Observations relatives aux données pour la fonction Analyse des moyennes

Pour garantir la validité de vos résultats, vérifiez que les règles suivantes sont respectées lorsque vous collectez des données, effectuez une analyse et interprétez vos résultats.

Les données de réponse doivent suivre une loi normale, binomiale ou de Poisson
  • Les données suivant une loi normale sont généralement des données de mesure, par exemple des données de poids. Avec des données normalement distribuées, Minitab compare la moyenne de chaque groupe à la moyenne globale.
  • Les données binomiales classent chaque observation dans une de deux catégories, par exemple réussite/échec. Avec des données binomiales, Minitab compare la proportion de chaque échantillon à la proportion globale.
  • Les données de Poisson contiennent des dénombrements, par exemple le nombre de défauts par unité ou échantillon. Avec des données de Poisson, Minitab compare le taux d'occurrence pour chaque échantillon au taux global.
Si vos données suivent une loi normale, les données doivent inclure un ou deux facteurs de catégorie

Pour plus d'informations sur les facteurs et les plans équilibrés, reportez-vous aux rubriques Facteurs et niveaux des facteurs et Plans équilibrés et non équilibrés dans les modèle ANOVA.

Si vous disposez de données binomiales, l'effectif d'échantillon doit être constant et suffisamment élevé
  • Tous les échantillons doivent avoir le même effectif pour garantir que la comparaison entre la proportion de chaque échantillon et la proportion globale soit valide.
  • L'effectif d'échantillon doit être suffisamment élevé pour garantir que la loi normale offre une approximation convenable de la loi binomiale, car les limites de décision sont fondées sur la loi normale. La loi normale convient lorsque np > 5 et n(1 − p) > 5, où n est l'effectif d'échantillon et p la proportion d'événements.

Si vos échantillons ne répondent pas à ces critères, les résultats ne seront peut-être pas valides.

Si vous disposez de données de Poisson, l'effectif d'échantillon doit être constant et suffisamment élevé
  • Tous les échantillons doivent avoir le même effectif afin que le taux par échantillon soit valide.
  • L'effectif d'échantillon doit être suffisamment élevé pour garantir que la loi normale offre une approximation convenable de la loi de Poisson, car les limites de décision sont fondées sur la loi normale. La loi normale convient lorsque la moyenne est d'au moins 5.

Si vos échantillons ne répondent pas à ces critères, les résultats ne seront peut-être pas valides.

Chaque observation doit être indépendante de toutes les autres
Si vos observations ne sont pas indépendantes, les résultats ne seront peut-être pas valides. Tenez compte des points suivants pour déterminer si vos observations sont indépendantes :
  • Si une observation ne fournit aucune information sur la valeur d'une autre observation, cela signifie que les observations sont indépendantes.
  • Si une observation fournit des informations sur la valeur d'une autre observation, cela signifie que les observations sont dépendantes.
Les données d'échantillon doivent être sélectionnées de manière aléatoire

Les échantillons aléatoires permettent de faire des généralisations ou des déductions sur une population. Si les données n'ont pas été collectées de manière aléatoire, les résultats risquent de ne pas être représentatifs de la population.

Suivre les meilleures pratiques pour la collecte des données
Pour garantir la validité de vos résultats, suivez les indications suivantes :
  • Assurez-vous que les données sont représentatives de la population qui vous intéresse.
  • Collectez suffisamment de données pour bénéficier de la précision nécessaire.
  • Mesurez les variables de façon aussi exacte et précise que possible.
  • Enregistrez les données dans leur ordre de collecte.
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique