확률밀도함수는 분포 개관 그림의 오른쪽 상단 모서리에 있습니다.
선택된 분포가 데이터를 얼마나 잘 적합하는지 평가하려면 확률도를 사용합니다. 점이 적합선을 따르면 해당 분포를 사용하여 데이터를 모형화하는 것이 타당합니다.
그림의 점은 비모수 방법을 기반으로 추정된 백분위수입니다. 데이터 점에 포인터를 놓으면 관측된 수명과 추정된 누적 확률이 표시됩니다.
선은 적합된 분포에 바탕을 두고 있습니다. 적합선 위에 포인터를 놓으면 다양한 백분율에 대한 백분위수 표가 표시됩니다.
Anderson-Darling(수정) 통계량은 분포의 적합도를 측정합니다. 상당히 작은 Anderson-Darling 값은 일반적으로 해당 분포가 데이터에 더 적합하다는 것을 나타냅니다. 그러나 약간의 차이는 실제로 관련이 없을 수도 있습니다. 또한 여러 분포에 대해 계산된 값을 직접 비교할 수 없을 수도 있습니다. 따라서 확률도 및 기타 정보를 사용하여 분포 적합도를 평가해야 합니다.
대체 추정 방법, 즉 최소 제곱(LSXY) 추정 방법을 사용하면 Pearson 상관 계수가 표시됩니다. 상관 계수는 값이 1을 초과할 수 없는 양수입니다. 상관 계수의 값이 클수록 일반적으로 해당 분포가 데이터를 더 잘 적합하다는 것을 의미합니다.
출력 예
해석
소음기 데이터의 경우 적합선은 형상 모수 = 5.7677이고 척도 모수 = 82733.7인 Weibull 분포에 바탕을 두고 있습니다.
이 예제에서 데이터는 적합선에 가깝게 붙어 있으므로 Weibull 분포가 해당 데이터에 대한 적절한 선택인 것 같습니다.
