Intervalo de tolerancia (distribución no normal)
Intervalo de tolerancia (distribución no normal) establece, con la confianza elegida, un rango o un límite que contiene al menos un porcentaje elegido de la población, para datos asimétricos como vidas útiles o resistencias. Ajusta una de ocho distribuciones y siempre da un intervalo no paramétrico libre de distribución con su confianza alcanzada. Verifique el ajuste de Anderson-Darling antes de basarse en el intervalo de una distribución. Úselo para límites de especificación, de garantía o de liberación.
Última revisión:
Idea clave
Un intervalo de tolerancia no normal da el rango que, con una confianza establecida, contiene al menos un porcentaje establecido de una población con datos no normales, a partir de una distribución ajustada y de un método no paramétrico.
En esta página
Finalidad
Un intervalo de tolerancia da el rango que, con una confianza establecida, contiene al menos un porcentaje establecido de todas las unidades de la población; por ejemplo: con un 95% de confianza, al menos el 95% de las bombillas duran más de 1,093 horas. Intervalo de tolerancia (distribución no normal) hace esto con datos que no tienen distribución normal, como vidas útiles, resistencias o niveles de impurezas. Ajusta una distribución elegida y también da un intervalo no paramétrico que no necesita ninguna distribución, de modo que puede compararlos. Úselo para fijar o verificar límites de especificación, periodos de garantía o límites de liberación a partir de una muestra.
Capacidades principales
- Ocho distribuciones: Weibull, Lognormal, Gamma, Exponential, Smallest extreme value, Largest extreme value, Logistic y Loglogistic, o Assume none para obtener solo el intervalo no paramétrico.
- Intervalo no paramétrico (libre de distribución) a partir de los datos ordenados, con su confianza alcanzada, que se muestra en todos los casos.
- Intervalo bilateral, límite inferior o límite superior.
- Prueba de bondad de ajuste de Anderson-Darling y parámetros ajustados, para verificar la distribución elegida.
- Varias columnas a la vez, cada una con su propio intervalo y su histograma con los límites de tolerancia marcados.
Métodos estadísticos
Método no paramétrico: los límites son estadísticos de orden de la muestra. Para un intervalo bilateral, la herramienta usa (x₍ᵣ₎, x₍ₙ₋ᵣ₊₁₎), donde r es el mayor valor para el cual la confianza alcanzada, P(Beta(n − 2r + 1, 2r) > P), sigue siendo al menos el nivel de confianza, siendo P la proporción mínima de la población. Para un límite unilateral usa x₍ₖ₎ (inferior) o x₍ₙ₋ₖ₊₁₎ (superior), con k elegido del mismo modo a partir de la distribución binomial. Como solo pueden usarse estadísticos de orden enteros, la confianza alcanzada suele estar por encima del nivel solicitado; con una muestra pequeña puede quedar por debajo, incluso con el mínimo y el máximo, y entonces la tabla muestra el valor más bajo.
Métodos de distribución, con parámetros por máxima verosimilitud: Lognormal usa el intervalo de tolerancia normal de los datos logarítmicos, transformado de nuevo; Gamma usa el intervalo normal de la raíz cúbica de los datos (Wilson-Hilferty); Exponential usa límites exactos de chi cuadrado para los límites unilaterales y el método de Fernandez para los bilaterales; Weibull (en escala logarítmica), Smallest extreme value y Largest extreme value usan el método exacto de Lawless; Logistic y Loglogistic usan el método de muestras grandes de Bain y Engelhardt. Un intervalo bilateral se construye a partir de límites unilaterales en α/2 y (1 + P)/2. Lognormal, Gamma, Exponential, Weibull y Loglogistic requieren datos positivos.
El intervalo de una distribución solo es tan bueno como el ajuste: compruebe que el valor p de Anderson-Darling no sea pequeño (por ejemplo, superior a 0.05) antes de basarse en él. Cuando ninguna distribución se ajusta, use el intervalo no paramétrico, que necesita una muestra mayor para alcanzar la misma confianza. La confianza alcanzada se aplica solo al método no paramétrico.
Campos y opciones de entrada
Campo | Descripción |
Sample data | Obligatorio. Una o más columnas numéricas; cada una obtiene su propio intervalo. |
Distribution | Weibull (predeterminado), Lognormal, Gamma, Exponential, Smallest extreme value, Largest extreme value, Logistic, Loglogistic o Assume none, que muestra solo el intervalo no paramétrico. |
Confidence level | Valor predeterminado 95; de 50 a 99.99. |
Minimum percentage of population in interval | Valor predeterminado 95; de 50 a 99.99. La proporción de la población que debe contener el intervalo. |
Tolerance Interval | Two-sided (predeterminado), Lower bound o Upper bound. |
Tolerance Interval Plot | Marcada de forma predeterminada: un histograma de cada columna con los límites de tolerancia. |
Data Options: Subset (optional) | Exclude matching rows (predeterminado) o Include only matching rows, por números de fila (p. ej., 3,7,12-15) y/o una condición. |

Figura 1: Opciones del ejemplo: Hours, Lognormal, 95% de confianza, al menos el 95% de la población, límite inferior.
Descripción de la salida
- Settings: distribución, nivel de confianza y porcentaje de la población en el intervalo.
- Statistics: Variable, N, Mean y StDev de cada columna.
- Tolerance table: para cada columna, el intervalo o límite según el método de la distribución elegida, el Nonparametric Method y su Achieved Confidence (con Assume none: Lower Bound, Upper Bound y Achieved Confidence).
- Tolerance Interval for <column>: histograma con los límites dibujados como líneas discontinuas (los límites del método de la distribución cuando se elige una distribución).
- Distribution Parameters: los parámetros ajustados, p. ej., Location y Scale, o Shape y Scale.
- Goodness-of-Fit Test (Anderson-Darling): estadístico AD y valor p de la distribución elegida.
- Exportación a PDF mediante Download.

Figura 2: Límite inferior lognormal de 1,093.40 horas y límite no paramétrico de 1,070.70 horas (confianza alcanzada 96.29%); la lognormal se ajusta (AD 0.484, p = 0.224).
Ejemplo
Un ingeniero de calidad prueba 100 bombillas hasta el fallo y quiere indicar un tiempo de encendido que, con un 95% de confianza, al menos el 95% de todas las bombillas superarán. Las vidas útiles suelen ser asimétricas, por lo que el ingeniero ajusta una distribución lognormal. Sample data = Hours, Distribution = Lognormal, Confidence level = 95, Minimum percentage of population in interval = 95, Tolerance Interval = Lower bound.
Las 100 bombillas tienen una media de 1,248 horas y una desviación estándar de 84.1 horas. La lognormal se ajusta bien (ubicación 7.1271, escala 0.0671; AD 0.484, p = 0.224). El límite inferior lognormal es de 1,093.40 horas: con un 95% de confianza, al menos el 95% de las bombillas duran más que eso. El límite no paramétrico, la segunda vida más corta de la muestra, es de 1,070.70 horas con una confianza alcanzada del 96.29%. Es más bajo porque no usa ningún modelo, pero respalda una afirmación del mismo orden.
La elección de la distribución importa. Una Weibull no se ajusta a estas bombillas (AD 1.558, p < 0.010) y daría un límite inferior de solo 1,017.99 horas; una Gamma se ajusta (AD 0.442, p > 0.250) y da 1,091.16 horas, cercano al de la lognormal. El ingeniero puede afirmar unas 1,090 horas con confianza, y no debe usar la cifra de Weibull. Para un intervalo bilateral con la lognormal, el 95% de las bombillas se sitúa entre 1,070.95 y 1,447.79 horas (no paramétrico: de 1,044.33 a 1,510.35, las vidas más corta y más larga).
Preguntas frecuentes
¿Qué es un intervalo de tolerancia para datos no normales?
Es un rango que, con una confianza establecida, contiene al menos un porcentaje establecido de todas las unidades de la población, para datos que no tienen distribución normal, como vidas útiles, resistencias o niveles de impurezas. Se calcula a partir de una distribución ajustada y también mediante un método no paramétrico que no necesita ninguna distribución.
¿Qué distribuciones pueden usarse para un intervalo de tolerancia no normal?
Weibull, Lognormal, Gamma, Exponential, Smallest extreme value, Largest extreme value, Logistic y Loglogistic, o Assume none para obtener solo el intervalo no paramétrico. Lognormal, Gamma, Exponential, Weibull y Loglogistic requieren datos positivos. La elección importa: una distribución que no se ajusta puede dar un límite muy distinto.
¿Cuándo debe usarse el intervalo de tolerancia no paramétrico?
Úselo cuando ninguna distribución se ajuste a los datos. Antes de basarse en el intervalo de una distribución, compruebe que el valor p de Anderson-Darling no sea pequeño, por ejemplo, superior a 0.05. El intervalo no paramétrico usa estadísticos de orden de la muestra y necesita una muestra mayor para alcanzar la misma confianza; su confianza alcanzada se muestra en la tabla.
¿Qué es la confianza alcanzada de un intervalo de tolerancia no paramétrico?
Como los límites no paramétricos deben ser estadísticos de orden enteros de la muestra, la confianza realmente alcanzada suele estar por encima del nivel solicitado. Con una muestra pequeña puede quedar por debajo, incluso usando el mínimo y el máximo, y entonces la tabla muestra ese valor más bajo. La confianza alcanzada se aplica solo al método no paramétrico.
