Interpréter les résultats clés pour Prévoir

Tout d’abord, déterminez la moyenne prévue de la réponse. Ensuite, examinez l’intervalle de prédiction pour déterminer une plage de valeurs probables pour une seule valeur future.

La valeur de réponse ajustée (fit) est l’estimation ponctuelle pour les paramètres de variable spécifiés.

L’intervalle de prédiction (PI) est une plage qui est susceptible de contenir une seule réponse future pour une combinaison spécifiée de paramètres de variables. Si vous collectez un autre point de données avec les mêmes paramètres de variable, le nouveau point de données est susceptible de se trouver dans l’intervalle de prédiction. Des intervalles de prédiction plus étroits indiquent une prédiction plus précise.

Le type de valeurs de réponse ajustées affichées par Minitab dépend du type de variable de réponse de votre modèle. Minitab affiche les types de valeurs ajustées suivants :

Moyennes pour les variables de réponse qui contiennent des mesures continues, telles que la longueur ou le poids.
Moyennes des variables de réponse qui contiennent des nombres qui suivent la distribution de Poisson, tels que le nombre de défauts par échantillon.
Probabilités pour les variables de réponse qui ne contiennent que deux résultats possibles, tels que réussite/échec.
Écarts-types pour les modèles ajustés à l’aide de Analyser la variabilité.

Equation de régression

Flux thermique	=	389,2 + 2,12 Est + 5,318 Sud - 24,13 Nord

Configuration

Variable	Configuration
Est	35
Sud	34
Nord	16

Prévision

Valeur ajustée	ErT ajust	IC à 95 %	IP à 95 %
258,242	2,35414	(253,393; 263,090)	(239,882; 276,601)

Principaux résultats : Ajustement, 95% PI

Dans ces résultats, l’ajustement est de 258,242, ce qui est la moyenne ajustée du flux de chaleur lorsque l’Est est 35, le Sud est 34 et le Nord est 16. Avec ces paramètres, l’intervalle de prédiction de 95 % est de 239,882 à 276,601.

Utilisez votre connaissance du processus pour déterminer si l’intervalle de prédiction se situe à l’intérieur des limites acceptables.