Prévision des effets aléatoires pour la fonction Etude de stabilité

Obtenez des définitions et bénéficiez de conseils en matière d'interprétation pour les prévisions des effets aléatoires.

Sur ce thème

BLUP
EcTyp pour les BLUP
DL pour les BLUP
Intervalle de confiance pour les BLUP (IC à 95 %)
Valeur de t
Valeur de p pour les BLUP

BLUP

Les meilleures prévisions non biaisées linéaires (BLUP) sont les coefficients estimés associés aux niveaux d'un terme de lot aléatoire. Ces coefficients permettent de déterminer l'ordonnée à l'origine et la pente des équations ajustées conditionnelles, qui sont utilisées pour prévoir les valeurs ajustées associées à des lots spécifiques. Vous pouvez afficher les équations conditionnelles avec la fonction Prévoir pour l'étude de stabilité.

Interprétation

Utilisez les BLUP pour estimer la différence entre les lots. Plus les valeurs de BLUP sont élevées pour le facteur de lot, plus les durées de stockage associées aux lots dans les données sont différentes au moment 0. Si l'interaction Durée*Lot n'est pas dans le modèle, les concentrations dans les lots présentent une différence constante quel que soit le moment. Si l'interaction Durée*Lot est dans le modèle, les valeurs de BLUP montrent les différentes vitesses auxquelles les lots se dégradent.

Pour les termes de lot, la BLUP la plus positive pour le lot 1 est d'environ 1,36. La BLUP pour le lot 7 est plus proche de zéro, à environ 0,05. La valeur ajustée conditionnelle pour le lot 1 au moment 0 est d'environ 100,6 + 1,36 = 101,42. La valeur ajustée conditionnelle pour le lot 7 est d'environ 100,06 + 0,05 = 100,11.

Comme l'interaction entre le nombre de mois (durée) et le lot est également dans le modèle, les valeurs de BLUP associées aux interactions rendent compte des différences de vitesse de dégradation entre les différents lots. La BLUP d'interaction la plus positive est associée au lot 2, environ 0,02. Ainsi, les valeurs ajustées conditionnelles associées au lot 2 sont celles qui présentent la dégradation la plus lente.

Coefficients

Terme	Coeff	Coef ErT	DL	Valeur de T	Valeur de p
Constante	100,060247	0,268706	7,22	372,378347	0,000
Mois	-0,138766	0,005794	7,22	-23,950196	0,000

Prévisions des effets aléatoires

Terme	BLUP	EcTyp	DL	Valeur de T	Valeur de p
Lot
1	1,359433	0,313988	12,45	4,329567	0,001
2	0,395375	0,313988	12,45	1,259203	0,231
3	0,109151	0,313988	12,45	0,347629	0,734
4	-0,409322	0,313988	12,45	-1,303623	0,216
5	-0,135643	0,313988	12,45	-0,432001	0,673
6	-1,064736	0,313988	12,45	-3,391006	0,005
7	0,049420	0,313988	12,45	0,157394	0,877
8	-0,303678	0,313988	12,45	-0,967164	0,352
Mois*Lot
1	0,006281	0,008581	10,49	0,731925	0,480
2	0,019905	0,008581	10,49	2,319537	0,042
3	-0,013831	0,008581	10,49	-1,611742	0,137
4	0,003468	0,008581	10,49	0,404173	0,694
5	0,001240	0,008581	10,49	0,144455	0,888
6	0,000276	0,008581	10,49	0,032144	0,975
7	-0,010961	0,008581	10,49	-1,277272	0,229
8	-0,006378	0,008581	10,49	-0,743220	0,474

EcTyp pour les BLUP

L'écart type de la meilleure prévison non biaisée linéaire (BLUP) permet d'évaluer le degré d'incertitude associé à l'estimation de la BLUP à partir de données échantillons.

Interprétation

Utilisez l'écart type de la BLUP pour mesurer la précision de son estimation. Plus l'écart type est faible, plus l'estimation est précise. Si vous divisez la BLUP par son écart type, vous obtiendrez une valeur de t. Si la valeur de p associée à cette statistique T est inférieure ou égale au seuil de signification (noté alpha ou α), vous pouvez en conclure qu'il existe une différence statistiquement significative entre la BLUP et zéro.

DL pour les BLUP

Les degrés de liberté représentent la quantité d'informations disponible dans les données pour estimer l'intervalle de confiance et définir le test pour la meilleure prévision non biaisée linéaire (BLUP).

Interprétation

Utilisez les DL pour comparer la quantité d'informations disponible sur les BLUP. Généralement, plus le nombre de degrés de liberté est élevé, plus l'intervalle de confiance de la BLUP est étroit.

Intervalle de confiance pour les BLUP (IC à 95 %)

Ces intervalles de confiance (IC) sont des étendues de valeurs ayant de fortes chances de contenir la valeur réelle de la meilleure prévision non biaisée linéaire (BLUP) pour chaque lot sélectionné au hasard des données.

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.

L'intervalle de confiance est composé de deux parties :

Estimation ponctuelle: Cette valeur unique estime un paramètre de population à l'aide de vos données échantillons. L'intervalle de confiance est centré sur cette estimation ponctuelle.
Marge d'erreur: La marge d'erreur définit la largeur de l'intervalle de confiance et est déterminée par la variabilité observée dans l'échantillon, l'effectif de l'échantillon et le niveau de confiance. Pour calculer la limite supérieure de l'intervalle de confiance, la marge d'erreur est ajoutée à l'estimation ponctuelle. Pour calculer la limite inférieure de l'intervalle de confiance, la marge d'erreur est soustraite de l'estimation ponctuelle.

Interprétation

Utilisez l'intervalle de confiance pour évaluer l'estimation de la BLUP de la population pour chaque lot.

Par exemple, avec un niveau de confiance de 95 %, vous pouvez être sûr à 95 % que l'intervalle de confiance comprend la valeur ou le coefficient de 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, vous devez sans doute augmenter votre effectif d'échantillon.

Valeur de t

La valeur de t mesure le rapport entre la meilleure prévision non biaisée linéaire (BLUP) et son erreur type.

Interprétation

Minitab utilise la valeur de t pour calculer la valeur de p, qui vous permet de déterminer si des valeurs de BLUP sont significatives.

Vous pouvez utiliser la valeur de t afin de déterminer si l'hypothèse nulle doit être rejetée. Cependant, la valeur de p est plus souvent utilisée, car le seuil de rejet est le même quels que soient les degrés de liberté.

Valeur de p pour les BLUP

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.

Interprétation

Pour déterminer si la meilleure prévision non biaisée linéaire (BLUP) est différente de zéro, comparez la valeur de p de la BLUP au seuil de signification. L'hypothèse nulle est que la BLUP est égale à zéro, ce qui implique que la prévision correspondant à ce lot précis n'est pas différente de celle obtenue pour un lot pris au hasard.

Valeur de p ≤ α : l'association est statistiquement significative.: Si la valeur de p est inférieure ou égale au seuil de signification, vous pouvez en conclure qu'il existe une différence statistiquement significative entre la BLUP et zéro.
Valeur de p > α : l'association n'est pas statistiquement significative.: Si la valeur de p est supérieure au seuil de signification, vous ne pouvez pas conclure qu'il existe une différence statistiquement significative entre la BLUP et zéro.