

Wählen Sie ein Prozessmodell anhand des Vorhandenseins eines Trends in der Ausfall-/Reparaturrate aus.
  • Power-Law-Prozess: Wählen Sie diese Option aus, um die Daten mit einem Power-Law-Prozess zu modellieren. Modellieren Sie mit einem Power-Law-Prozess Ausfall-/Reparaturzeiten bei steigender, sinkender oder konstanter Rate. Die Reparaturrate bei Power-Law-Prozessen ist eine Funktion der Zeit.
    Hinweis

    Bei Verwendung der Maximum-Likelihood-Schätzmethode (Standardmethode) wird das Power-Law-Modell auch als AMSAA-Modell oder Crow-AMSAA-Modell bezeichnet. Wird die Schätzmethode der kleinsten Quadrate verwendet, wird die Schätzmethode des Power-Law-Modells auch als Duane-Modell bezeichnet. Weitere Informationen finden Sie unter Methoden und Formeln für verteilungsgebundene Modelle in Verteilungsgebundene Wachstumskurve.

    • Formparameter schätzen: Wählen Sie diese Option aus, wenn Minitab den Formparameter aus den Stichprobendaten schätzen soll.
    • Formparameter festlegen: Wählen Sie diese Option aus, um den Wert des Formparameters anzugeben. Geben Sie anschließend eine positive numerische Konstante ein. Der eingegebene Wert kann auf einer Verteilungsanalyse oder auf historischen Kenntnissen über den Prozess beruhen.
  • Poisson-Prozess: Wählen Sie diese Option aus, um die Daten mit einem Poisson-Prozess zu modellieren. Modellieren Sie hiermit Ausfall-/Reparaturzeiten, die über die Zeit stabil bleiben. Der Poisson-Prozess ist das einfachste statistische Modell zum Beschreiben der Ausfallrate in einem reparierbaren System. Er eignet sich jedoch nur für ein System, das sich weder verbessert noch verschlechtert, und diese Annahme trifft in der Praxis nur äußerst selten zu.

Konfidenzintervalle

Konfidenzniveau

Geben Sie ein Konfidenzniveau zwischen 0 und 100 ein. In der Regel ist ein Konfidenzniveau von 95 % gut geeignet. Ein 95%-Konfidenzniveau deutet darauf hin, dass Sie sich zu 95 % sicher sein können, dass das Intervall den tatsächlichen Parameter der Grundgesamtheit enthält. Wenn Sie beispielsweise 100 Zufallsstichproben aus der Grundgesamtheit erfasst haben, können Sie erwarten, dass Sie für ungefähr 95 Stichproben Intervalle erhalten, die den tatsächlichen Wert für den Parameter der Grundgesamtheit enthalten (wenn sämtliche Daten erfasst und analysiert werden könnten).

Ein niedrigeres Konfidenzniveau (z. B. 90 %) erzeugt ein schmaleres Konfidenzintervall und kann den benötigten Stichprobenumfang oder die erforderliche Testzeit für den Test verringern. Die Wahrscheinlichkeit, dass das Konfidenzintervall den Parameter der Grundgesamtheit enthält, nimmt jedoch ab.

Ein höheres Konfidenzniveau (z. B. 99 %) steigert die Wahrscheinlichkeit, dass das Konfidenzintervall den Parameter der Grundgesamtheit enthält. Für den Test sind jedoch möglicherweise ein größerer Stichprobenumfang oder eine längere Testzeit erforderlich, wenn ein hinreichend schmales und damit aussagekräftiges Konfidenzniveau erhalten werden soll.

Konfidenzintervalle

Wählen Sie in der Dropdownliste aus, ob Minitab ein beidseitiges Konfidenzintervall (Beidseitig) oder ein einseitiges Konfidenzintervall (Untergrenze bzw. Obergrenze) anzeigen soll. Für ein einseitiges Intervall sind im Allgemeinen weniger Beobachtungen und eine kürzere Testzeit erforderlich, um die Schlussfolgerung mit statistischer Sicherheit zu ziehen. Viele Zuverlässigkeitsstandards beziehen sich auf den ungünstigsten Fall, der anhand einer Untergrenze dargestellt wird.

Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien