Tableau des coefficients pour la fonction Analyser un plan de Taguchi

Obtenez des définitions et bénéficiez de conseils en matière d'interprétation pour chaque statistique dans le tableau des coefficients du modèle estimés.

Coeff

Le coefficient décrit l'importance et le sens de la relation entre un terme du modèle et la variable de réponse. La valeur absolue du coefficient indique la puissance relative de chaque facteur. Pour minimiser la multicolinéarité entre les termes, les coefficients sont tous représentés en unités codées.

Le nombre de coefficients calculés par Minitab pour un facteur correspond au nombre de niveaux moins un. Si un facteur possède 3 niveaux, Minitab fournit 2 coefficients, qui correspondent aux niveaux de facteurs 1 et 2. De même, si un facteur possède 2 niveaux, Minitab fournit 1 coefficient, qui correspond au niveau de facteur 1. Minitab inclut les valeurs ou le texte correspondant au niveau.

Interprétation

Dans les plans de Taguchi, la valeur du coefficient de facteur reflète généralement le rang de facteur dans le tableau de réponses. La réponse dépend de votre analyse : elle peut être un rapport signal/bruit, la moyenne (pour un plan statique), la pente (pour un plan dynamique) ou un écart type.

La valeur de l'effet aide généralement à évaluer si l'effet d'un terme sur la variable de réponse est significatif dans la pratique. L'importance de l'effet n'indique pas si un terme est statistiquement significatif ou non, car le calcul de la signification prend également en compte la variation des données de réponse. Pour évaluer la signification statistique, examinez la valeur de p du terme.

Coef ErT

L'erreur type du coefficient estime la variabilité entre les estimations des coefficients que vous obtiendriez si vous effectuiez la même expérience plusieurs fois. Le calcul suppose que le plan d'expérience et les coefficients à estimer restent identiques, même après plusieurs échantillonnages.

Interprétation

Vous pouvez utiliser l'erreur type du coefficient pour mesurer la précision de l'estimation du coefficient. Plus l'erreur type est petite, plus l'estimation est précise. Si vous divisez le coefficient par son erreur type, vous obtiendrez une valeur de t. Si la valeur de p associée à cette statistique t est inférieure au seuil de signification, vous en concluez que le coefficient est statistiquement significatif.

Valeur de t

La valeur de t mesure le rapport entre le coefficient et son erreur type.

Interprétation

Minitab utilise la valeur de t pour calculer la valeur de p, qui permet de déterminer si le coefficient est significativement différent de 0.

Vous pouvez utiliser la valeur de t afin de déterminer si l'hypothèse nulle doit être rejetée. Cependant, la valeur de p est plus souvent utilisée, car le seuil de rejet de l'hypothèse nulle ne dépend pas des degrés de liberté. Pour plus d'informations sur l'utilisation de la valeur de t, reportez-vous à la rubrique Utiliser la valeur de t afin de déterminer si l'hypothèse nulle doit être rejetée.

Valeur de p

La valeur de p est la probabilité qui mesure le degré de certitude avec lequel il est possible d'invalider l'hypothèse nulle. Des probabilités faibles permettent d'invalider l'hypothèse nulle avec plus de certitude.

Interprétation

Pour déterminer si un coefficient est statistiquement différent de 0, comparez la valeur de p du terme à votre seuil de signification afin d'évaluer l'hypothèse nulle. L'hypothèse nulle est que le coefficient est égal à 0, ce qui implique qu'il n'existe aucune association entre le terme et la caractéristique de réponse sélectionnée. Dans les plans de Taguchi, les caractéristiques de réponse font référence aux fonctions de la réponse, telles que les moyennes, les écarts types, les pentes et les rapports signal/bruit.

En général, un seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification de 0,05 indique qu'il existe un risque de 5 % de conclure à tort que le coefficient n'est pas 0. Un seuil de signification de 0,10 est souvent utilisé pour évaluer les termes dans un modèle.
Valeur de p ≤ α : l'association est statistiquement significative.
Si la valeur de p est inférieure ou égale au seuil de signification, vous pouvez conclure qu'il existe une association statistiquement significative entre la caractéristique de réponse et le terme.
Valeur de p > α : l'association n'est pas statistiquement significative.
Si la valeur de p est supérieure au seuil de signification, vous ne pouvez pas conclure qu'il existe une association statistiquement significative entre la caractéristique de réponse et le terme. Il est sans doute nécessaire de réajuster le modèle sans le terme.
Si plusieurs prédicteurs ne présentent aucune association statistiquement significative avec la réponse, vous pouvez réduire le modèle en supprimant ces termes un par un. Pour plus d'informations sur la suppression de termes d'un modèle, reportez-vous à la rubrique Réduction du modèle.
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique