Interprétation des résultats principaux pour la fonction Tableau à entrées multiples et Khi deux

Suivez les étapes ci-dessous pour interpréter une analyse de tableau à entrées multiples. Les résultats principaux incluent les dénombrements et dénombrements attendus, les statistiques du Khi deux et les valeurs de p.

Sur ce thème

Etape 1 : Déterminer si l'association entre les variables est statistiquement significative
Etape 2 : Examiner les différences entre les dénombrements attendus et observés pour déterminer les niveaux de variables ayant l'impact le plus important sur l'association

Etape 1 : Déterminer si l'association entre les variables est statistiquement significative

Utilisez la valeur de p pour déterminer si l'hypothèse nulle doit être rejetée ou non, supposant que les variables sont indépendantes.

Pour déterminer si les variables sont indépendantes, comparez la valeur de p au seuil de signification. En général, un seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification de 0,05 indique 5 % de risque de conclure à tort qu'il existe une association.

Valeur de p ≤ α : les variables présentent une association statistiquement significative (rejeter H₀): Si la valeur de p est inférieure ou égale au seuil de signification, vous pouvez rejeter l'hypothèse nulle et conclure qu'il existe une association statistiquement significative entre les variables.
Valeur de p > α : impossible de conclure que les variables sont associées (ne pas rejeter H₀): Si la valeur de p est supérieure au seuil de signification, vous ne pouvez pas rejeter l'hypothèse nulle, car vous ne possédez pas suffisamment de preuves pour conclure que les variables sont associées.

Test du Khi deux

	Khi deux	DL	Valeur de P
Pearson	11,788	4	0,019
Rapport de vraisemblance	11,816	4	0,019

Résultats principaux : valeur de p

Dans ces résultats, la valeur de p est 0,019. Etant donné que la valeur de p est inférieure à α, vous devez rejeter l'hypothèse nulle. Vous pouvez en conclure que les variables sont associées.

Etape 2 : Examiner les différences entre les dénombrements attendus et observés pour déterminer les niveaux de variables ayant l'impact le plus important sur l'association

Le dénombrement observé correspond au nombre réel d'observations dans un échantillon qui appartiennent à une catégorie.

Le dénombrement attendu correspond à l'effectif prévu dans une cellule, approximativement, si les variables sont indépendantes. Minitab calcule les dénombrements attendus comme le produit du total des lignes et du total des colonnes, divisés par le nombre total d'observations.

En étudiant les différences entre dénombrements de cellules observés et attendus, vous pouvez voir les variables qui présentent les différences les plus importantes, ce qui indique une dépendance. Vous pouvez également comparer les valeurs résiduelles normalisées pour afficher les variables qui présentent la différence la plus importante entre dénombrements attendus et réels par rapport à l'effectif de l'échantillon.

Lignes : ID machine Colonnes : Colonnes de la feuille de trava

	1ère équipe	2ème équipe	3ème équipe	Total

1	48	47	48	143
	56,08	46,97	39,96
	-1,0788	0,0050	1,2726

2	76	47	32	155
	60,78	50,91	43,31
	1,9516	-0,5476	-1,7184

3	36	40	34	110
	43,14	36,13	30,74
	-1,0867	0,6443	0,5889

Total	160	134	114	408

Résultats principaux : dénombrements, dénombrements attendus, valeur résiduelle normalisée

Dans ce tableau à entrées multiples, le dénombrement de cellules correspond au premier nombre dans chaque cellule, le dénombrement attendu correspond au deuxième nombre dans chaque cellule et la valeur résiduelle normalisée au troisième nombre dans chaque cellule. Dans ces résultats, le dénombrement attendu et le dénombrement observé les plus élevés sont ceux de la combinaison machine 2/première équipe et la valeur résiduelle normalisée aussi est la plus élevée.