Tolerantie-interval (niet-normale verdeling)
Tolerance Interval (Nonnormal Distribution) geeft, met een gekozen betrouwbaarheidsniveau, een bereik of grens die ten minste een gekozen percentage van de populatie bevat, voor scheve gegevens zoals levensduren of sterktes. Het fit een van acht verdelingen en geeft altijd een verdelingsvrij niet-parametrisch interval met het bereikte betrouwbaarheidsniveau. Controleer de Anderson-Darling-fit voordat u op een verdelingsinterval vertrouwt. Gebruik het voor specificatie-, garantie- of vrijgavegrenzen.
Laatst beoordeeld
Belangrijkste conclusie
Een niet-normaal tolerantie-interval geeft het bereik dat met een vastgesteld betrouwbaarheidsniveau ten minste een vastgesteld percentage van een populatie met niet-normale gegevens bevat, via een gefitte verdeling en niet-parametrisch.
Op deze pagina
Doel
Een tolerantie-interval geeft het bereik dat met een vastgesteld betrouwbaarheidsniveau ten minste een vastgesteld percentage van alle eenheden in de populatie bevat, bijvoorbeeld: met 95% betrouwbaarheid gaat ten minste 95% van de lampen langer mee dan 1,093 uur. Tolerance Interval (Nonnormal Distribution) doet dit voor gegevens die niet normaal verdeeld zijn, zoals levensduren, sterktes of onzuiverheidsniveaus. Het fit een gekozen verdeling en geeft ook een niet-parametrisch interval dat helemaal geen verdeling nodig heeft, zodat u de twee kunt vergelijken. Gebruik het om op basis van een steekproef specificatiegrenzen, garantieperioden of vrijgavegrenzen vast te stellen of te controleren.
Belangrijkste mogelijkheden
- Acht verdelingen: Weibull, Lognormal, Gamma, Exponential, Smallest extreme value, Largest extreme value, Logistic en Loglogistic, of Assume none voor alleen het niet-parametrische interval.
- Niet-parametrisch (verdelingsvrij) interval uit de geordende gegevens, met het bereikte betrouwbaarheidsniveau, altijd getoond.
- Tweezijdig interval, ondergrens of bovengrens.
- Anderson-Darling-aanpassingstoets en de gefitte parameters, om de gekozen verdeling te controleren.
- Meerdere kolommen tegelijk, elk met een eigen interval en histogram met de tolerantiegrenzen gemarkeerd.
Statistische methoden
Niet-parametrische methode: de grenzen zijn ordestatistieken van de steekproef. Voor een tweezijdig interval gebruikt de tool (x₍ᵣ₎, x₍ₙ₋ᵣ₊₁₎), waarbij r de grootste waarde is waarvoor het bereikte betrouwbaarheidsniveau, P(Beta(n − 2r + 1, 2r) > P), nog ten minste gelijk is aan het betrouwbaarheidsniveau, met P de minimale proportie van de populatie. Voor een eenzijdige grens gebruikt ze x₍ₖ₎ (onder) of x₍ₙ₋ₖ₊₁₎ (boven), waarbij k op dezelfde wijze uit de binomiale verdeling wordt gekozen. Omdat alleen hele ordestatistieken kunnen worden gebruikt, ligt het bereikte betrouwbaarheidsniveau meestal boven het gevraagde niveau; bij een kleine steekproef kan het daaronder liggen, zelfs met het minimum en maximum, en toont de tabel dan de lagere waarde.
Verdelingsmethoden, met parameters uit maximum likelihood: Lognormal gebruikt het normale tolerantie-interval van de logaritmisch getransformeerde gegevens, terugtransformeerd; Gamma gebruikt het normale interval van de derdemachtswortel van de gegevens (Wilson-Hilferty); Exponential gebruikt exacte chi-kwadraatgrenzen voor eenzijdige grenzen en de methode van Fernandez voor tweezijdige; Weibull (op logschaal), Smallest en Largest extreme value gebruiken de exacte methode van Lawless; Logistic en Loglogistic gebruiken de grote-steekproefmethode van Bain en Engelhardt. Een tweezijdig interval wordt opgebouwd uit eenzijdige grenzen bij α/2 en (1 + P)/2. Lognormal, Gamma, Exponential, Weibull en Loglogistic vereisen positieve gegevens.
Een verdelingsinterval is slechts zo goed als de fit: controleer of de Anderson-Darling-p-waarde niet klein is (bijvoorbeeld boven 0.05) voordat u erop vertrouwt. Als geen enkele verdeling past, gebruik dan het niet-parametrische interval, dat een grotere steekproef nodig heeft om hetzelfde betrouwbaarheidsniveau te halen. Het bereikte betrouwbaarheidsniveau geldt alleen voor de niet-parametrische methode.
Invoervelden en opties
Veld | Beschrijving |
Sample data | Verplicht. Een of meer numerieke kolommen; elke kolom krijgt een eigen interval. |
Distribution | Weibull (standaard), Lognormal, Gamma, Exponential, Smallest extreme value, Largest extreme value, Logistic, Loglogistic, of Assume none, dat alleen het niet-parametrische interval toont. |
Confidence level | Standaard 95; 50 tot 99.99. |
Minimum percentage of population in interval | Standaard 95; 50 tot 99.99. De proportie van de populatie die het interval moet bevatten. |
Tolerance Interval | Two-sided (standaard), Lower bound of Upper bound. |
Tolerance Interval Plot | Standaard aangevinkt: een histogram van elke kolom met de tolerantiegrenzen. |
Data Options: Subset (optional) | Exclude matching rows (standaard) of Include only matching rows, op rijnummers (bijv. 3,7,12-15) en/of een voorwaarde. |

Figuur 1 — Opties voor het voorbeeld: Hours, Lognormal, 95% betrouwbaarheid, ten minste 95% van de populatie, ondergrens.
Beschrijving van de uitvoer
- Settings — verdeling, betrouwbaarheidsniveau en percentage van de populatie in het interval.
- Statistics — Variable, N, Mean en StDev voor elke kolom.
- Tolerance table — voor elke kolom het interval of de grens volgens de methode van de gekozen verdeling, de Nonparametric Method en de Achieved Confidence (bij Assume none: Lower Bound, Upper Bound en Achieved Confidence).
- Tolerance Interval for <column> — histogram met de grenzen als streepjeslijnen (de grenzen van de verdelingsmethode wanneer een verdeling is gekozen).
- Distribution Parameters — de gefitte parameters, bijv. Location en Scale, of Shape en Scale.
- Goodness-of-Fit Test (Anderson-Darling) — AD-statistiek en p-waarde voor de gekozen verdeling.
- PDF-export via Download.

Figuur 2 — Lognormale ondergrens van 1,093.40 uur en niet-parametrische grens van 1,070.70 uur (bereikt betrouwbaarheidsniveau 96.29%); de lognormale verdeling past (AD 0.484, p = 0.224).
Uitgewerkt voorbeeld
Een kwaliteitsingenieur test 100 gloeilampen tot ze uitvallen en wil een brandduur vaststellen die met 95% betrouwbaarheid door ten minste 95% van alle lampen wordt overschreden. Levensduren zijn vaak scheef, dus de ingenieur fit een lognormale verdeling. Sample data = Hours, Distribution = Lognormal, Confidence level = 95, Minimum percentage of population in interval = 95, Tolerance Interval = Lower bound.
De 100 lampen hebben een gemiddelde van 1,248 uur en een standaardafwijking van 84.1 uur. De lognormale verdeling past goed (locatie 7.1271, schaal 0.0671; AD 0.484, p = 0.224). De lognormale ondergrens is 1,093.40 uur: met 95% betrouwbaarheid gaat ten minste 95% van de lampen langer mee. De niet-parametrische grens, de op één na kortste levensduur in de steekproef, is 1,070.70 uur met een bereikt betrouwbaarheidsniveau van 96.29%. Ze ligt lager omdat ze geen model gebruikt, maar ondersteunt een uitspraak van dezelfde orde.
De keuze van de verdeling doet ertoe. Een Weibull-verdeling past niet bij deze lampen (AD 1.558, p < 0.010) en zou een ondergrens van slechts 1,017.99 uur geven; een Gamma-verdeling past (AD 0.442, p > 0.250) en geeft 1,091.16 uur, dicht bij de lognormale. De ingenieur kan met vertrouwen ongeveer 1,090 uur vermelden en moet het Weibull-cijfer niet gebruiken. Voor een tweezijdig interval met de lognormale verdeling valt 95% van de lampen tussen 1,070.95 en 1,447.79 uur (niet-parametrisch: 1,044.33 tot 1,510.35, de kortste en langste levensduur).
Veelgestelde vragen
Wat is een tolerantie-interval voor niet-normale gegevens?
Het is een bereik dat met een vastgesteld betrouwbaarheidsniveau ten minste een vastgesteld percentage van alle eenheden in de populatie bevat, voor gegevens die niet normaal verdeeld zijn, zoals levensduren, sterktes of onzuiverheidsniveaus. Het wordt berekend uit een gefitte verdeling en ook met een niet-parametrische methode die geen verdeling nodig heeft.
Welke verdelingen kunnen worden gebruikt voor een niet-normaal tolerantie-interval?
Weibull, Lognormal, Gamma, Exponential, Smallest extreme value, Largest extreme value, Logistic en Loglogistic, of Assume none voor alleen het niet-parametrische interval. Lognormal, Gamma, Exponential, Weibull en Loglogistic vereisen positieve gegevens. De keuze doet ertoe: een verdeling die niet past kan een heel andere grens geven.
Wanneer gebruikt u het niet-parametrische tolerantie-interval?
Gebruik het wanneer geen enkele verdeling bij de gegevens past. Controleer voordat u op een verdelingsinterval vertrouwt dat de Anderson-Darling-p-waarde niet klein is, bijvoorbeeld boven 0.05. Het niet-parametrische interval gebruikt ordestatistieken van de steekproef en heeft een grotere steekproef nodig om hetzelfde betrouwbaarheidsniveau te halen; het bereikte betrouwbaarheidsniveau staat in de tabel.
Wat is het bereikte betrouwbaarheidsniveau van een niet-parametrisch tolerantie-interval?
Omdat de niet-parametrische grenzen hele ordestatistieken van de steekproef moeten zijn, ligt het werkelijk bereikte betrouwbaarheidsniveau meestal boven het gevraagde niveau. Bij een kleine steekproef kan het daaronder liggen, zelfs met het minimum en maximum, en toont de tabel dan die lagere waarde. Het bereikte betrouwbaarheidsniveau geldt alleen voor de niet-parametrische methode.
