Análise Probit (Probit Analysis)
A análise probit ajusta dados agrupados de aprovado/reprovado, unidades testadas e com falha em vários níveis de estresse, de testes de queda, impacto, pressão, tensão ou dose-resposta. Pressupõe que as tolerâncias das unidades seguem uma distribuição Normal (probit) ou Logística (logit), em geral sobre ln(estresse), ajustada por máxima verossimilhança. Exige ao menos 3 níveis de estresse e informa coeficientes, o estresse em porcentagens de falha escolhidas com intervalos de confiança e um gráfico probit.
Última revisão
Conclusão principal
A análise probit modela como a proporção de unidades que falham ou respondem aumenta com o estresse, a partir de contagens aprovado/reprovado, e estima o estresse em que uma porcentagem escolhida falha, com intervalo de confiança.
Nesta página
Finalidade
A análise probit (Probit Analysis) modela como a proporção de unidades que falham (ou respondem) aumenta com o nível de um estresse, a partir de testes aprovado/reprovado executados em vários níveis de estresse. Usos típicos são testes de queda, testes de impacto, testes escalonados de pressão de ruptura ou de tensão elétrica e ensaios de dose-resposta. Ela responde a perguntas como: em que altura de queda metade das unidades trinca e em que altura 90% trincam? O resultado fornece um limite de estresse com intervalo de confiança, que pode ser comparado com uma especificação ou uma condição de campo.
Principais recursos
- Trabalha com dados agrupados de aprovado/reprovado: o número de unidades testadas e o número das que falharam em cada nível de estresse.
- Distribuição de tolerância Normal (probit) ou Logística (logit).
- Ajuste em relação a ln(estresse), a escolha usual para estresses físicos, ou em relação ao próprio estresse.
- Tabela de coeficientes com testes Z para o intercepto e a inclinação.
- Estresse em que qualquer porcentagem escolhida de unidades falha, com intervalos de confiança, e um gráfico probit do observado em relação ao ajustado.
Métodos estatísticos
Em cada nível de estresse s, r de n unidades respondem. O modelo pressupõe que cada unidade tem sua própria tolerância, o estresse em que ela falha, e que essas tolerâncias seguem uma distribuição Normal ou Logística em x, em que x = ln(s) quando Fit against ln(stress) está marcado e x = s caso contrário. A probabilidade de falhar no estresse s é então P = G(b₀ + b₁·x), em que G é a função de distribuição acumulada normal padrão (ligação probit) ou logística padrão (ligação logit). As contagens são ajustadas como um modelo linear generalizado binomial por máxima verossimilhança, e o intercepto b₀ e a inclinação b₁ são testados com estatísticas Z de Wald. Uma inclinação significativamente maior que 0 significa que a proporção de falhas aumenta com o estresse.
O estresse em que p% das unidades falham é obtido de G⁻¹(p/100) = b₀ + b₁·x, de modo que x_p = (G⁻¹(p/100) − b₀) / b₁ e s_p = exp(x_p) na escala logarítmica. Seu intervalo de confiança é calculado pelo método delta: a variância de x_p vem da matriz de covariância de b₀ e b₁, forma-se o intervalo x_p ± z·SE e, na escala logarítmica, os dois extremos são convertidos de volta com exp, de modo que o intervalo não é simétrico. A Normal e a Logística costumam dar respostas semelhantes perto de 50% e diferem mais nas caudas.
O gráfico probit mostra a proporção observada em cada nível de estresse em uma escala de probabilidade em função do estresse (escala logarítmica quando o ajuste é em relação a ln(estresse)), com a reta ajustada. Pontos próximos da reta indicam que o modelo se ajusta. Um nível em que nenhuma unidade ou todas as unidades falharam não tem posição finita na escala de probabilidade; assim, como no Minitab, ele fica de fora do gráfico (mas ainda é usado no ajuste) e uma nota abaixo do gráfico informa quantas linhas ficaram de fora.
Campos de entrada e opções
Campo | Descrição |
Response (number of events) | Obrigatório. Número de unidades que falharam ou responderam em cada nível de estresse. Não pode exceder Trials. |
Trials (number of tests) | Obrigatório. Número de unidades testadas em cada nível de estresse. |
Stress (predictor) | Obrigatório. O nível de estresse de cada linha. São necessárias pelo menos 3 linhas. |
Fit against ln(stress) | Marcado por padrão. Padrão para variáveis de estresse físico e de dose; o estresse deve então ser positivo. Desmarque se o estresse deve permanecer em escala linear. |
Distribution | Normal (probit link) (padrão) ou Logistic (logit link). |
Percent levels | Porcentagens separadas por vírgula para as quais informar o estresse efetivo. Padrão 50, 90, 95. |
Confidence level (%) | Para os intervalos do estresse efetivo. Padrão 95; de 50 a 99.99. |

Figura 1 — Opções do exemplo de teste de queda: contagens de trincados e testados em cada altura de queda, ajustadas em relação a ln(altura) com a distribuição Normal, níveis percentuais 50 e 90.
Descrição da saída
- Coefficients — Intercept e Slope com Coef, SE Coef, Z e P.
- Tabela Percent — para cada nível percentual, o Stress em que essa porcentagem de unidades falha, com limites de confiança inferior e superior.
- Probit Plot — proporção observada em cada nível de estresse em uma escala de probabilidade (Percent), com a reta ajustada.
- Exportação em PDF por meio de Download.

Figura 2 — Resultados do teste de queda: 50% dos vidros trincam a 50.4 cm (IC de 95% de 47.4 a 53.6) e 90% a 77.2 cm (70.6 a 84.5).
Exemplo prático
Um engenheiro de embalagens deixa cair 40 vidros de proteção de celular de cada uma de oito alturas, de 20 a 90 cm, e conta quantos trincam. A parcela de trincados sobe de nenhum a 20 cm (o único nível deixado de fora do gráfico probit) para 45% (18 de 40) a 50 cm e 95% (38 de 40) a 80 e 90 cm. O engenheiro quer saber as alturas em que 50% e 90% dos vidros trincam. Ele define Response = Units Cracked, Trials = Units Tested, Stress = Drop Height cm, mantém Fit against ln(stress) marcado e Distribution = Normal, e informa Percent levels = 50, 90.
A inclinação em ln(altura) é 3.000 (Z = 10.38, p < 0.001), de modo que a altura de queda claramente determina a trinca. Espera-se que metade dos vidros trinque a 50.4 cm (IC de 95% de 47.4 a 53.6 cm) e 90% a 77.2 cm (IC de 95% de 70.6 a 84.5 cm). O intervalo a 90% é mais largo porque fica mais longe do centro dos dados. Acrescentar 10 aos níveis percentuais dá 32.9 cm (29.4 a 36.8 cm): abaixo de cerca de 30 cm poucos vidros trincam.
Com a distribuição Logística, as respostas são quase iguais: 50.7 cm para 50% e 76.9 cm para 90%. Ajustar em relação à altura em vez de ln(altura) move o ponto de 50% para 53.2 cm, de modo que, aqui, a escolha da escala importa mais que a escolha da distribuição. Para a equipe de embalagens, essas alturas são os valores a comparar com as alturas de queda que o vidro embalado deve suportar no manuseio: se no máximo cerca de 10% de trincas é aceitável, o vidro, sozinho, não deve sofrer o equivalente a uma queda acima de cerca de 33 cm.
Perguntas frequentes
Para que serve a análise probit?
A análise probit modela como a proporção de unidades que falham ou respondem aumenta com o nível de um estresse, a partir de testes aprovado/reprovado em vários níveis de estresse. Usos típicos são testes de queda, testes de impacto, testes escalonados de pressão de ruptura ou de tensão elétrica e ensaios de dose-resposta. Ela responde a perguntas como a altura de queda em que metade ou 90% das unidades trincam, com intervalo de confiança.
Qual é a diferença entre probit e logit na análise probit?
A opção de distribuição Normal usa a ligação probit e a opção Logística usa a ligação logit; ambas descrevem como as tolerâncias das unidades ao estresse se distribuem. Costumam dar respostas semelhantes perto de 50% e diferem mais nas caudas. Em um teste de queda do exemplo prático, o ponto de 50% foi 50.4 cm com a Normal e 50.7 cm com a Logística.
Que dados a análise probit exige?
Para cada nível de estresse, informe o número de unidades testadas (trials), o número das que falharam ou responderam e o nível de estresse. São necessárias pelo menos 3 linhas, e as falhas não podem exceder os testes. O ajuste em relação a ln(estresse) é o padrão e a escolha usual para variáveis de estresse físico e de dose, o que exige valores de estresse positivos.
Como interpretar os resultados da análise probit?
Uma inclinação significativamente maior que 0 significa que a proporção de falhas aumenta com o estresse. A tabela de porcentagens fornece o estresse em que cada porcentagem escolhida de unidades falha, com limites de confiança; os intervalos são mais largos quanto mais longe do centro dos dados e não são simétricos na escala logarítmica. No gráfico probit, pontos próximos da reta ajustada indicam que o modelo se ajusta.
