Igualdade de parâmetros para Análise de distribuição paramétrica (censura à direita)

Teste para igualdade dos parâmetros de escala e de local

É possível testar se dois ou mais conjuntos de dados são provenientes da mesma distribuição (população). Se os conjuntos de dados são da mesma distribuição, eles devem ter parâmetros iguais.

Um teste do qui-quadrado simultâneo determina se os parâmetros de distribuição para dois conjuntos de dados são significativamente diferentes uns dos outros. Compare o valor-p com o valor-α predeterminado.
  • Se o valor-p é menor do que o valor-α, é possível concluir que pelo menos um dos parâmetros de distribuição para os conjuntos de dados é significativamente diferente.
  • Se o valor-p é maior do que o valor-α, não é possível concluir que os parâmetros de distribuição para os conjuntos de dados t são significativamente diferentes.

Se os conjuntos de dados forem provenientes de diferentes distribuições (o valor-p é menor do que o valor-α), analise os resultados dos testes individuais para os parâmetros de igualdade de forma (ou igualdade de localização) e igualdade de escala. Usando os resultados dos testes individuais, é possível determinar se as diferenças entre as distribuições ocorrem no parâmetro de escala (forma para a distribuição Weibull), no parâmetro de localização (escala para distribuição Weibull) ou em ambos os parâmetros.

Saída do exemplo

Teste para os Parâmetros de Igualdade de Escala e Localização Qui-Quadrado GL P 18,6468 2 0,000

Interpretação

Para os dados de enrolamentos de motor, o teste é se o tempo até à falha a 80 °C e o tempo até a falha a 100 °C são provenientes da mesma distribuição.

Como o valor-p de 0,00 para o teste simultâneo é menor do que o valor-α de 0,05, é possível concluir que pelo menos um dos parâmetros para a distribuição para 80° C é significativamente diferente dos parâmetros para o tipo antigo de silenciador de distribuição para 100 °C. Por conseguinte, os dois conjuntos de dados não provêm da mesma distribuição.

Teste para igualdade dos parâmetros de escala

Se o teste simultâneo para igualdade dos parâmetros de escala e de localização indicarem uma diferença estatisticamente significativa, o teste para igualdade dos parâmetros de escala pode ajudar a determinar se as diferenças entre as distribuições ocorrem dentro dos parâmetros de escala.

Um teste do qui-quadrado determina se os parâmetros de escala para os dois conjuntos de dados são significativamente diferentes uns dos outros. Compare o valor-p com o valor-α predeterminado. Se você estiver testando mais de um parâmetro de uma distribuição, como a localização e a escala, ajuste o valor-α para explicar vários testes. Neste exemplo, dois parâmetros são testados, de modo que o valor-α para cada teste é 0,05/2 = 0,025.
  • Se o valor-p for menor do que o valor-α, é possível concluir que os parâmetros de escala para os conjuntos de dados são significativamente diferentes. Quando existir uma diferença significativa, analise os intervalos de confiança de Bonferroni para os parâmetros a fim de identificar a magnitude das diferenças no parâmetro entre as distribuições.
  • Se o valor-p for maior do que o valor-α, não é possível concluir que os parâmetros de escala para os conjuntos de dados são significativamente diferentes.

Saída do exemplo

Teste para os Parâmetros de Igualdade de Escala Qui-Quadrado GL P 5,29599 1 0,021

Interpretação

Para os dados dos enrolamentos do motor, o teste é se o tempo até a falha a 80 °C tem o mesmo parâmetro de escala que o tempo até a falha a 100 °C.

Como o valor-p de 0,021 é menor do que o valor-α de 0,025, é possível concluir que os parâmetros de escala para a distribuição do tempo de falha a 80 °C e a 100 °C sejam significativamente diferentes. Examine os intervalos de confiança de Bonferroni para os parâmetros de escala para identificar a magnitude das diferenças nos parâmetros de escala entre as duas distribuições.

Teste para igualdade dos parâmetros de local

Se o teste simultâneo para igualdade dos parâmetros de escala e de localização indica uma diferença estatisticamente significativa, examine o teste para igualdade de parâmetros de localização a fim de determinar se as diferenças entre as distribuições ocorrem dentro dos parâmetros de localização.

Um teste do qui-quadrado simultâneo determina se os parâmetros de localização para os dois conjuntos de dados são significativamente diferentes uns dos outros. Compare o valor-p com a seu valor-α predeterminado. Se você estiver testando mais de um parâmetro de uma distribuição, como a localização e a escala, ajuste o valor-α para explicar vários testes. Neste exemplo, dois parâmetros são testados, de modo que o valor-α para cada teste é 0,05/2 = 0,025.
  • Se o valor-p for menor do que o valor-α, é possível concluir que os parâmetros de localização para os conjuntos de dados são significativamente diferentes. Se houver uma diferença significativa, analise os intervalos de confiança de Bonferroni para os parâmetros a fim de identificar a magnitude das diferenças no parâmetro entre as distribuições.
  • Se o valor-p for maior do que o valor-α, não é possível concluir que os parâmetros de localização para os conjuntos de dados são significativamente diferentes.

Saída do exemplo

Teste para os Parâmetros de Igualdade de Localização Qui-Quadrado GL P 11,2988 1 0,001

Interpretação

Para os dados dos enrolamentos do motor, o teste é se o tempo até a falha a 80 °C tem o mesmo parâmetro de localização que o tempo até a falha a 100 °C.

Como o valor-p de 0,001 é menor do que o valor-α de 0,025, é possível concluir que os parâmetros de localização para a distribuição do tempo de falha a 80 °C e a 100 °C sejam significativamente diferentes. Examine os intervalos de confiança de Bonferroni para os parâmetros de localização para identificar a magnitude das diferenças nos parâmetros de localização entre as duas distribuições.

Intervalos de confiança de Bonferroni para os parâmetros de forma ou escala

Se um teste para a igualdade de parâmetros de escala ou igualdade de parâmetros de forma indicar uma diferença estatisticamente significativa, examine os intervalos de confiança de Bonferroni para determinar a magnitude da diferença.

Também é possível comparar os intervalos para várias amostras para saber quais parâmetros são diferentes. Se o intervalo de confiança para a razão de dois parâmetros contiver 1, então é possível concluir que os dois parâmetros são diferentes.

Saída do exemplo

Bonferroni 95,0% (indiv 97,50%) Simultâneo IC Parâmetro de escala para Temp80 dividido em: Variável Inferior Estimativa Superior Temp100 1,011 1,503 2,236

Interpretação

Para os dados de enrolamentos de motor, os valores prováveis para o parâmetro de escala de Temp100 variam de 1,011 a 2,236 vezes aqueles do parâmetro de escala para Temp 80, com a proporção estimada sendo 1,503.

Intervalos de confiança de Bonferroni para parâmetros de localização

Se um teste para a igualdade de parâmetros de localização indica uma diferença estatisticamente significativa, em seguida, examinar os intervalos de confiança de Bonferroni para determinar a magnitude da diferença.

Também é possível comparar os intervalos para várias amostras para saber quais parâmetros são diferentes. Se o intervalo de confiança para a razão de dois parâmetros contiver 1, então é possível concluir que os dois parâmetros são diferentes.

Saída do exemplo

Bonferroni 95,0% (indiv 97,50%) Simultâneo IC Parâmetro de local para Temp80 subtraído de: Variável Inferior Estimativa Superior Temp100 -0,7734 -0,4640 -0,1546

Interpretação

Para os dados de enrolamentos de motor, os valores prováveis para o parâmetro de localização de Temp80 variam de 0,1546 a 0,7734 vezes maiores do que os parâmetros de localização para Temp 100, com a diferença estimada sendo 0,4640.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política