Verteilungsanpassung

Was ist Verteilungsanpassung?

Die Verteilungsanpassung ermittelt, welche Wahrscheinlichkeitsverteilung einen Datensatz am besten beschreibt. Zwar wird häufig eine Normalverteilung unterstellt, doch folgen reale Daten oft einer Lognormalverteilung (multiplikative Prozesse), einer Exponentialverteilung (Zeit zwischen Ereignissen), einer Weibull-Verteilung (Zuverlässigkeit/Lebensdauer) oder anderen Verteilungen. Eine falsch gewählte Verteilung führt zu fehlerhaften Vorhersagen und Prozessfähigkeitskennwerten.

Bei der Anpassung werden die Verteilungsparameter (z. B. Mittelwert und σ bei der Normalverteilung, Form und Skalierung bei Weibull) mit der Maximum-Likelihood-Methode geschätzt. Die Modellauswahl stützt sich auf Informationskriterien: AIC (Akaike-Informationskriterium) und BIC (bayessches Informationskriterium) wägen die Anpassungsgüte gegen die Modellkomplexität ab. Niedrigere AIC-/BIC-Werte weisen auf ein besseres Modell hin.

Der Kolmogorov-Smirnov-Test (KS) vergleicht die empirische Verteilungsfunktion mit der angepassten theoretischen CDF. Ein hoher p-Wert des KS-Tests (> 0.05) spricht für eine gute Anpassung. Das QQ-Diagramm liefert die visuelle Bestätigung: Punkte, die der Diagonalen folgen, bestätigen, dass die gewählte Verteilung geeignet ist.

Formula: KS Statistic = max|F_empirical(x) - F_theoretical(x)| AIC = 2k - 2 ln(L) BIC = k ln(n) - 2 ln(L) where k = parameters, L = likelihood, n = sample size

Berechnungsbeispiel

100 Messwerte, angepasst an eine Normalverteilung (AIC=312, BIC=317, KS p=0.08) und an eine Lognormalverteilung (AIC=305, BIC=310, KS p=0.45). Die Lognormalverteilung hat die niedrigeren AIC-/BIC-Werte und den höheren KS-p-Wert — sie ist die bessere Anpassung. Das QQ-Diagramm der Lognormalverteilung zeigt eine engere Anlehnung an die Diagonale als jenes der Normalverteilung.

Wann diesen Rechner verwenden

• Vor der Prozessfähigkeitsanalyse zur Bestimmung des korrekten Verteilungsmodells — Cpk-Formeln auf nicht-normale Daten anzuwenden liefert irreführende Ergebnisse
• Bei der Analyse von Zuverlässigkeits- oder Lebensdauerdaten die typischerweise rechtsschief sind — Weibull, Log-Normal oder Exponential können weit besser als Normal passen
• Bei der Prozesscharakterisierung zum Verständnis der grundlegenden Datenform und Auswahl geeigneter statistischer Methoden
• Wenn SPC-Regelkartengrenzen unangemessen erscheinen — die Daten könnten nicht normalverteilt sein und erfordern andere Kartentypen oder transformierte Daten
• Beim Vergleich von Messdaten mit Lieferantenspezifikationen — die tatsächliche Verteilung zu kennen ermöglicht genaue Vorhersage der Ausschussrate

Häufige Fehler vermeiden

• Annehmen dass alle Daten normalverteilt sind ohne zu prüfen — Fertigungsdaten sind oft schief (Log-Normal), begrenzt (Beta) oder multimodal (Mischung); immer anpassen und vergleichen
• Verteilung nur nach AIC auswählen wenn der KS-p-Wert sehr niedrig ist — AIC rangiert die relative Anpassung unter Kandidaten, aber ein niedriger KS-p-Wert bedeutet dass selbst der beste Kandidat möglicherweise nicht gut passt; mehr Daten sammeln oder andere Verteilungen erwägen
• Überanpassung durch Wahl einer komplexen Verteilung mit vielen Parametern bei kleinem Datensatz — AIC und BIC bestrafen Komplexität, aber bei kleinen Stichproben können selbst diese Kriterien übermäßig komplexe Modelle bevorzugen; bei ähnlicher Anpassung einfachere Verteilungen bevorzugen
• Anpassung nicht visualisieren — numerische Kriterien allein können irreführend sein; immer Histogramm-Überlagerung und QQ-Plot prüfen um zu verifizieren, dass die angepasste Verteilung zum Datenmuster passt

Ergebnisse interpretieren

• Die Verteilung mit dem niedrigsten AIC/BIC und höchsten KS-p-Wert ist der beste Kandidat — wenn AIC und BIC nicht übereinstimmen, ist BIC konservativer
• KS-p-Wert > 0,05 zeigt, dass die angepasste Verteilung mit den Daten konsistent ist — niedrigere Werte deuten auf eine schlechte Anpassung hin, die nicht für Vorhersagen verwendet werden sollte
• Wenn Normal gut passt, sind Standard-Cpk/Ppk-Formeln und parametrische Tests direkt anwendbar
• Wenn Log-Normal am besten passt, Daten vor der Fähigkeitsanalyse logarithmisch transformieren oder nicht-normale Fähigkeitsmethoden verwenden
• Wenn keine Standardverteilung gut passt, könnten die Daten multimodal sein (Mischung zweier Prozesse) — untersuchen ob die Daten stratifiziert werden sollten

Zugehörige Normen & Referenzen

• NIST/SEMATECH e-Handbook §1.3.5 — Leitfaden zu Wahrscheinlichkeitsplots, Anpassungsgüte und Verteilungsauswahl
• Akaike (1974) & Schwarz (1978) — Die Originalarbeiten zu AIC und BIC, den hier zur Rangbildung der Kandidatenverteilungen genutzten Informationskriterien
• D'Agostino & Stephens, Goodness-of-Fit Techniques (1986) — Das klassische Referenzwerk zur Beurteilung, wie gut eine angepasste Verteilung die Daten beschreibt
• ISO 5479 — Tests auf Abweichung von der Normalverteilung, einschließlich des neben den Anpassungen berichteten Shapiro-Wilk-Tests

Häufig gestellte Fragen

Welche Verteilung sollte ich zuerst ausprobieren?

Beginnen Sie bei stetigen, symmetrischen Daten mit der Normalverteilung. Bei rechtsschiefen Daten oder Daten, die nicht negativ werden können (Konzentrationen, Zykluszeiten), probieren Sie die Lognormalverteilung. Für Lebensdauer- und Zuverlässigkeitsdaten bieten sich die Weibull- oder die Exponentialverteilung an. Zähldaten (Fehler je Einheit, Ankünfte) sind diskret — dieses Werkzeug passt nur stetige Verteilungen an; prüfen Sie Zähldaten stattdessen mit einer Poisson- oder Binomialverteilung. Die Form des Histogramms gibt eine erste Orientierung: symmetrische Glocke → Normalverteilung, rechtsschief → Lognormal-/Weibull-Verteilung, konstante Rate → Exponentialverteilung.

Was ist der Unterschied zwischen AIC und BIC?

Beide bestrafen die Modellkomplexität, um eine Überanpassung zu verhindern, doch das BIC bestraft zusätzliche Parameter stärker, insbesondere bei großen Stichproben. Das AIC neigt dazu, komplexere Modelle zu wählen (bessere Vorhersage), das BIC dagegen einfachere Modelle (bessere Modellidentifikation). Widersprechen sich beide, ist das BIC die konservativere Wahl. Verwenden Sie beide — stimmen sie überein, ist die Auswahl mit hoher Sicherheit richtig.