概率图

概率图将有序数据绘制在使分布呈直线的刻度上,并带有置信界限,用于检验数据是否拟合某一分布。它支持包括 Normal、Lognormal、Weibull 和 Exponential 在内的九种分布,并为每种分布报告 Anderson-Darling 统计量和 p 值。可在进行假定正态性的能力分析、控制限或 t 检验之前使用,也可用于选择可靠性分布。

最后审阅

核心要点

概率图通过将有序数据绘制在使所选分布呈直线的刻度上,检验数据是否服从所选分布(最常用的是正态分布),并给出 Anderson-Darling 统计量和 p 值。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

概率图用于检验数据是否服从所选分布,最常用的是正态分布。有序数据被绘制在使所选分布呈直线的刻度上:如果各点沿直线分布,则该分布拟合。可在进行假定正态性的能力分析、控制限、容差区间或 t 检验之前使用,也可用于为可靠性或非正态能力研究选择分布(Weibull、对数正态、指数)。

主要功能

  • 九种分布:Normal、Lognormal、Weibull、Exponential、2-Parameter Exponential、Smallest Extreme Value、Largest Extreme Value、Logistic 和 Loglogistic。
  • 带有所选水平(默认 95%)的逐点置信界限的拟合参考线。
  • 图例中给出每种分布的 Anderson-Darling(AD)统计量及其 p 值,便于比较各分布的拟合程度。
  • 可将多个变量叠加在一张图上,或用 By 列将一个变量分成若干组,每组各有一条拟合线。
  • 对于 Lognormal、Weibull 和 Loglogistic,数据轴采用对数刻度,与标准概率纸相同。

统计方法

对每个变量或组(至少 3 个值),将数据排序,x₍₁₎ ≤ … ≤ x₍ₙ₎,并为每个值赋予绘图位置 pᵢ = (i − 0.3) / (n + 0.4),即 Benard 中位秩近似。纵轴为所选分布的反累积分布函数,以百分数标注,因此来自该分布的样本会落在接近直线的位置。参考线为拟合的累积分布函数:对于 Normal,使用样本均值和标准差(除数为 n − 1);对于其他分布,使用极大似然法,其中 Lognormal、Weibull、Exponential 和 Loglogistic 的阈值固定为 0(这些分布要求取正值)。

置信界限穿过每个点绘制:在水平 C 下,下界为 Beta(i, n − i + 1) 分布的 α/2 分位数,上界为 Beta(i + 1, n − i) 分布的 1 − α/2 分位数,其中 α = 1 − C/100。超出界限的点是反对该分布的证据。

Anderson-Darling 统计量 AD = −n − (1/n) Σ (2i − 1)[ln F(x₍ᵢ₎) + ln(1 − F(x₍ₙ₊₁₋ᵢ₎))] 度量各点与拟合累积分布函数 F 的距离,并对尾部赋予额外权重;越小越好。图例中显示每种分布的这一未经调整的 AD,与 Minitab 相同。p 值来自修正后的统计量,如 D'Agostino 和 Stephens 所述:对于 Normal 和 Lognormal(取对数后),AD·(1 + 0.75/n + 2.25/n²) 再用 Stephens 近似换算;对于 Weibull 和两种极值分布,为 AD·(1 + 0.2/√n);对于 Exponential,为 AD·(1 + 0.6/n);对于 Logistic 和 Loglogistic,为 AD·(1 + 0.25/n)。后三者通过查 Stephens 临界值表并插值得到,因此超出表范围的 p 值以界限形式显示,如 >0.250 或 <0.010。对于 2-Parameter Exponential,将 n − 1 个间隔 x₍ᵢ₎ − x₍₁₎ 作为指数分布进行检验。p 值低于 0.05 表明数据不服从该分布;在各分布之间,p 值越大通常表示拟合越接近。

输入字段和选项

字段

说明

Variables

必填。一个数值列,或多个叠加的列(“Multiple”概率图)。

By (grouping) column

可选。每组一条拟合线。仅在选择单个变量时使用。

Distribution

Normal(默认)、Lognormal、Weibull、Exponential、2-Parameter Exponential、Smallest Extreme Value、Largest Extreme Value、Logistic 或 Loglogistic。

Confidence level (%)

默认 95;范围 1 至 99.99。置信界限的水平。

Display confidence interval bounds

默认勾选。以虚线绘制界限。

Title

图的标题。默认为“Probability Plot”。

Data Options: Subset (optional)

Exclude matching rows(默认)或 Include only matching rows;通过 Row numbers(例如 3,7,12-15)和/或 Condition(例如 Tensile_Strength_MPa > 205)选择行。

probability-plot-inputs


图 1 — 示例所用选项:Tensile_Strength_MPa 的 Normal 概率图,95% 界限。

输出说明

  • Probability Plot — 数据(横轴)对分布概率刻度上的百分数,带有拟合线和虚线置信界限。图例给出每个系列的 AD 统计量及其 p 值。
  • 通过 Download 导出 PDF。

probability-plot-output


图 2 — 40 个试样抗拉强度的 Normal 概率图:AD = 0.213,p = 0.842。

计算示例

在设定控制限和计算能力之前,一名工程师检查 40 个试样的抗拉强度是否可视为正态。Variables = Tensile_Strength_MPa,Distribution = Normal,Confidence level 为 95,显示界限。

各点沿直线分布,在从 200.61 到 247.97 MPa 的整个范围内都位于虚线界限之内。图例显示 AD = 0.213,p = 0.842,远高于 0.05:没有证据反对正态性。拟合线的均值为 227.97 MPa,标准差为 10.61 MPa,因此可以使用基于正态分布的能力和控制图方法。如果两端的点偏离直线弯曲,则表明分布偏斜或为重尾分布。

同一工作表中还有 40 个失效时间(小时)。将 Time_to_Failure_hr 对多种分布作图,得到 Weibull 的 AD = 0.210,p > 0.250(形状参数 3.23,尺度参数 192.96 小时),Normal 的 AD = 0.158,p = 0.947,Lognormal 的 AD = 1.228,p < 0.005,Exponential 的 AD = 7.628,p < 0.010。假定失效率恒定的 Exponential 明显不拟合,Lognormal 也不拟合。Weibull 和 Normal 都拟合良好;对于失效时间,通常选择 Weibull,因为其形状参数大于 1 可描述磨损失效,且不会预测出负的寿命。

常见问题

如何解读概率图?

如果各点沿拟合直线分布并位于置信界限之内,则该分布拟合。超出界限的点是反对该分布的证据,两端的点偏离直线弯曲则表明分布偏斜或为重尾分布。图例给出 Anderson-Darling 统计量和 p 值;p 值低于 0.05 表明数据不服从该分布。

何时应使用概率图?

用于在进行假定数据正态的能力分析、控制限、容差区间或 t 检验之前检验正态性。它也用于为可靠性或非正态能力研究选择分布,如 Weibull、对数正态或指数分布。每个变量或组至少需要 3 个值,并且可以叠加多个变量或组。

如何在概率图上比较各分布?

将同一数据对多种分布作图,比较 Anderson-Darling 统计量和 p 值;AD 越小、p 值越大,通常表示拟合越接近。在一个基于 40 个失效时间的计算示例中,Weibull(p > 0.250)和 Normal(p = 0.947)拟合良好,而 Lognormal 和 Exponential(p < 0.010)不拟合。

概率图可以检验哪些分布?

九种:Normal、Lognormal、Weibull、Exponential、2-Parameter Exponential、Smallest Extreme Value、Largest Extreme Value、Logistic 和 Loglogistic。Lognormal、Weibull、Exponential 和 Loglogistic 要求取正值,Lognormal、Weibull 和 Loglogistic 使用对数数据轴,与标准概率纸相同。