Tableau des moyennes pour la fonction Analyser une réponse binaire pour un plan de criblage définitif

Probabilité issues des moyennes ajustées

Les moyennes ajustées utilisent les coefficients du modèle ajusté pour calculer la réponse moyenne pour chaque combinaison de niveau d'un facteur ou d'une interaction.

Interprétation

Les probabilités obtenues avec les moyennes ajustées sont utiles, car les moyennes issues des données peuvent ne pas être de bons indicateurs des effets principaux et des effets d'interaction. Les différences de probabilité obtenues avec les moyennes des données peuvent être dues à des conditions expérimentales non équilibrées et non au changement du niveau de facteur. L'utilisation des moyennes ajustées pour le calcul des probabilités règle ce problème, car elle permet d'évaluer les résultats d'un plan équilibré.

Utilisez le tableau des moyennes pour voir les différences qui sont statistiquement significatives entre les niveaux de facteurs. La probabilité moyenne de chaque groupe fournit une estimation de la probabilité pour chaque population. Recherchez les différences entre les probabilités des groupes pour les termes qui sont statistiquement significatifs.

Pour les effets principaux, le tableau affiche les groupes propres à chaque facteur, ainsi que leurs probabilités. Pour les effets d'interaction, le tableau affiche toutes les combinaisons possibles dans les groupes. Si un terme d'interaction est statistiquement significatif, vous ne pouvez pas interpréter les effets principaux sans tenir compte des effets d'interaction.

Dans ces résultats, le tableau des moyennes montre comment la probabilité de pourrissement des aliments varie selon le type de conservateur, la pression sous vide, le niveau de contamination et la température de réfrigération. Les facteurs associés au conservateur, à la pression sous vide et au niveau de contamination sont statistiquement significatifs au seuil de 0,05. Aucune des interactions n'est statistiquement significative au seuil de 0,05.

Par exemple, avec le conservateur Formule 1, la probabilité obtenue avec la moyenne ajustée est de 0,04918. Cette valeur est inférieure à la probabilité de 0,07501 obtenue avec le conservateur Formule 2.

Factorial Binary Logistic Regression: Spoilage versus Preservative, VacuumPress

Means Fitted Mean Term Probability SE Mean Preservative Formula1 0.04918 0.00345 Formula2 0.07501 0.00422 VacuumPress 5 0.05387 0.00364 25 0.06860 0.00406 ContaminationLevel 5 0.05291 0.00360 50 0.06983 0.00410 CoolTemp 10 0.06406 0.00393 20 0.05774 0.00379 ContaminationLevel*CoolTemp 5 10 0.06005 0.00535 50 10 0.06833 0.00570 5 20 0.04659 0.00475 50 20 0.07135 0.00582

ErT moyenne

L'erreur type de la moyenne (ErT moyenne) estime la variabilité entre les probabilités moyennes ajustées que vous obtiendriez si vous preniez des échantillons répétés de la même population.

Par exemple, la probabilité qu'un patient remplisse les conditions de participation à une étude sur un nouveau traitement est de 0,63, avec une erreur type de 0,02. Si vous collectiez plusieurs échantillons aléatoires de même effectif provenant de la même population, l'écart type de ces différentes proportions d'échantillons tournerait serait d'environ 0,02.

Interprétation

Utilisez l'erreur type de la moyenne pour déterminer avec quelle précision la probabilité ajustée permet d'estimer la probabilité moyenne de la population.

Moins la valeur de l'erreur type de la moyenne est élevée, plus l'estimation de la probabilité moyenne de la population est précise. En règle générale, plus l'écart type est grand, plus l'erreur type de la moyenne est élevée et moins l'estimation de la probabilité moyenne de la population est précise. En revanche, plus l'effectif d'échantillon est élevé, plus l'erreur type de la moyenne est faible et plus l'estimation de la probabilité moyenne de la population est précise.

Moyenne des données (covariable)

La moyenne de la covariable est la moyenne des valeurs de covariables, c'est-à-dire la somme de toutes les observations, divisée par le nombre d'observations. La moyenne résume les valeurs d'échantillons en une seule valeur représentant le centre des valeurs de covariables.

Interprétation

Cette valeur est la moyenne de la covariable. Minitab maintient la covariable sur une valeur moyenne lorsqu'il calcule les moyennes ajustées des facteurs.

Ecart type (EcTyp)

L'écart type est la mesure la plus courante de la dispersion ou de la répartition des valeurs de covariables individuelles autour la moyenne.

Interprétation

Utilisez l'écart type pour déterminer l'ampleur de la variation de covariable autour de la moyenne. Minitab maintient la covariable sur une valeur moyenne lorsqu'il calcule les moyennes ajustées des facteurs.

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