Exemple pour Analyser une réponse binaire pour un plan de surface de réponse

Un ingénieur spécialiste des salles blanches analyse un plan de surface de réponse pour déterminer l'influence de la durée, de la température et de la pression de la thermosoudeuse sur la qualité de l'emballage stérile des plateaux. La réponse est de type binaire : l'emballage est intact ou non sur un échantillon de 800 plateaux.

L'ingénieur collecte des données et analyse le plan afin de déterminer quels facteurs ont un impact sur la résistance de la fermeture.

  1. Ouvrez le fichier de données échantillons, PlateauStérile.MTW.
  2. Sélectionnez . Stat > DOE (plan d'expériences) > Surface de réponse > Analyser la réponse binaire
  3. Dans la zone Nom d'événement, saisissez Evénement.
  4. Dans la zone Nombre d'événements, saisissez Intacts.
  5. Dans la zone Nombre d'essais, saisissez Echantillons.
  6. Cliquez sur Termes.
  7. Dans Inclure les termes suivants, sélectionnez Quadratique complet.
  8. Cliquez sur OK.
  9. Cliquez sur Graphiques.
  10. Sous Graphiques des valeurs résiduelles, sélectionnez Quatre en un.
  11. Cliquez sur OK dans chaque boîte de dialogue.

Interprétation des résultats

Dans le tableau Analyse de la variance, les valeurs de p pour Température, Pression et Température*Température sont significatives. L'ingénieur peut envisager de réduire le modèle pour retirer les termes non significatifs. Pour plus d'informations, reportez-vous à la rubrique Réduction du modèle.

La valeur R2 de la somme des carrés d'écart indique que le modèle explique 97,47 % de la somme totale des carrés d'écart de la réponse, ce qui indique qu'il est extrêmement bien ajusté aux données.

Le diagramme de Pareto vous permet de repérer visuellement les effets importants et de comparer l'importance relative des divers effets. De plus, vous voyez que l'effet le plus important est celui du terme Température*Température (BB), car c'est celui qui a la barre la plus grande.

Méthode

Fonction de liaisonLogit
Lignes utilisées15

Informations de réponse

VariableValeurDénombrementNom
d'événement
IntactsEvénement9637Evénement
  Non-événement2363 
EchantillonsTotal12000 

Coefficients codés

TermeCoeffCoef ErTFIV
Constante3,0210,384 
Heure0,2100,13918,53
Température0,6410,15919,53
Pression0,4200,21170,48
Heure*Heure-0,07350,04821,01
Température*Température0,29880,05171,17
Pression*Pression-0,00220,027770,24
Heure*Température-0,00920,05051,14
Heure*Pression0,04170,034218,12
Température*Pression-0,05210,039619,24

Rapports des probabilités de succès pour les prédicteurs continus

IncrémentRapport des
probabilités
de succès
IC à 95
%
Heure1,0*(*; *)
Température25,0*(*; *)
Pression7,5*(*; *)
Les rapports des probabilités de succès ne sont pas calculés pour les prédicteurs qui sont
     inclus dans les termes d'interaction, car ces rapports dépendent des valeurs des autres
     prédicteurs dans les termes d'interaction.

Récapitulatif du modèle

R carré de
la somme des
carrés des
écarts
R carré (ajust)
de la somme des
carrés des
écarts
AICAICcBIC
97,47%96,50%140,64195,64147,72

Tests d'adéquation de l'ajustement

TestDLKhi deuxValeur de p
Somme des carrés des écarts523,400,000
Pearson523,880,000
Hosmer-Lemeshow57,470,188

Analyse de la variance

SourceDLSomme des
carrés des
écarts
ajustée
Moyenne
ajustée
Khi deuxValeur de p
Modèle9903,478100,386903,480,000
  Heure12,3032,3032,300,129
  Température116,38816,38816,390,000
  Pression13,9663,9663,970,046
  Heure*Heure12,3312,3312,330,127
  Température*Température134,01234,01234,010,000
  Pression*Pression10,0060,0060,010,937
  Heure*Température10,0330,0330,030,856
  Heure*Pression11,4901,4901,490,222
  Température*Pression11,7311,7311,730,188
Erreur523,4044,681   
Total14926,882     

Equation de régression en unités non codées

P(Evénement)=exp(Y')/(1 + exp(Y'))
Y'=17,77 + 0,348 Heure - 0,1918 Température + 0,1146 Pression - 0,0735 Heure*Heure
+ 0,000478 Température*Température - 0,000039 Pression*Pression
- 0,00037 Heure*Température + 0,00556 Heure*Pression - 0,000278 Température*Pression

Ajustements et diagnostics pour les observations aberrantes

ObservationProbabilité
observée
Valeur
ajustée
RésiduelleVal.
résid.
norm.
10,71130,68561,57224,45R
30,90250,88791,33702,50R
70,96750,95651,59272,17R
80,67370,6884-0,8891-2,44R
100,55500,5660-0,6265-2,07R
110,90250,9281-2,6700-4,20R
120,84130,8633-1,7806-3,54R
150,71130,68921,35923,64R
R : Valeur résiduelle élevée