Un ingénieur qualité d'une société d'appareils électroniques de grande consommation souhaite savoir si la distribution des défauts par téléviseur obéit à une loi de Poisson. Il sélectionne 300 postes de télévision de manière aléatoire et enregistre le nombre de défauts par poste.
- Ouvrez le fichier de données échantillons, DéfautsTéléviseur.MTW.
- Sélectionnez .
- Dans la zone Variable, saisissez Défauts.
- Dans la zone Variable d'effectif : (facultatif), saisissez Observé.
- Cliquez sur OK.
Interprétation des résultats
L'hypothèse nulle indique que les données suivent la loi de Poisson. La valeur de p de 0,000 étant inférieure au seuil de signification de 0,05, l'ingénieur rejette l'hypothèse nulle et conclut que les données ne suivent pas une distribution de Poisson. Le graphique indique que la différence entre les valeurs observées et attendues est importante pour les catégories 1 et 
3, et que la catégorie 3 est celle qui contribue le plus à la statistique du Khi deux.
Test d'adéquation de l'ajustement pour Poisson : Défauts
Méthode
Effectifs dans Observé
Statistiques descriptives
N Moyenne
300 0,536667
Dénombrements observés et attendus pour Défauts
Probabilité Dénombrement Dénombrement Contribution
Défauts de Poisson observé attendu au Khi deux
0 0,584694 213 175,408 8,056
1 0,313786 41 94,136 29,993
2 0,084199 18 25,260 2,086
>=3 0,017321 28 5,196 100,072
Test du Khi deux
Hypothèse nulle H₀ : les données suivent une loi de Poisson
Hypothèse alternative H₁ : les données ne suivent pas une loi de Poisson
Valeur
DL Khi deux de P
2 140,208 0,000
