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-QuadradoGLP
18,646820,000

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-QuadradoGLP
5,2959910,021

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-QuadradoGLP
11,298810,001

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:
VariávelInferiorEstimativaSuperior
Temp1001,0111,5032,236

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.

위치 모수에 대한 Bonferroni 신뢰 구간

동일 위치 모수에 대한 검정 결과가 통계적으로 유의한 차이를 나타내는 경우에는 Bonferroni 신뢰 구간을 조사하여 차이가 어느 정도인지 확인해야 합니다.

여러 표본의 구간을 비교하여 어느 모수가 다른지 확인할 수 있습니다. 결과는 분포에 따라 다릅니다.
Weibull 및 지수 분포
결과는 매개변수의 분할을 보여줍니다. 두 모수의 비율에 대한 신뢰 구간에 1이 포함되어 있으면 두 모수가 서로 다르다는 결론을 내릴 수 없습니다.
기타 분포
결과는 매개변수의 뺄셈을 보여줍니다. 두 모수의 차이에 대한 신뢰 구간에 0이 포함되어 있으면 두 모수가 다르다고 결론을 내릴 수 없습니다.

출력 예

Bonferroni 95,0% (indiv 97,50%) Simultâneo IC

Parâmetro de local para Temp80 subtraído de:
VariávelInferiorEstimativaSuperior
Temp100-0,7734-0,4640-0,1546

해석

엔진 와인딩 데이터의 경우 80도의 위치 모수가 될 수 있는 값의 범위가 100도의 위치 모수보다 0.1546에서 0.7734 더 크며 추정 차이는 0.4640입니다. 간격에 0이 포함되지 않으므로 위치 매개 변수가 Temp100보다 Temp80에 더 크다는 결론을 내릴 수 있습니다.