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

La fonction de densité de probabilité est située en haut à droite du diagramme de présentation de répartition.

Utilisez le diagramme de probabilité pour évaluer la manière dont la loi de distribution sélectionnée s'ajuste 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 un. Des valeurs de coefficients de corrélation élevées indiquent généralement que la loi fournit un bon ajustement.

Exemple de résultats

Interprétation

Pour les données relatives aux silencieux, la droite d'ajustement est calculée à partir d'une loi de Weibull avec un paramètre de forme de 5,76770 et un paramètre d'échelle de 82 733,7.

Dans cet exemple, les données semblent suivre la droite d'ajustement d'assez près ; la loi de Weibull peut donc être appropriée pour les données.