Un ingénieur en aéronautique désire étudier la résistance de pare-brise d'avions à des impacts à différentes vitesses. L'ingénieur soumet un échantillon aléatoire de pare-brise à des projectiles lancés à huit vitesses différentes et note si les pare-brise résistent à l'impact.
L'ingénieur effectue une analyse Probit pour déterminer l'étendue de vitesses auxquelles un certain pourcentage de pare-brise se cassent lorsqu'ils reçoivent un projectile.
- Ouvrez le fichier de données échantillons, RésistancePare-brise.MWX.
- Sélectionnez .
- Sélectionnez Réponse en format événement/essai.
- Dans la zone Nombre d'événements, saisissez Ruptures.
- Dans la zone Nombre d'essais, saisissez N.
- Dans la zone Contrainte (stimulus), saisissez Contrainte.
- Dans la fonction Loi de distribution supposée, sélectionnez Normale.
- Cliquez sur OK.
Interprétation des résultats
Pour évaluer l'ajustement de la loi, l'ingénieur utilise un seuil de signification de 0,1. Les valeurs de p pour l'adéquation de l'ajustement (0,977 et 0,975) sont supérieures au seuil de signification, et les points du diagramme de probabilité suivent approximativement une ligne droite. Par conséquent, l'ingénieur peut supposer que le modèle qui utilise une loi normale fournit un ajustement correct pour les données.
Pour évaluer les effets significatifs, l'ingénieur utilise un seuil de signification de 0,05. Comme la valeur de p pour la contrainte (0,000) est inférieure au seuil de signification (0,05), l'ingénieur conclut que la vitesse du projectile a un effet statistiquement significatif sur le fait que le pare-brise se casse ou non.
Le tableau des percentiles indique que l'ingénieur peut être sûr à 95 % que 1 % des pare-brise connaîtront une défaillance à une vitesse comprise entre 300,019 et 501,649 mph.
Tableau de régression
| Variable | Coeff | Erreur type | Z | P |
|---|---|---|---|---|
| Constante | -6,20376 | 1,06565 | -5,82 | 0,000 |
| Contrainte | 0,0089596 | 0,0015615 | 5,74 | 0,000 |
| Naturel | ||||
| Réponse | 0 |
Tests d'adéquation de l'ajustement
| Méthode | Khi deux | DL | P |
|---|---|---|---|
| Pearson | 1,19972 | 6 | 0,977 |
| Somme des carrés des écarts | 1,22858 | 6 | 0,975 |
Estimations des paramètres
| IC normal de 95,0 % | ||||
|---|---|---|---|---|
| Paramètre | Estimation | Erreur type | Inférieur | Supérieur |
| Moyenne | 692,416 | 18,3649 | 656,421 | 728,410 |
| EcTyp | 111,612 | 19,4518 | 79,3167 | 157,058 |
Tableau des percentiles
| IC de référence à 95,0 % | ||||
|---|---|---|---|---|
| Pourcentage | Percentile | Erreur type | Inférieur | Supérieur |
| 1 | 432,767 | 45,8542 | 300,019 | 501,649 |
| 2 | 463,192 | 41,0355 | 345,266 | 525,291 |
| 3 | 482,496 | 38,0450 | 373,838 | 540,427 |
| 4 | 497,018 | 35,8391 | 395,242 | 551,902 |
| 5 | 508,830 | 34,0781 | 412,585 | 561,304 |
| 6 | 518,884 | 32,6067 | 427,289 | 569,364 |
| 7 | 527,699 | 31,3403 | 440,133 | 576,480 |
| 8 | 535,592 | 30,2277 | 451,589 | 582,896 |
| 9 | 542,771 | 29,2352 | 461,967 | 588,771 |
| 10 | 549,379 | 28,3398 | 471,482 | 594,217 |
| 20 | 598,480 | 22,4304 | 540,595 | 636,280 |
| 30 | 633,886 | 19,4337 | 587,639 | 669,400 |
| 40 | 664,139 | 18,1881 | 624,815 | 700,723 |
| 50 | 692,416 | 18,3649 | 656,409 | 733,152 |
| 60 | 720,692 | 19,8068 | 685,039 | 768,545 |
| 70 | 750,945 | 22,4716 | 713,104 | 808,979 |
| 80 | 786,351 | 26,5977 | 743,723 | 858,524 |
| 90 | 835,453 | 33,3805 | 783,926 | 929,497 |
| 91 | 842,060 | 34,3538 | 789,210 | 939,174 |
| 92 | 849,239 | 35,4233 | 794,925 | 949,712 |
| 93 | 857,132 | 36,6126 | 801,183 | 961,326 |
| 94 | 865,948 | 37,9558 | 808,140 | 974,328 |
| 95 | 876,002 | 39,5048 | 816,041 | 989,192 |
| 96 | 887,814 | 41,3455 | 825,280 | 1006,70 |
| 97 | 902,335 | 43,6350 | 836,585 | 1028,27 |
| 98 | 921,639 | 46,7171 | 851,535 | 1057,03 |
| 99 | 952,065 | 51,6465 | 874,954 | 1102,50 |
