Toutes les statistiques et tous les graphiques pour la fonction Carte d'essais

Obtenez des définitions et bénéficiez de conseils en matière d'interprétation pour chaque statistique et chaque graphique fournis avec la carte d'essais.

Carte d'essais

Une carte d'essais représente vos données de procédé dans leur ordre de collecte. Elle permet de rechercher des schémas ou des tendances dans vos données, indiquant la présence d'une variation due à des causes spéciales.

Interprétation

La présence de schémas dans les données indique que la variation est due à des causes qui doivent être étudiées et corrigées. La variation due à des causes communes, en revanche, est une variation inhérente au procédé ou faisant naturellement partie de ce dernier. Si seules des causes ordinaires de variation existent dans votre procédé, les données ont un comportement aléatoire.

Dans cet exemple, les données semblent distribuées de façon aléatoire sans schéma spécifique. Pour en être sûr, vous devez examiner les différents tests pour les suites relatives à la médiane et les suites croissantes et décroissantes.

Nombre de suites relatives à la médiane

Le nombre de suites relatives à la médiane est le nombre total de suites au-dessus de la médiane et le nombre total de suites en dessous de celle-ci.

Une suite relative à la médiane est un ensemble d'un ou plusieurs points consécutifs situés du même côté de la ligne centrale. Une suite se termine lorsque la ligne qui relie les points traverse la ligne centrale. Une nouvelle suite commence au point suivant.

Interprétation

Cet exemple présente les 6 suites relatives à la médiane suivantes :
  • La suite 1 inclut le point 1.
  • La suite 2 inclut les points 2 et 3.
  • La suite 3 inclut les points 4, 5, 6 et 7.
  • La suite 4 inclut les points 8 et 9.
  • La suite 5 inclut le point 10.
  • La suite 6 inclut le point 11.

Nombre attendu de suites relatives à la médiane

Le nombre attendu de suites relatives à la médiane est le nombre de suites que vous pouvez vous attendre à obtenir dans vos données si celles-ci sont distribuées de façon aléatoire.

Interprétation

Comparez le nombre de suites attendu au nombre de suites réel. Un nombre de suites plus grand qu'attendu peut indiquer que les données proviennent de deux populations (mélanges). Un nombre de suites plus petit qu'attendu peut indiquer un regroupement de données. Utilisez les valeurs de p pour tester la signification statistique de ces comportements.

Cet exemple présente 6 suites relatives à la médiane. Le nombre attendu de suites relatives à la médiane est de 6,5.

Plus longue suite relative à la médiane

Nombre de points dans la plus longue suite au-dessus ou en dessous de la médiane. Un point qui se trouve sur la ligne centrale appartient à la suite en dessous de la médiane.

Interprétation

Dans cet exemple, la plus longue suite comporte les 4 points consécutifs en dessous de la ligne centrale (points 4 à 7).

Valeur de p approximative pour le regroupement

La valeur de p est la probabilité qui mesure le degré de certitude avec lequel il est possible d'invalider l'hypothèse nulle. Des probabilités faibles permettent d'invalider l'hypothèse nulle avec plus de certitude.

Utilisez la valeur de p pour déterminer si les données sont distribuées de façon aléatoire. L'hypothèse nulle stipule que les données sont distribuées de façon aléatoire.

Interprétation

Une valeur de p inférieure au seuil de signification spécifié indique une tendance au regroupement. En général, un seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification de 0,05 indique un risque de 5 % de conclure à tort qu'il existe un schéma non aléatoire dans les données.

Valeur de p ≤ α : les différences de moyenne sont significativement différentes (rejetez H0)
Si la valeur de p est inférieure ou égale au seuil de signification, vous rejetez l'hypothèse nulle. Vous pouvez conclure que les données ne sont pas distribuées de façon aléatoire.
Valeur de p > α : les différences de moyenne ne sont pas significativement différentes (impossible de rejeter H0)
Si la valeur de p est supérieure au seuil de signification, vous ne pouvez pas rejeter l'hypothèse nulle. Vous n'êtes pas en mesure de conclure que les données présentent des schémas non aléatoires. Toutefois, vous ne pouvez pas non plus conclure que les données sont distribuées de façon aléatoire.
Dans cet exemple, la valeur de p pour le regroupement (0,385) est supérieure à la valeur d'α de 0,05, et vous ne pouvez donc pas rejeter l'hypothèse nulle. Vous pouvez en conclure que les données ne présentent pas de groupes.

Valeur de p approximative pour les mélanges

La valeur de p est la probabilité qui mesure le degré de certitude avec lequel il est possible d'invalider l'hypothèse nulle. Des probabilités faibles permettent d'invalider l'hypothèse nulle avec plus de certitude.

Utilisez la valeur de p pour déterminer si les données sont distribuées de façon aléatoire. L'hypothèse nulle stipule que les données sont distribuées de façon aléatoire.

Interprétation

Une valeur de p inférieure au seuil de signification spécifié indique une tendance aux mélanges. En général, un seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification de 0,05 indique un risque de 5 % de conclure à tort qu'il existe un schéma non aléatoire dans les données.

Valeur de p ≤ α : les différences de moyenne sont significativement différentes (rejetez H0)
Si la valeur de p est inférieure ou égale au seuil de signification, vous rejetez l'hypothèse nulle. Vous pouvez conclure que les données ne sont pas distribuées de façon aléatoire.
Valeur de p > α : les différences de moyenne ne sont pas significativement différentes (impossible de rejeter H0)
Si la valeur de p est supérieure au seuil de signification, vous ne pouvez pas rejeter l'hypothèse nulle. Vous n'êtes pas en mesure de conclure que les données présentent des schémas non aléatoires. Toutefois, vous ne pouvez pas non plus conclure que les données sont distribuées de façon aléatoire.
Dans cet exemple, la valeur de p pour les mélanges (0,615) est supérieure à la valeur d'α de 0,05, et vous ne pouvez donc pas rejeter l'hypothèse nulle. Vous pouvez en conclure que les données ne présentent pas de mélanges.

Nombre de suites croissantes et décroissantes

Le nombre de suites croissantes et décroissantes est le nombre total de suites ascendantes et descendantes dans vos données.

Une suite croissante est une suite de points consécutifs qui vont uniquement vers le haut. Une suite décroissante est une suite de points consécutifs qui vont uniquement vers le bas. Une suite se termine lorsque la direction (vers le haut ou le bas) change. Par exemple, lorsqu'une valeur est plus petite que celle qu'elle précède, une suite croissante commence et continue jusqu'à ce qu'une valeur soit plus grande que celle qui la suit ; une suite décroissante commence alors.

Minitab considère une suite d'observations consécutives de même valeur (plate) comme une suite décroissante.

Interprétation

Cet exemple présente les 7 suites croissantes et décroissantes suivantes :
  • Le point 2 marque la fin de la suite 1.
  • Le point 5 marque la fin de la suite 2.
  • Le point 6 marque la fin de la suite 3.
  • Le point 7 marque la fin de la suite 4.
  • Le point 8 marque la fin de la suite 5.
  • Le point 10 marque la fin de la suite 6.
  • Le point 11 marque la fin de la suite 7.

Comment interpréter une suite plate ?

Une suite plate est considérée comme faisant partie d'une suite décroissante. Cette carte présente une suite croissante, suivie d'une suite décroissante (plate), suivie d'une suite croissante, soit un total de 3 suites.
3 suites croissantes et décroissantes
Cette carte présente une seule suite décroissante composée d'une baisse, suivie d'une suite plate, suivie d'une autre baisse.
1 suite décroissante

Nombre attendu de suites croissantes et décroissantes

Le nombre attendu de suites croissantes et décroissantes est le nombre de suites que vous pouvez vous attendre à obtenir dans vos données si celles-ci sont distribuées de façon aléatoire.

Interprétation

Comparez le nombre de suites attendu au nombre de suites réel. Un plus grand nombre de suites qu'attendu peut indiquer une oscillation dans les données. Un plus petit nombre de suites qu'attendu peut indiquer une tendance dans les données. Utilisez les valeurs de p pour tester la signification de ces comportements.

Sur cette carte, le nombre réel de suites croissantes ou décroissantes est de 7 et le nombre attendu de 7.

Plus longue suite croissante ou décroissante

Nombre de points dans la plus longue suite croissante ou décroissante.

Interprétation

Dans cet exemple, la suite la plus longue comporte 3 points (points 3, 4 et 5).

Valeur de p approximative pour l'oscillation

La valeur de p est la probabilité qui mesure le degré de certitude avec lequel il est possible d'invalider l'hypothèse nulle. Des probabilités faibles permettent d'invalider l'hypothèse nulle avec plus de certitude.

Utilisez la valeur de p pour déterminer si les données sont distribuées de façon aléatoire. L'hypothèse nulle stipule que les données sont distribuées de façon aléatoire.

Interprétation

Une valeur de p inférieure au seuil de signification spécifié indique une tendance à l'oscillation. En général, un seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification de 0,05 indique un risque de 5 % de conclure à tort qu'il existe un schéma non aléatoire dans les données.

Valeur de p ≤ α : les différences de moyenne sont significativement différentes (rejetez H0)
Si la valeur de p est inférieure ou égale au seuil de signification, vous rejetez l'hypothèse nulle. Vous pouvez conclure que les données ne sont pas distribuées de façon aléatoire.
Valeur de p > α : les différences de moyenne ne sont pas significativement différentes (impossible de rejeter H0)
Si la valeur de p est supérieure au seuil de signification, vous ne pouvez pas rejeter l'hypothèse nulle. Vous n'êtes pas en mesure de conclure que les données présentent des schémas non aléatoires. Toutefois, vous ne pouvez pas non plus conclure que les données sont distribuées de façon aléatoire.
Dans cet exemple, la valeur de p pour l'oscillation (0,500) est supérieure à la valeur d'α de 0,05, et vous ne pouvez donc pas rejeter l'hypothèse nulle. Vous pouvez en conclure que les données ne présentent pas d'oscillation.