Spécifier les options pour la fonction Analyser un plan de criblage définitif

Stat > DOE (plan d'expériences) > Criblage > Analyser un plan de criblage > Options

Spécifiez les options à utiliser pour analyser votre plan de criblage.

Pondérations

Dans Pondérations, indiquez une colonne numérique de pondérations pour pouvoir effectuer une régression pondérée. La régression pondérée est une méthode pouvant être utilisée lorsque l'hypothèse de variance constante dans les valeurs résiduelles pour les moindres carrés est contredite (on parle aussi d'hétéroscédasticité). Avec une pondération adaptée, cette procédure minimise la somme des carrés des valeurs résiduelles pondérés, de manière à générer des valeurs résiduelles présentant une variance constante. Pour plus d'informations sur la manière de déterminer la pondération appropriée, reportez-vous à la rubrique Régression pondérée.

Les pondérations doivent être supérieures ou égales à zéro. La colonne de pondérations et celle de la réponse doivent avoir le même nombre de lignes.

Niveau de confiance pour tous les intervalles

Indiquez le seuil de confiance des intervalles de confiance pour les coefficients et les valeurs ajustées.

Un niveau de confiance de 95 % est généralement efficace. Un niveau de confiance de 95 % indique que, sur 100 échantillons prélevés parmi la population, l'intervalle de confiance d'environ 95 de ces échantillons contient la réponse moyenne. Pour un fichier de données spécifique, un niveau de confiance inférieur produit un intervalle moins large et un niveau de confiance supérieur produit un intervalle plus large.

Remarque

Pour afficher les intervalles de confiance, accédez à la sous-boîte de dialogue Résultats, puis, dans Affichage des résultats, sélectionnez Tableaux développés.

Type d'intervalle de confiance

Sélectionnez le type d'intervalle de confiance ou de borne à afficher.

Par exemple, la concentration moyenne prévue de solides dissous dans l'eau est de 13,2 mg/L. L'intervalle de confiance à 95 % pour la moyenne des futures observations multiples est compris entre 12,8 mg/L et 13,6 mg/L. La borne supérieure de 95 % pour la moyenne des futures observations multiples est de 13,5 mg/L, ce qui est plus précis car la borne est plus proche de la moyenne prévue.
  • Bilatéral : utilisez un intervalle de confiance bilatéral pour estimer les valeurs inférieure et supérieure probables pour la réponse moyenne.
  • Borne inférieure : utilisez une borne inférieure pour estimer une valeur inférieure probable pour la réponse moyenne.
  • Borne supérieure  : utilisez une borne de confiance supérieure pour estimer une valeur supérieure probable pour la réponse moyenne.: utilisez une borne de confiance supérieure pour estimer une valeur supérieure probable pour la réponse moyenne.

Transformation de Box-Cox

Effectuez une transformation de Box-Cox sur vos données de réponse lorsque les valeurs résiduelles ne sont pas distribuées normalement ou n'ont pas de variance constante. Lors d'une transformation, Minitab transforme les données de réponse et les utilise dans l'analyse. Dans la majorité des cas, il n'est nécessaire de corriger la non-normalité que si les données sont fortement asymétriques. Lorsque vous utilisez une transformation de Box-Cox, toutes les données de réponse doivent être positives (>0). Pour déterminer si la transformation de Box-Cox est adaptée à vos données, examinez les graphiques des valeurs résiduelles et d'autres mesures de diagnostic. Pour plus d'informations sur la vérification de votre modèle, reportez-vous à la rubrique Valider les hypothèses du modèle dans la régression ou l'analyse ANOVA.
Transformation de Box-Cox
Sélectionnez la valeur lambda que Minitab doit utiliser pour transformer les données :
  • Aucune transformation : utilisez vos données de réponse d'origine.
  • λ optimal : utilisez la valeur lambda optimale afin de produire la transformation la plus appropriée. Par défaut, Minitab arrondit la valeur de lambda à 0,5 ou à l'entier le plus proche. Par exemple, Minitab arrondit la valeur de lamba à –1, –0,5, 0, 0,5, 1, etc. Pour utiliser la valeur optimale plutôt que la valeur arrondie pour la transformation, sélectionnez Outils > Options > Modèles linéaires > Affichage des résultats.
  • λ = 0 (logarithme népérien) : utilisez le logarithme népérien de vos données.
  • λ = 0,5 (racine carrée)  utilisez la racine carrée de vos données.
  • λ : utilisez une valeur spécifiée pour lambda. Il existe d'autres transformations courantes comme le carré (λ = 2), la racine carrée inverse (λ = −0,5) et l'inverse (λ = −1). En général, vous ne devez pas utiliser de valeur en dehors de l'étendue allant de −2 à 2.

Tableau des moyennes

Vous pouvez afficher les moyennes issues des moindres carrés pour les effets principaux, les effets principaux et les interactions à deux facteurs, ou tous les effets principaux et les interactions du modèle dans les résultats. Vous pouvez également afficher les moyennes pour un sous-ensemble de ces termes ou pour aucun des termes. Les termes au carré du modèle ont une incidence sur les moyennes ajustées des effets principaux et des interactions.

Si vous sélectionnez Termes spécifiés, utilisez les boutons fléchés pour déplacer les termes d'une liste à l'autre. Termes disponibles montre tous les termes pour lesquels il est possible d'afficher des moyennes. Minitab affiche les moyennes des termes dans Termes sélectionnés. Sélectionnez un ou plusieurs termes dans l'une des listes, puis cliquez sur un bouton fléché. Les doubles flèches déplacent tous les termes d'une liste à l'autre. Vous pouvez aussi déplacer un terme en double-cliquant dessus. Si un effet principal ou une interaction qui devait apparaître dans la liste n'y figure pas, vous devez l'ajouter dans le modèle.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique