Diagramme de probabilité - Analyse paramétrique pour la fonction Diagramme de présentation de répartition (troncature à droite)

Le diagramme de probabilité est situé en haut à droite du diagramme de présentation de répartition.

Utilisez le diagramme de probabilité pour évaluer l'ajustement de la loi de distribution à vos données. Si les points suivent la droite d'ajustement, il est raisonnable d'utiliser cette loi de distribution pour modéliser les données.

Les points du diagramme représentent les percentiles estimés à l'aide d'une méthode non paramétrique. Lorsque vous maintenez le pointeur sur un point de données, Minitab affiche le temps de défaillance observé et l'estimation de probabilité cumulée.

La droite correspond à la loi de distribution ajustée. Lorsque vous maintenez le pointeur sur la droite d'ajustement, Minitab affiche un tableau des percentiles pour divers pourcentages.

La statistique d'Anderson-Darling (ajusté) mesure l'ajustement de la loi de distribution. Des valeurs d'Anderson-Darling nettement plus petites indiquent généralement que la loi de distribution s'ajuste mieux aux données. En revanche, les petites différences peuvent ne pas être pertinentes dans la pratique. Par ailleurs, les valeurs calculées pour les diverses lois peuvent ne pas être directement comparables. Par conséquent, vous devez utiliser le diagramme de probabilité et d'autres informations pour évaluer l'ajustement de la loi.

Si vous utilisez l'autre méthode d'estimation (méthode des moindres carrés (Mcarrés XY)), Minitab affiche un coefficient de corrélation de Pearson. Le coefficient de corrélation est un nombre positif qui ne peut pas être supérieur à 1. Des coefficients de corrélation élevés indiquent généralement que la loi fournit un meilleur ajustement aux données.

Exemple de résultats

Interprétation

Sur le diagramme de probabilité pour les données d'enroulements de moteur, les droites d'ajustement des deux variables sont calculées pour une loi log-normale.

Pour chaque variable, les données semblent suivre la droite d'ajustement. Par conséquent, la loi log-normale semble appropriée pour modéliser les données.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique