Le graphique de probabilité se trouve en haut à droite du graphique d’aperçu de la distribution.
Utilisez le graphique de probabilité pour évaluer à quel point la distribution que vous avez sélectionnée correspond à vos données. Si les points suivent la ligne ajustée, il est alors raisonnable d’utiliser cette distribution pour modéliser les données.
Les points du diagramme représentent les percentiles estimés à l'aide d'une méthode non paramétrique. Lorsque vous maintenez votre pointeur au-dessus d’un point de données, Minitab affiche le temps de défaillance observé et la probabilité cumulative estimée.
La ligne est basée sur la distribution ajustée. Lorsque vous maintenez votre pointeur au-dessus de la ligne ajustée, Minitab affiche un tableau de percentiles pour différents pourcentages.
La statistique d’Anderson-Darling (adj) mesure l’ajustement de la distribution. Des valeurs d’Anderson-Darling nettement plus petites indiquent généralement que la distribution correspond mieux aux données. Cependant, de légères différences peuvent ne pas être pratiquement pertinentes. De plus, les valeurs calculées pour différentes distributions peuvent ne pas être directement comparables. Par conséquent, vous devriez également utiliser le diagramme de probabilité et d’autres informations pour évaluer l’ajustement de la distribution.
Si vous utilisez la méthode d’estimation alternative — la méthode des moindres carrés (LSXY) — Minitab affiche un coefficient de corrélation de Pearson. Le coefficient de corrélation est un nombre positif qui ne peut être supérieur à 1. Des valeurs plus élevées de coefficients de corrélation indiquent généralement que la distribution offre un meilleur ajustement.
Exemples de résultats
Interprétation
Sur le graphique de probabilité des données des enroulements moteurs, les lignes ajustées pour les deux variables sont basées sur une distribution lognormale.
Pour chaque variable, les données semblent suivre la ligne ajustée. Par conséquent, la distribution lognormale semble être une distribution appropriée pour modéliser les données.
