Análisis probit

El análisis probit ajusta datos agrupados de aprobado/fallo (unidades ensayadas y falladas en varios niveles de esfuerzo) de ensayos de caída, impacto, presión, tensión eléctrica o dosis-respuesta. Supone que las tolerancias de las unidades siguen una distribución normal (probit) o logística (logit), normalmente sobre ln(esfuerzo), ajustada por máxima verosimilitud. Requiere al menos 3 niveles de esfuerzo y reporta coeficientes, el esfuerzo para porcentajes de fallo elegidos con intervalos de confianza y una gráfica probit.

Última revisión:

Idea clave

El análisis probit modela cómo aumenta con el esfuerzo la proporción de unidades que fallan o responden, a partir de recuentos de aprobado/fallo, y estima el esfuerzo con el que falla un porcentaje elegido, con intervalo de confianza.

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

Finalidad

El análisis probit modela cómo aumenta la proporción de unidades que fallan (o responden) con el nivel de un esfuerzo, a partir de ensayos de aprobado/fallo realizados en varios niveles de esfuerzo. Sus usos típicos son los ensayos de caída, los ensayos de impacto, los ensayos escalonados de presión de rotura o de tensión eléctrica y los ensayos de dosis-respuesta. Responde a preguntas como: ¿a qué altura de caída se agrietan la mitad de las unidades y a qué altura se agrietan el 90%? El resultado da un límite de esfuerzo con un intervalo de confianza, que se puede comparar con una especificación o con una condición de campo.

Capacidades principales

  • Trabaja con datos agrupados de aprobado/fallo: el número de unidades ensayadas y el número de las que fallaron en cada nivel de esfuerzo.
  • Distribución de tolerancia normal (probit) o logística (logit).
  • Ajuste frente a ln(esfuerzo), la opción habitual para esfuerzos físicos, o frente al propio esfuerzo.
  • Tabla de coeficientes con pruebas Z para la intersección y la pendiente.
  • Esfuerzo con el que falla cualquier porcentaje elegido de unidades, con intervalos de confianza, y una gráfica probit de lo observado frente a lo ajustado.

Métodos estadísticos

En cada nivel de esfuerzo s, r de n unidades responden. El modelo supone que cada unidad tiene su propia tolerancia, el esfuerzo con el que falla, y que estas tolerancias siguen una distribución normal o logística en x, donde x = ln(s) cuando está marcada Fit against ln(stress) y x = s en caso contrario. La probabilidad de fallar con el esfuerzo s es entonces P = G(b₀ + b₁·x), donde G es la función de distribución acumulada normal estándar (enlace probit) o logística estándar (enlace logit). Los recuentos se ajustan como un modelo lineal generalizado binomial por máxima verosimilitud, y la intersección b₀ y la pendiente b₁ se prueban con estadísticos Z de Wald. Una pendiente significativamente mayor que 0 significa que la proporción de fallos aumenta con el esfuerzo.

El esfuerzo con el que falla el p% de las unidades se obtiene de G⁻¹(p/100) = b₀ + b₁·x, de modo que x_p = (G⁻¹(p/100) − b₀) / b₁, y s_p = exp(x_p) en escala logarítmica. Su intervalo de confianza se calcula con el método delta: la varianza de x_p proviene de la matriz de covarianza de b₀ y b₁, se forma el intervalo x_p ± z·SE y, en escala logarítmica, ambos extremos se convierten de nuevo con exp, por lo que el intervalo no es simétrico. La normal y la logística suelen dar respuestas similares cerca del 50% y difieren más en las colas.

La gráfica probit muestra la proporción observada en cada nivel de esfuerzo en una escala de probabilidad frente al esfuerzo (escala logarítmica cuando el ajuste es frente a ln(esfuerzo)), con la recta ajustada. Los puntos cercanos a la recta indican que el modelo se ajusta. Un nivel en el que no falló ninguna unidad o falló todas no tiene una posición finita en la escala de probabilidad, por lo que, como en Minitab, se omite de la gráfica (se sigue usando en el ajuste) y una nota bajo la gráfica indica cuántas filas se omitieron.

Campos y opciones de entrada

Campo

Descripción

Response (number of events)

Obligatorio. Número de unidades que fallaron o respondieron en cada nivel de esfuerzo. No puede superar Trials.

Trials (number of tests)

Obligatorio. Número de unidades ensayadas en cada nivel de esfuerzo.

Stress (predictor)

Obligatorio. El nivel de esfuerzo de cada fila. Se necesitan al menos 3 filas.

Fit against ln(stress)

Marcada por defecto. Es lo habitual para variables de esfuerzo físico y de dosis; el esfuerzo debe ser entonces positivo. Desmárquela si el esfuerzo debe permanecer en escala lineal.

Distribution

Normal (probit link) (opción predeterminada) o Logistic (logit link).

Percent levels

Porcentajes separados por comas para los que se reporta el esfuerzo efectivo. Valor predeterminado: 50, 90, 95.

Confidence level (%)

Para los intervalos del esfuerzo efectivo. Valor predeterminado 95; de 50 a 99.99.

probit-analysis-inputs


Figura 1: opciones del ejemplo de ensayo de caída: recuentos de agrietadas y ensayadas en cada altura de caída, ajustados frente a ln(altura) con la distribución normal, con niveles porcentuales 50 y 90.

Descripción de la salida

  • Coefficients: Intercept y Slope con Coef, SE Coef, Z y P.
  • Tabla de porcentajes: para cada nivel porcentual, el Stress con el que falla ese porcentaje de unidades, con límites de confianza inferior y superior.
  • Probit Plot: proporción observada en cada nivel de esfuerzo en una escala de probabilidad (Percent), con la recta ajustada.
  • Exportación a PDF mediante Download.

probit-analysis-output


Figura 2: resultados del ensayo de caída: el 50% de los vidrios se agrieta a 50.4 cm (IC del 95%: 47.4 a 53.6) y el 90% a 77.2 cm (70.6 a 84.5).

Ejemplo

Un ingeniero de embalaje deja caer 40 vidrios protectores de teléfono desde cada una de ocho alturas, de 20 a 90 cm, y cuenta cuántos se agrietan. La proporción de agrietados aumenta desde ninguno a 20 cm (el único nivel omitido de la gráfica probit) hasta el 45% (18 de 40) a 50 cm y el 95% (38 de 40) a 80 y 90 cm. El ingeniero quiere saber a qué alturas se agrieta el 50% y el 90% de los vidrios. Define Response = Units Cracked, Trials = Units Tested, Stress = Drop Height cm, mantiene marcada Fit against ln(stress) y Distribution = Normal, e introduce Percent levels = 50, 90.

La pendiente sobre ln(altura) es 3.000 (Z = 10.38, p < 0.001), por lo que la altura de caída determina claramente el agrietamiento. Se espera que la mitad de los vidrios se agriete a 50.4 cm (IC del 95%: 47.4 a 53.6 cm) y el 90% a 77.2 cm (IC del 95%: 70.6 a 84.5 cm). El intervalo del 90% es más ancho porque queda más lejos del centro de los datos. Al añadir 10 a los niveles porcentuales se obtiene 32.9 cm (29.4 a 36.8 cm): por debajo de unos 30 cm se agrietan pocos vidrios.

Con la distribución logística, las respuestas son casi las mismas: 50.7 cm para el 50% y 76.9 cm para el 90%. Ajustar frente a la altura en lugar de frente a ln(altura) desplaza el punto del 50% a 53.2 cm, por lo que aquí la elección de la escala importa más que la elección de la distribución. Para el equipo de embalaje, estas alturas son las cifras que hay que comparar con las alturas de caída que el vidrio embalado debe soportar durante la manipulación: si es aceptable que se agrieten como máximo un 10% aproximadamente, el vidrio por sí solo no debería soportar el equivalente de una caída superior a unos 33 cm.

Preguntas frecuentes

¿Para qué se usa el análisis probit?

El análisis probit modela cómo aumenta la proporción de unidades que fallan o responden con el nivel de un esfuerzo, a partir de ensayos de aprobado/fallo en varios niveles de esfuerzo. Sus usos típicos son los ensayos de caída, los ensayos de impacto, los ensayos escalonados de presión de rotura o de tensión eléctrica y los ensayos de dosis-respuesta. Responde a preguntas como la altura de caída a la que se agrietan la mitad o el 90% de las unidades, con un intervalo de confianza.

¿Qué diferencia hay entre probit y logit en el análisis probit?

La opción de distribución normal usa el enlace probit y la opción logística usa el enlace logit; ambas describen cómo se distribuyen las tolerancias de las unidades al esfuerzo. Normalmente dan respuestas similares cerca del 50% y difieren más en las colas. En un ensayo de caída resuelto, el punto del 50% fue 50.4 cm con la normal y 50.7 cm con la logística.

¿Qué datos necesita el análisis probit?

Para cada nivel de esfuerzo, introduzca el número de unidades ensayadas (trials), el número de las que fallaron o respondieron y el nivel de esfuerzo. Se necesitan al menos 3 filas, y los fallos no pueden superar los ensayos. El ajuste frente a ln(esfuerzo) es el predeterminado y lo habitual para variables de esfuerzo físico y de dosis, lo que exige valores de esfuerzo positivos.

¿Cómo se interpretan los resultados del análisis probit?

Una pendiente significativamente mayor que 0 significa que la proporción de fallos aumenta con el esfuerzo. La tabla de porcentajes da el esfuerzo con el que falla cada porcentaje elegido de unidades, con límites de confianza; los intervalos son más anchos cuanto más lejos del centro de los datos y no son simétricos en escala logarítmica. En la gráfica probit, los puntos cercanos a la recta ajustada indican que el modelo se ajusta.