표시점은 분포에 따라 달라지지 않으므로 생성된 모든 확률도에 대해 변환 전과 동일하게 됩니다. 그러나 적합선은 선택한 모수 분포에 따라 달라집니다. 따라서 확률도를 사용하여 특정 분포가 데이터를 적합시키는지 여부를 평가할 수 있습니다. 일반적으로 적합선에 점이 가까울수록 데이터에 보다 잘 적합되는 분포입니다.
데이터에 같은 수명(동일 수명)이 포함되어 있으면 모든 점(기본값), 평균(중위수) 또는 동일 수명에 대한 최대 누적 백분율이 표시됩니다. 같은 값에 고장 및 중단이 포함되어 있으면 중단 전에 고장이 발생한 것으로 간주됩니다.
이러한 각 방법은 수명을 나타내는 랜덤 변수 T에 대한 누적분포함수인 F(t)의 비모수 추정치를 생성합니다.
관측치 n개의 표본에 대해 x(1), x(2),...,x(n)을 순서 통계량 또는 가장 큰 값에서 가장 작은 값으로 정렬된 데이터로 설정합니다. 그런 다음 i는 I번째 관측치 x(I)의 순위입니다. 각 방법에 대한 공식은 다음과 같습니다.
가장 큰 관측치가 관측 중단되지 않은 경우 Kaplan-Meier 방법은 가장 큰 관측 중단되지 않은 관측치에 대해 p = 1이라는 결과를 낳습니다. 이 경우, 가장 큰 관측치에 대한 Kaplan-Meier 추정치는 그림에 사용할 수 없는 숫자를 생성합니다. 가장 큰 p를 이전 p와 1 간 거리의 90%로 재계산하면 이 문제가 해결됩니다.
임의 관측 중단 데이터의 경우 Minitab에서는 Turnbull method1를 사용하여 누적 확률을 추정합니다.
용어 | 설명 |
---|---|
i | 데이터 점의 순위(같은 값에 연속적 순위가 지정됨) |
n | 데이터의 관측치 수 |
δj | j번째 관측치가 관측 중단된 경우 0, j번째 관측치가 관측 중단되지 않은 경우 1 |
ARi | |
AR0 | 0과 같음 |
p'i |
분포 | x 좌표 | y 좌표 |
---|---|---|
최소 극단값 분포 | 수명 | ln(–ln(1 – p)) |
Weibull 분포 | ln(수명) | ln(–ln(1 – p)) |
3-모수 Weibull 분포 | ln(수명 – 분계점) | ln(–ln(1 – p)) |
지수 분포 | ln(수명) | ln(–ln(1 – p)) |
2-모수 지수 분포 | ln(수명 – 분계점) | ln(–ln(1 – p)) |
정규 분포 | 수명 | Φ –1 (p) |
로그 정규 분포 | ln(수명) | Φ –1 (p) |
3-모수 로그 정규 분포 | ln(수명 – 분계점) | Φ –1 (p) |
로지스틱 분포 | 수명 | |
로그 로지스틱 분포 | ln(수명) | |
3-모수 로그 로지스틱 분포 | ln(수명 – 분계점) |
용어 | 설명 |
---|---|
Φ –1 | 표준 정규 분포의 역 누적분포함수 |
ln (x) | x의 자연 로그 |