WEIBULL.DIST ใช้คำนวณความน่าจะเป็นของการแจกแจงแบบ Weibull สำหรับการวิเคราะห์ความเสี่ยงและอายุการใช้งานของอุปกรณ์
| อาร์กิวเมนต์ | ชนิด | คำอธิบาย |
|---|---|---|
| x | Number | ค่าข้อมูล ณ จุดที่ต้องการประเมิน (ต้องมากกว่าหรือเท่ากับ 0) |
| alpha | Number | พารามิเตอร์รูปร่าง (shape parameter) ของการแจกแจง ต้องมากกว่า 0 – ค่ามากขึ้นทำให้การแจกแจงแบน ค่าน้อยลงทำให้แหลมชัด |
| beta | Number | พารามิเตอร์สเกล (scale parameter) ของการแจกแจง ต้องมากกว่า 0 – ควบคุมการยืดหรือหดตัวของการแจกแจง |
| cumulative | Boolean | TRUE = ส่งกลับ cumulative distribution function (CDF) | FALSE = ส่งกลับ probability density function (PDF) |
WEIBULL.DIST เป็นฟังก์ชันสถิติที่ใช้คำนวณค่าความน่าจะเป็นของการแจกแจงแบบ Weibull ซึ่งมีประโยชน์มากในงานวิศวกรรมความเชื่อถือได้ (reliability engineering) เช่น การหาอัตราความล้มเหลว อายุการใช้งานของชิ้นส่วน และการวิเคราะห์ข้อมูลเวลาจนกระทั่งเกิดความล้มเหลว
การแจกแจงแบบ Weibull ยืดหยุ่นมาก – สามารถปรับให้เป็นการแจกแจงแบบอื่นๆ ได้ เช่น เมื่อ alpha = 1 มันก็จะกลายเป็น exponential distribution ใช้ได้กับหลายสถานการณ์จริง เช่น อัตราความล้มเหลวของอุปกรณ์อิเล็กทรอนิกส์ ความแข็งแรงของวัสดุ หรือเวลารอคอยของลูกค้า
ส่วนตัวผม WEIBULL.DIST น่าใช้เพราะมันทำให้คุณสามารถเลือกได้ว่าต้องการ cumulative distribution (ความน่าจะเป็นสะสม) หรือ probability density function (ความหนาแน่นของความน่าจะเป็น) ซึ่งให้ความยืดหยุ่นสูงในการวิเคราะห์ข้อมูล
คำนวณความน่าจะเป็นสะสมที่อุปกรณ์จะล้มเหลวภายในเวลา 105 ชั่วโมง โดยมี alpha=20 (รูปร่าง) และ beta=100 (สเกล) ผลลัพธ์ 0.93 หมายความว่า มีความน่าจะเป็น 93% ที่อุปกรณ์จะล้มเหลวในเวลาไม่เกิน 105 ชั่วโมง
คำนวณความหนาแน่นของความน่าจะเป็น (ไม่ใช่สะสม) ที่จุด x=105 ผลลัพธ์ 0.0356 แสดงความสูงของเส้นโค้งการแจกแจงที่จุดนั้น ใช้เมื่อต้องการวิเคราะห์อัตราความล้มเหลวชั่วขณะ
เมื่อ alpha=1 WEIBULL.DIST จะเหมือนกับการแจกแจงแบบเลขชี้กำลัง (exponential) ซึ่งใช้สำหรับกรณีที่อัตราความล้มเหลวคงที่ ผลลัพธ์ 0.39 หมายความว่า มีความน่าจะเป็น 39% ที่ความล้มเหลวจะเกิดขึ้นภายใน 50 ชั่วโมง
เมื่อเพิ่ม beta จาก 100 เป็น 150 (เพิ่มสเกล) การแจกแจงจะเว้ากว่าเดิม ทำให้ความน่าจะเป็นสะสมที่จุด 105 ลดลงเป็น 0.61 เพราะอุปกรณ์มีอายุการใช้งานที่คาดหวังสูงขึ้น
cumulative=TRUE ส่งกลับ CDF (ความน่าจะเป็นสะสม) คือความน่าจะเป็นที่ค่า x จะน้อยกว่าหรือเท่ากับค่าที่ระบุ | cumulative=FALSE ส่งกลับ PDF (ความหนาแน่น) คือความสูงของเส้นโค้งที่จุด x ใช้ CDF เมื่อต้องการความน่าจะเป็นรวม ใช้ PDF เมื่อต้องการวิเคราะห์อัตราในช่วงนั้นๆ
alpha (shape parameter) ควบคุมรูปร่างของการแจกแจง – alpha < 1 ให้รูปโค้งลง, alpha = 1 เป็นเลขชี้กำลัง, alpha > 1 ให้รูปโค้งขึ้น | beta (scale parameter) ควบคุมการยืดหรือหดของการแจกแจง – beta สูงขึ้นหมายถึงค่าทั่วไปสูงขึ้น (อายุการใช้งานที่คาดหวังสูงขึ้น)
ใช้เมื่อวิเคราะห์เวลาจนกระทั่งเกิดความล้มเหลว (time-to-failure) เช่น อัตราความล้มเหลวของชิ้นส่วน ความแข็งแรงของวัสดุ เวลารอของลูกค้า ระยะเวลาการฉุกเฉิน โดยทั่วไปใช้ในวิศวกรรมความเชื่อถือได้ (reliability engineering) และการควบคุมคุณภาพ
ฟังก์ชันจะส่งกลับข้อผิดพลาด #NUM! ต้องแน่ใจว่า x >= 0 และ alpha > 0 และ beta > 0 มิฉะนั้นสูตรจะไม่ถูกต้อง
WEIBULL.DIST พร้อมใช้งาน ใน Excel 2016 และหลังจากนั้น รวมถึง Excel for Microsoft 365 และ Excel for the web
ฟังก์ชันที่ผู้เขียนโยงไว้กับ WEIBULL.DIST จัดกลุ่มตามหมวด · ชี้ที่ชื่อใดชื่อหนึ่ง แล้วฟังก์ชันที่ใช้คู่กันจะมีจุดทอง
BETA.DIST คำนวณความน่าจะเป็นของการแจกแจงแบบ Beta ใช้หาโอกาส/ความหนาแน่นของค่าข้อมูลที่อยู่ระหว่าง 0-1 หรือช่วงใด ๆ มักใช้ในการบริหารโครงการและวิเคราะห์ตัวแปรเปอร์เซ็นต์
BETA.INV ใช้หาค่าผกผันของ Beta Distribution เพื่อหาว่าต้องทำได้เท่าไหร่ถึงจะมีความมั่นใจระดับ X% ใช้เยอะในการวางแผนโครงการ
EXPON.DIST คำนวณความน่าจะเป็นของเหตุการณ์ที่เกิดขึ้นในช่วงเวลาหนึ่ง โดยอ้างอิงจากการแจกแจงแบบ Exponential
GAMMA.DIST คำนวณความน่าจะเป็นจากการแจกแจงแบบ Gamma โดยรับค่า x, alpha, beta และการเลือกระหว่าง PDF (probability density function) หรือ CDF (cumulative distribution function)
NORM.DIST คำนวณความน่าจะเป็นหรือความหนาแน่นของการแจกแจงปกติ (Normal Distribution) ใช้ในสถิติหรือการวิเคราะห์ข้อมูล
ฟังก์ชัน WEIBULL ใน Excel ใช้สำหรับคำนวณค่าความน่าจะเป็นของการแจกแจงแบบ Weibull (Weibull Distribution) สำหรับค่าที่ระบุ โดยใช้พารามิเตอร์ Alpha และ Beta ฟังก์ชันนี้เป็นเวอร์ชันเก่าและถูกแทนที่ด้วย WEIBULL.DIST.
ยังไม่มีบทความที่เกี่ยวข้องกับฟังก์ชันนี้
Comments
อีเมลของคุณจะไม่ถูกเผยแพร่