参数增长曲线指定估计选项

统计 > 可靠性/生存 > 可修复系统分析 > 参数增长曲线 > 估计

估计法

选择用来估计分布参数的方法。
极大似然
通过最大化似然函数来估计分布参数。
条件极大似然
通过最大化条件似然函数来估计分布参数。如果您使用此方法,Minitab 仅为形状值估计标准误和置信区间。
最小二乘
通过将回归线拟合到概率图中的点来估计分布参数。如果您使用此方法,Minitab 将不为标准误和置信区间提供估计值。
注意

有关可以使用每个估计法获取的结果的更多信息,请转到估计增长曲线的参数

过程模型

根据失效/修复率是否存在某种趋势来选择过程模型。
  • 幂律过程:选中此选项将使用幂律过程对数据建模。使用幂律过程为具有递增、递减或固定速率的失效/修复时间建模。幂律过程的修复率是一个时间函数。
    注意

    如果您使用极大似然估计法(默认方法),幂律模型也称为 AMSAA 模型或 Crow-AMSAA 模型。如果您使用最小二乘估计法,幂律模型估计法也称为 Duane 模型。有关更多信息,请转到参数增长曲线中参数模型的方法和公式

    • 估计形状参数:选中此选项可以让 Minitab 根据样本数据估计形状参数。
    • 设置形状参数:选中此选项可以指定形状参数的值。然后输入正的数字常量。您输入的值可以基于分布分析或历史过程知识。
  • Poisson 过程:选中此选项可以使用 Poisson 过程对数据建模。用于为在一段时间内保持稳定的失效/修复时间建模。Poisson 过程是描述可修复系统失效率的最简单统计模型。但是,它只适用于不改善也不恶化的系统,这是一个在实际应用中很难满足的假设。

置信区间

置信水平

输入介于 0 到 100 之间的置信水平。通常,置信水平为 95% 即可。95% 置信水平指示区间中包含实际总体参数的可信度为 95%。也就是说,如果您从总体中收集了 100 个随机样本,则可以预计大约有 95 个样本生成包含实际总体参数值的区间(如果所有数据都可以收集和分析)。

较低的置信水平(如 90%)生成的置信区间较窄而且可能会减少所需的样本数量或检验时间。但是,置信区间中包含总体参数的可能性会减小。

较高的置信水平(如 99%)会增加置信区间中包含总体参数的可能性。但是,检验可能需要较大的样本数量或较长的检验时间才能获得足够窄的有用置信区间。

置信区间

从下拉列表中,指示您希望 Minitab 显示双侧置信区间(双侧)还是单侧置信区间(下限上限)。单侧区间通常只需较少的观测值和较短的检测时间即可确保结论在统计意义上可信。许多可靠性标准用最坏情况方案(用下限表示)定义。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策