Tableau d'analyse de la variance pour la fonction Etude de stabilité

Obtenez des définitions et bénéficiez de conseils en matière d'interprétation pour chaque statistique du tableau d'analyse de la variance.

DL

Le nombre total de degrés de liberté (DL) représente la quantité d'informations dans vos données. L'analyse utilise ces informations pour estimer les valeurs des paramètres de population inconnus. Le nombre total de DL est déterminé par le nombre d'observations dans votre échantillon. Les DL d'un terme affichent la quantité d'informations utilisée par ce terme. Le fait d'accroître l'effectif de l'échantillon permet d'obtenir davantage d'informations sur la population, ce qui augmente le nombre total de degrés de liberté. Le fait d'augmenter le nombre de termes dans votre modèle utilise plus d'informations, ce qui réduit le nombre de DL disponibles pour l'estimation de la variabilité des estimations de paramètres.

Pour une étude de stabilité avec des facteurs fixes, le tableau ANOVA inclut les degrés de liberté suivants : Durée, Lot, Durée*Lot.

SomCar séq

Les sommes des carrés séquentielles sont des mesures de la variation des différentes composantes du modèle. Contrairement aux sommes des carrés ajustées, les sommes des carrés séquentielles dépendent de l'ordre dans lequel les termes sont entrés dans le modèle. Dans le tableau Analyse de variance, Minitab divise les sommes des carrés séquentielles en différentes composantes qui décrivent la variation due à différentes sources.

Terme SomCar séq
La somme des carrés séquentielle pour un terme est la part de la variation exclusivement expliquée par un terme, et non par les autres termes déjà entrés. Elle quantifie la variation des données de réponse expliquée par chaque terme, à mesure que vous les ajoutez, dans l'ordre, au modèle.
SomCar séq de l'erreur
La somme des carrés de l'erreur est la somme des carrés des valeurs résiduelles. Elle quantifie la variation des données non expliquée par les prédicteurs.
SomCar séq totale
La somme totale des carrés est obtenue en additionnant les sommes des carrés du terme et la somme des carrés de l'erreur. Elle quantifie la variation totale dans les données.

Interprétation

Minitab utilise la somme des carrés séquentielle pour calculer la valeur de p pour un terme. Minitab utilise aussi les sommes des carrés pour calculer la statistique R2. En général, vous interprétez les valeurs de p et la statistique R2 plutôt que les sommes des carrés.

CM séq

Les carrés moyens séquentiels mesurent la proportion de la variation expliquée par un terme ou un modèle. Les carrés moyens séquentiels dépendent de l'ordre dans lequel les termes sont entrés dans le modèle. Contrairement aux sommes des carrés séquentielles, les carrés moyens séquentiels tiennent compte des degrés de liberté.

Le carré moyen séquentiel de l'erreur (également noté CME ou s2) est la variance autour des valeurs ajustées.

Interprétation

Minitab utilise les carrés moyens séquentiels pour calculer la valeur de p pour un terme. Minitab les utilise également pour calculer la statistique R2 ajusté. En général, vous interprétez les valeurs de p et la statistique R2 ajusté plutôt que les carrés moyens séquentiels.

Valeur F

Une valeur F apparaît pour chaque terme dans le tableau d'analyse de la variance. La valeur F est une statistique de test utilisée pour déterminer si le terme est associé à la réponse.

Interprétation

Minitab utilise la valeur F pour calculer la valeur de p, qui vous permet de déterminer si des termes sont significatifs et de choisir le modèle approprié. 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.

Une valeur F suffisamment élevée indique que le terme ou le modèle est significatif.

Si vous souhaitez utiliser la valeur F pour savoir si l'hypothèse nulle doit être rejetée, comparez-la à votre valeur critique. Vous pouvez calculer la valeur critique dans Minitab ou rechercher la valeur critique dans un tableau de loi F, disponible dans la plupart des livres de statistiques. Pour plus d'informations sur l'utilisation de Minitab pour calculer la valeur critique, reportez-vous à Utilisation de la fonction de répartition (CDF) inverse et cliquez sur "Utiliser la CDF inverse pour calculer des valeurs critiques".

Valeur de p – Sélection du modèle pour un facteur fixe

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 l'association entre la réponse et chacun des termes du modèle est statistiquement significative, comparez la valeur de p du terme à votre seuil de signification pour évaluer l'hypothèse nulle. L'hypothèse nulle est qu'il n'existe aucune association entre le terme et la réponse. Pour une étude de stabilité, voici les hypothèses nulles spécifiques associées à chaque terme :
  • Durée : le produit ne se dégrade pas au cours du temps.
  • Lot : les lots présentent tous la même réponse moyenne avant qu'ils ne commencent à se dégrader.
  • Interaction Durée*Lot : les lots se dégradent tous à la même vitesse.
Pour une étude de stabilité, Minitab supprime tous les termes dont la valeur de p n'est pas inférieure au seuil de signification. Le seuil de signification par défaut est 0,25. Un seuil de signification de 0,25 indique un risque de 25 % de conclure à tort qu'il existe une association.
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 variable de réponse et le terme. Minitab conserve le terme dans le modèle.
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 variable de réponse et le terme. Minitab supprime le terme du modèle.

Valeur de p – Sélection du modèle pour un facteur aléatoire

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 modèle est mieux ajusté aux données qu'un autre, comparez la valeur de p de ce modèle au seuil de signification afin d'évaluer l'hypothèse nulle. L'hypothèse nulle est que la valeur de coefficient supplémentaire obtenue avec le plus grand modèle est égale à zéro. L'hypothèse alternative est que la valeur de coefficient supplémentaire obtenue avec le plus grand modèle est différente de zéro. Pour une étude de stabilité, le seuil de signification par défaut est de 0,25. Un seuil de signification de 0,25 indique un risque de 25 % de conclure que les modèles sont équivalents alors que l'un d'entre eux offre un meilleur ajustement aux données.
Valeur de p ≤ α : l'association est statistiquement significative.
Si la valeur de p est inférieure ou égale au seuil de signification, vous pouvez en conclure qu'il existe une différence statistiquement significative entre les modèles. Minitab conserve le modèle le plus complexe pour poursuivre l'analyse.
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 différence statistiquement significative entre les modèles. Minitab conserve le modèle le plus simple pour poursuivre l'analyse.
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique