コンテンツへスキップ

ワイブル解析においても、標本サイズは重要である

皆さん、

少し前に、「初期の最初の失敗がもたらす呪い」と「ワイブルプロットの解釈」という記事を投稿しました。これらの記事はいずれも、ワイブル解析を用いて適切な技術的判断を下すことに関連するものでした。

最近、ある読者から、ワイブル解析において標本サイズは重要なのかという質問がありました。ワイブル解析を行う人々のうち、標本サイズの影響について論じる人がほとんどいないというのは興味深いことです。そこで、ここでその点について考えてみましょう。 図1を見てみましょう。この図は、合金1と合金2の故障までのサイクル数を比較するために用いられたワイブル解析を示しています。各曲線の傾きがほぼ同じであることを考慮すると、合金2のスケール値(1320対1172)の方が大きいことから、合金2の方が優れていると多くの人が考えるでしょう。 しかし、この差は統計的に有意なものでしょうか?単純な2標本t検定を用いてデータを分析すると、合金2が合金1より優れているという確信度はわずか62%であることがわかります。コインを投げて決める場合の確信度は50%であるため、この結果は決して心強いものではありません。4つのサンプルだけでは、確信を持って技術的な判断を下すにはほとんど不十分です。

合金1と合金2の完全データとML推定値を比較したワイブル確率プロット。

図1.サンプル数がわずか4つしかない合金1および2のワイブルプロット。

もし20個のサンプルを用いて実験を再度行うと、図2に示すようなワイブル解析結果が得られます。スケールパラメータには大きな変化が見られないものの、形状パラメータには著しい変化が生じていることに注意してください。 当初の4個のサンプルによる検定だけでは、サンプルの実際の形状パラメータを正確に特定するには不十分でした。20個のサンプルデータに対して2標本t検定も実施した結果、合金2が合金1よりも優れているという結論に99.6%の信頼度で到達しました。したがって、20個のサンプルがあれば、合金2が合金1よりも優れていると確信を持って言えることになります。

それぞれ20個のサンプルからなるAlpha 1とAlpha 2のデータセットを比較したワイブル確率プロットは、以下の通りである。

図2.20個の試料を用いた合金1および2のワイブルプロット。

結果に確信を持てるようにするには、どの程度の最小標本数が必要でしょうか?これは状況によってかなり異なりますが、実験後にt検定を用いてデータを分析して初めて、確実に判断できます。しかし、私の経験から言えば、標本数は10個を下回らないようにし、できれば15個以上にするべきだと思います。

乾杯

ロン博士