Intervalo de tolerância (distribuição não normal)

Intervalo de tolerância (distribuição não normal) define, com a confiança escolhida, uma faixa ou um limite que contém pelo menos uma porcentagem escolhida da população, para dados assimétricos como vidas úteis ou resistências. Ajusta uma de oito distribuições e sempre fornece um intervalo não paramétrico, livre de distribuição, com sua confiança alcançada. Verifique o ajuste de Anderson-Darling antes de confiar em um intervalo de distribuição. Use para limites de especificação, de garantia ou de liberação.

Última revisão

Conclusão principal

Um intervalo de tolerância não normal dá a faixa que, com a confiança declarada, contém pelo menos uma porcentagem declarada de uma população cujos dados não são normais, a partir de uma distribuição ajustada e de um método não paramétrico.

Nesta página
  1. Finalidade
  2. Principais recursos
  3. Métodos estatísticos
  4. Campos de entrada e opções
  5. Descrição da saída
  6. Exemplo prático

Finalidade

Um intervalo de tolerância dá a faixa que, com uma confiança declarada, contém pelo menos uma porcentagem declarada de todas as unidades da população, por exemplo: com 95% de confiança, pelo menos 95% das lâmpadas duram mais de 1,093 horas. Intervalo de tolerância (distribuição não normal) faz isso para dados que não são normalmente distribuídos, como vidas úteis, resistências ou níveis de impurezas. Ele ajusta uma distribuição escolhida e também fornece um intervalo não paramétrico que não precisa de nenhuma distribuição, para que você possa comparar os dois. Use para definir ou verificar limites de especificação, prazos de garantia ou limites de liberação a partir de uma amostra.

Principais recursos

  • Oito distribuições: Weibull, Lognormal, Gamma, Exponential, Smallest extreme value, Largest extreme value, Logistic e Loglogistic, ou Assume none somente para o intervalo não paramétrico.
  • Intervalo não paramétrico (livre de distribuição) a partir dos dados ordenados, com sua confiança alcançada, exibido em todos os casos.
  • Intervalo bilateral, limite inferior ou limite superior.
  • Teste de aderência de Anderson-Darling e os parâmetros ajustados, para verificar a distribuição escolhida.
  • Várias colunas de uma vez, cada uma com seu próprio intervalo e histograma com os limites de tolerância marcados.

Métodos estatísticos

Método não paramétrico: os limites são estatísticas de ordem da amostra. Para um intervalo bilateral, a ferramenta usa (x₍ᵣ₎, x₍ₙ₋ᵣ₊₁₎), com r o maior valor para o qual a confiança alcançada, P(Beta(n − 2r + 1, 2r) > P), ainda é pelo menos o nível de confiança, em que P é a proporção mínima da população. Para um limite unilateral, usa x₍ₖ₎ (inferior) ou x₍ₙ₋ₖ₊₁₎ (superior), com k escolhido da mesma forma a partir da distribuição binomial. Como só podem ser usadas estatísticas de ordem inteiras, a confiança alcançada costuma ficar acima do nível pedido; com uma amostra pequena, ela pode ficar abaixo, mesmo com o mínimo e o máximo, e a tabela então mostra o valor menor.

Métodos de distribuição, com parâmetros por máxima verossimilhança: Lognormal usa o intervalo de tolerância normal dos dados em logaritmo, retransformado; Gamma usa o intervalo normal da raiz cúbica dos dados (Wilson-Hilferty); Exponential usa limites exatos de qui-quadrado para limites unilaterais e o método de Fernandez para bilaterais; Weibull (na escala logarítmica), Smallest e Largest extreme value usam o método exato de Lawless; Logistic e Loglogistic usam o método de grandes amostras de Bain e Engelhardt. Um intervalo bilateral é construído a partir de limites unilaterais em α/2 e (1 + P)/2. Lognormal, Gamma, Exponential, Weibull e Loglogistic exigem dados positivos.

Um intervalo de distribuição só é tão bom quanto o ajuste: verifique se o valor-p de Anderson-Darling não é pequeno (acima de 0.05, por exemplo) antes de confiar nele. Quando nenhuma distribuição se ajusta, use o intervalo não paramétrico, que exige uma amostra maior para alcançar a mesma confiança. A confiança alcançada aplica-se apenas ao método não paramétrico.

Campos de entrada e opções

Campo

Descrição

Sample data

Obrigatório. Uma ou mais colunas numéricas; cada uma recebe seu próprio intervalo.

Distribution

Weibull (padrão), Lognormal, Gamma, Exponential, Smallest extreme value, Largest extreme value, Logistic, Loglogistic ou Assume none, que mostra apenas o intervalo não paramétrico.

Confidence level

Padrão 95; de 50 a 99.99.

Minimum percentage of population in interval

Padrão 95; de 50 a 99.99. A proporção da população que o intervalo deve conter.

Tolerance Interval

Two-sided (padrão), Lower bound ou Upper bound.

Tolerance Interval Plot

Marcada por padrão: um histograma de cada coluna com os limites de tolerância.

Data Options: Subset (optional)

Exclude matching rows (padrão) ou Include only matching rows, por números de linha (ex.: 3,7,12-15) e/ou uma condição.

tolerance-nonnormal-distribution-inputs


Figura 1 — Opções do exemplo: Hours, Lognormal, 95% de confiança, pelo menos 95% da população, limite inferior.

Descrição da saída

  • Settings — distribuição, nível de confiança e porcentagem da população no intervalo.
  • Statistics — Variable, N, Mean e StDev de cada coluna.
  • Tolerance table — para cada coluna, o intervalo ou limite pelo método da distribuição escolhida, o Nonparametric Method e seu Achieved Confidence (com Assume none: Lower Bound, Upper Bound e Achieved Confidence).
  • Tolerance Interval for <column> — histograma com os limites desenhados como linhas tracejadas (os limites do método da distribuição quando uma distribuição é escolhida).
  • Distribution Parameters — os parâmetros ajustados, ex.: Location e Scale, ou Shape e Scale.
  • Goodness-of-Fit Test (Anderson-Darling) — estatística AD e valor-p da distribuição escolhida.
  • Exportação em PDF via Download.

tolerance-nonnormal-distribution-output


Figura 2 — Limite inferior lognormal de 1,093.40 horas e limite não paramétrico de 1,070.70 horas (confiança alcançada de 96.29%); a lognormal se ajusta (AD 0.484, p = 0.224).

Exemplo prático

Um engenheiro de qualidade testa 100 lâmpadas até a falha e quer declarar um tempo de funcionamento que, com 95% de confiança, pelo menos 95% de todas as lâmpadas superarão. As vidas úteis costumam ser assimétricas, então o engenheiro ajusta uma distribuição lognormal. Sample data = Hours, Distribution = Lognormal, Confidence level = 95, Minimum percentage of population in interval = 95, Tolerance Interval = Lower bound.

As 100 lâmpadas têm média de 1,248 horas e desvio padrão de 84.1 horas. A lognormal se ajusta bem (localização 7.1271, escala 0.0671; AD 0.484, p = 0.224). O limite inferior lognormal é 1,093.40 horas: com 95% de confiança, pelo menos 95% das lâmpadas duram mais que isso. O limite não paramétrico, a segunda menor vida da amostra, é 1,070.70 horas, com confiança alcançada de 96.29%. É menor porque não usa nenhum modelo, mas sustenta uma afirmação da mesma ordem.

A escolha da distribuição importa. Uma Weibull não se ajusta a essas lâmpadas (AD 1.558, p < 0.010) e daria um limite inferior de apenas 1,017.99 horas; uma Gamma se ajusta (AD 0.442, p > 0.250) e dá 1,091.16 horas, próximo da lognormal. O engenheiro pode declarar cerca de 1,090 horas com confiança e não deve usar o valor da Weibull. Para um intervalo bilateral com a lognormal, 95% das lâmpadas ficam entre 1,070.95 e 1,447.79 horas (não paramétrico: 1,044.33 a 1,510.35, as vidas mais curta e mais longa).

Perguntas frequentes

O que é um intervalo de tolerância para dados não normais?

É uma faixa que, com uma confiança declarada, contém pelo menos uma porcentagem declarada de todas as unidades da população, para dados que não são normalmente distribuídos, como vidas úteis, resistências ou níveis de impurezas. É calculado a partir de uma distribuição ajustada e também por um método não paramétrico que não precisa de nenhuma distribuição.

Quais distribuições podem ser usadas em um intervalo de tolerância não normal?

Weibull, Lognormal, Gamma, Exponential, Smallest extreme value, Largest extreme value, Logistic e Loglogistic, ou Assume none somente para o intervalo não paramétrico. Lognormal, Gamma, Exponential, Weibull e Loglogistic exigem dados positivos. A escolha importa: uma distribuição que não se ajusta pode dar um limite muito diferente.

Quando usar o intervalo de tolerância não paramétrico?

Use quando nenhuma distribuição se ajusta aos dados. Antes de confiar em um intervalo de distribuição, verifique se o valor-p de Anderson-Darling não é pequeno, acima de 0.05, por exemplo. O intervalo não paramétrico usa estatísticas de ordem da amostra e exige uma amostra maior para alcançar a mesma confiança; a confiança alcançada é mostrada na tabela.

O que é a confiança alcançada de um intervalo de tolerância não paramétrico?

Como os limites não paramétricos devem ser estatísticas de ordem inteiras da amostra, a confiança efetivamente alcançada costuma ficar acima do nível pedido. Com uma amostra pequena, ela pode ficar abaixo, mesmo usando o mínimo e o máximo, e a tabela então mostra esse valor menor. A confiança alcançada aplica-se apenas ao método não paramétrico.