Interprétation des résultats principaux pour la fonction Test des valeurs aberrantes

Suivez les étapes ci-dessous pour interpréter un test de valeurs aberrantes. Le résultat principal comprend la valeur de p, la valeur aberrante et le diagramme des valeurs aberrantes.

Etape 1 : Déterminer la présence d'une valeur aberrante

Pour déterminer la présence d'une valeur aberrante, comparez la valeur de p au seuil de signification. En général, un seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification de 0,05 indique 5 % de risque de conclure à tort qu'il existe une valeur aberrante
Valeur de p ≤ α : il existe une valeur aberrante (Rejeter H0)
Si la valeur de p est inférieure ou égale au seuil de signification, vous pouvez rejeter l'hypothèse nulle et conclure qu'il existe une valeur aberrante. Essayez de déterminer la cause de toutes les valeurs aberrantes. Corrigez les erreurs de mesure ou d’entrée des données. Envisagez de supprimer les valeurs de données associées à des événements anormaux et uniques (causes spéciales).
Valeur de p > α : vous ne pouvez pas conclure qu'il existe une valeur aberrante (Impossible de rejeter H0)
Si la valeur de p est supérieure au seuil de signification, vous ne pouvez pas rejeter l'hypothèse nulle, car vous ne possédez pas suffisamment de preuves pour conclure qu'il existe une valeur aberrante. Vous devez vous assurer que votre test est assez puissant pour détecter une valeur aberrante. Pour plus d'informations, reportez-vous à la rubrique Augmentation de la puissance.

Test des valeurs aberrantes : Résistance

Méthode Hypothèse nulle Toutes les valeurs proviennent de la même population normale Hypothèse alternative La valeur la plus petite est une valeur aberrante Seuil de signification α = 0,05
Test de Grubbs Variable N Moyenne EcTyp Min. Max. G P Résistance 14 123,4 46,3 12,4 193,1 2,40 0,044
Valeur aberrante Valeur Variable Ligne aberrante Résistance 10 12,38
Résultat principal : P

Dans ces résultats, l'hypothèse nulle indique que toutes les valeurs de données proviennent de la même population normale. La valeur de p étant de 0,044, ce qui est inférieur au seuil de signification de 0,05, il faut rejeter l'hypothèse nulle et conclure qu'une valeur aberrante existe.

Etape 2 : Déterminer la valeur aberrante

Si le test identifie une valeur aberrante parmi les données, Minitab affiche un tableau des valeurs aberrantes. Utilisez ce tableau pour déterminer la valeur aberrante et la ligne de la feuille de travail qui contient cette valeur aberrante.

Test des valeurs aberrantes : Résistance

Méthode Hypothèse nulle Toutes les valeurs proviennent de la même population normale Hypothèse alternative La valeur la plus petite est une valeur aberrante Seuil de signification α = 0,05
Test de Grubbs Variable N Moyenne EcTyp Min. Max. G P Résistance 14 123,4 46,3 12,4 193,1 2,40 0,044
Valeur aberrante Valeur Variable Ligne aberrante Résistance 10 12,38
Résultats principaux : ligne, valeur aberrante

Dans ces résultats, la valeur aberrante est 12,38. Elle se trouve à la ligne 10.

Etape 3 : Identifier visuellement la valeur aberrante

Utilisez le diagramme des valeurs aberrantes pour repérer visuellement une valeur aberrante dans les données. Si les données contiennent une valeur aberrante, Minitab la représente par un carré rouge sur le diagramme. Essayez de déterminer la cause de toutes les valeurs aberrantes. Corrigez les erreurs de mesure ou d’entrée des données. Supprimez éventuellement les valeurs de données associées à des événements anormaux et uniques (aussi appelés causes spéciales).

Dans ce diagramme des valeurs aberrantes, la plus petite valeur, 12,38, est aberrante.

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