Gráfica de probabilidad

La gráfica de probabilidad comprueba si los datos se ajustan a una distribución graficando los valores ordenados en una escala donde la distribución aparece como una recta, con límites de confianza. Admite nueve distribuciones, entre ellas Normal, Lognormal, Weibull y Exponential, e informa el estadístico de Anderson-Darling y el valor p de cada una. Úselo antes de un análisis de capacidad, de límites de control o de pruebas t que suponen normalidad, y para elegir una distribución de fiabilidad.

Última revisión:

Idea clave

La gráfica de probabilidad comprueba si los datos siguen una distribución elegida, casi siempre la normal, graficándolos ordenados en una escala donde esa distribución es una recta, con el estadístico de Anderson-Darling y su valor p.

En esta página
  1. Finalidad
  2. Capacidades principales
  3. Métodos estadísticos
  4. Campos de entrada y opciones
  5. Descripción de la salida
  6. Ejemplo

Finalidad

La gráfica de probabilidad comprueba si los datos siguen una distribución elegida, casi siempre la distribución normal. Los datos ordenados se grafican en una escala en la que la distribución elegida aparece como una recta: si los puntos siguen la recta, la distribución se ajusta. Úselo antes de un análisis de capacidad, de límites de control, de intervalos de tolerancia o de pruebas t que suponen normalidad, y para elegir una distribución (Weibull, lognormal, exponencial) en trabajos de fiabilidad o de capacidad no normal.

Capacidades principales

  • Nueve distribuciones: Normal, Lognormal, Weibull, Exponential, 2-Parameter Exponential, Smallest Extreme Value, Largest Extreme Value, Logistic y Loglogistic.
  • Recta de referencia ajustada con límites de confianza puntuales a un nivel elegido (por defecto 95%).
  • Estadístico de Anderson-Darling (AD) y su valor p en la leyenda para cada distribución, de modo que se puedan comparar los ajustes.
  • Varias variables superpuestas en una sola gráfica, o una variable dividida en grupos mediante una columna By, cada una con su propia recta ajustada.
  • Eje de datos logarítmico para Lognormal, Weibull y Loglogistic, como en el papel de probabilidad estándar.

Métodos estadísticos

Para cada variable o grupo (al menos 3 valores), los datos se ordenan, x₍₁₎ ≤ … ≤ x₍ₙ₎, y a cada uno se le asigna la posición de graficación pᵢ = (i − 0.3) / (n + 0.4), la aproximación de rango mediano de Benard. El eje vertical es la inversa de la CDF de la distribución elegida, rotulado en porcentaje, de modo que una muestra de esa distribución queda cerca de una recta. La recta de referencia es la CDF ajustada: para Normal, la media muestral y la desviación estándar (divisor n − 1); para las demás distribuciones, máxima verosimilitud, con el umbral fijado en 0 para Lognormal, Weibull, Exponential y Loglogistic (estas requieren valores positivos).

Los límites de confianza se trazan a través de cada punto: al nivel C, el límite inferior es el cuantil α/2 de una distribución Beta(i, n − i + 1) y el límite superior el cuantil 1 − α/2 de una distribución Beta(i + 1, n − i), donde α = 1 − C/100. Los puntos que salen de los límites son evidencia en contra de la distribución.

El estadístico de Anderson-Darling AD = −n − (1/n) Σ (2i − 1)[ln F(x₍ᵢ₎) + ln(1 − F(x₍ₙ₊₁₋ᵢ₎))] mide qué tan lejos están los puntos de la CDF ajustada F, con más peso en las colas; cuanto menor, mejor. La leyenda muestra este AD sin ajustar para cada distribución, como hace Minitab. El valor p proviene de un estadístico modificado, como en D'Agostino y Stephens: para Normal y Lognormal (sobre los logaritmos), AD·(1 + 0.75/n + 2.25/n²) convertido con la aproximación de Stephens; para Weibull y las dos distribuciones de valor extremo, AD·(1 + 0.2/√n); para Exponential, AD·(1 + 0.6/n); para Logistic y Loglogistic, AD·(1 + 0.25/n). Los tres últimos se buscan en las tablas de valores críticos de Stephens y se interpolan, de modo que un valor p fuera de la tabla se muestra como una cota, como >0.250 o <0.010. Para 2-Parameter Exponential, las n − 1 diferencias x₍ᵢ₎ − x₍₁₎ se prueban como exponenciales. Un valor p inferior a 0.05 es evidencia de que los datos no siguen la distribución; entre distribuciones, el valor p mayor suele indicar el ajuste más cercano.

Campos de entrada y opciones

Campo

Descripción

Variables

Obligatorio. Una columna numérica, o varias para superponer (una gráfica de probabilidad “Multiple”).

By (grouping) column

Opcional. Una recta ajustada por grupo. Solo se usa cuando se selecciona una única variable.

Distribution

Normal (por defecto), Lognormal, Weibull, Exponential, 2-Parameter Exponential, Smallest Extreme Value, Largest Extreme Value, Logistic o Loglogistic.

Confidence level (%)

Por defecto 95; de 1 a 99.99. Nivel de los límites de confianza.

Display confidence interval bounds

Marcada por defecto. Dibuja los límites como líneas punteadas.

Title

Título de la gráfica. Por defecto “Probability Plot”.

Data Options: Subset (optional)

Exclude matching rows (por defecto) o Include only matching rows; Row numbers (p. ej., 3,7,12-15) y/o una Condition (p. ej., Tensile_Strength_MPa > 205) seleccionan las filas.

probability-plot-inputs


Figura 1 — Opciones del ejemplo: Tensile_Strength_MPa en una gráfica de probabilidad Normal con límites del 95%.

Descripción de la salida

  • Probability Plot — los datos (eje horizontal) frente al porcentaje en la escala de probabilidad de la distribución, con la recta ajustada y los límites de confianza punteados. La leyenda da el estadístico AD de cada serie y su valor p.
  • Exportación a PDF mediante Download.

probability-plot-output


Figura 2 — Gráfica de probabilidad normal de la resistencia a la tracción de 40 probetas: AD = 0.213, p = 0.842.

Ejemplo

Antes de fijar límites de control y calcular la capacidad, un ingeniero comprueba si la resistencia a la tracción de 40 probetas de ensayo puede tratarse como normal. Variables = Tensile_Strength_MPa, Distribution = Normal, Confidence level 95, límites mostrados.

Los puntos siguen la recta y permanecen dentro de los límites punteados en todo el rango, de 200.61 a 247.97 MPa. La leyenda muestra AD = 0.213 con p = 0.842, muy por encima de 0.05: no hay evidencia en contra de la normalidad. La recta ajustada tiene una media de 227.97 MPa y una desviación estándar de 10.61 MPa, por lo que pueden usarse los métodos de capacidad y de gráficas de control basadas en la normal. Unos puntos que se curvaran alejándose de la recta en cualquiera de los extremos habrían apuntado a una distribución asimétrica o de colas pesadas.

La misma hoja de trabajo contiene 40 tiempos hasta el fallo (horas). Al graficar Time_to_Failure_hr frente a varias distribuciones se obtiene AD = 0.210 con p > 0.250 para Weibull (forma 3.23, escala 192.96 horas), AD = 0.158 con p = 0.947 para Normal, AD = 1.228 con p < 0.005 para Lognormal y AD = 7.628 con p < 0.010 para Exponential. La Exponential, que supone una tasa de fallos constante, claramente no se ajusta, y tampoco la Lognormal. Weibull y Normal se ajustan bien; para tiempos de fallo, la Weibull es la opción habitual, ya que su forma superior a 1 describe el desgaste y no puede predecir vidas negativas.

Preguntas frecuentes

¿Cómo se interpreta una gráfica de probabilidad?

Si los puntos siguen la recta ajustada y permanecen dentro de los límites de confianza, la distribución se ajusta. Los puntos que salen de los límites son evidencia en contra, y los puntos que se curvan alejándose de la recta en cualquiera de los extremos sugieren una distribución asimétrica o de colas pesadas. La leyenda da el estadístico de Anderson-Darling y el valor p; un valor p inferior a 0.05 es evidencia de que los datos no siguen la distribución.

¿Cuándo se debe usar una gráfica de probabilidad?

Úselo para comprobar la normalidad antes de un análisis de capacidad, de límites de control, de intervalos de tolerancia o de pruebas t que suponen datos normales. También se usa para elegir una distribución, como Weibull, lognormal o exponencial, en trabajos de fiabilidad o de capacidad no normal. Cada variable o grupo necesita al menos 3 valores, y pueden superponerse varias variables o grupos.

¿Cómo se comparan distribuciones en una gráfica de probabilidad?

Grafique los mismos datos frente a varias distribuciones y compare los estadísticos de Anderson-Darling y los valores p; un AD menor y un valor p mayor suelen indicar un ajuste más cercano. En un ejemplo con 40 tiempos de fallo, Weibull (p > 0.250) y Normal (p = 0.947) se ajustan bien, mientras que Lognormal y Exponential (p < 0.010) no.

¿Qué distribuciones puede probar una gráfica de probabilidad?

Nueve: Normal, Lognormal, Weibull, Exponential, 2-Parameter Exponential, Smallest Extreme Value, Largest Extreme Value, Logistic y Loglogistic. Lognormal, Weibull, Exponential y Loglogistic requieren valores positivos, y Lognormal, Weibull y Loglogistic usan un eje de datos logarítmico, como en el papel de probabilidad estándar.