パラメトリック成長曲線のトレンド検定

パラメトリック成長曲線モデルを適合させる場合は、データに良好に適合するモデルを選択します。トレンド検定の仮説は次のようになります。
  • H0: トレンドがない(斉次ポアソン工程)
  • H1: トレンドがある(非斉次ポアソン工程)

Minitabには、デフォルトで、MIL-Hdbk-189(合算)、MIL-Hdbk-189(TTTベース)、ラプラス(合算)、ラプラス(TTTベース)、およびAnderson-Darlingの5つのトレンド検定が用意されています。詳細は、トレンド検定(適合度検定)を参照してください。

出力例

トレンド検定 MIL-Hdbk-189 ラプラス TTTベース 併合 TTTベース 併合 Anderson-Darling 検定統計量 378.17 378.28 0.86 -0.40 0.94 p値 0.107 0.448 0.388 0.688 0.389 自由度 424 400

解釈

空調データの場合、適合度検定のp値は0.107、0.448、0.388、0.688、および0.389です。すべてのp値がα = 0.05より大きいため、エンジニアはデータにトレンドがあるという証拠が十分ではないと結論付けます。この結果は、べき法則工程の1の形状と一致します。

べき法則工程によって適切に適合できますが、データに傾向がなければ、2-パラメータモデルを使用する必要はありません。そこで、より単純な斉次ポアソン工程を使用してこれらのデータをモデル化することを検討します。

本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください