Graphique d'identification de distribution (censure à droite)
Saisissez les temps de défaillance avec une colonne de censure. L'outil ajuste les distributions de Weibull, lognormale, exponentielle, normale, logistique et loglogistique par maximum de vraisemblance, trace les estimations de Nelson-Aalen sur l'échelle de probabilité de chaque distribution avec la droite ajustée et les bornes de confiance, puis les classe par coefficient de corrélation. Utilisez-le avant Parametric Distribution Analysis ou un Distribution Overview Plot. De petites différences entre les meilleures distributions ne prouvent presque rien.
Dernière révision
Point clé
Distribution ID Plot (Right Censoring) aide à choisir une loi de durée de vie : il ajuste six distributions à des temps de défaillance censurés à droite et trace une droite de probabilité pour chacune ; la plus droite ajuste le mieux.
Sur cette page
Objectif
Distribution ID Plot (Right Censoring) vous aide à choisir une distribution de durée de vie avant d'estimer la fiabilité ou des percentiles. Il ajuste six distributions courantes aux mêmes données de temps de défaillance, y compris les unités retirées ou encore en fonctionnement (censurées à droite), et trace une droite de probabilité pour chacune. La distribution dont les points sont les plus proches d'une droite s'ajuste le mieux. Utilisez-le comme première étape avant Parametric Distribution Analysis ou un Distribution Overview Plot.
Principales fonctionnalités
- Ajuste les distributions de Weibull, lognormale, exponentielle, normale, logistique et loglogistique en une seule exécution.
- Prend en charge les données censurées à droite via une colonne de censure et une valeur de censure.
- Classe les distributions selon le coefficient de corrélation de leurs droites de probabilité.
- Un panneau de droite de probabilité par distribution, avec la droite ajustée, ses bornes de confiance et les points de défaillance.
- Signale toute distribution qui n'a pas pu être ajustée aux données.
Méthodes statistiques
Dans la colonne de censure, les lignes égales à la valeur de censure sont censurées à droite (l'unité n'avait pas défailli lors de sa dernière observation) et toutes les autres lignes sont des défaillances. Chacune des six distributions est ajustée à toutes les lignes par maximum de vraisemblance, où une défaillance contribue par sa densité f(t) et une unité censurée par sa probabilité de survie S(t) = 1 − F(t).
Les points tracés sont les temps de défaillance avec des estimations non paramétriques de la probabilité cumulée de défaillance obtenues par la méthode de Nelson-Aalen, qui tient compte des unités censurées à risque à chaque temps de défaillance. Chaque panneau transforme les axes de sorte que sa distribution apparaisse comme une droite : l'axe du temps est logarithmique pour Weibull, lognormale et loglogistique, et linéaire pour normale, logistique et exponentielle, et l'axe des probabilités utilise l'échelle correspondante (graduée en pourcentage). La ligne rouge est la fonction de répartition de la distribution ajustée sur la même échelle. Chaque panneau montre aussi des bornes de confiance bilatérales (en pointillé) au Confidence level, telles que les trace Minitab : pour chaque pourcentage p, le percentile t_p de la distribution ajustée avec sa variance obtenue par la méthode delta à partir de l'inverse de la hessienne de la log-vraisemblance, l'intervalle étant formé sur ln(t_p) pour Weibull, lognormale, exponentielle et loglogistique et sur t_p pour normale et logistique. Des points nettement en dehors des bornes indiquent un mauvais ajustement.
Le coefficient de corrélation de chaque panneau est la corrélation de Pearson entre les valeurs x tracées (le temps, ou ln(temps) sur un axe logarithmique) et les probabilités transformées des points de défaillance. Des valeurs proches de 1 signifient que les points sont proches d'une droite. De petites différences entre les meilleures distributions ne prouvent pas que l'une s'ajuste mieux ; examinez les panneaux, surtout les queues, et tenez compte des connaissances techniques, par exemple que Weibull est le choix habituel pour des temps de défaillance.
Champs et options de saisie
Champ | Description |
Variable | Obligatoire. Temps jusqu'à la défaillance, ou temps jusqu'à la censure pour les unités retirées ou encore en fonctionnement. |
Use censoring column | Obligatoire. Les lignes égales à la valeur de censure sont censurées à droite ; toutes les autres sont des défaillances. Chaque ligne doit avoir une valeur. |
Censoring value | Valeur de la colonne de censure qui repère une unité censurée. Par défaut 0, donc 1 = défaillance. |
Confidence level (%) | Par défaut 95 ; de 50 à 99.99. Définit les bornes de confiance tracées autour de chaque droite ajustée. |

Figure 1 — Options de l'exemple : temps d'essai des bobinages à 80 °C (Temp80) avec la colonne de censure Cens80, valeur de censure 0.
Description des résultats
- Correlation ranking — chaque distribution et son coefficient de corrélation, de la meilleure à la moins bonne.
- Messages — toute distribution qui n'a pas pu être ajustée, avec la raison.
- Distribution ID Plot — un panneau de droite de probabilité par distribution, dans l'ordre du classement, intitulé avec sa corrélation (r), montrant les points de défaillance, la droite ajustée et ses bornes de confiance.
- Export PDF via Download.

Figure 2 — Classement par corrélation et droites de probabilité pour 50 temps d'essai de bobinages : normale, Weibull et loglogistique sont proches de 0.989 ; l'exponentielle est nettement la moins bonne avec 0.956.
Exemple résolu
Un ingénieur fiabilité teste 50 bobinages de moteurs de turbine à 80 °C. 37 tombent en panne pendant l'essai et 13 sont retirés avant défaillance, leurs temps sont donc censurés. Avant d'estimer des percentiles de durée de vie, l'ingénieur veut savoir quelle distribution décrit les données. Il règle Variable = Temp80, Use censoring column = Cens80 et Censoring value = 0, puisque Cens80 vaut 1 pour une défaillance et 0 pour un bobinage retiré.
Les coefficients de corrélation sont : normale 0.9890, Weibull 0.9886, loglogistique 0.9883, lognormale 0.9844, logistique 0.9837 et exponentielle 0.9559. Les quatre premières sont pratiquement à égalité, les données seules ne permettent donc pas de les départager. L'exponentielle est nettement la moins bonne : son panneau montre une forte courbure, le taux de défaillance n'est donc pas constant et un modèle qui suppose des défaillances aléatoires serait trompeur.
Pour l'ingénieur, Weibull est un choix raisonnable : elle s'ajuste aussi bien que les autres, elle ne peut pas donner de temps négatifs, et son paramètre de forme indique si les défaillances sont précoces, aléatoires ou d'usure. Les distributions candidates diffèrent surtout dans les queues ; l'ingénieur examine donc les panneaux aux extrémités basse et haute et, si les percentiles extrêmes comptent, compare les estimations de plusieurs distributions. L'étape suivante est un Distribution Overview Plot ou une Parametric Distribution Analysis avec Weibull.
Questions fréquentes
Comment interpréter le coefficient de corrélation d'un graphique d'identification de distribution ?
C'est la corrélation de Pearson entre les valeurs x tracées et les probabilités transformées des points de défaillance. Des valeurs proches de 1 signifient que les points sont proches d'une droite. De petites différences entre les meilleures distributions ne prouvent pas que l'une s'ajuste mieux ; examinez les panneaux, surtout les queues, et appuyez-vous sur les connaissances techniques.
Comment les unités censurées à droite sont-elles traitées ?
Dans la colonne de censure, les lignes égales à la valeur de censure (par défaut 0) sont censurées à droite, c'est-à-dire que l'unité n'avait pas défailli lors de sa dernière observation ; toutes les autres lignes sont des défaillances. Dans l'ajustement par maximum de vraisemblance, une défaillance contribue par sa densité et une unité censurée par sa probabilité de survie, et les points du graphique de Nelson-Aalen tiennent compte des unités censurées à risque.
Quelle distribution choisir lorsque plusieurs s'ajustent aussi bien ?
Dans l'exemple des bobinages, les distributions normale, de Weibull, loglogistique et lognormale étaient pratiquement à égalité tandis que l'exponentielle était nettement la moins bonne, ce qui montre que le taux de défaillance n'est pas constant. Weibull était un choix raisonnable : elle s'ajustait aussi bien que les autres, ne peut pas donner de temps négatifs, et son paramètre de forme indique si les défaillances sont précoces, aléatoires ou d'usure.
Que faire après un Distribution ID Plot ?
L'étape suivante est un Distribution Overview Plot ou une Parametric Distribution Analysis avec la distribution choisie, pour estimer la fiabilité ou des percentiles de durée de vie. Les distributions candidates diffèrent surtout dans les queues ; si les percentiles extrêmes comptent, examinez les panneaux aux extrémités basse et haute et comparez les estimations de plusieurs distributions.
