Probitanalyse

Probitanalyse fit gegroepeerde pass/fail-gegevens, geteste en gefaalde eenheden bij meerdere stressniveaus, uit val-, schok-, druk-, spannings- of dosis-responstesten. Zij veronderstelt dat de tolerantie van eenheden een normale (probit) of logistische (logit) verdeling volgt, meestal op ln(stress), gefit met maximale aannemelijkheid. Er zijn minstens 3 stressniveaus nodig en de analyse rapporteert coëfficiënten, het stressniveau bij gekozen faalpercentages met betrouwbaarheidsintervallen en een probitplot.

Laatst beoordeeld

Belangrijkste conclusie

Probitanalyse modelleert hoe het aandeel eenheden dat faalt of reageert toeneemt met het stressniveau, aan de hand van pass/fail-aantallen, en schat het stressniveau waarbij een gekozen percentage faalt, met een betrouwbaarheidsinterval.

Op deze pagina
  1. Doel
  2. Belangrijkste mogelijkheden
  3. Statistische methoden
  4. Invoervelden en opties
  5. Beschrijving van de uitvoer
  6. Uitgewerkt voorbeeld

Doel

Probitanalyse modelleert hoe het aandeel eenheden dat faalt (of reageert) toeneemt met het niveau van een stress, uit pass/fail-testen die bij meerdere stressniveaus zijn uitgevoerd. Typische toepassingen zijn valtesten, schoktesten, stapsgewijze testen van barstdruk of spanning en dosis-responsproeven. Zij beantwoordt vragen zoals: bij welke valhoogte scheurt de helft van de eenheden, en bij welke hoogte 90%? Het resultaat geeft een stressgrens met een betrouwbaarheidsinterval, die u kunt vergelijken met een specificatie of een omstandigheid in het veld.

Belangrijkste mogelijkheden

  • Werkt met gegroepeerde pass/fail-gegevens: het aantal geteste eenheden en het aantal dat faalde bij elk stressniveau.
  • Normale (probit) of logistische (logit) tolerantieverdeling.
  • Fit tegen ln(stress), de gebruikelijke keuze voor fysieke stress, of tegen de stress zelf.
  • Coëfficiëntentabel met Z-toetsen voor het intercept en de helling.
  • Stressniveau waarbij elk gekozen percentage eenheden faalt, met betrouwbaarheidsintervallen, en een probitplot van waargenomen tegen gefitte waarden.

Statistische methoden

Bij elk stressniveau s reageren r van de n eenheden. Het model veronderstelt dat elke eenheid een eigen tolerantie heeft, het stressniveau waarbij zij faalt, en dat deze tolerantiewaarden een normale of logistische verdeling volgen in x, waarbij x = ln(s) wanneer Fit against ln(stress) is aangevinkt en anders x = s. De kans op falen bij stress s is dan P = G(b₀ + b₁·x), waarbij G de cumulatieve verdelingsfunctie van de standaardnormale (probit-link) of standaardlogistische (logit-link) verdeling is. De aantallen worden gefit als een binomiaal gegeneraliseerd lineair model met maximale aannemelijkheid, en het intercept b₀ en de helling b₁ worden getoetst met Wald-Z-statistieken. Een helling die significant groter is dan 0 betekent dat het faalaandeel toeneemt met stress.

Het stressniveau waarbij p% van de eenheden faalt volgt uit G⁻¹(p/100) = b₀ + b₁·x, dus x_p = (G⁻¹(p/100) − b₀) / b₁, en s_p = exp(x_p) op de logschaal. Het betrouwbaarheidsinterval wordt berekend met de deltamethode: de variantie van x_p komt uit de covariantiematrix van b₀ en b₁, het interval x_p ± z·SE wordt gevormd en op de logschaal worden beide uiteinden teruggerekend met exp, zodat het interval niet symmetrisch is. Normaal en logistisch geven meestal vergelijkbare antwoorden rond 50% en verschillen meer in de staarten.

De probitplot toont de waargenomen proportie van elk stressniveau op een waarschijnlijkheidsschaal tegen stress (logschaal bij fit tegen ln(stress)), met de gefitte rechte lijn. Punten dicht bij de lijn betekenen dat het model past. Een niveau waarbij geen enkele of elke eenheid faalde heeft geen eindige positie op de waarschijnlijkheidsschaal en blijft daarom, zoals in Minitab, buiten de plot (het wordt wel gebruikt in de fit); een opmerking onder de plot vermeldt hoeveel rijen zijn weggelaten.

Invoervelden en opties

Veld

Beschrijving

Response (number of events)

Verplicht. Aantal eenheden dat faalde of reageerde bij elk stressniveau. Mag niet groter zijn dan Trials.

Trials (number of tests)

Verplicht. Aantal eenheden dat bij elk stressniveau is getest.

Stress (predictor)

Verplicht. Het stressniveau van elke rij. Er zijn minstens 3 rijen nodig.

Fit against ln(stress)

Standaard aangevinkt. Standaard voor fysieke stress- en dosisvariabelen; de stress moet dan positief zijn. Vink uit als de stress op een lineaire schaal moet blijven.

Distribution

Normal (probit link) (standaard) of Logistic (logit link).

Percent levels

Door komma's gescheiden percentages waarvoor de effectieve stress wordt gerapporteerd. Standaard 50, 90, 95.

Confidence level (%)

Voor de intervallen van de effectieve stress. Standaard 95; 50 tot 99.99.

probit-analysis-inputs


Figuur 1 — Opties voor het valtestvoorbeeld: aantallen gescheurd en getest bij elke valhoogte, gefit tegen ln(hoogte) met de normale verdeling, percentageniveaus 50 en 90.

Beschrijving van de uitvoer

  • Coefficients — Intercept en Slope met Coef, SE Coef, Z en P.
  • Percent table — voor elk percentageniveau de Stress waarbij dat percentage eenheden faalt, met onderste en bovenste betrouwbaarheidsgrens.
  • Probit Plot — waargenomen proportie bij elk stressniveau op een waarschijnlijkheidsschaal (Percent), met de gefitte lijn.
  • PDF-export via Download.

probit-analysis-output


Figuur 2 — Resultaten van de valtest: 50% van de glazen scheurt bij 50.4 cm (95% BI 47.4 tot 53.6) en 90% bij 77.2 cm (70.6 tot 84.5).

Uitgewerkt voorbeeld

Een verpakkingsingenieur laat van elk van acht hoogtes, van 20 tot 90 cm, 40 beschermglazen voor telefoons vallen en telt hoeveel er scheuren. Het aandeel gescheurde glazen stijgt van geen bij 20 cm (het enige niveau dat buiten de probitplot blijft) naar 45% (18 van 40) bij 50 cm en 95% (38 van 40) bij 80 en 90 cm. De ingenieur wil weten bij welke hoogtes 50% en 90% van de glazen scheurt. Hij stelt Response = Units Cracked, Trials = Units Tested, Stress = Drop Height cm in, laat Fit against ln(stress) aangevinkt en Distribution = Normal staan, en voert Percent levels = 50, 90 in.

De helling op ln(hoogte) is 3.000 (Z = 10.38, p < 0.001), dus de valhoogte bepaalt duidelijk het scheuren. De helft van de glazen scheurt naar verwachting bij 50.4 cm (95% BI 47.4 tot 53.6 cm) en 90% bij 77.2 cm (95% BI 70.6 tot 84.5 cm). Het interval bij 90% is breder omdat het verder van het midden van de gegevens ligt. Als u 10 aan de percentageniveaus toevoegt, krijgt u 32.9 cm (29.4 tot 36.8 cm): onder ongeveer 30 cm scheuren weinig glazen.

Met de logistische verdeling zijn de antwoorden bijna gelijk: 50.7 cm voor 50% en 76.9 cm voor 90%. Fitten tegen de hoogte in plaats van ln(hoogte) verschuift het 50%-punt naar 53.2 cm, dus de keuze van de schaal weegt hier zwaarder dan de keuze van de verdeling. Voor het verpakkingsteam zijn deze hoogtes de cijfers om te vergelijken met de valhoogtes die het verpakte glas bij het hanteren moet doorstaan: als hooguit ongeveer 10% scheuren aanvaardbaar is, mag het glas zelf geen val boven ongeveer 33 cm meemaken.

Veelgestelde vragen

Waarvoor gebruikt u probitanalyse?

Probitanalyse modelleert hoe het aandeel eenheden dat faalt of reageert toeneemt met het niveau van een stress, uit pass/fail-testen bij meerdere stressniveaus. Typische toepassingen zijn valtesten, schoktesten, stapsgewijze testen van barstdruk of spanning en dosis-responsproeven. Zij beantwoordt vragen zoals bij welke valhoogte de helft of 90% van de eenheden scheurt, met een betrouwbaarheidsinterval.

Wat is het verschil tussen probit en logit in probitanalyse?

De optie normale verdeling gebruikt de probit-link en de optie logistische verdeling de logit-link; beide beschrijven hoe de tolerantie van eenheden voor stress is verdeeld. Ze geven meestal vergelijkbare antwoorden rond 50% en verschillen meer in de staarten. In een uitgewerkte valtest was het 50%-punt 50.4 cm met normaal en 50.7 cm met logistisch.

Welke gegevens heeft probitanalyse nodig?

Voer voor elk stressniveau het aantal geteste eenheden (trials), het aantal dat faalde of reageerde en het stressniveau in. Er zijn minstens 3 rijen nodig en het aantal falers mag niet groter zijn dan het aantal trials. Fitten tegen ln(stress) is de standaard en gebruikelijk voor fysieke stress- en dosisvariabelen, wat positieve stresswaarden vereist.

Hoe interpreteert u de resultaten van probitanalyse?

Een helling die significant groter is dan 0 betekent dat het faalaandeel toeneemt met stress. De percentagetabel geeft het stressniveau waarbij elk gekozen percentage eenheden faalt, met betrouwbaarheidsgrenzen; intervallen zijn breder naarmate ze verder van het midden van de gegevens liggen en zijn op de logschaal niet symmetrisch. Op de probitplot betekenen punten dicht bij de gefitte lijn dat het model past.