Un ingénieur souhaite évaluer la relation entre le temps de frittage et la résistance à la compression de trois métaux différents. L'ingénieur mesure la résistance de cinq échantillons de chaque type de métal pour chaque temps de frittage : 100 minutes, 150 minutes et 200 minutes.
L'ingénieur effectue une ANOVA avec un modèle linéaire général (MLG) et ajoute un graphique des effets principaux aux résultats.
- Ouvrez le fichier de données échantillons, TempsFrittage.MTW.
- Sélectionnez .
- Dans la zone Réponses, saisissez Résistance.
- Dans la zone Facteurs, saisissez TempsFrittage et TypeMétal.
- Cliquez sur OK.
Interprétation des résultats
Dans cet exemple, le graphique des effets principaux indique que le type de métal 2 est associé à la résistance la plus élevée et que le temps de frittage 150 également est associé à la résistance la plus élevée. Cependant, les résultats du MLG indiquent que cet effet principal pour le temps de frittage n'est pas statistiquement significatif. Les différences entre la résistance moyenne pour les niveaux du temps de frittage peuvent être dues au hasard.
Si vous utilisez la fonction Ajuster le modèle linéaire général avec ce fichier de données, les résultats indiquent que l'interaction entre les facteurs TempsFrittage et TypeMétal est statistiquement significative. Cet effet d'interaction indique que la relation entre le type de métal et la résistance dépend du temps de frittage. Aussi, l'ingénieur ne peut pas interpréter les effets principaux sans tenir compte des effets d'interaction.
Bien que vous puissiez utiliser ce graphique pour afficher les effets, vous devez aussi évaluer la signification statistique en observant les effets dans un tableau d'analyse de la variance.
Ce diagramme affiche les moyennes des données. Si l'utilisation des moyennes de données peut donner une idée générale des effets les plus évidents, il est généralement recommandé d'utiliser les moyennes ajustées dans Diagrammes factoriels pour obtenir des résultats plus précis.
