Kansverdelingsplot
De Probability Distribution Plot tekent de dichtheids-, massa- of cumulatieve curve van een theoretische verdeling uit ingevoerde parameters, zonder gegevens. Ze omvat twaalf verdelingen, waaronder normaal, t, chi-kwadraat, F, Weibull, lognormaal, binomiaal en Poisson. Gebruik haar om de vorm van een verdeling te zien, een steekproefplan of toetsingsgrootheid toe te lichten, of kansen af te lezen. Continue verdelingen verschijnen als curven; binomiaal en Poisson als staven.
Laatst beoordeeld
Belangrijkste conclusie
Een kansverdelingsplot tekent de kansdichtheids- (of kansmassa-) of cumulatieve verdelingscurve van een theoretische verdeling, zoals normaal, Weibull of binomiaal, uit ingevoerde parameters, zonder dat gegevens nodig zijn.
Op deze pagina
Doel
De Probability Distribution Plot tekent de curve van een theoretische verdeling voor parameters die u invoert: haar kansdichtheid (of, voor aantallen, haar kansmassa) of haar cumulatieve verdeling. Er zijn geen gegevens nodig. Gebruik haar om te zien hoe een verdeling eruitziet voordat u haar gebruikt, om een steekproefplan of een toetsingsgrootheid toe te lichten, of om af te lezen hoe waarschijnlijk een aantal of een meting is onder een aangenomen model, bijvoorbeeld het aantal defecte eenheden in een steekproef van 50 wanneer het proces op 4% defect draait.
Belangrijkste mogelijkheden
- Twaalf verdelingen: normaal, Student-t, chi-kwadraat, F, exponentieel, Weibull, lognormaal, uniform, gamma, bèta, binomiaal en Poisson.
- Kansdichtheids-/kansmassafunctie of cumulatieve verdelingsfunctie.
- Continue verdelingen getekend als gladde curve (de dichtheid is gearceerd); binomiaal en Poisson getekend als staven bij elk geheel getal.
- Het horizontale bereik wordt automatisch gekozen en omvat de verdeling van het 0.05e tot het 99.95e percentiel.
- Titel gegenereerd uit de verdeling en curve, of uw eigen titel.
Statistische methoden
De tool bouwt de gekozen verdeling uit de parameters op en evalueert haar met standaardformules. De parameters zijn: normaal — Parameter 1 = gemiddelde, Parameter 2 = standaardafwijking; Student-t en chi-kwadraat — vrijheidsgraden; F — vrijheidsgraden van teller en noemer; exponentieel — schaal (het gemiddelde); Weibull en gamma — vorm en schaal; lognormaal — locatie en vorm, d.w.z. het gemiddelde en de standaardafwijking van ln(X); uniform — onder- en bovengrens; bèta — de twee vormparameters α en β; binomiaal — aantal pogingen n en gebeurteniskans p; Poisson — gemiddelde λ. Verdelingen met één parameter gebruiken alleen Parameter 1.
Voor een continue verdeling wordt de curve geëvalueerd in 500 gelijkmatig verdeelde punten tussen het 0.05e en het 99.95e percentiel. Voor de binomiale en Poisson-verdeling wordt ze geëvalueerd bij elk geheel getal in dat bereik: de kansmassa P(X = k) geeft de hoogte van elke staaf, en de cumulatieve functie P(X ≤ k) geeft de hoogte van elke staaf in de CDF-plot. Bij een dichtheid is de oppervlakte onder de curve over een interval de kans om in dat interval te vallen; de CDF geeft die kans rechtstreeks als verschil van twee hoogten.
Invoervelden en opties
Veld | Beschrijving |
Distribution | Vereist. Normal, Student's t, Chi-Square, F, Exponential, Weibull, Lognormal, Uniform, Gamma, Beta, Binomial of Poisson. |
Parameter 1 | De betekenis hangt af van de verdeling: bijv. gemiddelde voor normaal, vrijheidsgraden voor t en chi-kwadraat, vorm voor Weibull en gamma, aantal pogingen voor binomiaal, gemiddelde voor Poisson. |
Parameter 2 | Alleen gebruikt door verdelingen met twee parameters: bijv. standaardafwijking voor normaal, schaal voor Weibull en gamma, gebeurteniskans voor binomiaal. |
Plot | Probability density/mass function (standaard) of Cumulative distribution function. |
Title | Optioneel. Standaard een titel die is gegenereerd uit de gekozen verdeling en curve. |

Figuur 1 — Opties voor het voorbeeld: binomiale verdeling met 50 pogingen en een gebeurteniskans van 0.04.
Beschrijving van de uitvoer
- <Distribution> Distribution — Probability Density: de dichtheidscurve (as met het label Probability density); voor binomiaal en Poisson <Distribution> Distribution — Probability Mass, met de kans op elk aantal als staven (as met het label Probability).
- <Distribution> Distribution — Cumulative Distribution: de cumulatieve kans P(X ≤ x).
- Pdf-export via Download.

Figuur 2 — Kans op 0 tot 8 defecte eenheden in een steekproef van 50 wanneer het proces 4% defect is (binomiaal, n = 50, p = 0.04).

Figuur 3 — Dezelfde verdeling met Plot = Cumulative distribution function: P(X ≤ k) voor k = 0 tot 8.
Uitgewerkt voorbeeld
Het proces van een leverancier draait op ongeveer 4% defect. Bij de ingangscontrole wordt van elke partij een steekproef van 50 onderdelen genomen, en de kwaliteitsingenieur wil weten hoeveel defecte eenheden te verwachten zijn en hoe vaak een partij uit dit proces er 3 of meer zou tonen. Distribution = Binomial, Parameter 1 = 50 (pogingen), Parameter 2 = 0.04 (gebeurteniskans), Plot = Probability density/mass function.
De staven lopen van 0 tot 8 defecte eenheden. De meest waarschijnlijke aantallen zijn 1 (kans 0.271) en 2 (0.276), in overeenstemming met het gemiddelde n·p = 2. Een steekproef zonder defecte eenheden komt in 13.0% van de gevallen voor, dus een schone steekproef zegt weinig over de vraag of het proces is verbeterd. Als u Plot omzet naar Cumulative distribution function, krijgt u P(X ≤ 2) = 0.677, dus 32.3% van de steekproeven uit dit proces zou 3 of meer defecte eenheden bevatten, en 13.9% zou er 4 of meer bevatten.
Voor het keuringsplan betekent dit dat een acceptatiegetal van 2 ongeveer één partij op drie zou afkeuren, zelfs wanneer de leverancier op zijn normale 4% draait. Als dergelijke partijen doorgaans moeten slagen, moet het acceptatiegetal hoger zijn of het steekproefplan opnieuw worden ontworpen; Acceptance Sampling en de AQL-tools werken dit uit voor de overeengekomen kwaliteitsniveaus.
Veelgestelde vragen
Waarvoor wordt een kansverdelingsplot gebruikt?
Ze toont hoe een theoretische verdeling eruitziet voor gegeven parameters, zonder gegevens. Gebruik haar om de vorm van een verdeling te zien voordat u haar gebruikt, om een steekproefplan of een toetsingsgrootheid toe te lichten, of om af te lezen hoe waarschijnlijk een aantal of meting is onder een aangenomen model, zoals het aantal defecte eenheden in een steekproef van 50 uit een proces met 4% defect.
Welke verdelingen kan een kansverdelingsplot tonen?
Twaalf: normaal, Student-t, chi-kwadraat, F, exponentieel, Weibull, lognormaal, uniform, gamma, bèta, binomiaal en Poisson. Parameter 1 en Parameter 2 hangen af van de verdeling, bijvoorbeeld gemiddelde en standaardafwijking voor de normale verdeling, vorm en schaal voor Weibull en gamma, en aantal pogingen en gebeurteniskans voor de binomiale verdeling. Verdelingen met één parameter gebruiken alleen Parameter 1.
Wat is het verschil tussen de PDF- en CDF-plots?
De kansdichtheids- (of kansmassa-)functie toont de hoogte van de verdeling bij elke waarde; bij een dichtheid is de oppervlakte onder de curve over een interval de kans om erin te vallen, en bij binomiaal of Poisson is elke staaf P(X = k). De cumulatieve verdelingsfunctie toont P(X kleiner dan of gelijk aan x), dus een kans is een verschil van twee hoogten.
Hoe leest u een binomiale kansverdelingsplot?
In een uitgewerkt voorbeeld met 50 pogingen en een gebeurteniskans van 0.04 zijn de meest waarschijnlijke aantallen 1 (0.271) en 2 (0.276), in overeenstemming met het gemiddelde n maal p = 2, en komen nul defecte eenheden in 13.0% van de gevallen voor. De cumulatieve plot geeft P(X kleiner dan of gelijk aan 2) = 0.677, dus 32.3% van de steekproeven zou 3 of meer defecte eenheden bevatten.
