Especificar las opciones de estimación para Curva de crecimiento paramétrico

Estadísticas > Confiabilidad/supervivencia > Análisis de sistema reparable > Curva de crecimiento paramétrico > Estimar

Método de estimación

Seleccione un método para estimar los parámetros de distribución.
Máxima verosimilitud
Estime los parámetros de la distribución maximizando la función de probabilidad.
ML condicional
Estime los parámetros de distribución maximizando la función de verosimilitud condicional. Si usted utiliza este método, Minitab proporciona estimaciones de error estándar e intervalo de confianza solo para el valor de forma.
Mínimos cuadrados
Estime los parámetros de la distribución ajustando una línea de regresión a los puntos de una gráfica de probabilidad. Si usted utiliza este método, Minitab no proporciona estimaciones de error estándar e intervalos de confianza.
Nota

Para obtener más información sobre los resultados que usted puede obtener utilizando cada método de estimación, vaya a Estimación de parámetros para curvas de crecimiento.

Modelo de proceso

Seleccione un modelo de proceso con base en si existe una tendencia en la tasa de fallas/reparaciones.
  • Proceso de Ley de potencia: Seleccione esta opción para modelar los datos utilizando un proceso de ley de potencia. Utilice un proceso de ley de potencia para modelar los tiempos de fallas/reparaciones que tienen una tasa creciente, decreciente o constante. La tasa de reparaciones para un proceso de ley de potencia depende del tiempo.
    Nota

    Si usted utiliza el método de estimación de máxima verosimilitud (predeterminado), el proceso de ley de potencia también se conoce como modelo AMSAA o modelo Crow-AMSAA. Si utiliza el método de estimación de mínimos cuadrados, el método de estimación del modelo de ley de potencia también se conoce como modelo de Duane. Para obtener más información, vaya a Métodos y fórmulas para modelos paramétricos en Curva de crecimiento paramétrico.

    • Estimar parámetro de forma: Seleccione esta opción para que Minitab estime el parámetro de forma a partir de los datos de la muestra.
    • Establecer parámetro de forma: Seleccione esta opción para especificar el valor del parámetro de forma. Luego ingrese una constante numérica positiva. El valor que ingrese puede estar basado en el análisis de una distribución o el conocimiento histórico del proceso.
  • Proceso de Poisson: Seleccione esta opción para modelar los datos utilizando un proceso de Poisson. Utilice para modelar los tiempos de fallas/reparaciones que permanecen estables en el tiempo. El proceso de Poisson es el modelo estadístico más sencillo para describir la frecuencia de fallas de un sistema reparable. Sin embargo, solo es apropiado para un sistema que no mejore o se deteriore, supuesto que es difícil que se cumpla en la práctica.

Intervalos de confianza

Nivel de confianza

Ingrese un nivel de confianza entre 0 y 100. Por lo general, un nivel de confianza de 95% funciona adecuadamente. Un nivel de confianza de 95% indica que usted puede estar 95% seguro de que el intervalo contiene el parámetro de población real. Es decir, si recolectó 100 muestras aleatorias de la población, podría esperar que aproximadamente 95 de las muestras produzcan intervalos que contengan el valor real del parámetro de población (si todos los datos se pudieran recolectar y analizar).

Un nivel de confianza más bajo, como por ejemplo 90%, produce un intervalo de confianza más estrecho y puede reducir el tamaño de la muestra o el tiempo de las pruebas que se requiere. Sin embargo, la probabilidad de que el intervalo de confianza contenga el parámetro de población disminuye.

Un nivel de confianza más alto, como por ejemplo de 99%, aumenta la probabilidad de que el intervalo de confianza contenga el parámetro de población. Sin embargo, la prueba podría requerir un tamaño de muestra más grande o un tiempo de pruebas más largo para obtener un intervalo de confianza que sea suficientemente estrecho para ser útil.

Intervalos de confianza

En la lista desplegable, indique si desea que Minitab muestre un intervalo de confianza bilateral (Bilateral) o un intervalo de unilateral (Límite inferior o Límite superior). Un intervalo unilateral generalmente requiere menos observaciones y menos tiempo de pruebas para estar estadísticamente seguro sobre la conclusión. Muchos estándares de confiabilidad se definen en términos del escenario de la peor situación, que se representa por un borde inferior.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política