パラメトリック成長曲線の推定オプションを指定する

統計 > 信頼性/生存時間 > 修復可能システム分析 > パラメトリック成長曲線 > 推定

推定法

分布パラメータを推定する方法を選択します。
最尤法
尤度関数を最大化して分布パラメータを推定します。
条件付きML
条件付き尤度関数を最大にして分布パラメータを推定します。この方法を使用すると、形状値の標準誤差および信頼区間の推定値のみ使用できます。
最小二乗
確率プロットの点に回帰線を適合して分布パラメータを推定します。 この方法を使用すると、標準誤差および信頼区間の推定値を使用できません。

各推定法で取得できる結果の詳細については、成長曲線のパラメータの推定を参照してください。

工程モデル

故障/修理率のトレンドが存在するかどうかに基づいて、工程モデルを選択します。
  • べき法則工程: べき法則工程を使用してデータをモデル化する場合にこのオプションを選択します。べき法則工程を使用すると、故障/修理率が増加または減少する、または一定である故障/修理時間をモデル化します。

    最尤推定法(デフォルト)を使用する場合、べき法則モデルはAMSAAモデルやCrow-AMSAAモデルとも呼ばれます。最小二乗推定法を使用する場合、べき法則モデル推定法はDuaneモデルとも呼ばれます。詳細については、パラメトリック成長曲線におけるパラメトリックモデルの方法と計算式を参照してください。

    • 形状パラメータを推定する: サンプルデータから形状パラメータを推定する場合に選択します。
    • 形状パラメータを設定する: 形状パラメータの値を指定する場合にこのオプションを選択します。ここで、正の数値定数を入力します。入力する値は、分布分析や過去の工程の知識に基づきます。
  • ポアソン工程: ポアソン工程を使用してデータをモデル化する場合にこのオプションを選択します。時間が経過しても変化しない故障/修理時間をモデル化するときに使用します。ポアソン工程は、修理システムの故障率を表す最も単純な統計的モデルです。ただし、この工程が適しているのは向上も劣化もないシステムのみで、この前提を満たすことは実際には困難です。

信頼区間

信頼水準

0~100の信頼水準を入力します。通常、95%の信頼水準が適切です。95%の信頼水準では、95%の信頼性をもって、真の母集団パラメータが区間内に含まれることを示します。つまり、母集団から100個のランダムサンプルを収集する場合、約95個のサンプルで母集団パラメータの実際の値を含む区間を得られると期待できます(すべてのデータが収集・分析される場合)。

90%などの低い信頼水準では、信頼区間が狭くなり、検定に必要なサンプルサイズや試験時間を減らすことができます。ただし、信頼区間に母集団パラメータが含まれる尤度は低くなります。

99%などの高い信頼水準では、信頼区間に母集団パラメータが含まれる尤度は増加します。ただし、有用な狭い信頼区間を得るには、検定でより大きなサンプルサイズまたはより長い試験時間が必要になる場合があります。

信頼区間

ドロップダウンリストで、両側信頼区間(両側)か片側信頼区間(下限または上限)のどちらを表示するかを示します。片側信頼区間は、一般的に結論に統計的な信頼性をもたせるために必要な観測値と試験時間を低減できます。多くの信頼性基準は最悪のケースシナリオで定義され、それを下限で表します。

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