Methoden und Formeln für t-Karte

Wählen Sie die gewünschte Methode oder Formel aus.

Dargestellte Punkte

Jeder Punkt xi stellt die Zeitspanne zwischen aufeinander folgenden Ereignissen dar.

Mittellinie und Eingriffsgrenzen

Mittellinie

Die Mittellinie entspricht dem 50. Perzentil der Verteilung.

Untere Eingriffsgrenze (UEG)

Obere Eingriffsgrenze (OEG)

Notation

BegriffBeschreibung
Φkumulative Verteilungsfunktion der Standardnormalverteilung
INVinverse kumulative Verteilungsfunktion
KzAbstand von der Mittellinie in Einheiten der Standardabweichung einer Normalverteilung; der Wert, der für Test 1 verwendet wird

Schätzen der Verteilungsparameter

Mit der t-Karte werden die Zeitspannen zwischen aufeinander folgenden Ereignissen analysiert. Wenn die Daten als Datum und Uhrzeit von Ereignissen eingegeben wurden, konvertiert Minitab diese zunächst in die Anzahl der Tage zwischen aufeinander folgenden Ereignissen. Wenn alle Zeitspannen größer als null sind, schätzt Minitab die Verteilungsparameter mit Hilfe der Maximum-Likelihood-Methode, die unter „Verteilungsgebundene Analyse“ beschrieben wird.

Wenn eine oder mehrere Zeitspannen = 0

Eine Zeitspanne von null gibt an, dass zwei Ereignisse zeitgleich aufgetreten sind. Wenn eine oder mehrere Zeitspannen gleich null sind, schätzt Minitab die Parameter mit einer alternativen Methode.

Sei yi = die Zeitspanne (in Tagen) zwischen Ereignis i und Ereignis i – 1. xi sei wie folgt definiert:

Hierbei ist Rang(xi) der Rang (vom kleinsten zum größten angeordnet) von xi in x.

Für jedes yi = 0 müssen yi und xi aus den verbleibenden Berechnungen ausgeschlossen werden.

Weibull

Um die Parameter für die Weibull-Verteilung zu schätzen, transformieren Sie zunächst y und x, indem Sie jeweils den natürlichen Logarithmus bestimmen. Passen Sie anschließend mit Hilfe der einfachen linearen Regression das Modell y = β0 + β1x an. Die Skala für die Weibull-Verteilung wird als exp(β0) geschätzt, und die Form wird als 1 / β1 geschätzt.

Exponential

Die Skala für die Exponentialverteilung wird als Regressionskoeffizient β1 in der Gleichung für die einfache lineare Regression y = β1x geschätzt. Beachten Sie, dass der Schnittpunkt mit der y-Achse (β0) in diesem Modell nicht angepasst 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