Utiliser les constantes de correction de biais lors de l'estimation

Indiquez si vous souhaitez utiliser des constantes de correction de biais pour estimer les écarts types à court terme et à long terme.

Les constantes de correction de biais varient en fonction de l'effectif de l'échantillon, et représentent le rapport entre l'espérance mathématique de l'estimation d'écart type pour les échantillons d'un effectif donné et l'écart type de la population. Par défaut, les constantes de correction de biais sont utilisées pour estimer l'écart type à court terme, pas l'écart type à long terme.

Pour plus d'informations, reportez-vous à la rubrique Calculs des valeurs de capabilité et des statistiques de procédé pour Rapport sur le procédé.

Ecart type à court terme
Utilisez des constantes de correction de biais pour calculer l'écart type à court terme.
Ecart type à long terme
Utilisez des constantes de correction de biais pour calculer l'écart type à long terme.

Si l’effectif des sous-groupes = 1, calculer la valeur Z à court terme en utilisant

Indiquez comment calculer l'écart type à court terme lorsque les données ne sont pas collectées dans des sous-groupes rationnels (effectif de sous-groupe = 1). Lorsque l'effectif de sous-groupe a pour valeur 1, vous ne pouvez pas calculer l'écart type à court terme selon la procédure habituelle.
L'étendue mobile pour estimer l'écart type à court terme
Utilisez la méthode de l'étendue mobile.
Valeur Z à long terme + décalage σ de
Utilisez une estimation de l'écart type Z à long terme. Sélectionnez cette option lorsque vous ne pouvez pas supposer que des unités produites à la suite sont moins variables que des unités qui ne sont pas produites consécutivement. Vous pouvez indiquer une valeur comprise entre 0 et 6 pour le décalage de sigma supposé.

Utiliser la transformation par puissance de Box-Cox (W=Y^λ) avec

Utilisez la transformation par puissance de Box-Cox lorsque vos données sont très asymétriques ou que les variations à l'intérieur des sous-groupes sont instables. La transformation élève les données initiales à la puissance λ, sauf si λ est égal à 0, auquel cas le logarithme népérien est utilisé.

λ optimal
Utilisez la valeur lambda optimale afin de produire la transformation la plus appropriée. Minitab arrondit la valeur de lambda à 0,5 ou à l'entier le plus proche.
Autre [une valeur comprise entre -5 et 5]
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). Dans la plupart des cas, vous ne devez pas utiliser de valeur en dehors de l'étendue allant de −2 à 2.
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique