Par défaut, Minitab arrondit la valeur λ (lambda) optimale à 0,5 près, car ces valeurs correspondent à une transformation plus intuitive. Pour utiliser la valeur optimale pour la transformation, sélectionnez .
Lambda | Transformation |
---|---|
-2 | −Y-2 = −1 / Y2 |
-1 | −Y-1 = −1 / Y |
-0,5 | −Y-0,5 = −1 / (racine carrée de Y) |
0 | log (Y) |
0,5 | Y0,5 = racine carrée de Y |
1 | Y |
2 | Y2 |
Lorsque vous utilisez une transformation de Box-Cox, la valeur de λ (lambda) estimée est la valeur optimale permettant de générer des valeurs de réponse transformées qui soient distribuées normalement. Par défaut, Minitab utilise la valeur arrondie de lambda.
Lambda est l'exposant utilisé par Minitab pour transformer les données de réponse. Par exemple, si lambda = -1, toutes les valeurs de réponse (Y) sont transformées comme suit : −Y-1 = −1/Y. Si lambda est égal à 0, il représente le logarithme népérien de Y plutôt que Y0.
Les intervalles de confiance pour λ (lambda) sont des étendues de valeurs ayant de fortes chances de contenir la valeur de λ réelle pour l'ensemble de la population dont votre échantillon est issu.
Les échantillons étant aléatoires, il est peu probable que deux échantillons d'une population donnent des intervalles de confiance identiques. Cependant, si vous prenez de nombreux échantillons aléatoires, un certain pourcentage des intervalles de confiance obtenus contiendra le paramètre de population inconnu. Le pourcentage de ces intervalles de confiance contenant le paramètre est le niveau de confiance de l'intervalle.
Utilisez l'intervalle de confiance pour estimer la valeur de lambda pour votre échantillon.
Par exemple, avec un niveau de confiance de 95 %, vous pouvez être sûr à 95 % que l'intervalle de confiance comprend la valeur de lambda pour la population. L'intervalle de confiance vous aide à évaluer la signification pratique de vos résultats. Utilisez vos connaissances spécialisées pour déterminer si l'intervalle de confiance comporte des valeurs ayant une signification pratique pour votre situation. Si l'intervalle est trop grand pour être utile, envisagez d'augmenter votre effectif d'échantillon.