Übersicht über Verteilungsidentifikation (beliebige Zensierung)

Verwenden Sie Verteilungsidentifikation (beliebige Zensierung), um zu ermitteln, welche Verteilung am besten an Ihre Daten angepasst ist, wenn Ausfalldaten mit beliebig zensierten Beobachtungen vorliegen.

Beliebig zensierte Daten umfassen linkszensierte Beobachtungen und/oder intervallzensierte Beobachtungen. Weitere Informationen finden Sie unter Zensieren von Daten.

In dieser Analyse können Sie die Anpassung von elf parametrischen Verteilungen beurteilen, mit denen Zuverlässigkeitsdaten häufig modelliert werden: kleinster Extremwert, Weibull, Weibull mit 3 Parametern, exponential, exponential mit 2 Parametern, normal, lognormal, lognormal mit 3 Parametern, logistisch, loglogistisch und loglogistisch mit 3 Parametern.

Minitab erstellt Wahrscheinlichkeitsnetze für die ausgewählten Verteilungen. Mit Hilfe der Wahrscheinlichkeitsnetze können Sie ermitteln, ob und welche der parametrischen Verteilungen für die Daten am besten passend sind. Darüber hinaus berechnet Minitab für jede Verteilung Perzentile und Werte für die mittlere Zeit bis zum Ausfall (MTTF); diese liefern zusätzliche Informationen, die beim Auswählen eines Verteilungsmodells für die Zuverlässigkeitsanalyse zu berücksichtigen sind. Anhand der Verteilungsidentifikation (beliebige Zensierung) können Sie auch feststellen, ob bei der weiteren Untersuchung der Daten eine verteilungsgebundene oder eine verteilungsfreie Analyse zu verwenden ist.