Les valeurs Var (EMaxV) et Cov sont les variances et covariances des EMaxV de valeurs μ, σ, α et β extraites de l'élément approprié de l'inverse de la matrice des informations de Fisher.
Lorsque les spécifications de l’analyse incluent la taille de l’échantillon, l’analyse résout l’erreur type du centile. Dans ce cas, la formule suivante donne la variance asymptotique du percentile :
Avar(tp) = Avar(MLE*)
Lorsque les spécifications de l’analyse incluent la taille de l’échantillon, l’analyse résout l’erreur type du centile. Dans ce cas, la formule suivante donne la variance asymptotique du logarithme népérien du percentile :
Avar(tp) = (tp)2Avar(ln(tp))
Terme | Description |
---|---|
tp | percentile |
EMaxV* | estimation du maximum de vraisemblance (EML) de tp |
Avar(EMaxV*) | variance asymptotique de l'EMaxV au niveau de contrainte d'usage |
Φ-1normale | CDF inverse de la loi normale |
Dboppeste | distance entre l’estimation et la limite supérieure |
Dlegere | distance entre l’estimation et la limite inférieure |
Lorsque les spécifications de l’analyse incluent la taille de l’échantillon, l’analyse résout l’erreur type de la fiabilité. Dans ce cas, la formule suivante donne la variance asymptotique de la fiabilité :
Avar(Fiabilité) = (φ(zMLE*))2Avar(zMLE*)
Distribution | ϕ |
---|---|
Log-normale ou normale | PDF de la distribution normale |
Log-logistique ou logistique | PDF de la distribution logistique |
Weibull, plus petite valeur extrême, ou exponentielle | PDF de la plus petite distribution de valeurs extrêmes |
Terme | Description |
---|---|
EMaxV* | estimation du maximum de vraisemblance (MLE) du temps normalisé (ZMLE*) |
ZMLE* pour les distributions de valeurs normales, logistiques et les plus petites valeurs extrêmes | temps normalisé = (t − μ) / σ |
ZMLE* pour les distributions de Weibull, exponentielle, lognormale et loglogistique | temps normalisé = (ln(t) − μ) / σ |
Avar(EMaxV*) | variance asymptotique de l'EMaxV |
Φ-1normale | CDF inverse de la loi normale |
Dboppeste | distance entre l’estimation et la limite supérieure |
Dlegere | distance entre l’estimation et la limite inférieure |