Interprétation des résultats principaux pour la fonction Intervalles de tolérance (loi normale)

Suivez la procédure ci-dessous pour interpréter des intervalles de tolérance.

Etape 1 : Evaluer la normalité des données

Minitab fournit des intervalles de tolérance pour les méthodes normale et non paramétrique. Si vous pouvez supposer sans risque que vos données suivent une loi normale, vous pouvez utiliser l'intervalle de tolérance de la méthode normale. Dans le cas contraire, vous devez utiliser l'intervalle de tolérance de la méthode non paramétrique.

Pour déterminer si vous pouvez supposer que les données suivent une loi normale, comparez la valeur de p du test de normalité au seuil de signification (α). Un seuil de signification de 0,05 indique un risque de 5 % de conclure à tort que les données ne suivent pas une loi normale.

Valeur de p ≤ α : les données ne suivent pas une loi normale (rejetez H0)
Si la valeur de p est inférieure ou égale au seuil de signification, vous pouvez conclure que vos données ne suivent pas une loi normale. Dans ce cas, vous devez utiliser l'intervalle de tolérance de la méthode non paramétrique.
Valeur de p > α : vous n'êtes pas en mesure de conclure que les données ne suivent pas une loi normale (impossible de rejeter H0)
Si la valeur de p est supérieure au seuil de signification, vous n'êtes pas en mesure de conclure que les données ne suivent pas une loi normale. Dans ce cas, vous pouvez utiliser l'intervalle de tolérance de la méthode normale.
Résultats principaux : valeur de p

Dans ces résultats, la valeur de p est de 0,340, ce qui est supérieur au seuil de signification de 0,05. Comme vous pouvez supposer sans risque que vos données suivent une loi normale, vous pouvez utiliser l'intervalle de tolérance de la méthode normale.

Etape 2 : Examiner l'intervalle de tolérance avec la méthode appropriée

Minitab fournit les intervalles de tolérance pour les méthodes normale et non paramétrique. Vous pouvez créer un intervalle de tolérance bilatéral ou un intervalle de tolérance unilatéral qui fournit une borne supérieure ou inférieure.
Bilatéral
Utilisez un intervalle bilatéral pour déterminer les deux valeurs entre lesquelles un certain pourcentage des mesures de population est compris.
Méthode Niveau de confiance 98 % Pourcentage de population dans l'intervalle 99 %
Intervalle de tolérance à 98 % Méthode Méthode non Confiance Variable normale paramétrique atteinte C1 (-9,604; 10,813) (-9,300; 10,700) 91,0% Le niveau de confiance atteint s'applique uniquement à la méthode non paramétrique
Résultats principaux : intervalle de tolérance à 98 %

Dans cet exemple, avec la méthode normale, vous pouvez être certain à 98 % qu'au moins 99 % de toutes les mesures se trouvent dans l'intervalle compris entre –9,604 et +10,813 par rapport à la valeur cible. Si vous ne pouvez pas considérer que les données sont normalement distribuées, utilisez l'intervalle de tolérance de la méthode non paramétrique (–9,300, 10,700). Pour la méthode non paramétrique, le niveau de confiance atteint est de 91,0 %, ce qui est inférieur à la valeur cible de 98 %.

Borne supérieure
Utilisez une borne supérieure pour déterminer l'intervalle indiquant qu'un certain pourcentage des mesures de population ne sera pas supérieur à une limite supérieure.
Méthode Niveau de confiance 95 % Pourcentage de population dans l'intervalle 95 %
Borne de tolérance supérieure à 95 % Méthode Méthode non Confiance Variable normale paramétrique atteinte C1 9,043 12,000 95,1% Le niveau de confiance atteint s'applique uniquement à la méthode non paramétrique.
Résultats principaux : borne de tolérance supérieure à 95 %

Dans cet exemple, la borne supérieure normale est de 9,043 ; vous pouvez donc être certain à 95 % que 95 % du produit présentera des mesures de 9,043 ou moins. Si vous ne pouvez pas considérer que les données sont normalement distribuées, utilisez la borne supérieure non paramétrique (12,000). Pour la méthode non paramétrique, le niveau de confiance obtenu est de 95,1 %, ce qui est inférieur à la valeur cible de 95 %.

Borne inférieure
Utilisez une borne inférieure pour déterminer l'intervalle indiquant qu'un certain pourcentage des mesures de population ne sera pas inférieur à une limite inférieure.
Méthode Niveau de confiance 95 % Pourcentage de population dans l'intervalle 95 %
Borne de tolérance inférieure à 95 % Méthode Méthode non Confiance Variable normale paramétrique atteinte Heures 1085,947 1070,700 96,3% Le niveau de confiance atteint s'applique uniquement à la méthode non paramétrique.
Résultats principaux : borne de tolérance inférieure à 95 %

Dans cet exemple, la borne inférieure normale est de 1 085,947, vous pouvez donc être certain à 95 % qu'au moins 95 % du produit présentera des mesures de 1 085,947 ou plus. Si vous ne pouvez pas considérer que les données sont normalement distribuées, utilisez la borne inférieure non paramétrique (1 070,700). Pour la méthode non paramétrique, le niveau de confiance atteint est de 96,3 %, ce qui est supérieur à la valeur cible de 95 %.

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