수명 데이터 회귀 분석에 대한 백분위수와 확률 추정

통계분석 > 신뢰성/생존 분석 > 수명 데이터 회귀 분석 > 추정치
백분위수 및 확률 추정
  • 새 예측 변수 값 입력: 새 값 또는 새 값 열을 입력합니다. 새 예측 변수 값 개수는 모형의 예측 변수 개수와 같아야 합니다. 첫 번째 값이나 열은 모형의 첫 번째 변수에 해당하고, 두 번째 값이나 열은 두 번째 변수에 해당하는 식입니다. 예를 들어, 단위에 대한 설계 값 또는 정상적인 현장 조건을 입력할 수 있습니다.
  • 데이터의 예측 변수 값 사용(저장만): 백분위수 및/또는 생존 확률을 추정하려면 데이터의 예측 변수 값을 사용합니다. 결과를 얻으려면 백분위수, 신뢰 한계, 표준 오차, 확률 중 하나 이상을 저장하도록 지정해야 합니다.
백분율에 대한 백분위수 추정
백분위수를 추정할 백분율을 입력합니다. 백분위수에 대한 백분율은 특정 시간 안에 고장날 것으로 예상되는 품목의 백분율입니다. 그러므로 입력하는 각 값은 0과 199 사이여야 하고 고장날 단위의 백분율을 나타내야 합니다. n번째 백분위수에는 해당 값 이하의 관측치 n%, 해당 값 이상의 관측치 (100-n)%가 있습니다.
기본적으로 50번째 백분위수가 추정됩니다. 주어진 예측 변수 값에 대한 제품 수명의 처음, 중간 및 끝을 보려면 10 50 90(10번째, 50번째, 90번째 백분위수)을 입력합니다. 그러면 단위의 10%, 50% 및 90%가 고장나는 데 걸리는 시간이 추정됩니다.
백분위수 저장
백분위수, 백분위수의 표준 오차 또는 백분위수에 대한 신뢰 한계를 저장할 것인지 여부를 지정합니다. Minitab에서는 값을 워크시트의 별도 열에 저장합니다.
시간에 대한 확률 추정
생존 확률 또는 누적 고장 확률을 추정할 시간을 입력합니다.
  • 생존 확률 추정: 주어진 시간 이상 생존하는 단위의 비율을 추정합니다. 이 값은 제품이 신뢰도 요구를 만족하는지 여부를 확인하거나 둘 이상의 제품 설계에 대한 신뢰도를 비교할 때 사용합니다. 자세한 내용은 생존 확률의 정의에서 확인하십시오.
  • 누적 고장 확률 추정: 주어진 시간 전에 단위가 고장날 확률을 추정합니다. 누적 고장 확률은 1 - 생존 확률입니다.
확률 저장
확률(생존 또는 누적 고장의 경우) 또는 확률에 대한 신뢰 한계를 저장할 것인지 여부를 지정합니다. Minitab에서는 값을 워크시트의 별도 열에 저장합니다.
신뢰 수준

0과 100 사이의 신뢰 수준을 입력합니다. 일반적으로 95%의 신뢰 수준이 효과적입니다. 95% 신뢰 수준은 구간에 실제 모집단 모수가 포함된다고 95% 확신할 수 있다는 것을 나타냅니다. 즉, 모집단에서 100개의 랜덤 표본을 수집한 경우 표본의 약 95%가 모집단 모수의 실제 값이 포함되는 구간을 생성한다고 예상할 수 있습니다(모든 데이터를 수집하고 분석할 수 있는 경우).

신뢰 수준이 더 낮으면(예: 90%) 더 좁은 신뢰 구간을 생성하며 필요한 표본 크기 또는 검사 시간이 감소할 수 있습니다. 그러나 신뢰 구간에 모집단 모수가 포함될 확률은 감소합니다.

신뢰 수준이 더 높으면(예: 99%) 신뢰 구간에 모집단 모수가 포함될 확률이 증가합니다. 그러나 유용하기에 충분히 좁은 신뢰 구간을 얻으려면 검정에 더 큰 표본 크기 또는 더 긴 검사 시간이 필요할 수도 있습니다.

신뢰 구간

드롭다운 리스트에서 양측 신뢰 구간(양측)을 표시할 것인지, 단측 신뢰 구간(하한 또는 상한)을 표시할 것인지 선택합니다. 단측 신뢰 구간의 경우 일반적으로 더 적은 수의 관측치와 더 짧은 검사 시간으로 결론에 대해 통계적으로 확신할 수 있습니다. 많은 신뢰도 표준이 하한으로 표시되는 최악의 시나리오 관점에서 정의됩니다.

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오