Minitab

MINITAB
Exercices de base (niveau M2)

Vincent ISOZ V9.0 Rvision 33 (2013-07-10), {oUUID 1.676}
MINITAB
and all other trademarks and logos for the Company's products and services
are the exclusive property of Minitab Inc. All other marks referenced remain the
property of their respective owners. See minitab.com for more information.

Vincent ISOZ Sciences.ch
Minitab 2/686
TABLE DES MATIRES
Introduction ............................................................................................................................................................. 5
propos de l'auteur ................................................................................................................................................ 8
Avertissements ........................................................................................................................................................ 9
Normes .................................................................................................................................................................. 10
Votre avis nous intresse! ..................................................................................................................................... 12
Liens Internet ........................................................................................................................................................ 13
Bibliographie ......................................................................................................................................................... 14
Dont's .................................................................................................................................................................... 17
Divers Minitab ...................................................................................................................................................... 18
Paramtrages utiles/importants ......................................................................................................................... 18
Exercice 1.: Calculs arithmtiques lmentaires ................................................................................................... 20
Exercice 2.: Empiler des donnes ......................................................................................................................... 24
Exercice 3.: Gnrer une variable alatoire et faire un histogramme avec ou sans ajustement ............................ 31
Exercice 4.: Gnrer des graphiques divers .......................................................................................................... 38
Exercice 5.: Gnrer un graphique CDF ............................................................................................................... 61
Exercice 6.: Gnrer un graphique points 3D ..................................................................................................... 65
Exercice 7.: Gnrer un graphique de srie chronologique (temporelle) .............................................................. 69
Exercice 8.: Effectuer une rgression linaire simple (modle linaire Gaussien) ............................................... 72
Exercice 9.: Effectuer une rgression polynomiale cubique ou quadratique ......................................................... 78
Exercice 10.: Effectuer une rgression pas pas (ascendante et descendante) ..................................................... 83
Exercice 11.: Rgression pas pas combinatoire (meilleur sous-ensemble) ........................................................ 90
Exercice 12.: tude de linarit de l'instrumentation et biais de mesure .............................................................. 93
Exercice 13.: Effectuer un calcul de la corrlation R (de Pearson) simple ............................................................ 99
Exercice 14.: Matrice de corrlation R de Pearson ............................................................................................. 103
Exercice 15.: Effectuer un calcul de la covariance ............................................................................................. 107
Exercice 16.: Effectuer une rgression linaire multiple (modle linaire Gaussien) ......................................... 110
Exercice 17.: Effectuer une rgression non linaire ............................................................................................ 113
Exercice 18.: Rgression orthogonale (rgression de Deming) .......................................................................... 120
Exercice 19.: Effectuer une autocorrlation ........................................................................................................ 124
Exercice 20.: Gnrer un graphique d'analyse de tendance ................................................................................ 127
Exercice 21.: Gnrer un graphique de moyenne mobile .................................................................................... 130
Exercice 22.: Gnrer un graphique de lissage exponentiel simple .................................................................... 133
Exercice 23.: Lissage exponentiel double selon Holt .......................................................................................... 137
Exercice 24.: Lissage exponentiel triple selon Winters....................................................................................... 142
Exercice 25.: ARIMA(0,1,1) et ARIMA(0,2,2) .................................................................................................. 145
Exercice 26.: Test des suites (test de Walf-Wolfowitz) ...................................................................................... 151
Exercice 27.: Mettre des donnes plat (table de frquence) ............................................................................. 154
Exercice 28.: Mettre des donnes plat (table de contingence) .......................................................................... 157
Exercice 29.: Test d'indpendance du Khi-deux d'une table de contingence ...................................................... 160
Exercice 30.: Test exact de Fisher ....................................................................................................................... 163
Exercice 31.: V de Cramr .................................................................................................................................. 167
Exercice 32.: Test de Mantel-Haenszel-Cochran ................................................................................................ 171
Exercice 33.: Test d'ajustement du Khi-deux ...................................................................................................... 175
Exercice 34.: Schma branche et feuilles ............................................................................................................ 179
Exercice 35.: Statistiques descriptives ................................................................................................................ 184
Exercice 36.: Graphique bote moustaches (BoxPlot) ...................................................................................... 187
Exercice 37.: Calculer la probabilit cumule et la probabilit inverse .............................................................. 192
Exercice 38.: Gnrer le graphique de la loi de densit de probabilit ............................................................... 196
Exercice 39.: Analyse de Pareto .......................................................................................................................... 200
Exercice 40.: Effectif de l'chantillon pour l'estimation pour loi Normale ......................................................... 202
Exercice 41.: Puissance d'un test Z 1 chantillon en bilatral .......................................................................... 205
Exercice 42.: Taille d'chantillon (effectif) d'un test Z en bilatral .................................................................... 210
Exercice 43.: Diffrence (rsolution) d'un test Z en bilatral .............................................................................. 213
Exercice 44.: Puissance d'un test t 1 chantillon en bilatral ........................................................................... 215
Exercice 45.: Taille d'chantillon (effectif) d'un test t 1 chantillon en bilatral ............................................. 218
Exercice 46.: Taille d'chantillon (effectif) d'un test p (proportion) 1 chantillon en bilatral ........................ 222
Minitab 3/686
Exercice 47.: Taille d'chantillon (effectif) d'un test p (proportion) 2 chantillons en bilatral ....................... 225
Exercice 48.: Test du signe binomial (dixit: test de la mdiane) ......................................................................... 228
Exercice 49.: Intervalle de confiance de la mdiane (via test du signe) .............................................................. 231
Exercice 50.: Test de Mood (test des mdianes) ................................................................................................. 235
Exercice 51.: Test de la somme des rangs de (Wilcoxon)Mann-Withney pour deux chantillons indpendants 242
Exercice 52.: Test de la somme des rangs signs de Wilcoxon pour 1 chantillon ............................................ 247
Exercice 53.: Test de la somme des rangs signs de Wilcoxon pour 2 chantillons apparis ............................ 250
Exercice 54.: Intervalle de confiance de la moyenne (test Z un 1 chantillon) ................................................ 253
Exercice 55.: Test Z de diffrence de la moyenne (test Z un 1 chantillon) en bilatral .................................. 255
Exercice 56.: Test Z de diffrence de la moyenne (test Z un 1 chantillon) en unilatral gauche .................... 260
Exercice 57.: Intervalle de confiance de la moyenne (test t un 1 chantillon) ................................................. 263
Exercice 58.: Intervalle de confiance de la proportion ........................................................................................ 268
Exercice 59.: Test t-Student pour donnes apparies .......................................................................................... 271
Exercice 60.: Test t-Student bilatral d'un chantillon ........................................................................................ 275
Exercice 61.: Test t-Student homoscdastique bilatral d'galit de la moyenne ............................................... 278
Exercice 62.: Comparaison de proportions sur une mme population (test binomial) ........................................ 281
Exercice 63.: Comparaison de proportions sur 2 chantillons indpendants ...................................................... 283
Exercice 64.: Intervalle de confiance de l'cart-type ........................................................................................... 286
Exercice 65.: Test de Fisher d'galit des variances ........................................................................................... 289
Exercice 66.: Test de Levene d'galit de deux variances................................................................................... 292
Exercice 67.: Test de Levene et Bartlett d'galit des variances d'une ANOVA ................................................ 296
Exercice 68.: Ajustement d'une loi de Poisson par le Khi-deux .......................................................................... 299
Exercice 69.: Test de normalit de Kolmogorov-Smirnov .................................................................................. 303
Exercice 70.: Test de normalit de Ryan-Joiner (ie Shapiro-Wilk) .................................................................... 306
Exercice 71.: Test de normalit d'Anderson-Darling (ie Agostino-Stephens) .................................................... 309
Exercice 72.: Test de Poisson un chantillon unilatral/bilatral ..................................................................... 317
Exercice 73.: Test de Poisson deux chantillons bilatral ................................................................................ 323
Exercice 74.: Test de normalit et analyse de capabilit ..................................................................................... 326
Exercice 75.: Analyse de capabilit .................................................................................................................... 331
Exercice 76.: Analyse en composantes principales (ACP) ................................................................................. 334
Exercice 77.: Analyse des interactions et effets principaux ................................................................................ 344
Exercice 78.: Analyse de la variance un facteur (ANOVA-1) dsempil ........................................................ 356
Exercice 79.: Analyse de la variance un facteur (ANOVA-1) empil .............................................................. 359
Exercice 80.: Puissance du test de l'ANOVA (WP) ............................................................................................ 361
Exercice 81.: Test de Tukey ................................................................................................................................ 366
Exercice 82.: Analyse de la variance deux facteurs (ANOVA-2) sans rptitions ........................................... 371
Exercice 83.: Analyse de la variance deux facteurs (ANOVA-2) avec rptitions .......................................... 375
Exercice 84.: Test de Kruskal-Wallis .................................................................................................................. 379
Exercice 85.: ANOVA Imbrique (nested ANOVA) .......................................................................................... 382
Exercice 86.: Test de Friedman ........................................................................................................................... 385
Exercice 87.: tude R&R (reproductibilit/rptabilit) pour donnes continues .............................................. 388
Exercice 88.: tude R&R (reproductibilit/rptabilit) pour donnes par attributs .......................................... 398
Exercice 89.: Kappa de Cohen ............................................................................................................................ 407
Exercice 90.: Carte d'essai de l'instrumentation .................................................................................................. 411
Exercice 91.: Rgression logistique (logit) variable catgorielle (qualitative) binaire (dixit: scoring) ............ 413
Exercice 92.: Plan d'chantillonnage par mesures............................................................................................... 417
Exercice 93.: Plan d'chantillonnage par attribut ................................................................................................ 420
Exercice 94.: Carte de contrle par attributs p (proportion) ................................................................................ 423
Exercice 95.: Carte de contrle par attributs de type np (proportion) ................................................................. 426
Exercice 96.: Carte de contrle par attributs de type c ........................................................................................ 429
Exercice 97.: Carte de contrle par attributs de type u ........................................................................................ 432
Exercice 98.: Carte de contrle par mesures S .................................................................................................... 435
Exercice 99.: Carte de contrle par mesures X barre-S simple ........................................................................... 438
Exercice 100.: Carte de contrle par mesures X barre-S barre combines ......................................................... 442
Exercice 101.: Carte de contrle par mesures X barre-S barre combines groupes par dates ........................... 445
Exercice 102.: Carte de contrle par mesures R barre-R barre combines ......................................................... 449
Exercice 103.: Carte de contrle par mesures X barre-R barre combines ......................................................... 452
Exercice 104.: Carte de contrle par mesures X barre-R barre combines ......................................................... 456
Exercice 105.: Carte de contrle par mesures individuelles par l'tendue mobile .............................................. 459
Exercice 106.: Carte de contrle par mesures individuelles X barre par l'tendue mobile ................................. 462
Minitab 4/686
Exercice 107.: Carte de contrle par mesures individuelles X barre-EM barre combines ................................ 465
Exercice 108.: Carte de contrle individuelle Moyenne Mobile (MA) avec limites bases sur l'tendue mobile
............................................................................................................................................................................ 468
Exercice 109.: Carte de contrle CUSUM V-Masque avec chantillons ............................................................ 471
Exercice 110.: Carte de contrle EWMA avec chantillons ............................................................................... 474
Exercice 111.: Carte de contrle EWMA individuelle ........................................................................................ 477
Exercice 112.: Carte combine X Barre-R et R Barre-R avec deux phases ........................................................ 480
Exercice 113.: Carte de contrle G ..................................................................................................................... 484
Exercice 114.: Analyse SixPack ......................................................................................................................... 486
Exercice 115.: Construction de plans d'expriences ........................................................................................... 491
Exercice 116.: Comparaison d'un plan d'exprience identique en factoriel complet gnral et factoriel 2 niveaux
............................................................................................................................................................................ 513
Exercice 117.: Analyse du modle d'un plan factoriel complet gnral .............................................................. 522
Exercice 118.: Analyse graphique des effets principaux et interactions du modle d'un plan factoriel complet 530
Exercice 119.: Analyse d'un plan factoriel fractionnaire avec choix des alias .................................................... 535
Exercice 120.: Plan factoriel avec points centraux .............................................................................................. 550
Exercice 121.: Analyse du modle d'un plan de Plackett-Burman ...................................................................... 554
Exercice 122.: Analyse du bruit (plan de Taguchi) ............................................................................................. 559
Exercice 123.: Modle exprience de Taguchi ................................................................................................... 571
Exercice 124.: Analyse de la variance multifactorielle ....................................................................................... 588
Exercice 125.: Modle linaire gnral ............................................................................................................... 600
Exercice 126.: Analyse graphique de base de plans factoriels ............................................................................ 605
Exercice 127.: Plan de rponse de surface composite central (modle du second degr ou "modle quadratique")
WP ....................................................................................................................................................................... 617
Exercice 128.: Transformations de Box-Cox ...................................................................................................... 648
Exercice 129.: Transformations de Johnson........................................................................................................ 656
Exercice 130.: Analyse de donnes censures (Kaplan-Meier) .......................................................................... 660
Exercice 131.: Prdiction de garantie .................................................................................................................. 667
Exercice 132.: Clustering dendrogramme ........................................................................................................... 670
Exercice 133.: K-means (k-moyennes en groupes) ............................................................................................. 674
Exercice 134.: Intgration d'une macro ............................................................................................................... 680
Minitab 5/686
Introduction
Portions of information contained in this publication/book are printed with permission of
Minitab Inc. All such material remains the exclusive property and copyright of Minitab Inc.
All rights reserved
This information may have been translated for your convenience from the original and
official English language version, which can be found at www.minitab.com, or as embedded
in Minitab Statistical Software. Minitab retains all rights therein, and Minitab disclaims any
and all responsibility for any reliance by you upon the translated version, which you use at
your own risk. In the event of any discrepancy the English language version shall control.
Minitab Statistical Software est un logiciel d'exploration cr en 1972 (parmi les crateurs il
y a Ryan et Joiner...) de donnes destin la base aux tudiants mais qui a t rapidement
adopt pour l'analyse statistique de donnes dans les industries et socits de services
principalement dans le cadre de l'application des techniques de la mthode DMAIC Six
Sigma:

D/M (Dfinir/Mesurer) - Diagrammes d'Ishikawa
- Analyse de Pareto
- tudes R&R
- Cartes de contrle
- Analyse de capabilit
- Graphiques
A (Analyser) - tudes R&R
- Tests d'hypothses
- ANOVA
- Corrlation
- Rgressions uni/multivaries linaires ou non linaires
- Analyse de capabilit
- Graphiques
- Plans d'exprience
- Arbres de classification
I (Improve: Amliorer) - ANOVA
- Rgressions uni/multivaries linaires ou non linaires
- Analyse de sries temporelles
- Optimisation de rponse
- Analyse de capabilit et de survie
- Tests d'hypothses
- tudes R&R
C (Contrler) - Cartes de contrles
- Tests d'hypothses
- Fiabilit

Minitab 6/686
Il implmente une srie de mthodes de fouille de donnes issues du domaine de la statistique
exploratoire, de l'analyse de donnes, de l'infrence statistique, des plans d'exprience pour les
besoins de mtiers suivants:
- Master Black Belt Six Sigma
- Ingnieur procds/processus
- Business Analyst
- Ingnieurs qualits (qualiticiens)
- Ingnieurs en gestion de projets
- Dirigeants de dpartements
- Doctorants
Le choix de Minitab Statistical Software dans une organisation peut se justifier
principalement selon moi (Vincent ISOZ) par le fait que:
Il est devenu la rfrence ds les dbuts du dploiement du Six Sigma dans le
monde.
La quantit de sites internet et d'ouvrages qui lui sont consacrs permettent de ne
pas faire appel tout bout de champ des consultants ou un support onreux
(bien que le support Minitab soit gratuit ma connaissance).
Il est la rfrence pour les tops manager et hauts potentiels dans les organisations
(associ @Risk, MS Excel et autres...).
Enfin rappelons que ce logiciel se destine des ingnieurs et universitaires donc son rle n'est
pas de faire de l'esthtique mais de l'efficace!
Le lecteur remarquera que le dbut du prsent document rassemble uniquement des points qui
sont aussi faisables avec MS Excel avec plus ou moins de facilit (parfois plus rapidement,
parfois pas). Le but est d'abord de montrer les diffrences entre les deux logiciels comme le
font de nombreux ouvrages avant de passer des cas trs spcifiques Minitab Statistical
Software.
Minitab 7/686
Remarques:
R1. Les premiers exercices sont donc quasiment les mmes que ceux effectus dans les cours
de statistique thorique, MSP et d'analyse dcisionnelle avec MS Excel ou lors du cursus de
gestion de projets (dans lequel les calculs sont faits la main).
R2. Je ne prsente ici normalement que des outils utilisant des concepts mathmatiques dont
j'expose la dmonstration mathmatique dtaille (dmonstrations disponibles dans mon livre
sur les mathmatiques appliques) dans mes cours et qui sont utilises dans le cadre de mes
activits de consultant. Si cela vient ne pas tre le cas, le titre du sujet est suivi de
l'abrviation WP qui est l'abrviation de: Without Proof.
R3. J'ai rdig ce document uniquement pour le fun afin de valider les rsultats obtenus avec
MS Excel et surtout pour jouer avec les thormes mathmatiques que j'ai tudi en dtail
dans le cadre de mes tudes (dmonstrations mathmatiques disponibles dans mon ouvrage
sur les mathmatiques appliques).
R4. Suite des questions de la part de lecteurs: Non je ne suis pas rtribu par Minitab
Statistical Software pour leur faire de la pub Des logiciels comme:
XLStat, SPSS, R, SAS, Gauss, Matlab, Statistica, Stata, Medcalc, StatsDirect, SigmaXL,
NumXL, JMP, Weibull++, Design-Expert, UNISTAT
font peu prs pareil relativement aux sujets couverts dans ce document. Il fallait juste que je
fasse un choix... (je peux pas passer mon temps crire des supports sur tous les types de
logiciels!) et celui-ci c'est port sur le logiciel utilis par la majorit de mes clients. Cependant
si des passionns veulent reproduire le contenu du prsent livre avec leur logiciel de
statistique favori qu'ils n'hsitent pas! Ce serait mme fort intressant de comparer les
rsultats!! Si j'ai le temps j'crirai le mme contenu mais avec SPSS et R.
R5. Oui SPSS est beaucoup plus puissant que Minitab Statistical Software ce jour. Mais
SPSS est pour les statisticiens seniors ayant des doctorats alors que Minitab Statistical
Software s'adresse bien des personnes ayant un niveau Bachelor Master.
Pour terminer, je tiens remercier ici les quelques collgues et clients qui ont bien voulu me
faire part de leurs remarques pour amliorer le contenu de ce livre lectronique. Il est
cependant certain qu'il est encore perfectible sur de nombreux points et qu'il va encore voluer
puisqu'il y a encore une petite dizaine de sujet dont les dmonstrations mathmatiques sont en
cours de rdaction pour la prochaine dition de mon livre sur les mathmatiques appliques et
je montrerai comment les faire aussi avec Minitab Statistical Software.
Si vous souhaitez tre inform des nouvelles versions majeures de ce document n'hsitez pas
m'crire un mail dans ce sens: isoz@sciences.ch.
Minitab 8/686
propos de l'auteur

Nom Prnom: ISOZ Vincent
Domicili ce jour Lausanne (Suisse)
Formation: Ingnieur Physicien HES (B.Sc.)
quivalence Internationale: Bachelor of Science
Anne de naissance: 1978
Actuellement, je suis consultant trilingue (franais, anglais et allemand) en mathmatiques
appliques dans le tutorat d'analystes quantitatifs (niveau Bac+5 Bac+7) et auteur de
plusieurs livres lectroniques dans les domaines suivants:
- matrise statistique des processus/procds (mthodes paramtriques et non paramtriques)
- modlisation prvisionnelle/dcisionnelle avance (arbres de dcisions, chanes de Markov)
- recherche oprationnelle (simplexe, algorithmes gntiques, algorithme GRG)
- data mining (rseaux de neurones, ACP, AFC, rgressions, scoring, clustering, etc.)
- modlisation du risque en gestion de projets et finance d'entreprise (monte-carlo, etc.)
- gestion de projets (modles et best practices thoriques EFQM+Six Sigma, MS Project)
- ISO 9001:2008, 5807:1985, 10015:1999, 31000+31010:2009, 8258:1991, 10017:2003, etc.
- Adobe Photoshop et Illustrator
- 12 applications de la suite Microsoft Office System (Project, Visio, SharePoint, Access, etc.)
ce jour interventions dans plus de ~200 entreprises dont 10 du Fortune 500 selon listing
2009 et 3 universits et coles d'ingnieurs suisses dans des cours de modlisation de bases de
donnes et simulations stochastiques du risque. Formation de plusieurs dirigeants de
multinationales en one to one.
Accessoirement j'interviens pour des formations sur des logiciels comme MS Project,
MS Visio, MS Access et une vingtaine d'autres dont je dlgue l'organisation des entreprises
spcialises dans la formation continue en bureautique (niveau licence universitaire et en-
dessous).
Il est trs fortement conseill de planifier rigoureusement mon arrive et le cahier des charges
si vous souhaitez faire appel mes services. Je suis effectivement trs exigeant sur le respect
des standards de la gestion de projets et des normes minimales du travail entreprise
(ISO 9001, ISO 690, ISO 9660, ISO 5807, ISO 10015, etc.) et je n'hsiterai pas vous dire
franchement ce qui ne va pas dans votre organisation (je ne suis pas pay pour vendre un
produit ou une mthode mais pour dire la vrit!). Je suis galement trs regardant sur les
comptences des employs invits aux runions que je dois piloter et les conditions d'accueil.
Vous voil prvenus si jamais!
Enfin, je conseille aussi vivement toute personne souhaitant vraiment matriser le sujet de
lire mon e-book sur les Mathmatiques Appliques (~3'300 pages).

Minitab 9/686
Avertissements
Le contenu du prsent support est labor par un processus de dveloppement par lequel des
experts en statistiques parviennent un consensus. Ce processus qui rassemble des
participants bnvoles recherche galement les points de vue de personnes intresses par le
sujet de cet ouvrage. En tant que responsable du prsent support, j'assure l'administration du
processus et je fixe les rgles qui permettent de promouvoir l'quit dans l'approche d'un
consensus. Je me charge galement de rdiger les textes, parfois de les tester/valuer ou de
vrifier indpendamment l'exactitude/solidit ou l'exhaustivit des informations prsentes.
Je dcline toute responsabilit en cas de dommages corporels, matriels ou autres de quelque
nature que ce soit, particuliers, indirects, accessoires ou compensatoires, rsultant de la
publication, de l'application ou de la confiance accorde au contenu du prsent support. Je
n'mets aucune garantie expresse ou implicite quant l'exactitude ou l'exhaustivit de toute
information publie dans le prsent support, et ne garantit aucunement que les informations
contenues dans cet ouvrage satisfassent un quelconque objectif ou besoin spcifique du
lecteur. Je ne garantis pas non plus les performances de produits ou de services d'un fabricant
ou d'un vendeur par la seule vertu du contenu du prsent support.
En publiant des textes, il n'est pas dans l'intention principale du prsent support de fournir des
services de spcialistes ou autres au nom de toute personne physique ou morale ni pour mon
compte, ni d'effectuer toute tche devant tre accomplie par toute personne physique ou
morale au bnfice d'un tiers. Toute personne utilisant le prsent support devrait s'appuyer sur
son propre jugement indpendant ou, lorsque cela s'avre appropri, faire appel aux conseils
d'un spcialiste comptent afin de dterminer comment exercer une prudence raisonnable en
toute circonstance. Les informations et les normes concernant le sujet couvert par le prsent
support peuvent tre disponibles auprs d'autres sources que le lecteur pourra souhaiter
consulter en qute de points de vue ou d'informations supplmentaires qui ne seraient pas
couverts par le contenu du prsent site Internet.
Je ne dispose (malheureusement...) d'aucun pouvoir dans le but de faire respecter la
conformit au contenu du prsent ouvrage, et je ne m'engage nullement surveiller ni faire
respecter une telle conformit. Je n'exerce ( ce jour...) aucune activit de certification, de test
ni d'inspection de produits, de conceptions ou d'installations fins de sant ou de scurit des
personnes et des biens. Toute certification ou autre dclaration de conformit en matire
d'informations ayant trait la sant ou la scurit des personnes et des biens, mentionne
dans le prsent support, ne peut aucunement tre attribue au contenu du prsent support et
demeure sous l'unique responsabilit de l'organisme de certification ou du dclarant concern.
Minitab 10/686
Normes
Rappelons conformment ce que nous avons vu dans le cours thorique qu'il est
indispensable pour le chercheur/statisticien/ingnieur professionnel de se baser sur les normes
suivantes (dans l'ordre des plus utilises) pour son travail et tous les outils dont le prsent
support fait l'objet:
ISO 31:2006
Systme international d'units
ISO 3534-1:1999
Vocabulaire et symbole des statistiques
ISO 2602:1980
Interprtation statistique de rsultats d'essais - Estimation de la moyenne - Intervalle de
confiance
ISO 3301:1975
Interprtation statistique des donnes - Comparaison de deux moyennes dans le cas
d'observations apparies
ISO 5479:1997
Interprtation statistique des donnes - Tests pour les carts la distribution normale
ISO 3494:1976
Interprtation statistique des donnes -- Efficacit des tests portant sur des moyennes et des
variances
ISO 11453:1996
Interprtation statistique des donnes - Tests et intervalles de confiance portant sur les
proportions
ISO 16269-4:2010
Interprtation statistique des donnes Dtection et traitement des valeurs aberrantes
ISO 16269-6:2005
Interprtation statistique des donnes - Dtermination des intervalles statistiques de tolrance
ISO 16269-8:2004
Interprtation statistique des donnes - Dtermination des intervalles de prdiction
ISO/TR 18532:2009
Lignes directrices pour l'application des mthodes statistiques la qualit et la normalisation
industrielle
ISO 3534-3:1999
Plans d'exprience (ou AFNOR NF X 06-080 + NF X 06-081)
ISO 8285:1991
Cartes de contrle de Shewhart
Minitab 11/686
ISO 17025:2005
Exigences gnrales concernant la comptence des laboratoires d'talonnages et d'essais
ISO 10017:2003
Lignes directrices pour les techniques statistiques relatives l'ISO 9001:2000
ISO 13300:2006
Guide gnral l'attention du personnel des laboratoires d'analyse sensorielle
ISO 31010:2009
Techniques d'valuations des risques
ISO 3951:2006
Rgles d'chantillonnage pour les contrles par mesures
ISO 11095:1996
talonnage linaire utilisant des matriaux de rfrence
Minitab 12/686
Votre avis nous intresse!
En tant que lecteur de ce document, vous tes le critique et le commentateur le plus important.
Votre opinion compte et il est trs intressant de savoir ce qui est bien, ce qui peut tre mieux
et les sujets que vous souhaiteriez voir tre traits.
Vous pouvez m'envoyer un e-mail pour partager ce que vous avez aim ou dtest dans le
prsent document afin d'en assurer une amlioration continue.
Notez que malheureusement, je ne peux pas rpondre gratuitement des questions techniques
d'ingnierie ou de problmatique d'entreprise par e-mail pour des raisons professionnelles
videntes.
E-mail: isoz@sciences.ch

Minitab 13/686
Liens Internet
http://www.minitab.com
http://www.minitab.com/en-TW/support/macros/
http://www.itl.nist.gov/div898/handbook/
Forums
http://www.talkstats.com
http://statistiques.forumpro.fr
http://www.les-mathematiques.net
Minitab 14/686
Bibliographie
Voici la liste de livres d'une qualit pdagogique et de rigueur extraordinaires que j'ai eu la
chance d'avoir entre les mains et dont je recommande l'acquisition. J'en ai lu beaucoup
d'autres mais qui sont tellement mauvais qu'ils ne valent pas la peine d'tre mentionns:
Le lecteur aura donc compris que je recommande trs fortement de complter la lecture du
prsent e-book (non exhaustif sur le domaine de la gestion de projets) par la liste de lecture ci-
dessous.

lments de mathmatiques appliques / 3'000 pages / ditions
Sciences.ch / Vincent ISOZ / 3
me
dition
ISBN: 978283999327
Commentaire: Livre rdig par les soins de votre serviteur... Il
contient les dmonstrations mathmatiques dtailles de tous les
outils prsents dans ce prsent support et pas que...

Six Sigma Statistics With Excel and Minitab / 386 pages / ditions
McGrawHill / Issa BASS
ISBN: 9780071542685
Commentaire: C'est avec ce livre que j'ai t initi Minitab lors de
ma formation Green Belt chez mon deuxime employeur. Il n'y a
aucun dmonstration mathmatique et trs peu d'quations mais les
exemple donns ont une orientation industrielle trs utile et cela avec
un clart pdagogique remarquable

100 Statistical tests / 257 pages / ditions SAGE / Gopal K. KANJI
ISBN: 101412923751
Commentaire: Un "must have" listant 100 tests statistiques avec les
hypothses d'utilisation, les limites, les formules (sans
dmonstration) et un exemple chaque fois.

Applied Multivariate Statistics for the social sciences / 663 pages /
ditions Routledge / James P. STEVENS
ISBN: 9780805859010
Commentaire: Livre un peu vieillissant mais contient des exemples
trs dtaills avec tapes de calcul de test multivaris complexes, ce
qui est difficile trouver dans la littrature. Par contre, il n'y a
aucune dmonstration dtaille.

Business Statistics / 892 pages / ditions Routledge / Ronald M.
WEIERS / 7me dition
ISBN: 053845217X
Commentaire: Le livre !!! mettre entre les mains ceux qui
Minitab 15/686
commencent tudier les statistiques et qui cherchent un ouvrage
sans dmonstrations mathmatiques mais prsentant de faon trs
claire et pdagogique des tests jusqu'au niveau du Master et
accompagns chaque fois de faon dtaille de Microsoft Excel et
Minitab.

STATISTIQUES: Dictionnaire encycloptique / 614 pages / ditions
Springer / Yadolah DODGE
ISBN: 9782287720932
Commentaire: Un petit dictionnaire trs utile contenant un peu tout
de faon trs condense sur tout le domaine des statistiques. Trs
pratique pour retrouver des dfinitions qui gnrent des dbats en
entreprise.

Statistical analysis methods for chemists / 390 pages / ditions The
Royal Society of Chemistry / William P. GARDNIER
ISBN: 085404549X
Commentaire: Un livre vieillissant sans dmonstrations
mathmatiques mais qui intressera les chimistes utilisant Minitab et
qui veulement apprendre une petite partie du logiciel avec des
exemples familiers leur domaine d'activit.

Statistical analysis methods for chemis / 260 pages / ditions
Imperial College Presse / Michael THOMPSON, Philip J.
LOWTHIAN
ISBN: 1848166168
Commentaire: Uniquement thorique, mais sans dmonstrations
mathmatiques ni exemples ou exercices il constitue un bon
complment l'ouvre propos juste prcdemment qui tait aussi
destin aux chimistes.

Minitab 16/686

Discovering Statistics using SPSS / 854 pages / ditions Sage /
Andy Field / 3me dition
ISBN: 9781847879066
Commentaire: Comme je le dis toujours au dbut des cours: dans un
contexte scientifique avoir seulement un logiciel d'analyse est
insuffisant ne serait-ce que pour ce couvrir contre les bugs et les
variantes d'algorithmes. Ds lors, un deuxime outil complmentaire
et bien suprieur Minitab pour la partie statistique est SPSS!
L'auteur de ce livre est remarquable! Outre le fait qu'il ait aussi crit
un ouvrage de la mme qualit sur R est a beaucoup d'humour, un
sens aigu de la pdagogie et sait particulirement bien prsenter des
outils informatiques avec des exemples provenant de donnes relles!
Un must have absolu!

Pratiquer les plans d'expriences / 551 pages / ditions Dunod /
Jacque Goupy
ISBN: 2100042173
Commentaire: Comme je le dis toujours au dbut des cours: dans un
contexte scientifique avoir seulement un logiciel d'analyse est
insuffisant ne serait-ce que pour ce couvrir contre les bugs et les
variantes d'algorithmes. Ds lors, un deuxime outil complmentaire
Minitab pour les plans d'exprience est JMP! Et ce livre est d'un
niveau de qualit remarquable tant par le niveau de dtail des
exemples industriels qui y sont donns tape par tape que par la
clart des explications et de la prsence parfois de quelques
dmonstrations mathmatiques accompagnes de nombreuses
figures. De plus, l'auteur est connu dans tout le monde francophone
est un consultant dont la renomme n'est plus faire.

Minitab 17/686
Dont's
Questions frquentes que Minitab Statistical Software R15 ne rpond pas ce jour
simplement (sans macros ou prtraitement de l'information):
1. Minitab est actuellement (version 15) limit 10'000'000 de lignes
2. La rgression exponentielle n'est pas disponible dans les versions 15 et antrieures
(elle l'est maintenant dans la version 16 indirectement avec la mthode de Gauss-
Newton)
3. Les tests Z deux chantillons (ou le calcul de la puissance correspondante), Grubbs,
Dixon et McNemar sont toujours disponibles que sous forme de macro ce jour (par
ailleurs il manque beaucoup de tests Minitab)
4. L'analyse de srie temporelle ne traite pas ce jour la famille ARCH et GARCH.
5. Le logiciel ne fait pas de simulations de Monte-Carlo dans le sens o on l'entend dans
MS Excel.
6. Minitab ne fait pas de rgression de Poisson ou Binomiale ngative ( ce jour il ne fait
que la loi Normale dans le cadre des rgressions familles exponentielles).
Minitab 18/686
Divers Minitab
Paramtrages utiles/importants
Le paramtrage le plus demand en cours pour Minitab est celui concernant le nombre
multiple d'outils affichant la droit de Henry mais cependant sans un test d'ajustement (ce qui
est entre nous aberrant). Pour qu' l'avenir toute droite de Henry vous afficher un test
d'ajustement (de type Anderson-Darling dans le cadre de Minitab), il vous suffit d'aller dans le
menu Outils/Options...:

et ensuite aller dans Graphiques individuels/Graphiques des valeurs rsiduelles et cocher
Inclure le test d'Anderson-Darling la droite de Henry:

Autre paramtre parfois emmerd... c'est que lors de certaines analyses statistique, Minitab
passe les rsultats la ligne dans la fentre de session. Alors pour changer cette largueur de
sortie par dfaut, il suffit d'ouvrir la fentre de commande et de taper:
Minitab 19/686

o ow signifie Output Width.
Minitab 20/686
Exercice 1.: Calculs arithmtiques lmentaires
Minitab Statistical Software 15.1.1.0

Il peut arriver dans Minitab Statistical Software que nous ayons parfois besoin de faire des
calculs arithmtiques lmentaires. Voyons un exemple. Ouvrez le fichier CalculSimple.mpj:

Nous souhaiterions simplement une colonne qui contient la diffrence des deux. Pour se faire,
nous crons d'abord une nouvelle colonne servant cet effet:
Minitab 21/686

Ensuite, nous allons dans le menu Calc/Calculatrice...:

pour avoir et crire:d
Minitab 22/686

Nous validons par OK pour obtenir:

Si vous changez une des valeurs des colonnes C1 ou C2, vous verrez que la Diffrence ne se
recalcule pas. Ceci est normal (dans le domaine des statistiques les valeurs mesures ne sont
pas censes changer...). Mais si vous souhaitez quand mme une formule dynamique, il vous
suffira dans la bote de la calculatrice, de cocher Affecter en tant que formule. La colonne
apparatra alors avec un symbole spcial dans le coin suprieur droit:
Minitab 23/686

Minitab 24/686
Exercice 2.: Empiler des donnes

Il arrivera souvent dans la pratique que l'utilisateur copie/colle des donnes provenant de
MS Excel sous la forme suivante:

ou avec encore plus de colonnes. Suivant les outils que nous verrons par la suite, il est
ncessaire de mettre les donnes les unes sous les autres. Certes, un simple copier/coller suffit
mais Minitab Statistical Software a aussi un outil spcialement prvu cet effet.

Ouvrez le fichier DonneesDesempilees.mpj:

Minitab 25/686
et allez dans le menu Donnes/Empiler/Colonnes...:

Il vous suffit alors de prendre:

et de valider par OK pour obtenir au final:
Minitab 26/686

Ouvrez maintenant le fichier DonneesDesempileesNonGroupees.mpj:

Nous souhaiterions faire la mme chose qu'avant mais avec une petite subtilit ncessaire
(disons plutt "prfre" par certains utilisateurs). Il s'agit d'empiler les donnes mais avec
une variable qualitative de l'appartenance de groupe. La mthode est la mme qu'avant mais
Minitab 27/686
la diffrence que dans la bote de dialogue de regroupement nous dfinissons Stocker les
indices dans:

Pour obtenir:

ou (ce qui est moins courant mais plus lisible dans les rapports de la fentre de session):
Minitab 28/686

o nous avons recoch Utiliser des noms de variables dans la colonne d'indice. Ce qui
donne:

Maintenant, en imaginant que nous avons import via copier/coller de MS Excel le tableau
prcdent, supposons que nous souhaitons faire le contraire: dsempiler.

Pour cela, ouvrez le fichier DonneesEmpileesGroupees.mpj:
Minitab 29/686

et allons dans le menu Donnes/Dsempiler les colonnes...:

Il vient:
Minitab 30/686

si nous validons par OK nous obtenons:

on repassera pour le choix des tiquettes de colonne...
Minitab 31/686
Exercice 3.: Gnrer une variable alatoire et faire un histogramme avec ou
sans ajustement

Il arrive frquemment que l'on souhaite comparer des donnes mesures dont nous faisons
l'hypothse qu'elle suive une loi de probabilit donne, avec des vraies variables alatoires
issues de cette loi. Ne serait-ce que pour faire une reprsentation graphique de l'histogramme
de chacun et de pouvoir les comparer.
La gnration de variables alatoires est galement utile dans le cadre de simulations de
Monte-Carlo aprs avoir copier/coller les donnes dans MS Excel.
Comme il s'agit d'une manipulation simple effectuer dans Minitab Statistical Software,
nous allons donc commencer par ce premier point.
Ouvrez donc Minitab Statistical Software vide et enregistrez le fichier projet sous le nom
NombreAlea.mpj.

Ensuite allez dans le menu Calc/Donnes alatoires:
Minitab 32/686

Vous y verrez la possibilit de gnrer de nombreuses variables alatoires (beaucoup plus que
ne le propose l'utilitaire d'analyse de MS Excel).
Prenons dans l'ordre des cas les plus courants dans l'industrie. Commenons par la loi
Normale:

Nous aurons alors des donnes distribues selon une loi normale de moyenne 10 et d'cart-
type de 0.3:
Minitab 33/686

Nous pouvons tout de suite en faire un graphique en allant dans le menu
Graphique/Histogramme:

Ce qui fait apparatre:
Minitab 34/686

Prenez l'option Avec ajustement:

Et validez par OK:
Minitab 35/686

Refaisons un autre exemple du mme type avec la loi Uniforme (trs utilise en gestion de
projets) cette fois:

Nous aurons alors:
Minitab 36/686

Si nous en faisons aussi un histogramme ajust:

Il faudra cette fois-ci cliquer sur le bouton Visualisation des donnes pour choisir le type
d'ajustement:
Minitab 37/686

Mais nous voyons que Minitab Statistical Software 15.1.1.0 ne propose pas d'ajustement
pour une loi uniforme. Nous ferons alors un histogramme sans ajustement:

Et nous pouvons continuer ainsi de suite encore longtemps pour les plus utilises
conjointement avec MS Excel comme: la loi de Poisson, la loi Triangulaire et la loi de
Weibull.
Minitab 38/686
Exercice 4.: Gnrer des graphiques divers

Ouvrez le fichier projet Ventes.mpj:

Nous souhaiterions effectuer quelques graphiques classiques de ce tableau mais que MS Excel
par exemple ne saurait pas effectuer sans un traitement pralable ou sans passer par un tableau
crois dynamique.
Faisons un premier graphique de type carte barre reprsentant le nombre d'occurrence des
secteurs dans tout le tableau. Pour ceci, allons dans le menu Graphique/Carte barre:
Minitab 39/686

Nous prenons donc un Dnombrement de valeurs uniques de type simple:

Nous validons par OK:
Minitab 40/686

Et nous revalidons par OK:

Faisons maintenant la mme analyse avec un graphique en secteurs. Nous allons donc dans le
menu Graphique/Graphique en secteurs:
Minitab 41/686

Nous avons alors:

Nous allons dans le bouton Etiquettes:
Minitab 42/686

Pour cocher Pourcentages. Nous validons deux fois par OK pour obtenir au final:

Faisons maintenant un diagramme points:
Minitab 43/686

De type:

Avec:
Minitab 44/686

Et validons par OK:

Nous voyons bien les distributions. Refaisons le mme mais cette fois-ci sans groupes:
Minitab 45/686

Nous validons par OK et faisons l'analyse sur la Quantit:

Pour obtenir:
Minitab 46/686

Chaque unit d'abscisse ainsi son analyse frquentielle. Evidemment nous pouvons obtenir
la mme chose que le graphique prcdent en jouant un peu avec les cartes barre:

En prenant:
Minitab 47/686

En prenant les Quantits:

Et en validant par OK:
Minitab 48/686

Bref ce n'est qu'un choix esthtique en fin de compte
Enfin, voici mon graphique prfr (mme s'il est relativement facile faire aussi avec
MS Excel, cela reste quand mme mon graphique prfr...).
Donc toujours avec le mme fichier, nous allons dans le menu Statistiques
lmentaires/Rcapitulatif graphique:

Minitab 49/686
Nous avons alors:

La champ Variables de rpartition vous permettre de crer des graphiques la vole en
fonction des valeurs nominales de la variable de rpartition. Nous n'allons pas l'utiliser ici.

Rien ne nous empche de faire un histogramme mais nous avons dj vu cela plus haut.
Minitab 50/686
Pour la suite, nous allons reprendre l'identique un exemple fourni par l'aide de Minitab
Statistical Software (oui comme ce n'est pas des maths je n'ai pas envie de recrer la roue) en
ouvrant le fichier Delais.mpj:

et allez dans le menu Graphique/Diagramme de valeurs individuelles...:
Minitab 51/686

Prenez Avec groupes:

Valiez par OK et choisissez les variables comme indiqu ci-dessous:
Minitab 52/686

Cliquez sur le bouton Visualisation des donnes... et cochez lamme chose que ci-dessous:

Validez par OK deux fois:
Minitab 53/686

Nous avons donc un rsultat qu'il est difficilement obtenir avec un tableur. Surtout la partie
concernant les points qui sont regroups sur une mme verticale sur une variable catgorielle
de type texte (le reste tant facilement faisable avec un tableur).
Maintenant, allons dans le menu Graph/Histogramme... nouveau:

Minitab 54/686
Et slectionnez Avec ajustement et groupes:

Validez par OK et saisissez les paramtres comme visible ci-dessous:

Nous avons alors (en laissant Minitab Statistical Software choisir la loi par dfaut qui est
bien videmment une loi de Gauss-Laplace...):
Minitab 55/686

Allons un tout petit peu plus loin. Allons nouveau dans le menu Graph/Histogramme...:

Minitab 56/686
Et prenez Avec ajustement (pour l'instant cela ressemble l'exemple de l'exercice
prcdent):

Saisissez les variables adquates:

et maintenant, la diffrence c'est que nous allons cliquez sur le bouton Graphiques
multiples...:
Minitab 57/686

Nous avons alors (toujours en laissant Minitab Statistical Software avec la loi d'ajustement
par dfaut qui est la loi de Gauss-Laplace):

Maintenant, faisons un peu de mme avec un autre type de graphique que nous avons dj vu
plus haut mais dans un contexte trs simpliste. Allez dans le menu Graph/Nuage de points...:
Minitab 58/686

Cliquez sur Avec rgression:

Validez par OK et saisissez les paramtres comme visibles ci-dessous:
Minitab 59/686

Cliquez sur le bouton Graphiques multiples... et mettez la variable de rpartition Centre:

Validez par OK:
Minitab 60/686

Minitab 61/686
Exercice 5.: Gnrer un graphique CDF

Nous avons vu dans le cours de statistique thorique comme il tait malais de faire un
graphique de la distribution empirique de probabilit avec MS Excel. Eh bien nous allons voir
qu'avec Minitab Statistical Software c'est heureusement facile et rapide.
Donc nous partons des mmes donnes que dans le cours de statistique thorique. Ouvrez
donc le fichier CDF.mpj:

et nous allons dans le menu Graphique/CDF empirique:
Minitab 62/686

Nous avons alors:

nous prenons le Simple et validons par OK:
Minitab 63/686

Nous pouvons comparer la CDF empirique une distribution de notre choix en cliquant sur le
bouton Distribution...:

Mais si nous ne savons pas quoi la comparer (faute d'avoir fait un test d'ajustement au
pralable), nous pouvons aller dans l'onglet Affichage des donnes:
Minitab 64/686

et donc cliquer sur Ligne de jonction uniquement. Nous validons par OK deux fois et nous
obtenons:

Minitab 65/686
Exercice 6.: Gnrer un graphique points 3D

Nous allons reprendre les donnes vues dans un cours MS Excel (o nous avions vu comment
faire un graphique 3D partir d'un code VBA). Nous y avions obtenu:

Nous souhaitons voir ce que Minitab Statistical Software nous propose. Nous ouvrons pour
cela le fichier 3DScatterPlot.mpj:
Minitab 66/686

et nous allons dans le menu Graphique/Nuage de points en 3D:

Nous avons alors:
Minitab 67/686

Nous prenons la version Simple:

et nous validons par OK pour obtenir un rsultat loin d'tre gnial (en plus la rotation dans
l'espace est amliorer):
Minitab 68/686

Minitab 69/686
Exercice 7.: Gnrer un graphique de srie chronologique (temporelle)

Dans Minitab Statistical Software, ouvrez le fichier AST.mpj:

Nous allons dans le menu Stat/Srie chronologique/Diagramme de srie chronologique:
Minitab 70/686

Nous prenons la premire option:

Minitab 71/686

Nous revalidons par OK pour obtenir un simple graphique (le mme que celui que nous avons
obtenus dans le cours MS Excel):

Minitab 72/686
Exercice 8.: Effectuer une rgression linaire simple (modle linaire
Gaussien)

Ouvrez le fichier RegressionLinaire.mpj qui donne le nombre d'un certain type de produit
vendu en fonction du mois depuis qu'une entreprise a t cre (vous remarquerez que
certains mois, le produit en question n'a pas t vendu). Sur l'hypothse que la relation est
linaire, faisons une analyse par le modle linaire Gaussien conformment aux
dmonstrations effectues dans le cours de statistique thorique et des exemples faits avec MS
Excel (afin de voir les ventuelles diffrences):

Ensuite, nous allons dans le menu Stat/Rgression/Rgression:

et nous voyons que nous pouvons faire une rgression linaire multiple mais pour l'instant,
nous nous concentrerons sur la version simple ( un variable explicative: une covariable):
Minitab 73/686

Ensuite, nous cliquons sur le bouton Graphiques...:

Pour y cocher Quatre en un, ensuite dans la bote principale, nous cliquons sur le bouton
Stockage... pour dire que nous souhaiterions voir dans la feuille Minitab Statistical
Software les valeurs calcules partir du modle:
Minitab 74/686

Nous validons deux fois par OK pour obtenir dans la fentre de session les informations
suivantes (correspondant MS Excel mais avec quelques informations supplmentaires)
:
dans la feuille nous avons bien les valeurs ajustes qui ont t stockes (comme demand):
Minitab 75/686

et le graphique suivant sur les rsidus:

Mais qu'en est-il de la droite de rgression??? Cet outil ne le donne pas visuellement. Pour ce
faire, il nous faut aller dans le menu Stats/Rgression/Droite d'ajustement...:
Minitab 76/686

Nous y prenons:

Nous cliquons sur le bout Options... pour activer l'intervalle de confiance et l'intervalle de
prvision vu dans le cours de statistique thorique:

Minitab 77/686
et nous validons deux fois par OK pour obtenir:

Soit la mme chose qu'avec MS Excel mais beaucoup plus rapidement (pas besoin de
formules).
Minitab 78/686
Exercice 9.: Effectuer une rgression polynomiale cubique ou quadratique

Nous avons dcouvert dans l'exercice prcdent l'outil Droite d'ajustement qui nous
permettait de tracer des courbes (et donc aussi des droites) et qui proposait un modle cubique
et quadratique:

Nous avons vu dans le cours de mthodes numriques qu'il tait trs souvent possible de
ramener nombre de mesures trs facilement un modle linaire (raison pour laquelle nous
n'avons pas pratiqu dans MS Excel tellement c'est trivial). C'est ce que nous propose
implicitement ici Minitab. Voyons un exemple en considrant les donnes suivantes que vous
saisirez:

Minitab 79/686
Nous allons ensuite dans le menu Rgression/Droite d'ajustement...:

et nous avons alors:

Nous cliquons sur le bouton Graphiques... pour mettre les quatre en un:
Minitab 80/686

Sur Options... pour avoir les diffrents intervalles:

et sur Stockage... pour prendre:
Minitab 81/686

et nous validons le tout par OK. Nous avons alors d'abord les deux graphiques suivants:

Minitab 82/686

et la feuille suivante:

avec les coefficients qui doivent tre lus ainsi:
2
57.6509 20.0841 0.3139 y x x = +
La fentre de session est quant elle vide...
Minitab 83/686
Exercice 10.: Effectuer une rgression pas pas (ascendante et
descendante)

La rgression pas pas est simplement une technique qui "construit" la fonction de rgression
en prenant soit:
- En mode ascendant: ajoute les variables explicatives au modle qui maximisent le
coefficient de rgression.
- En mode descendant: retire du modle les variables explicatives qui minimisent le
coefficient de rgression.
Ouvrez le fichier RegressionPasAPas.mpj:

En faisant une rgression linaire simple comme dans l'exemple antprcdent:
Minitab 84/686

avec:

Minitab 85/686
nous obtenons:

Nous avons fait cela juste pour l'information et pour pouvoir comparer par rapport ce qui va
suivre.
Maintenant, allons dans le menu Stat/Rgression/Pas pas...:
Minitab 86/686

Nous avons alors:

Cliquez sur Mthodes...:
Minitab 87/686

Prenez le modle Slection ascendante pour commencer (modle qui construit le modle
variable explicative par variable explicative en maximisant le coefficient de rgression) et
mettez un alpha de 0.05. Validez deux fois par OK:

Le lecteur pourra effectivement vrifier ce rsultat (en faisant trois fois une rgression simple
pour chacune des variables explicatives seule) que si on doit choisir un modle avec une seule
et unique variable explicative Cot de B est la meilleure candidate car on obtient alors le plus
Minitab 88/686
grand coefficient de R carr (exprim curieusement en pourcents dans le cas prsent... dans
Minitab Statistical Software???).
Ensuite, le lecteur pourra encore vrifier ce rsultat (en faisant deux fois une rgression
simple pour chacun des couples de variables explicatives BA et BC) que si on doit choisir un
modle avec deux variables explicative Cot de C est la meilleure candidate pour la deuxime
variable explicative car on obtient alors le lus grand coefficient de R carr.
Ensuite, la troisime tape n'a pas lieu car nous sommes en-dessous de la p-value impose de
0.05.
Remarque: Le paramtre Cp de Mallows tant selon moi trs difficile interprter (je n'ai
jamais vu un article scientifique srieux expliquant rigoureusement avec quel raisonnement il
a t dfini), nous allons donc en faire abstraction.
Faisons maintenant la rgression pas pas en dconstruisant le modle. Nous retournons dans
la bote de dialogue pas pas:

Nous slectionnons limination descendante et nous validons par OK pour obtenir dans la
fentre de session suivante:
Minitab 89/686

et encore une fois, il est trs simple de vrifier le rsultat en faisant de multiples rgressions
simples.
Minitab 90/686
Exercice 11.: Rgression pas pas combinatoire (meilleur sous-ensemble)

Nous pourrions demander au logiciel, toujours partir du mme fichier ci-dessous:

de faire une combinatoire de toutes les variables explicatives en utilisant la mthode de
rgression pas pas ascendant.
Pour cela, nous allons dans le menu Stat/Rgression/Meilleurs sous-ensembles...:
Minitab 91/686

Nous avons alors:

Nous validons par OK et nous obtenons:
Minitab 92/686

Comme nous pouvons le voir, le logiciel commence par la variable B (Cot de B) qui a donc
le meilleur coefficient de rgression. Ensuite, il montre la deuxime variable explicative seule
qui est A (Cot de A). Il ne montre pas C car c'est la plus mauvaise des variables explicatives.
Le logiciel fait ensuite la mme chose avec les couples. Il fait ainsi BC car c'est le meilleur
couple. Ensuite il fait AC car c'est le deuxime meilleur. Et encore une fois il ne fait pas le
dernier par limination.
Et pour finir on fait les trois...
Minitab 93/686
Exercice 12.: tude de linarit de l'instrumentation et biais de mesure

Il s'agit ici de voir simplement une application particulire de la rgression linaire simple.
Si dans un laboratoire, nous avons fait de mesures sur des chantillons tmoins talonns et
que nous avons obtenus le tableau suivant:

En supposant que les diffrences (carts) entre mesure M et valeur relle du tmoin talon T
soient linairement dpendantes (donc plus la valeur vraie est grande plus la diffrence de
mesure le sera aussi), nous allons donc avoir un modle thorique du type:
M aT b c = + +
Dans le cas idal, nous devrions videmment avoir:
M T c = +
mais dans la pratique il arrive plutt que l'instrument ait un biais et donc nous nous attendons
avoir:
M aT c = +
Il en va de mme pour l'cart, o nous nous attendons avoir:

Minitab 94/686
M T D M o | c = = + +
Il est donc intressant pour un exprimentateur de connatre le biais | (ordonne l'origine)
au repos de son instrumentation (toujours sous l'hypothse de linarit!).
Ainsi, l'tude de linarit de biais de l'instrumentation consiste faire une simple rgression
linaire des diffrences en fonction de la mesure talon. Donc avec les donnes prcdentes,
dans Minitab Statistical Software, allons d'abord dans le menu
Stat/Rgression/Rgression...:

avec:

Minitab 95/686
Nous validons par OK pour obtenir dans la fentre de session:

Donc l'instrumentation un biais significatif de -0.006237 mais par contre le modle de
semble pas linaire. Mais continuons tout de mme en voyant maintenant la mme analyse
mais avec un outil qui prmache une synthse plus pertinente. Nous allons dans le menu
Stat/Outil de la qualit/tude de l'instrumentation/tude de linarit de
l'instrumentation et biais...:

Avec:
Minitab 96/686

Nous validons par OK pour avoir:

Dcortiquons cela (outre le graphique car nous avons dj vu plus haut comment le gnrer et
nous avons fait les dmonstrations mathmatiques en cours) en commenant par:

Nous retrouvons donc presque les mmes valeurs qu'avec l'outil de rgression linaire
standard qui pour rappel taient:
Minitab 97/686

La question est alors: quelles sont les bonnes valeurs (mme si les paramtres sont dans les
deux cas significatifs)? Eh bien si nous nous basons sur les calculs faits dans le cours
thorique et avec MS Excel, c'est le premier. Par ailleurs avec MS Excel nous obtenons bien
le premier:

et avec Minitab Statistical Software en utilisant non pas l'outil rgression mais l'outil Droite
d'ajustement, nous retrouvons bien:

Minitab 98/686
Je ne m'explique pas actuellement cette diffrence alors que si nous regardons les exercices de
rgression faits avant, nous avions les mmes rsultats (ce qui devrait tre le cas!) entre l'outil
Rgression et l'outil Droite d'ajustement! Affaire suivre...
Parlons maintenant de la partie:

Le biais de -0.024895 est simplement la moyenne arithmtique des biais (ordonnes
l'origine des rgressions linaires de chaque sous-ensemble de valeurs):
0.023060, -0.015540, -0.023920, -0.083180
que l'on peut facilement retrouver. Par contre, il ne m'a pas t possible de retrouver les p-
values que Minitab Statistical Software retourne. Affaire suivre aussi...
Minitab 99/686
Exercice 13.: Effectuer un calcul de la corrlation R (de Pearson) simple
Minitab Statistical Software 16

Ouvrez le fichier Tests.mpj qui contient les points obtenus par des employs qui ont pass des
tests de comptences dans une entreprise d'ingnierie (chaque ligne correspondant un
employ):

Nous souhaiterions savoir si les comptences sont corrles (facteur de corrlation R)et si
nous obtenons le mme rsultat qu'avec MS Excel:
Nous allons dans le menu Stat/Statistiques lmentaires/Corrlation...:
Minitab 100/686

Nous avons alors:

Ce qui nous donne dans la fentre de session:

Ce qui correspond bien au R que donne MS Excel (puisque ce dernier donne le R
2
il faut
prendre la racine carr du coefficient de corrlation de MS Excel pour voir que cela est bien
conforme).
Minitab 101/686
Par ailleurs, nous retrouvons aussi la racine carre de la valeur de Minitab si nous faisons une
rgression linaire simple:

avec:

en validant par OK nous avons dans la fentre de session le morceau suivant:
Minitab 102/686

et racine carre de 8.9% donne bien le rsultat obtenu plus haut de 0.298
Donc ce n'est pas parce qu'un employ est bon avec la statistique qu'il est bon avec
l'informatique... (cela se confirme dans la pratique...).
Minitab 103/686
Exercice 14.: Matrice de corrlation R de Pearson

Ouvrez le fichier VariationsPerformances.mpj:

Nous souhaitons calculer la matrice de corrlation pour vrifier que nous obtenons la mme
que dans le cours MS Excel. Nous allons donc nouveau dans le menu Nous allons dans le
menu Stat/Statistiques lmentaires/Corrlation...:
Minitab 104/686

Avec:

o nous avons coch l'option Stocker la matrice car elle est affiche plus lgamment et de
faon plus complte que dans la fentre de session. Nous validons par OK et alors rien
n'apparat, ni dans le feuille, ni dans le fentre de session. Il faut aller dans le menu
Donnes/Afficher les donnes...:
Minitab 105/686

et prendre:

en validant par OK nous obtenons:
Minitab 106/686

Soit une matrice de corrlation plus lgante que l'option par dfaut mais sans les lgendes...
Pour rappel, avec MS Excel nous avions obtenu:

Donc c'est parfaitement conforme.
Minitab 107/686
Exercice 15.: Effectuer un calcul de la covariance

Ouvrez le fichier Portefeuille.mpj avec les donnes de rendement que nous avons utilises
dans le cours d'analyse financire et dans l'exercice prcdent:

Allez dans le menu Stat/Statistiques lmentaires/Covariance...:
Minitab 108/686

Nous avons alors:

En validant il vient dans la fentre de sessions la matrice des variances-covariances sous une
forme peu habituelle (raison pour laquelle il est prfrable de stocker la matrice et de
l'afficher plus tard comme nous l'avons fait dans l'exercice prcdent):
Minitab 109/686

Donc nous remarquons dans un premier temps que MS Excel est beaucoup plus pratique par
rapport l'obtention de cette matrice. Quelque chose de trs bien par contre!: Minitab
Statistical Software utilise l'estimateur non biais de la variance alors que MS Excel fait usage
de la variance vraie (estimateur biais). Il est cependant dommage que Minitab Statistical
Software ne propose pas quelle variance nous voulons utiliser (ce qui serait quand mme un
minimum pour un logiciel de statistiques).
Minitab 110/686
Exercice 16.: Effectuer une rgression linaire multiple (modle linaire
Gaussien)

Ouvrez le fichier RegressionLinaireMultiple.mpj qui donne les ventes d'un produit en fonction
des mois et de l'investissement dans certaines stratgies marketing. Sur l'hypothse que la
relation est linaire, faisons une analyse par le modle linaire Gaussien conformment aux
dmonstrations effectues dans le cours de statistique thorique et des exemples faits avec MS
Excel (afin de voir les ventuelles diffrences):

Nous allons dans le menu Stat/Rgression/Rgression...:
Minitab 111/686

o nous faisons le minimum vital (pour ne pas rpter ce qui a dj t vu avec la rgression
linaire simple):

Minitab 112/686

Nous retrouvons donc les mmes valeurs que dans MS Excel et elles sont donc conformes
ce que nous avons calcul dans l'tude thorique de la rgression linaire multiple.
Minitab 113/686
Exercice 17.: Effectuer une rgression non linaire

Nous voulons comprendre la relation entre la mobilit des lectrons en semi-conducteurs et le
logarithme nprien de la densit. Des recherches antrieures suggrent qu'un modle
rationnel non linaire (rapport de 2 valeurs polynomiales) 7 paramtres fournit une
adquation de l'ajustement. Les mthodes abordes ici produisent les valeurs de dbut du
modle.
Ouvrez la feuille de travail GaussNewton.mtw.

Nous allons dans le menu Stat/Rgression/Rgression non linaire...:
Minitab 114/686

et dans la bote de dialogue qui apparat, nous mettons:

Nous cliquons ensuite sur le bouton Paramtres et sous Valeurs de dbut obligatoires, dans
l'ordre de b1 b7, nous entrons une valeur par cellule: 1300, 1500, 500, 75, 1, 0,4, 0,05.
Minitab 115/686

Nous cliquons sur OK et ensuite sur le bouton Graphique de la bote de dialogue principale
et nous mettons les paramtres visibles ci-dessous:

Minitab 116/686
Nous cliquons sur OK et ensuite sur le bouton Rsultats (toujours de la bote de dialogue
principale) pour y activer les paramtres suivants:

Cliquez sur OK autant de fois que ncessaire pour valider le tout et nous obtenons dans la
fentre de session:
Minitab 117/686

Minitab 118/686

Minitab a donc obtenu les critres de convergence en 27 itrations en utilisant l'algorithme de
Gauss-Newton avec la fonction de prvision et les valeurs de dbut de paramtres spcifies.
Toutefois, la convergence proprement dite ne garantit pas l'ajustement optimal du modle, ni
la minimisation de la somme des carrs de l'erreur (SCE). Il est possible d'obtenir une
convergence avec des valeurs de paramtres incorrectes (SCE minimale locale, mauvaises
valeurs de dbut ou fonction de prvision errone, par exemple). Il est donc impratif
d'examiner les valeurs des paramtres, la droite d'ajustement et les graphiques des valeurs
rsiduelles pour s'assurer que le modle convient aux donnes et que l'algorithme converge
sur le minimum global de la SCE.
Pour ce fichier de donnes, Minitab n'effectue pas de test d'inadquation de l'ajustement car il
n'y a aucune rptition.
Pour la rgression non linaire, Minitab ne calcule pas la valeur du coefficient de corrlation
ou de p pour le modle global car ces valeurs n'ont gnralement aucune signification hors du
contexte du modle linaire. Par consquent, lorsque les chercheurs valuent l'ajustement et
comparent les modles non linaires concurrents, ils les choisissent souvent en fonction de
leur connaissance du domaine concern, de celui avec la plus petite SCE finale ou de la valeur
S (Standard Error of Estimate) et du rsultat graphique.
La valeur S est gnralement plus facile interprter, la fois en soi et par rapport aux autres
valeurs, car S est exprim dans les mmes units que la variable de rponse (mobilit des
lectrons)
Pour les graphiques, nous obtenons:
Minitab 119/686

Minitab 120/686
Exercice 18.: Rgression orthogonale (rgression de Deming)
Minitab Statistical Software 16.1.2

Nous allons encore une fois vrifier ici si les calculs effectus la main et dans MS Excel
suite aux dmonstrations mathmatiques d'une partie des lments de la rgression de Deming
effectues dans le cours thorique.
Pour cela, nous utiliserons les 39 lignes suivantes (prises en partie de l'aide Minitab) qui
correspondent la mesure de la pression sanguine avec deux instruments de 39 individus
(chaque individu ayant mesur sa pression sanguine une fois avec l'ancien et une fois avec le
nouvel instrument):

Minitab 121/686
Nous allons dans le menu Stat/Rgression/Rgression orthogonale...:

Nous avons alors:
Minitab 122/686

Nous y retrouvons le rapport des variances des erreurs qui est le paramtre "problmatique"
mais toutefois indispensable pour mener bien cette comparaison (pouvant tre dtermin
dans la pratique par des mesures historiques prcdant la comparaison en question).
Nous obtenons alors le graphique suivant (qui a peu d'intrt):

et nous obtenons surtout dans la fentre de session:
Minitab 123/686

o j'ai entour de rouge les valeurs que nous avons dmontr thoriquement l'origine (et fait
les calculs la main). Cependant seuls ils n'ont gure d'intrt car il nous faut absolument les
intervalles de confiance (dont je n'ai pas encore trouv de dmonstration simple et lgante
ce jour d'o leur absence du programme de cours thorique).
Nous voyons cependant dans le rsultat ci-dessus que la Constante de -0.4481 est dans
l'intervalle de confiance [-5.94686,+5.05063] et donc on peut considrer que les deux
appareils sont statistiques non significativement diffrents.
Minitab 124/686
Exercice 19.: Effectuer une autocorrlation

Ouvrez le fichier AST.mpj:

Et allez dans le menu Stat/Srie chronologique/Autocorrlation:
Minitab 125/686

Vient alors:

Validez par OK:
Minitab 126/686

Avec dans la fentre de session:

Nous retrouvons donc peu prs les mmes valeurs qu'avec MS Excel (la diffrence entre les
valeurs ayant t explique dans le cours de statistique thorique).
Minitab 127/686
Exercice 20.: Gnrer un graphique d'analyse de tendance

Ouvrez le fichier AnalyseTendance.mpj:

Nous allons dans le menu Stat/Srie chronologique/Analyse de tendance:
Minitab 128/686

Vient alors en paramtrant:

Minitab 129/686

Nous obtenons donc exactement les mmes rsultats qu'avec MS Excel.
Minitab 130/686
Exercice 21.: Gnrer un graphique de moyenne mobile

Ouvrez le fichier MM.mpj:

Nous allons dans le menu Stat/Srie chronologique/Diagramme de srie chronologique:
Minitab 131/686

Ce qui nous donne paramtrer:

Et nous validons par OK pour obtenir le mme graphique qu'avec MS Excel:
Minitab 132/686

et avec les mmes valeurs des indicateurs de qualit (MAPE, MAD et MSD).
Minitab 133/686
Exercice 22.: Gnrer un graphique de lissage exponentiel simple

Toujours dans le but de vrifier les notions thoriques vu en cours et calcules manuellement
avec MS Excel, ouvrez le fichier Smoothing.mpj:

Nous allons dans le menu Stat/Srie chronologique/Lissage exponentiel simple:
Minitab 134/686

Viens alors avec les paramtrages que nous avions dtermins lors du cours MS Excel:

Ensuite il faut cliquer sur le bouton Options (si nous souhaitons retrouver le mme
algorithme que dans MS Excel) et indique que nous voulons la moyenne de la premire
observation comme point de dpart:
Minitab 135/686

Ensuite nous validons deux fois par OK pour obtenir:

Nous obtenons les mmes valeurs ajustes que dans MS Excel (ligne rouge) mais par contre
les indicateurs d'exactitude ne sont pas tout fait identiques pour des raisons qui m'chappent.
Regardons dans la fentre de session ce que nous avons pour prvision:

soit exactement la mme chose que dans MS Excel.
Demandons maintenant Minitab Statistical Software de chercher pour nous la meilleure
constante de lissage:
Minitab 136/686

Nous avons alors:

soit une constante de lissage lgrement diffrente et une erreur un tout petit peu plus faible.
Donc Minitab Statistical Software fait mieux que le solveur de Excel 2003 ce niveau l!
Minitab 137/686
Exercice 23.: Lissage exponentiel double selon Holt

avec MS Excel, ouvrez le fichier DblSmoothing.mpj (ce sont exactement les mmes donnes
que pour le lissage exponentiel simple):

Nous allons dans le menu Stat/Srie chronologique/Lissage exponentiel double:
Minitab 138/686

Viens alors avec les paramtrages que nous avions dtermins lors du cours MS Excel:

Minitab 139/686
et si nous validons par OK:

Les mesures de l'exactitude sont nettement suprieures celle calcules dans le cours
MS Excel. Il faudrait bien videmment savoir pour cela quelle est l'algorithme utilis par
Minitab Statistical Software.
Concernant les 6 prvisions, dans la fentre de session, nous avons:

comparer avec ce que nous avions obtenu avec MS Excel:

Minitab 140/686
donc cette norme diffrence est probablement du la manire dont Minitab Statistical
Software choisit les paramtres initiaux. Nous avions par ailleurs mentionn dans le cours
thorique que les rsultats taient fortement sensibles la manire de choisir ceux-ci.
Si nous demandons Minitab Statistical Software de chercher pour nous les meilleures
constantes de lissage:

Nous avons alors:

donc des constantes de lissage lgrement diffrentes celles obtenues avec MS Excel et les
erreurs sont plus faibles, ce qui nous donne comme prvisions:
Minitab 141/686

ce qui encore plus loign qu'avant par rapport ce que nous avions obtenu avec MS Excel.
Minitab 142/686
Exercice 24.: Lissage exponentiel triple selon Winters

avec MS Excel, ouvrez le fichier TriplSmoothing.mpj:

Nous allons ensuite dans le menu Stat/Srie chronologique/Mthode de Winters...:
Minitab 143/686

Nous avons alors en saisissant les mmes valeurs que celles obtenues avec MS Excel:

Nous cliquons sur OK pour obtenir d'abord le graphique suivant:
Minitab 144/686

o nous pouvons dj observer que les erreurs sont beaucoup plus grands que celles obtenus
avec MS Excel. Pour les prvisions, dans la fentre de session, nous avons:

A comparer avec celles obtenus dans MS Excel:

L aussi nous sommes loin du compte...
Malheureusement nous ne pouvons pas demander Minitab Statistical Software d'optimiser
par lui-mme car la mthode multiplicative de Holt-Winters n'a pas d'quivalent ARIMA.
Minitab 145/686
Exercice 25.: ARIMA(0,1,1) et ARIMA(0,2,2)

Le but va tre ici simplement de vrifier ce qui a t vu dans le cours thorique. C'est--dire
que le lissage exponentiel simple est normalement un ARIMA(0,1,1) et le lissage exponentiel
double un ARIMA(0,2,2).
Commenons par vrifier le premier toujours avec le fichier Smoothing.mpj:

Pour lequel nous avions obtenu comme prvision en cochant l'option ARIMA:
Minitab 146/686

Maintenant, allons dans le menu Stat/Sries chronologiques/ARIMA...:

Nous avons alors:
Minitab 147/686

et nous cliquons sur le bouton Prvisions...:

et nous obtenons dans la fentre de session:

Soit exactement la mme prvision mais pas avec les mmes bornes (ce qui est trs
curieux...).
Minitab 148/686
Faisons la mme chose avec le lissage exponentiel double de Holt's pour lequel nous avions
obtenu plus haut les prvisions suivante avec l'optimisation ARIMA:

Nous allons donc dans le menu Stat/Sries chronologiques/ARIMA...:

Nous mettons cette fois-ci:
Minitab 149/686

avec 6 prvisions:

et nous validons par OK pour obtenir dans la fentre de session:

soit exactement les mmes prvisions mais pas avec les mmes intervalles.
Minitab 150/686
part ce petit couac au niveau des intervalles, nous avons bien la "preuve" par la pratique
que lissage exponentiel simple est un ARIMA(0,1,1) et le lissage exponentiel double de Holt's
un ARIMA(0,2,2).
Minitab 151/686
Exercice 26.: Test des suites (test de Walf-Wolfowitz)

Comme l'habitude le but va tre de vrifier que le logiciel utilise les rsultats dmontrs
dans le cours thorique avec un exemple implicitement li une srie temporelle (les "0" tant
des "baisses" et les "1" tant des valeurs "haussires"). La question tant de savoir si les
squences peuvent tre considres comme alatoires ou non statistiquement parlant.
Nous devrions aussi retrouver les calculs faits la main et l'aide de MS Excel.
Ouvrez le fichier. Vous aurez alors 37 lignes de donnes:

Minitab 152/686
Nous allons ensuite dans le menu Stat/Tests non paramtriques/Test de suites...:

Nous avons alors:

Remarquez la possibilit en plus d'avoir le test, le fait que Minitab va compter pour nous le
nombre de points au-dessus et en-dessous de la moyenne (c'est accessoire mais bon...).
Nous validons par OK et obtenons:
Minitab 153/686

Nous retrouvons donc les mmes valeurs que celles calcules la main. Ce qui conforte nos
dmonstrations mathmatiques et nous permet d'arriver la mme conclusion.

Minitab 154/686
Exercice 27.: Mettre des donnes plat (table de frquence)


Nous souhaiterions faire l'quivalent d'un petit tableau de synthse du type de ce que fait
MS Excel avec les tableaux croiss dynamiques.
Allez dans le menu Stat/Tableaux/Trier plat les variables individuelles:
Minitab 155/686

Nous aurons alors toujours sur la base de l'analyse des secteurs d'activit:

En validant par OK dans la fentre de sortie:
Minitab 156/686

Minitab 157/686
Exercice 28.: Mettre des donnes plat (table de contingence)


Nous souhaiterions faire l'quivalent d'un petit tableau de contingence en % des Totaux du
type de ce que fait MS Excel avec les tableaux croiss dynamiques.
Pour cela, allons dans le menu Stat/Tableaux/Tableaux entres multiples et Khi-deux:
Minitab 158/686

Prenons:

Et validons par OK pour obtenir dans la fentre de session:
Minitab 159/686

Minitab 160/686
Exercice 29.: Test d'indpendance du Khi-deux d'une table de contingence

Dans le cours de Mthodes Numriques nous avons travaill avec un tableau de contingence:
Feuillus Rsineux Mixtes Total par dp.
L'Aisne (A) 103'488 7'240 620 111'350
L'Oise (O) 103'813 7'263 622 111'700
La Somme (S) 46'098 3'225 276 49'600
Total 253'400 17'730 1'520 272'650
Nous voulions savoir si le nombre d'arbre dpendait rellement des rgions dans lesquelles ils
poussent o si ces valeurs que ne sont que dues au hasard de l'chantillon?
Nous avions vu qu'une bonne technique consistait utiliser un test du Khi-deux et que le
rsultat donnait que les diffrences taient significatives. Faisons la mme analyse avec
Ouvrez le fichier Forets.mpj:

Nous allons dans le menu Stat/Tableaux/Test du Khi-deux (tableau deux entres dans la
feuille de travail):
Minitab 161/686

Nous avons alors:

Et si nous validons par OK nous obtenons dans la fentre de session:
Minitab 162/686

Nous avons donc exactement le mme rsultat qu'avec les calculs faits avec MS Excel et avec
la mme conclusions (les populations sont significativement diffrentes).
Minitab 163/686
Exercice 30.: Test exact de Fisher

Nous avons tudi en dtail dans le cours thorique de mthodes numriques le test exact de
Fisher et fait les dmonstrations mathmatiques avec les tenants et aboutissants permettant
ensuite de faire le calcul dans MS Excel. Comme l'habitude, l'objectif sera ici de vrifier que
l'on retombe bien sur le mme rsultat avec Minitab.
Nous sommes donc partis du tableau suivant:
Projets
Chef de projet
certifi
Chef de projet
non certifi
Total
Dlais respects 8 1 9
Dlais non respects 4 5 9
Total 12 6 18
Et donc le principe du test est de vrifier si la configuration observe dans le tableau de
contingence est une situation extrme par rapport aux situations possibles.
Pour ce faire, dans Minitab, nous crons le fichier suivant:

et ensuite nous allons dans le menu Stat/Tableau entres multiples et Khi-deux...:
Minitab 164/686

Nous prenons alors:

et dans le bouton Khi deux... nous prenons soin de tout dcocher:
Minitab 165/686

et dans le bouton Autres Statistiques..., nous prenons ce que nous souhaitons contrler:

et nous validons le tout par OK pour obtenir dans la fentre de session:
Minitab 166/686

Nous obtenons donc exactement les mmes rsultats qu'avec MS Excel.
Minitab 167/686
Exercice 31.: V de Cramr

Encore une fois, le but est de vrifier les calculs et dmonstrations mathmatiques faites dans
le cours de Mthodes Numriques. Nous partons donc aussi du tableau:

Nous allons dans le menu et ensuite nous allons dans le menu Stat/Tableau entres
multiples et Khi-deux...:

et nous prenons un peu tout (dj nous devrons aussi retrouver les mmes valeurs que le test
d'indpendance fait plus haut mais sous une autre forme):
Minitab 168/686

ensuite, nous cliquons sur le bouton Khi-deux... pour activer:

et enfin dans le bouton Autres statistiques...:

Minitab 169/686
Nous validons tout ce beau monde par OK pour obtenir dans la premire partie que des
valeurs connues et calcules la main et qui sont conformes ce que nous avons vu en cours
mais qui ne contiennent pas le V de Cramr:

et la deuxime partie o nous trouvons ce qui nous intresse:
Minitab 170/686

Nous retrouvons donc le Khi-deux de Pearson calcul en cours, le DL, la p-value de 0.046.
Ainsi les variables examines ne sont donc pas indpendantes (la certification a une influence
sur les rsultats).
Nous n'avons pas vu en cours ce qu'est le Khi-deux du taux de vraisemblance donc nous en
faisons abstraction pour l'instant (tant que ce ne sera pas au programme).
Nous retrouvons aussi le test exact de Fisher avec sa p-value dj obtenue plus haut et aussi
calcule en cours la main. Ce test n'est dans le cas prsent pas significatif.
Enfin, nous trouvons le V de Cramer au carr avec la mme valeur que celle calcule en cours
et qui valide donc la dmonstration mathmatique. Le V de Cramer indique ici qu'il y a une
relation faible entre les deux facteurs.
Minitab 171/686
Exercice 32.: Test de Mantel-Haenszel-Cochran

Encore une fois, le but est de vrifier les calculs et dmonstrations mathmatiques faites dans
le cours de Mthodes Numriques.
Nous partons donc des donnes suivantes (nous avons dmontr en cours qu'elles ne satisfont
pas les conditions pour subir le test MHC mais faisons le quand mme...):

et allons dans le menu Stat/Tableau entres multiples et Khi-deux...:
Minitab 172/686

Dans le bouton Khi deux... nous prenons pour avoir l'essentiel (le minimum) tel que calcul
manuellement dans le cours thorique:

Dans le bouton Autres Statistiques... nous prenons videmment ce qui nous intresse ici:

Minitab 173/686
et nous validons le tout par OK afin d'obtenir au final dans la fentre de session d'abord pour
l'Hpital A:

ce qui correspond bien ce qui a t calcul dans le cours thorique manuellement. Pour
l'Hpital B:

ce qui correspond aussi bien ce qui a t calcul dans le cours thorique manuellement.
Et finalement:

Minitab 174/686
o comme nous l'avions mentionn dans le cours thorique la correction de continuit est
effectivement ajoute puisque nous retrouvons parfait les mmes rsultats. Au niveau de la
conclusion, la p-value tant beaucoup plus petite que les valeurs traditionnelles critiques
(10%, 5%, 1%) nous mettons donc en vidence le fait qu'il y a une diffrence significative
entre le groupe de contrle et de test travers les diffrentes strates.
Minitab 175/686
Exercice 33.: Test d'ajustement du Khi-deux

Supposons qu'un chercheur tente de dterminer s'il y a ou non une diffrence statistiquement
significative entre le nombre de naissances et le jour de la semaine. Il serait possible d'utiliser
ce rsultat pour, par exemple, planifier le personnel et l'quipement d'un hpital.
Supposons que les naissances un hpital, pour une certaine priode de temps, se
rpartissent comme suit:

Jour Lundi Mardi Mercredi Jeudi Vendredi Samedi Dimanche Total
Frquence
Observes
120 130 125 128 80 70 75 728
Puisqu'il y a au total 728 naissances pour les 7 jours en thorie il devrait y avoir 728/7=104
naissances chaque jour. Nous avons donc maintenant le tableau suivant:

Jour Lundi Mardi Mercredi Jeudi Vendredi Samedi Dimanche Total
Frquence
Observe
120 130 125 128 80 70 75 728
Frquence
Thorique
104 104 104 104 104 104 104 728
Nous voulons examiner s'il y a une diffrence entre les frquences observes et les frquences
thoriques en nous basant sur un test d'ajustement du Khi-deux (cela revient comparer une
loi de distribution exprimentale une loi de distribution uniforme). Nous avons dj fait la
dmonstration et le calcul la main dans le cours thorique. Voyons ce que nous obtenons
avec Minitab.
Nous partons de:

Nous allons dans le menu Stat/Tableaux/Test d'ajustement du Khi-deux...:
Minitab 176/686

et nous mettons:

Remarquez que si nous avions cr une colonne avec les donnes thoriques comparer, il
aurait suffit de cliquer sur Proportions spcifiques! Nous validons par OK pour obtenir dans
la fentre de session:
Minitab 177/686

Il s'agit donc exactement des valeurs obtenues en cours avec la mme conclusion tant donn
la p-value.
Nous obtenons aussi les graphiques suivants:

et:
Minitab 178/686

Minitab 179/686
Exercice 34.: Schma branche et feuilles


Nous allons d'abord trier la colonne Prix total avec rabais dans une nouvelle colonne sur une
nouvelle feuille. Nous allons alors dans le menu Donnes/Trier:
Minitab 180/686

Ce qui donne:

Ce qui donne:
Minitab 181/686

Ensuite, nous allons dans le menu Graph/Branches et feuilles ou dans le menu Stat/Analyse
exploratoire des donnes/Branches et feuilles (puisque les deux chemins mnent au mme
outil!):

Minitab 182/686

Nous avons alors:

Et validons par OK pour obtenir dans la fentre de session:
Minitab 183/686

Voil comment ce lit ce pseudo-graphique:
- (35, 0, 2344455) Il y a donc 35 valeurs comprises entre 0-10'000 et parmi ces valeurs il y
en une qui est proche de 2'000 (2), une qui est proche de 3'000 (3), 4 qui sont proches de
4'000 (4444), 4 qui sont proches de 5'000 (5555) etc
- ((39), 1, 001111222.) La parenthse (39) signifie que la valeur mdiane est entre 39'000 et
40'000. Le 39 signifie qu'il y a 39 valeurs comprises entre 10'000-20'000, etc
Minitab 184/686
Exercice 35.: Statistiques descriptives


Au mme titre que l'utilitaire d'analyse de MS Excel, nous souhaiterions afficher des
statistiques descriptives lmentaires relativement aux donnes de la colonne Prix total avec
rabais. Pour cela, nous allons dans le menu Stat/Statistiques lmentaires/Afficher des
statistiques descriptives:
Minitab 185/686

Nous avons alors:

Nous cliquons sur le bouton Statistiques pour y prendre:
Minitab 186/686

Et nous validons deux fois par OK pour obtenir dans la fentre de session:

Minitab 187/686
Exercice 36.: Graphique bote moustaches (BoxPlot)

Ouvrez le fichier projet BoxPlot.mpj:

Il s'agit donc des mmes donnes que dans les cours de qualit et statistique de MS Excel.
Mais cette fois-ci nous souhaiterions faire les box-plot avec Minitab Statistical Software.
Nous allons alors dans le menu Graph/Bote moustaches ou Stat/Analyse exploratoire de
donnes/Bote moustaches (puisque les deux chemins mnent au mme outil!):
Minitab 188/686

Vient alors:
Minitab 189/686

Nous prenons l'option Y multiples Simple et validons par OK:
Nous prenons ensuite:

Nous allons dans le bouton Echelle pour activer la grille de Y:
Minitab 190/686

Nous validons par OK. Nous allons ensuite dans le bouton Visualisation de donnes pour y
cocher:

Et nous validons deux fois par OK pour obtenir au final:
Minitab 191/686

Minitab 192/686
Exercice 37.: Calculer la probabilit cumule et la probabilit inverse

Il arrive souvent que l'on calcule les paramtres lois de probabilits afin de prendre des
dcisions relativement aux donnes de la fonction de rpartition. Les cas les plus courants
tant la loi Normale et la loi Beta.
Voyons comment procder par exemple pour une loi Normale d'esprance 25 et d'cart-type
de 3. Nous souhaiterons savoir qu'elle est la probabilit cumule de finir un projet le 30
me

jour.
Nous crons un nouveau projet et nous crivons le nombre 30 dans la premire ligne de la
premire colonne:

nous allons dans le menu Stat/Lois de probabilit/Normale:
Minitab 193/686

Vient alors:

Minitab 194/686

Nous voyons ici un exemple typique o il est plus simple de travailler avec MS Excel.
videmment nous pouvons faire l'inverse en nous demandant qu'elle dure correspondant
66% de probabilit cumule. Nous crivons alors 66% dans la premire ligne de la premire
colonne et retournons au mme endroit:
Minitab 195/686

Et en validant par OK nous obtenons dans la fentre de session:

Minitab 196/686
Exercice 38.: Gnrer le graphique de la loi de densit de probabilit

Il arrive souvent que l'on calcule les paramtres lois de probabilits afin de prendre des
dcisions relativement aux donnes de la fonction de rpartition.
Voyons comment procder par exemple pour une loi Normale d'esprance 25 et d'cart-type
de 3.
Nous allons dans le menu Graphique/Diagramme de loi de probabilit:

Nous prenons une option qui est longue faire avec MS Excel ( titre de comparaison):

Aprs avoir choisi Visualisation de la probabilit, nous validons par OK:
Minitab 197/686

Et nous validons deux fois par OK pour avoir au final:
Minitab 198/686

ou encore plus utile, toujours avec le mme menu mais cette fois-ci nous choisissons l'option
Deux lois:

et validons par OK:
Minitab 199/686

o nous voulons comparer par exemple une distribution hypergomtrique avec la loi
Normale correspondante comme en cours de statistique thorique et nous avions vu qu'il tait
trs malais de faire cela avec MS Excel. Il vient alors:

Minitab 200/686
Exercice 39.: Analyse de Pareto

Une entreprise prestataire services vend des formations continues en entreprise. Elle a extrait
de sa base de donnes la liste de tous les cours vendus en ne prenant que le nom du domaine
concern et le numro d'identifiant correspondant (car MS Excel ne sait pas faire d'analyse de
Pareto automatique sur une base autre que des chiffres). Ce qui correspond 2528 lignes de
donnes avec 43 types de formations (ID) dans un fichier nomm Pareto.mpj:

Ensuite, nous allons dans le menu Stat/Outils de qualit/Diagramme de Pareto:
Minitab 201/686

Nous obtenons alors:

Minitab 202/686
Exercice 40.: Effectif de l'chantillon pour l'estimation pour loi Normale

Nous avons dmontr dans le cours la relation suivante qui permet de dterminer la taille d'un
chantillon pour mettre en vidence une certaine diffrence entre une moyenne thorique et
exprimentale donnes:

o videmment la notion de puissance de test ne rentre pas vraiment en compte (puisque pos
comme tant gal 50% comme nous l'avons vu dans le cours thorique!).
Nous souhaiterions dans le cas prsent savoir quelle doit tre la taille de l'chantillon avec
donc implicitement une puissance de 50% pour mettre en vidence une diffrence (marge
d'erreur) de 1 [mm] dans un lot de pices dont la population totale un cart-type de 3.5
[mm].
Nous allons pour cela dans le menu Stat/Puissance et effectif de l'chantillon/Effectif de
l'chantillon pour l'estimation...:

Minitab 203/686
et nous mettons:


Le lecteur pour vrifier avec les exercices ultrieurs prsentant le mme calcul avec le choix
de la puissance qu'en imposant 50% de puissance qu'il retombe sur presque la mme valeur
(48 au lieu de 50)! Compars avec la relation dmontre en cours, nous obtenons:
2
/2
47.057
Z
n
o
o
o
| |
= =
|
\ .

Minitab 204/686
Nous pouvons nous amuser inverser le calcul pour voir si nous retombons sur nos pattes:

et nous voyons curieusement que ce n'est pas tout fait le cas...:

Cet outil utilise une correction de la relation suivante dmontre dans le cours de thorique
statistique:

Si nous faisons les calculs similaires avec la proportion.

Minitab 205/686
Exercice 41.: Puissance d'un test Z 1 chantillon en bilatral

Un gestionnaire responsable d'une chane de production veut savoir combien de temps passe
en moyenne un employ l'usinage sur une pice donne. Celui-ci aimerait tre dans une
estimation se trouvant dans les 2 minutes par rapport la moyenne et il est connu que
l'cart-type d'usinage est de 3 minutes.
Nous avons dtermin que la taille de l'chantillon de mesures que doit prendre le
gestionnaire pour s'assurer un intervalle de confiance 95% de la moyenne arrondie l'entier
le plus proche est 9 base sur la relation:

Mais quelle sera la puissance du test?
L'objectif est encore une fois de vrifier que nous obtenons la mme chose que le calcul la
main dans le cours de statistique thorique.
Nous allons dans le menu Stat/Puissance et effectif de l'chantillon/Test Z 1 chantillon:

Nous avons alors (Minitab Statistical Software calcule toujours le champ qui est laiss vide
parmi les 3 premiers):
Minitab 206/686

et dans Options...:

Nous validons par OK pour avoir dans la fentre de session:

Minitab 207/686

Nous retrouvons donc pas tout fait la mme valeur de la puissance du test qu'avec MS Excel
en utilisant une des relations dmontre dans le cours de statistique thorique:
( )
( ) /2 0,1
1
N
P Y Z d n
o
| = s =
NORM.DIST(NORMSINV(5%/2)-(-2)/(3/SQRT(9));0;1;1)= 0.515967793
Il y a donc une diffrence de:
0.0000372=0.00372%
avec la valeur donne par MS Excel. Nous allons donc considrer cela comme ngligeable et
probablement d l'algorithme de calcul pour la loi Normale qui diffre un tout petit peu.
Pour rsumer nous avons donc 50% | ~ , soit une chance sur deux d'accepter l'hypothse
nulle alors qu'elle est fausse.
Indiquons enfin qu'il est possible de faire plusieurs courbes de puissance en crivant:
Minitab 208/686

Minitab Statistical Software fait le calcul pour toutes les combinaisons possibles:

avec le graphique:
Minitab 209/686

Minitab 210/686
Exercice 42.: Taille d'chantillon (effectif) d'un test Z en bilatral

estimation se trouvant dans les 2 minutes par rapport la moyenne et il est connu que
l'cart-type d'usinage est de 3 minutes. Quel doit tre la taille de l'chantillon si nous
souhaitons un test avec une puissance de 80%?
Nous avons dtermin que la taille de l'chantillon de mesures que doit prendre le
gestionnaire pour s'assurer un intervalle de confiance 95% de la moyenne arrondie l'entier
le plus proche est 9 base sur la relation:

et que cela donnait une puissance d'a peu prs 50%. Le but ici est donc de voir combien va
monter n pour avoir un test avec une puissance de 80%.
La suite est un peu particulire contrairement au calcul la main car il faut bien se rappeler du
chapitre de la "puissance d'un test" que nous avons tudi. Par rapport notre question,
comme la puissance du test n'est pas exige, cela signifie implicitement que nous tolrons une
puissance de 50% (se rappeler de la figure avec les courbes de Gauss qui se superposaient).
Nous avons alors:

Nous cliquons sur Options... toujours pour faire bien attention d'tre 5% en bilatral:
Minitab 211/686

Nous validons par OK et nous obtenons dans la fentre de session:

Donc dj contrairement au calcul la main, Minitab Statistical Software arrondi l'effectif
d'chantillon l'entier le plus proche et calcule la puissance relle du test correspondant cet
arrondi (la puissance est plus grande donc c'est tant mieux!). Minitab Statistical Software
nous sort galement la courbe de puissance du test:
Minitab 212/686

Et nous retrouvons bien la mme valeur qu'avec MS Excel o nous avions appliqu une des
relations dmontre en cours ( l'entier prs le plus proche):
2
/2 1
Z Z
n
d
o |
| |
=
|
\ .
=((NORM.S.INV(2.5%)-NORM.S.INV(80%))/(2/3))^2=17.6599794
ou avec la deuxime relation dmontre en cours:
( )
2
1 /2
Z Z
n
X
| o
o

| |
|
=
|
\ .
=((NORM.S.INV(20%)-NORM.S.INV(1-5%/2))/2)^2=17.6599794
Minitab 213/686
Exercice 43.: Diffrence (rsolution) d'un test Z en bilatral

Il s'agit toujours de la mme dmarche mais cette fois, nous voulons dterminer la rsolution
que nous obtiendrons. Il vient:

et en validant par OK nous avons dans la fentre de session:

et la courbe de puissance correspondante:
Minitab 214/686

Minitab 215/686
Exercice 44.: Puissance d'un test t 1 chantillon en bilatral

estimation se trouvant dans les 2 minutes par rapport la moyenne et l'cart-type d'usinage
est estim 3 minutes. Quelle est la puissance du test sachant que la de taille de l'chantillon
est de 9 units?
Pour faire ce calcul, nous utilisons toujours la version studentise de la relation:
( )
( ) /2 0,1
1
N
P Y Z d n
o
| = s =
Ce qui devient alors:
( )
( ) /2, 1 1
1
n T n
P Y T d n
o
|

= s =
T.DIST(T.INV(5%/2;9-1)-(-2)/(3/SQRT(9));9-1;1)=0.383706664
Vrifions avec Minitab Statistical Software:
Nous allons dans le menu Stat/Puissance et effectif de l'chantillon/Test t 1 chantillon:

Nous vrifions que nous sommes bien en bilatral dans Options...:
Minitab 216/686


et le graphique de puissance:
Minitab 217/686

Nous avons une valeur nettement diffrente (de l'ordre de 4% dans cet exemple particulier)
que celle obtenu avec MS Excel. Il faut donc que je regarde s'il s'agit d'une erreur dans les
calculs thoriques ou si c'est une spcificit de l'algorithme utilis par Minitab Statistical
Software.
Minitab 218/686
Exercice 45.: Taille d'chantillon (effectif) d'un test t 1 chantillon en
bilatral

estimation se trouvant dans les 2 minutes par rapport la moyenne et l'cart-type d'usinage
est estim 3 minutes avec une puissance du test de 80%. Quelle est la taille de l'chantillon
ncessaire.
Pour faire ce calcul, nous utilisons la version studentise de la relation:
( )
( ) /2 0,1
1
N
P Y Z d n
o
| = s =
Ce qui devient alors:
( )
( ) /2, 1 1
1
n T n
P Y T d n
o
|

= s =
T.DIST(T.INV(5%/2;B1-1)-(-2)/(3/SQRT(B1));B1-1;1)
et pour rsoudre cette quation en A1 avec MS Excel, nous avions utilis l'outil Valeur Cible.

ce qui nous avait donn:
Minitab 219/686

ce qui donne 20 l'entier le plus proche! Vrifions avec Minitab Statistical Software:
Nous allons dans le menu Stat/Puissance et effectif de l'chantillon/Test t 1 chantillon:

Nous vrifions que nous sommes bien en bilatral dans Options...:
Minitab 220/686


et le graphique de puissance correspondant:
Minitab 221/686

Nous retrouvons donc la mme valeur qu'avec MS Excel.
Minitab 222/686
Exercice 46.: Taille d'chantillon (effectif) d'un test p (proportion) 1
chantillon en bilatral

Encore une fois nous souhaiterions dterminer la taille d'chantillon permettant de mettre en
vidence une certaine diffrence de proportion dans le but de vrifier la relation dmontre
dans le cours de statistique thorique et qui est:
2
1 /2

Z pq Z pq
n
p p
| o
| |
| =
|
\ .

o dans le cas d'une puissance 50%, nous retrouvons la relation connue:

Imaginons pour cela que nous souhaiterions mettre en vidence une diffrence de 20% entre
une tude (ou rglementation) qui nous donne 30% et nous nous attendons ventuellement
avoir 50% que proportion exprimentale.
une puissance de 80%, nous souhaiterions donc savoir qu'elle est la taille de l'chantillon
qui nous permettra de ne pas maintenir l'hypothse nulle tort.
Pour cela, nous allons dans le menu Stat/Puissance et effectif de l'chantillon/1
Proportion...:

Minitab 223/686
Nous mettons:

et nous validons par OK pour obtenir:

et dans la fentre de session:
Minitab 224/686

Comparons au rsultat thorique avec MS Excel:
2
1 /2

Z pq Z pq
n
p p
| o
| |
| =
|
\ .

=((NORMSINV(20%)*SQRT(0.5*(1-0.5))-NORMSINV(1-5%/2)*SQRT(0.3*(1-0.3)))/(0.3-
0.5))^2=43.4926
La diffrence avec Minitab provenant d'un facteur de correction de continuit qu'utilise
Minitab. Mais il vaut mieux avoir un peu trop d'chantillons que pas assez.

Minitab 225/686
Exercice 47.: Taille d'chantillon (effectif) d'un test p (proportion) 2
chantillons en bilatral

Encore une fois nous souhaiterions dterminer la taille de deux chantillons permettant de
mettre en vidence une certaine diffrence de proportions dans le but de vrifier la relation
dmontre dans le cours de statistique thorique et qui est:
( )
2
1 1 2 2 1 /2
2 1
2

Z p q p q Z pq
n
p p p
| o
| |
+
| =
|

\ .

Imaginons pour cela que nous souhaiterions mettre en vidence une variation de 20% dans la
diffrence de deux proportions qui sont estimes priori comme valant 30% et
respectivement 50%.
une puissance de 80%, nous souhaiterions donc savoir qu'elle est la taille des deux
chantillons (puisque leur taille est suppose gale dans les dveloppements thoriques) qui
nous permettra de ne pas maintenir l'hypothse nulle tort.
Pour cela, nous allons dans le menu Stat/Puissance et effectif de l'chantillon/2
Proportions...:

Minitab 226/686
Nous mettons:


Minitab 227/686

Comparons au rsultat thorique avec MS Excel:
2
1 /2

Z pq Z pq
n
p p
| o
| |
| =
|
\ .

=((NORM.S.INV(20%)*SQRT(0.5*0.5+0.3*0.7)-NORM.S.INV(1-
5%/2)*SQRT(2*0.4*0.6))/(0.4-(0.5-0.3)))^2= 92.998
La diffrence avec Minitab est donc nulle puisque celui-ci arrondit l'entier le plus proche.
Minitab 228/686
Exercice 48.: Test du signe binomial (dixit: test de la mdiane)

Nous avons effectu deux sries de mesures avec deux mthodes diffrentes.
Nous souhaiterions savoir la diffrence sont significatives ou pas. Le but tant aussi de
contrler si nous avons un rsultat diffrent de celui calcul la main en cours et dans
MS Excel.
Pour cela, ouvrez le fichier TestDuSigne.mpj:

et allons dans le menu Stat/Tests non paramtriques/Signe 1 chantillon:
Minitab 229/686

o nous prenons comme vu en cours:

Nous validons pour obtenir dans la fentre de session:
Minitab 230/686

Nous retrouvons toutes les valeurs vues dans le cours de statistique thorique. Nous rejetons
donc au vu de la p-value (infrieure 5%) que la diffrence n'est pas significative.
Minitab 231/686
Exercice 49.: Intervalle de confiance de la mdiane (via test du signe)

Nous avons effectu une srie de mesures de valeurs continues.
Nous souhaiterions simplement connatre l'intervalle de confiance de la mdiane, le but tant
aussi de contrler que Minitab Statistical Software utilise bien la mthode que nous avions
mentionne dans le cours de statistique thorique.
Pour cela, ouvrez le fichier ICMediane.mpj:

et allons dans le menu Stat/Tests non paramtriques/Signe 1 chantillon:
Minitab 232/686


Minitab 233/686

Nous retrouvons l'intervalle de 94.26% qui tait le plus proche que nous pouvions calculer
avec MS Excel (voir un peu plus bas).
Nous voyons que Minitab Statistical Software fait une interpolation non linaire (NLI) pour
dterminer la valeur de l'intervalle souhait 95%.
En ralit, Minitab Statistical Software donne toujours une valeur au-dessous et une au-
dessus de la valeur cible souhaite cause du comportement discret de la loi binomiale.
A titre de comparaison, nous avons donc avec MS Excel:

soit explicitement:
Minitab 234/686

Nous voyons donc bien que comme mentionn en cours, Minitab Statistical Software utilise
bien la loi binomiale. Nous avions aussi mentionn en cours qu'il tait prfrable peut-tre
d'utiliser la technique du bootstrapping qui donne 95% un intervalle de 24.90 26.90
(valeurs que Minitab Statistical Software affecte logiquement aux 94.26% de la loi
binomiale).
Minitab 235/686
Exercice 50.: Test de Mood (test des mdianes)

Le but du test de Mood n'est pas de contrler si des donnes apparies peuvent tre
considres comme gales ou non en se basant sur leur mdiane (test des signes), mais
simplement de vrifier sur la base d'un tableau de contingence du Khi-deux, si le nombre de
valeurs au-dessus ou en-dessous de la mdiane de deux chantillons est significativement
diffrente et proviennent donc de deux populations diffrentes.
Nous allons voir un exemple et montrer que nous pouvons l'obtenir intgralement partir du
test du signe et du Khi-deux. Considrons le fichier suivant MoodTest.mpj:

Nous allons dans le menu Stat/Tests non paramtriques/Test de Mood pour les
mdianes...:
Minitab 236/686

Apparat alors:

Minitab 237/686

Nous allons maintenant vrifier que nous retrouvons toutes les valeurs partir de deux tests
dj tudis jusqu'ici except pour:
1. L'intervalle entre le premier et le troisime quartile. Nous voyons tout de suite par
ailleurs dans le schma ci-dessus que cet intervalle est faux pour le deuxime
chantillon (il l'est aussi pour le premier mais cela se voit mieux avec le deuxime).
Effectivement, si l'intervalle de confiance 95% se situe peu prs l'oeil entre 24 et
26.5 (soit une diffrence de 2.5), comment l'espace entre le troisime quartile et le
quatrime pourrait-il valoir plus?
2. L'intervalle de confiance de la diffrence des mdianes qui est un mystre pour
moi...? Tous les logiciels de statistiques que j'ai tests ce jour utilisent des mthodes
diffrentes pour cet intervalle et donnent parfois des diffrences de plus de 100%!!!
Un logiciel comme SPSS ne communique simplement pas cette information. Je
recommande personnellement nouveau l'usage du bootstrapping!
Cependant! Nous retrouvons la mme mdiane globale de 26.10 que dans le cours de
statistique thorique (mais bon a c'est simpliste...) et effectivement 8 valeurs qui sont plus
grandes que cette mdiane dans le premier chantillon et respectivement 5 pour le deuxime
chantillons comme nous l'avons calcul en cours avec MS Excel.
Vrifiions maintenant que nous arrivons facilement obtenir la partie suivante du rsultat du
test:

Pour cela, nous prenons les donnes de l'chantillon 1 seul:
Minitab 238/686

et nous faisons un test du signe:

avec un intervalle de confiance de 95%:
Minitab 239/686


Les rsultats sont plus conformes ce que nous avons calcul dans le cours thorique avec
MS Excel et aussi plus dtaill! Nous remarquons qu' 95%, la diffrence de l'intervalle est de
26.93-24.81 soit 2.12. Alors comment la diffrence entre le 1
er
et 3
me
quartile pourrait valoir
2.20 comme nous l'indique Minitab Statistical Software dans le test de Mood? Affaire
suivre...
La dmarche est identique et avec les mmes conclusions pour l'chantillon 2.
Maintenant, vrifions cette partie du test de Mood:
Minitab 240/686

Il s'agit donc d'un simple test du Khi-deux.
Donc si nous crons notre table de contingence comme nous l'avons appris dans le cours
thorique:
chantillon 1 chantillon 2 Total
<=Mdiane 5 8 13
>Mdiane 8 5 13
Total 13 13 25
et que nous la reproduisons dans Minitab Statistical Software:

et excutons un test du Khi-deux comme nous l'avons dj vu plus haut:

Minitab 241/686
avec les paramtres triviaux:

Nous obtenons:

Ce qui est parfaitement conforme.
Donc dans le cas prsent, qu'elle est la conclusion? Rappelons que le test de Mood (dans la
cas de Minitab) compare l'aide d'une table de contingence... le contingent de valeurs au-
dessus ou en-dessous de la mdiane et fait un test du Khi-deux. Comme dans le cas prsent, la
p-value est de 0.239 nous ne considrons pas les deux populations comme diffrentes.
Minitab 242/686
Exercice 51.: Test de la somme des rangs de (Wilcoxon)Mann-Withney
pour deux chantillons indpendants

Comme d'haaaabitudeeee (en chantant...) le but est de voir si nous retrouvons les rsultats
numriques calculs avec MS Excel en utilisant les relations dmontres dans le cours de
statistique thorique.
Par contre nous n'allons par reprendre les mmes valeurs qu'en dans le cours thorique car
l'exemple y est trop petit (pour des raisons pdagogiques). Nous allons donc d'abord faire
l'exemple avec MS Excel et ensuite avec Minitab.
Considrons les deux sries X et respectivement Y de valeurs suivantes:
197, 162, 57, 108, 53.5, 55, 77, 39, 66, 48, 121, 79, 309
50.5, 50, 557, 42, 23, 26, 45, 96, 113, 30, 33, 45
Nous combinons les valeurs et indiquerons les rangs respectifs sous forme de tableau pour la
suite:
Valeurs combines Variable Rang global
50.5 X 11
50 X 10
557 X 25
42 X 6
23 X 1
26 X 2
45 X 7
96 X 18
113 X 20
30 X 3
33 X 4
45 X 7
197 Y 23
162 Y 22
57 Y 14
108 Y 19
53.5 Y 12
55 Y 13
77 Y 16
39 Y 5
66 Y 15
48 Y 9
121 Y 21
79 Y 17
309 Y 24
Ce qui donne au final les rangs respectifs:
Minitab 243/686

Variable Rang global Variable Rang global
X 11 Y 23
X 10 Y 22
X 25 Y 14
X 6 Y 19
X 1 Y 12
X 2 Y 13
X 7 Y 16
X 18 Y 5
X 20 Y 15
X 3 Y 9
X 4 Y 21
X 7 Y 17
Y 24
Somme: 114 210
Nous choisirons comme base la variable X. Nous avons alors pour l'esprance de la somme
des ces rangs:
( )
( )
1
13 25 1
1
( 1) 169
2 2
x
n
S i x
i
E W E R n N
=
| |
+
= | = + = =
|
\ .

et nous avons:
( )
( ) ( )
1
1
1
338
12 12
x
n
x y x y
x y
S i
i
n n n n
n n N
V W V R
=
+ + | | +
= | = = =
|
\ .

Nous avons alors:
( )
( )
1
( 1)
210 169
2
0,1 2.23
422.5 1
12
s x
x y
W n N
Z N
n n N
+

= = = ~
+

Cela correspond donc une probabilit cumule:
=LOI.NORMALE.STANDARD.N(2.23;VRAI)=0.987
Ce qui correspond en bilatral une p-value de (soit la mme que Minitab 15.1.2 au deux
diximes prs):
( ) -value 2 1 0.987 2 0.013 0.026 2.6% p = = = =
Donc un seuil de 5%, nous devons rejeter l'hypothse nulle comme quoi les deux
distributions sont symtriques et identiques.
Minitab 244/686
Dans Minitab, nous avons respectivement:

Et nous allons dans le menu Stat/Tests non paramtriques/Mann-Withney... (nom au
passage qui n'est pas trs bien choisi au vu du nombre de test comportant le terme "Mann-
Withney"...):
Minitab 245/686

Nous avons alors:

et nous validons:
Minitab 246/686

Commentons un peu ce rsultat. D'abord, nous avons effectivement vu en cours les valeurs
des deux mdianes calcules simplement avec MS Excel. La diffrence de l'estimation
ponctuelle est un mystre... par ailleurs nous ne la trouvons pas dans la dmonstration
thorique du test et il en est de mme pour le pourcentage de l'intervalle de confiance (qui de
toute manire peut aussi tre obtenue par Bootstrapping).
La valeur de W de 210 est conforme la somme des rangs de l'chantillon X tel que dmontr
en cours. La p-value est un peu leve que ce nous avons obtenu avec la relation dmontre
dans le cours thorique qui nous avait permis d'obtenir 0.026 (mais cette diffrence n'est pas
suffisante pour changer le rsultat du test).
Nous ne parlerons pas des autres valeurs n'ayant pas vus en cours les moyens de la dmontrer
mathmatiquement.

Minitab 247/686
Exercice 52.: Test de la somme des rangs signs de Wilcoxon pour 1
chantillon

Encore une fois, nous souhaitons comparer les dmonstrations faites dans le cours de
statistiques thorique avec l'application numrique approxime dans MS Excel avec le rsultat
obtenu avec Minitab.
Nous partons donc du mme chantillon que dans le cours thorique:

Nous allons dans le menu Stat/Tests non paramtriques/Wilcoxon pour 1 chantillon...:
Minitab 248/686

Nous mettons alors comme en cours la mdiane chantillonnale de 40 en bilatral:

et nous obtenons:

Minitab 249/686
Nous avons donc la mme "statistique de Wilcoxon" de 26 ce qui conforte notre faon de
calculer les rangs et nous dit que Minitab utilise les rangs positifs pouir indiquer la somme des
rangs et nous avons un p-value de 32.7 comparer celle de 30.76% obtenue dans le cours.
Donc dans le cas prsent, nous ne rejetons donc pas l'hypothse nulle comme quoi la mdiane
chantillonale est proche de la mdiane vraie et que la distribution est symtrique.
Minitab 250/686
Exercice 53.: Test de la somme des rangs signs de Wilcoxon pour 2
chantillons apparis

Nous voulons appliquer le test des rangs signs de Wilcoxon pour 2 chantillons apparis
comme dmontr dans le cours de statistique thorique bien que celui-ci ne soit pas disponible
explicitement dans Minitab et ce afin de comparer au rsultat calcul avec MS Excel dans le
cadre de l'approximation par une loi Normale.
Nous partons donc du mme cas que dans le cours de statistique thorique:

Nous allons dans le menu Stat/Tests non paramtriques/Wilcoxon pour 1 chantillon...:
Minitab 251/686

et nous mettons:

Nous obtenons alors dans la fentre de session:
Minitab 252/686

Nous retrouvons la statistique de Wilcoxon 8.5 et une p-value de 3.3% donc une valeur bien
diffrente que celle obtenue avec MS Excel (puisque Minitab ne fait pas l'approximation par
une Loi Normale) et mais toutefois avec la mme conclusion!
Minitab 253/686
Exercice 54.: Intervalle de confiance de la moyenne (test Z un 1
chantillon)

Un sondage a t conduit dans des entreprises qui utilisent des panneaux solaires comme
source primaire d'lectricit. La question qui a t pose tait la suivante: Quel est le % de
votre lectricit provenant du solaire?
Un chantillon alatoire de 55 rponses donne une moyenne arithmtique de 45 [kW].
Supposons que l'cart-type standard pour cette question est de 15.5 [kW] (cart-type thorique
suppos connu!).
Quel est l'intervalle de confiance reprsentant 95% de valeurs (nous avions fait ce calcul avec
MS Excel).
Nous ouvrons Minitab Statistical Software et allons dans le menu Stat/Statistiques
lmentaires/Test Z 1 chantillon:

Nous avons alors:
Minitab 254/686

Et nous obtenons alors dans la fentre de session:

Ce qui correspond bien ce que nous avions obtenu avec MS Excel. videmment, il n'y a
aucune p-value d'indique puisque nous n'avons pas impos de moyenne hypothtise dans la
bote de dialogue principale.
Minitab 255/686
Exercice 55.: Test Z de diffrence de la moyenne (test Z un 1 chantillon)
en bilatral

Un objectif de location journalier a t impos gestionnaire d'une socit de location de
voitures avec un objectif de 5 et un cart-type de 2. Depuis 19 jours que le garage est ouvert,
nous avons les locations suivantes:
3,7,12,5,9,13,2,8,6,14,6,1,2,3,2,5,11,13,5
ou ouvrez le fichier Locations.mpj:

et allez dans le menu Stat/Statistiques lmentaires/Test Z 1 chantillon:
Minitab 256/686

Nous cliquons sur Graphiques... pour activer:

et dans Options... nous nous assurons pour commencer tre dans un test bilatral:

Nous validons le tout par OK et d'abord nous obtenons les graphiques:
Minitab 257/686

avec l'infobulle sur la bote moustache:

et sur l'intervalle de confiance:

Minitab 258/686
Ensuite, nous avons aussi le diagramme points:

et l'histogramme:

Minitab 259/686
Mais intressons-nous plutt au contenu de la fentre de session:

L'intervalle de confiance 95% ne changera pas quelle que soit la moyenne hypothtise (ce
qui est logique conformment ce que nous avons vu en cours). Au vu de l'intervalle de
confiance 95% il est donc vident que la valeur Z relativement la moyenne hypothtise de
5 soit trs grande et donc la p-value trs petite.
Par contre, dans le cours thorique nous n'avons pas vu comment calculer le Z dans le cas de
la diffrence avec MS Excel. Donc si jamais voici comment faire (en se rappelant que l'ide
sous-jacente est que la diffrence est nulle):
6.684 5
3.670193 3.67
2
19
X
Z
n
o

= = = ~

et donc en bilatral la p-value est:
=(1-NORM.S.DIST(3.67019291;TRUE))=(1-0.999878816)/2=0.0000606
Minitab 260/686
Exercice 56.: Test Z de diffrence de la moyenne (test Z un 1 chantillon)
en unilatral gauche

Il est connu dans un tat que les enfants d'un certain ge ont un poids de 45 kilogrammes et
un cart-type de 13 kilogrammes (esprance et cart-type de la population). Un plainte est
pose par des parents d'lves comme quoi les enfants d'une cole sont sous-aliment. Pour
cela les parents d'lves s'appuient sur le fait que 25 enfants du mme ge ont un poids moyen
de de 40.5 kilogrammes.
Vrifions si ce sous-poids est significativement infrieur!
Nous allons donc dans le menu ans le menu Stat/Statistiques lmentaires/Test Z 1
chantillon:

Nous avons alors:
Minitab 261/686

et dans Options... nous prenons alors l'hypothse alternative comme quoi la moyenne
mesure est infrieur la moyenne hypothtise:

Nous validons deux fois par OK pour obtenir dans la fentre de session:

Par contre, dans le cours thorique nous n'avons galement pas vu comment calculer le Z dans
le cas de la diffrence avec MS Excel. Donc si jamais voici comment faire (en se rappelant
que l'ide sous-jacente est que la diffrence est nulle):
Devrait tre 45 s contre 45 > ...
Minitab 262/686
40.5 45
1.73077 1.73
13
25
X
Z
n
o

= = = ~

et donc en unilatral la probabilit cumule d'tre cette valeur (correspondant directement
la p-value) est de:
=NORM.S.DIST(-1.730769231;TRUE)=0.041746466=4.17%
Nous rejetons donc l'hypothse nulle au profit de l'hypothse alternative. Les enfants sont
donc bien sous-aliment un niveau de 5%.
Nous voyons aussi que le rsultat est le mme si nous calculions la diffrence dans l'autre
sens:
45 40.5
1.73077 1.73
13
25
X
Z
n
o

= = = ~
Minitab 263/686
Exercice 57.: Intervalle de confiance de la moyenne (test t un 1
chantillon)

Il est donc courant dans le domaine de l'analyse statistique de devoir calculer l'intervalle de
confiance de la moyenne. Nous allons reprendre le mme exemple que dans le cours
MS Excel mais avec Minitab Statistical Software.
Un gestionnaire d'une socit de location de voitures souhaiterait estimer le nombre moyen de
fois que des vhicules de luxe sont lous par mois. Il prend pour cela un chantillon alatoire
de 19 voitures de luxes et obtient la suite suivante de nombre de voitures loues:
3,7,12,5,9,13,2,8,6,14,6,1,2,3,2,5,11,13,5
Nous devons dterminer l'intervalle 95% de la moyenne. Donc dans Minitab Statistical
Software nous reportons ces valeurs ou ouvrons le fichier Locations.mpj:

Pour comparer les rsultats avec les calculs effectus la main dans MS Excel avons besoin
de l'estimateur de maximum de vraisemblance de l'cart-type (donc c'est un intervalle de
confiance avec variance thorique inconnue). Nous allons donc dans le menu
Stat/Statistiques lmentaires/Afficher les statistiques descriptives:
Minitab 264/686

Nous avons alors:

Minitab 265/686

Nous y voyons l'cart-type de 4.23 ce qui correspond parfaitement ce que nous avions avec
les calculs la main.
Maintenant, nous allons dans le menu Stat/Statistiques lmentaires/Test t un
chantillon:

Minitab 266/686
Pour avoir:

et pour vrifier que nous sommes bien en bilatral un niveau de 95%, nous cliquons sur le
bouton Options...:

Et nous validons par OK:
Minitab 267/686

Nous retrouvons le mme intervalle de confiance qu'avec MS Excel. videmment il n'y a
aucune p-value d'indiqu puisque nous n'avons pas impos de moyenne hypothtise dans la
bote de dialogue principale. Et nous pouvons faire nouveau les mmes exemples que pour
le test Z mais ce serait un peu trop rptitif donc nous nous en passerons...
Minitab 268/686
Exercice 58.: Intervalle de confiance de la proportion

Dans une production de 300 pices nous en avons trouves 8 de dfectueuses. Quelle est
l'intervalle de confiance 95% de la proportion de pices dfectueuses?
Nous avons fait ce calcul dj avec MS Excel et nous souhaitons le vrifier.
Dans Minitab Statistical Software ( vide), nous allons dans le menu Stat/Statistiques
lmentaires/1 proportion:

Ce qui donne:
Minitab 269/686

Et nous allons dans le bouton Options:

Nous validons alors deux fois par OK avons alors dans la fentre de session:
Minitab 270/686

Nous avons donc bien le mme rsultat que dans MS Excel (et donc que dans le cours de
statistique thorique).
Si nous n'avions pas activ l'approximation par une loi normale, nous aurions:

Minitab 271/686
Exercice 59.: Test t-Student pour donnes apparies

Le dbit d'eau en litre par minutes entre plusieurs points quidistants d'un mme pipeline
avant et aprs rvision a t mesur. Le tableau suivant a t obtenu:

Un ingnieur souhaite dterminer s'il y a statistiquement une diffrence significative entre les
pipelines avant et aprs rvision un niveau de confiance de 95% en bilatral (sous
l'hypothse que les donnes sont paires).
Solutions:
Nous allons dans le menu Stat/Statistiques lmentaires/Test t pour donnes apparies:
Minitab 272/686

Vient alors:

Minitab 273/686

Nous retrouvons donc exactement les valeurs calcules la main dans le cours de statistique
thorique et avec MS Excel! Nous avons aussi les graphiques suivant si nous les activons:

Minitab 274/686

Minitab 275/686
Exercice 60.: Test t-Student bilatral d'un chantillon

Nous devons talonner un appareil l'aide d'une pice talon dont nous savons que le
diamtre rel est de 15 microns. Nous avons obtenu les mesures suivantes (fichier
Etalonnage.mpj):

Nous souhaiterions vrifier un intervalle de confiance de 95% que nous sommes proches la
moyenne vraie (pas trop diffrent).
Nous allons dans le menu Stat/Statistiques lmentaires/Test t 1 chantillon:
Minitab 276/686

Vient alors:

Nous cliquons sur le bouton Options... pour vrifier que tout soit conforme:
Minitab 277/686

Nous obtenons:

L'hypothse nulle tant que la moyenne arithmtique mesure est gale 15 microns
(l'hypothse alternative tant qu'elle ne le soit pas...) et donc rejete. Il y a donc une diffrence
significative.
Nous voyons cependant que nous n'obtenons pas les mmes intervalles de confiance (IC)
qu'avec MS Excel ni la mme valeur pour T. Cependant, selon moi il y a une aberration ici
avec Minitab Statistical Software. Si l'IC 95% tait bien de 15.0319 et 15.0775, alors
15.0537 se trouve bien dans l'intervalle est nous devrions accepter l'hypothse. Or, la p-value
nous montre bien qu'il faut la rejeter. De plus, l'IC devrait tre centre sur la moyenne
thorique de 15...
Affaire suivre... pour savoir si c'est moi qui ai fait une erreur de comprhension (et donc in
extenso des erreurs de calcul dans MS Excel) ou si c'est Minitab Statistical Software.
Minitab 278/686
Exercice 61.: Test t-Student homoscdastique bilatral d'galit de la
moyenne

Le dbit d'eau en litre par minutes entre plusieurs points quidistants de deux pipe-lines 1 et 2
a t mesur. Le tableau suivant (il s'agit du mme tableau que celui utilis pour l'exemple du
test t pour donnes apparies) a t obtenu (fichier Pipelines.mpj):

Un ingnieur souhaite dterminer s'il y a statistiquement une diffrence significative entre les
deux pipelines un niveau de confiance de 95% en supposant les variances gales. Nous
allons voir si nous retrouvons les mmes rsultants que dans le cours MS Excel et dans le
cours de statistique thorique.
Nous allons dans le menu Stat/Statistiques lmentaires/Test t 2 chantillons:
Minitab 279/686

Nous avons alors:

Et en validant par OK nous obtenons effectivement les mmes rsultants que dans MS Excel
et dans le cours de statistique thorique:
Minitab 280/686

Minitab 281/686
Exercice 62.: Comparaison de proportions sur une mme population (test
binomial)

D'une petite population ayant deux caractristiques x et y particulires qui nous intressaient
et pour laquelle nous nous attendions avoir un parfait quilibre tel que x y = nous avons en
ralit obtenu 5 x = et 7 y = (donc la population est de taille 12).
Nous souhaiterions donc savoir si la diffrence est significative avec une certitude de 95% ou
simplement due au hasard?
Nous allons dans le menu Stat/Statistiques lmentaires/1 proportion:

Nous avons alors:
Minitab 282/686

ce qui donne aprs validation:

Nous nous retrouvons alors avec les mmes rsultats que MS Excel.
Minitab 283/686
Exercice 63.: Comparaison de proportions sur 2 chantillons indpendants

Dans le cadre d'un plan d'chantillonnage nous avons prlev sur un premier lot de 50
chantillons, 48 en parfait tats. Dans un second lot de 30 chantillons, 26 taient en bon tat.
Nous souhaiterions donc savoir si la diffrence est significative avec une certitude de 95% ou
simplement due au hasard?
Nous allons dans le menu Stat/Statistiques lmentaires/2 proportions:

Nous avons alors:
Minitab 284/686

Nous cliquons sur le bouton Options... pour configurer relativement la dmonstration vue
dans le cours de statistique thorique:

Ce qui donne aprs validation par deux OK:
Minitab 285/686

Nous nous retrouvons alors avec les mmes rsultats que MS Excel (except le test de Fisher
exact que nous n'avions pas calcul pendant le cours thorique pour cet exemple particulier).
Minitab 286/686
Exercice 64.: Intervalle de confiance de l'cart-type

Un chantillon de 9 vis a t tir d'une ligne de production et la mesure de leur diamtre en
[mm] a t reporte ci-dessous:

Nouv voulons calculer l'cart-type et estimer l'intervalle de confiance de l'cart-type 95%.
L'objectif va tre encore une fois de vrifier que nous obtenons les mmes rsultats que ceux
dmontrs dans les cours thorique de statistique et qu'avec l'utilitaire d'analyse de MS Excel.
Nous allons dans le menu Stat/Statistiques lmentaires/1 variance...:
Minitab 287/686

Nous avons alors:

Minitab 288/686

et tout est parfait! Nous retrouvons les mmes rsultats que dans le cours thorique et avec
qu'avec MS Excel.
Minitab 289/686
Exercice 65.: Test de Fisher d'galit des variances

Ouvrez le fichier TestF.mpj:
Une socit reoit des joints d'tanchit de deux fournisseurs. Le gestionnaire AQ (assurance
qualit) de la socit veut comparer la variance de l'paisseur des joints des deux fournisseurs
pour vrifier si les variances sont gale avec un niveau de confiance 0.05 o = .
Pour cela, il prend un chantillon de 10 joints du fournisseur A et de 12 joints du fournisseur
B. Voici le tableau avec l'paisseur des joints:

L'objectif va tre encore une fois de vrifier que nous obtenons les mmes rsultats que ceux
dmontrs dans les cours thorique de statistique et qu'avec l'utilitaire d'analyse de MS Excel.
Nous allons dans le menu Stat/Statistiques lmentaires/2 variances...:
Minitab 290/686

Nous avons:

Nous validons par OK et nous trouvons alors dans la fentre de sessions:
Minitab 291/686

Nous voyons que le rsultat du test est comme dans MS Excel en ce qui concerne dans un
premier temps le test de Fisher (pour une distribution sous-jacente normalement distribue) de
0.88. La p-value est par contre de 0.860 en bilatral. Nous avions vu effectivement que
MS Excel donnait le test en unilatral et nous en concluons donc in extenso que Minitab
Statistical Software donne la p-value en bilatral (ce que nous pouvons facilement constater
en allant dans le bouton Options de la bote de dialogue du test)
Bon dans le cas prsent de toute faon, la p-value en bilatrale tant de 0.860 (donne par
Minitab Statistical Software) et la unilatrale tant de 0.43 (donne par MS Excel), dans les
deux cas, l'hypothse de l'galit des variances ne peut pas tre rejete un niveau alpha de
5% (donc les variances sont probablement gales!).
Nous voyons galement que Minitab utilise la correction de Bonferroni que nous avons tudi
en dtails dans le cours thorique pour l'intervalle de confiance des cart-types des
chantillons.
Attention! Les versions antrieures et gales Minitab Statistical Software 16 n'appliquent
pas la correction de Bonferroni ou le test de Levene si des donnes rsumes sont saisies!
Minitab 292/686
Exercice 66.: Test de Levene d'galit de deux variances

Le but ici va tre de vrifier les rsultats obtenus avec MS Excel par simulation d'abord dans
le cas de deux variances. Dans l'exercice suivant, nous ferons la mme vrification mais avec
un tableau d'ANOVA.
Rappelons d'abord que nous avons montr dans le cours de statistique thorique que le test de
Levene est au fait une approche empirique du test de Fisher en 4 versions avec des
transformations empiriques des observations:
- Levene1:
ij ij i
z x x =
- Levene1 (variante de Brown-Forsythe avec mdiane donc version non paramtrique):
, ij ij M i
z x x =
- Levene2:
( )
2
ij ij i
z x x =
- Levene3:
( )
2
log
ij ij i
z x x
| |
=
|
\ .

- Levene4:
ij ij i
z x x =

Par simulation de Monte-Carlo nous avons effectivement observ dans le cours thorique que
le test de Fisher traditionnel est sensible la non normalit des donnes (faux ngatifs) alors
que la deuxime variante du test de Levene (Brown-Forsythe) l'tait beaucoup... beaucoup
moins et il serait donc cohrent que Minitab utilise cette version.
Remarque: Rappelons que Levene lui-mme ne l'a dmontr que par des simulations de
Monte-Carlo (et seulement pour la premire variante!).
Nous souhaitons donc vrifier ici si nous retrouvons les mmes rsultats numriques qu'avec
MS Excel et dterminer exactement quelle variante Minitab utilise... (puisque cela n'est a
priori pas communiqu dans la documentation).
Nous allons donc reprendre le tableau du fichier ANOVA-DESEMPILE.mpj et faire une
comparaison des variances seulement de deux quipes et vrifier que nous retombons bien sur
les valeurs obtenues dans MS Excel.
Minitab 293/686
Nous partons donc du tableau:

et nous allons dans le menu Stat/Statistiques lmentaires/2 variances...:
C

et nous prenons donc que deux quipes:
Minitab 294/686

et validons par OK pour obtenir comme graphique:

Minitab 295/686

et ce qui nous intresse est la partie mise en vidence ci-dessus
Nous retrouvons la mme valeur que le rsultat du test (rapport Msk/MSE) que dans MS
Excel mais avec moins de prcision puisque nous avions obtenu 0.0360. Donc nous pouvons
dj conclure que Minitab utilise la variante de Brown-Forsythe.
Concernant la p-value nous avons obtenu galement la mme avec MS Excel mais avec plus
de prcision.
Donc... objectif atteint! Nous ne ferons cependant pas l'exemple qui consiste transformer le
tableau entier en l'adaptant pour une ANOVA car franchement... autant le faire dans
MS Excel!
Minitab 296/686
Exercice 67.: Test de Levene et Bartlett d'galit des variances d'une
ANOVA

L'objectif ici va tre le cas plus intressant d'application du test de Levene aux donnes d'une
ANOVA empile et de vrifier encore une fois si les rsultats sont conformes aux
simulations de Monte-Carlo effectues dans le cours thoriques et l'application numrique
effectue dans MS Excel.
Nous partons donc du tableau suivant TestLeveneBartlettANOVA.mpj:

Nous allons dans le menu Stat/ANOVA/Test de l'galit des variances...:
Minitab 297/686

nous y mettons:

Nous validons par OK pour obtenir d'abord comme graphique:
Minitab 298/686


D'abord les intervalles de confiance sont conformes l'intervalle classique vu en cours pour
l'cart-type.
Ensuite, nous ferons abstraction du test de Bartlett dont nous n'avons pas vu la dmonstration
mathmatique en cours puisque les dtails de celle-ci est introuvable dans les livres et mme
dans l'article d'origine de Bartlett lui-mme.
Ce qui va nous intresser est donc la valeur du test de Levene. Minitab indique comme
"rsultat du test" la valeur de 0.02. Ce qui est conforme MS Excel o nous avions obtenu
0.02307. Concernant la p-value Minitab nous donne 0.977 ce qui encore une fois est
conforme MS Excel puisque nous avions obtenu 0.9772. Donc tout est OK pour les
vrifications. Sujet clos!
Minitab 299/686
Exercice 68.: Ajustement d'une loi de Poisson par le Khi-deux

Ouvrez le fichier Mesures.mpj:

Il s'agit d'un tableau de frquences de pices ayant des carts en micros et il s'agit exactement
du mme tableau que dans le cours de statistique thorique avec MS Excel.
Nous souhaiterions faire la mme analyse mais cette fois-ci avec Minitab Statistical
Software. Il faudra remarquer que contrairement au cours MS Excel o nous avions impos
une esprance de 5 microns pour la moyenne, Minitab Statistical Software ne nous permet
pas de choisir et calcule l'estimateur exprimental de la moyenne. Il y a aura donc une petite
diffrence dans les rsultats des calculs qui sera tout fait normale.
Nous allons dans le menu Stat/Statistiques lmentaires/Test d'adquation de
l'ajustement du Khi-deux:
Minitab 300/686

Il vient alors avec les paramtres:

Nous obtenons alors dans la fentre de session:
Minitab 301/686

Des valeurs similaires celles obtenues avec MS Excel avec juste de petites variations car
comme nous pouvons le voir, il a utilis la moyenne exprimentale de 4.8325 au lieu de la
moyenne de 5 impose.
Nous remarquons que Minitab Statistical Software fait galement bien les choses puisqu'il
nous avertit qu'une cellule a une valeur attendue infrieure 5 (la premire dans le tableau) ce
qui est non recommand.
Minitab Statistical Software nous donne galement le mme graphique que celui que nous
avions fait avec MS Excel:
Minitab 302/686

Et un autre graphique que nous n'avions pas fait dans le cours de statistique thorique (nous
avions fait par contre le tableau correspondant):

Minitab 303/686
Exercice 69.: Test de normalit de Kolmogorov-Smirnov

Nous souhaitons ici simplement vrifier que nous obtenons les mmes rsultats que ceux
obtenus dans MS Excel avec la mthode Monte Carlo (et in extenso vrifier les rsultats
obtenus lors de l'tude thorique du test de Kolmogorov-Smirnov).
Nous ouvrons donc le fichier TestNormaliteKS.mpj qui contient des mesures de variations
d'une cote de pice par rapport une cible dans un processus de fabrication sous contrle
statistique:

Nous voulons faire un test d'ajustement de Kolmogorov-Smirnov avec une loi Normale
centre rduite un risque alpha de 5%. Pour cela, nous allons dans le menu Stat/Statistiques
lmentaires/Test de normalit:

Minitab 304/686
Nous avons alors prendre:

O comme le lecteur pourra observer, nous n'avons pas le choix de niveau alpha ni de la
variance et de l'esprance de la loi normale de l'hypothse nulle... (c'est bien videmment
cause du choix de la mthode statistique comme nous l'avons vu dans le cours thorique
donc Minitab utilise a priori la mthode de Lilliefor) Nous allons donc voir ce qu'il en est un
peu plus loin...

Bon que constatons-nous par rapport ce que nous avions fait dans MS Excel?:
Minitab 305/686
1. Le logiciel calcule la moyenne arithmtique d'o le 0.36 = pour l'utiliser comme
esprance de la loi Normale de l'hypothse nulle (vous pouvez vrifier avec MS Excel
qu'il s'agit bien de l'cart-type).
2. Le logiciel calcule un cart-type sur une mthode qui nous est inconnue. Il utilise peut-
tre les statistiques des valeurs extrmes (en tout cas c'est trs nervant que cela ne
soit pas communiqu!!!). Ce qui est sr, c'est qu'il utilise cette valeur de 0.8414 o =
comme cart-type de la loi Normale de l'hypothse nulle.
3. En utilisant ces deux informations et sachant que Minitab Statistical Software va se
baser sur la loi Normale
( )
2
, N o si nous construisons la table vue dans le cours de
statistique thorique:
x
( ) F x
( )
2
, , x o u
( )
2
( ) , , F x x o u
1.2

0 0.159 0.159
1.2 0.2 0.159 0.041
1.0

0.2 0.223 0.023
1.0 0.4 0.223 0.177
0.6

0.4 0.388 0.012
0.6 0.6 0.388 0.212
0.2
+
0.6 0.747 0.147
0.2 + 0.8 0.747 0.053
0.8
+
0.8 0.916 0.116
0.8 + 1 0.916 0.085
Nous y retrouvons donc la valeur de 0.212. Rare sont les logiciels noter cette valeur KS.
Bref, le test est juste mais nous donne des informations peu utiles ( part la p-value) et nous
propose peu d'options pour le choix de l'hypothse nulle.
Minitab 306/686
Exercice 70.: Test de normalit de Ryan-Joiner (ie Shapiro-Wilk)

Nous souhaitons ici vrifier que nous obtenons les mmes rsultats que ceux obtenus dans
MS Excel avec la mthode Monte Carlo (et in extenso vrifier les rsultats obtenus lors de
l'tude thorique du test de Ryan-Joiner).
Rappelons que l'avantage de ce test non paramtrique de normalit (donc bas sur les rangs)
est sa simplicit mais qu'il n'est pas contre pas adapt lorsque que trop de valeurs identiques
se rptent.
Nous ouvrons donc le fichier TestNormaliteRJ.mpj qui contient les 10 mesures ordonnes
(tries) d'une cote de pice (lancement de fabrication) dans un processus de fabrication sous
contrle statistique:

Nous allons dans le menu Stat/Statistiques lmentaires/Test de Normalit...:
Minitab 307/686

Nous prenons les paramtres suivants en prcisant bien que nous voulons le test de
Ryan-Joiner:

Minitab 308/686

Nous obtenons donc exactement le mme coefficient RJ que celui obtenu dans MS Excel
l'aide d'une simulation de Monte-Carlo des coefficients
/10 i
b du test de Ryan-Joiner (donc
Minitab n'utilise par l'approximation du Z-score).
Le carr du coefficient de RJ doit donner approximativement le coefficient de SW (Shapiro-
Wilk). En faisant le carr de la valeur ci-dessus, nous obtenons 0.929296.
Le logiciel R, nous donne:

ce qui est pas trop mal mais la p-value est cependant trs diffrente! Toutefois la conclusion
du test est la mme: nous ne rejetons pas l'hypothse nulle un niveau de confiance de 95%,
la donnes peuvent tre considre statistiquement comme suivant une loi Normale.
Minitab 309/686
Exercice 71.: Test de normalit d'Anderson-Darling (ie Agostino-Stephens)

Nous allons ici comme d'habitude vrifier les rsultats dmontrs dans le cours thorique.
Avant de commencer signalons que Minitab permet contrairement R, Statistica et SPSS de
faire le test d'Anderson-Darling pour des chantillons dont le nombre d'individus est compris
10 et 40.
Nous allons donc reprendre les mmes donnes que dans le cours thorique (qui ne satisfait
donc pas le critre susmentionn mais avait permis de simplifier le nombre de calculs faits
la main):

Nous allons dans le menu Stat/Statistiques lmentaires/Test de Normalit...:
Minitab 310/686

Nous avons alors:

Ce qui donne:
Minitab 311/686

Nous retrouvons alors la mme valeur AD que dans le cours thorique. Nous remarquons que:
1. Minitab fait le test d'quation avec une loi Normale base sur les estimateurs de la
moyenne et de l'cart-type de l'chantillon (dommage qu'on ne puisse choisir comme
nous l'avons dj mentionn pour les autres tests de normalit).
2. Minitab ne donne pas le AD* automatiquement mais uniquement quand cela s'avre
ncessaire selon les critres de l'quipe de dveloppement.
3. La p-value est calcule par Minitab sur la base formules empiriques de R.B.
D'Agostino et M.A. Stephens. Ce qui fait que la diffrence est norme avec celle que
nous avions obtenue par Monte-Carlo et qui correspondait celles calcules par Peter
A. W. Lewis.
Conclusion:
La p-value empirique des progiciels de statistiques comme Minitab, SPSS, R et Statistica aura
de toute faon moins de faux positifs avec les formules empiriques de R.B. D'Agostino et
M.A. Stephens mais elle pourrait avoir bien videmment en consquence de plus nombreux
faux ngatifs donc affaire suivre...
Nous pouvons cependant aller un peu plus loin. Toujours avec le mme set de donnes allons
dans le menu Stat/Outils de la qualit/Identification de loi individuelle:
Minitab 312/686

Nous prenons alors le test d'ajustement d'autres loi (nous laissons celles par dfaut mme si
c'est stupide pour certains loi car leur support n'est pas dfini dans les valeurs ngatives):

En validant par OK, nous obtenons dans la fentre de session:
Minitab 313/686

Minitab 314/686

Avec les graphiques suivants:
Minitab 315/686

Minitab 316/686

Minitab 317/686
Exercice 72.: Test de Poisson un chantillon unilatral/bilatral

Le but est encore une fois de vrifier si nous trouvons les mmes rsultats que dans le cours
thorique et que les calculs appliqus avec MS Excel. Considrons le premier exemple vu en
cours et inspir de l'aide de Minitab:
Unilatral: Une socit fabrique des tlvisions en quantit constante et a mesur le nombre
d'appareils dfectueux produits chaque trimestre pendant les dix dernires annes (donc 4 fois
10 mesures = 40 trimestres). La direction dcide que le nombre maximum acceptable d'units
dfectueuses est de 20 par trimestre et souhaite dterminer si l'usine satisfait ces exigences
(sous l'hypothse que la distribution des dfectueux suive une loi de Poisson) un niveau de
confiance de 5%.
Nous ouvrons donc le fichier Poisson1Echantillon.mpj comportant 40 mesures (donc une
pour chaque trimestre):

Nous allons dans le menu Stat/Statistiques lmentaires/Test de Poisson 1 chantillon...:
Minitab 318/686

et nous mettons:

et dans le bouton Options...:
Minitab 319/686

et nous validons le tout par OK:

Nous retrouvons presque les mmes rsultats que les calculs effectus avec le tableur
(uniquement la borne infrieure donne par Minitab diffre au deuxime chiffre aprs la
virgule de celle obtenue avec MS Excel).
Nous pouvons remarquer une chose un peu curieuse: Minitab semble utiliser l'approximation
Normale (abusive) de la loi de Poisson... affaire suivre...
Maintenant, refaisons l'exemple calcul et dmontr en cours avec l'intervalle en bilatral.
Bilatral: Une compagnie d'aviation a eu 2 deux crashs en 1'000'000 de vols (vnement trs
rare). Quelle est l'intervalle de confiance en bilatral 95% sachant que niveau mondial le
nombre d'accident par millions est de 0.4.
Il n'y a ici aucun fichier ouvrir! Nous allons simplement dans le menu Stat/Statistiques
lmentaires/Test de Poisson 1 chantillon... et nous y mettons:
Minitab 320/686

Nous allons dans le bout Options...:

Il n'y a rien changer! Nous validons le tout par OK deux fois pour obtenir:

et ici nous voyons une btise monumentale de Minitab qui met tous sous forme de taux! Ce
qui fait que l'intervalle devient quasiment inexploitable! Avec MS Excel, nous avions obtenus
partir de la relation dmontre en cours:
Minitab 321/686
( ) ( )
2 2
5%/2 1 5%/2
2 (2 1) 2 (2 1)
2 2
_ _

+ +
s s
Le rsultant suivant:
0.618 7.224 s s
ce qui diviser par 1'000'000 fait:
0.000000618 0.000007224 s s
Bon heureusement nous pouvons tricher en mettant par exemple:

ce qui donne alors:

et l nous voyons une curiosit: Minitab, si nous comparons avec MS Excel, calcule les
bornes de la manire suivante:
=LOI.KHIDEUX.INVERSE(1-5%/2;2*(2+1))/2=7.224
Ce qui est conforme pour la borne suprieur, mais pour la borne infrieure il calcule ainsi:
Minitab 322/686
=LOI.KHIDEUX.INVERSE(1-5%/2;2*2))/2=0.242
Ce qui est donc bizarre, car normalement les degrs de libert de la loi du Khi-deux devraient
a priori tre identiques. En l'occurrence, l'acceptation ou le rejet de l'hypothse nulle diffre
ici totalement en fonction de la mthode de calcul. Affaire suivre donc!
Minitab 323/686
Exercice 73.: Test de Poisson deux chantillons bilatral

Nous allons ici considrer une variante de l'exemple prcdent.
Une compagnie d'aviation a eu 2 deux crashs en 1'000'000 de vols (vnement trs rare). Une
autre compagnie a eu 3 crashs en 1'200'000 vols. Quel est l'intervalle de confiance en bilatral
95% en supposant que la diffrence devrait tre nulle.
Nous allons dans le menu Stat/Statistiques lmentaires/Test de Poisson 2
chantillons...:

nous y mettons (pour la mme raison que dans l'exemple prcdent, nous avons rduit la
voilure de l'effectif de l'chantillon):

Minitab 324/686
Nous cliquons sur Options... pour vrifier que nous sommes bien en bilatral avec le niveau
de confiance voulu:


Donc la diffrence de proportion de -0.0005 tant dans l'intervalle de confiance, nous ne
rejetons pas l'hypothse nulle quoi la diffrence entre les deux compagnies est non
significative au seuil de 5%.
Par curiosit, si nous faisons le mme test mais avec le test de 2 proportions, nous avons
avons alors:
Minitab 325/686

Nous retrouvons donc presque les mmes valeurs pour l'intervalle de confiance avec le test de
2 proportions. Mais la convergence entre le test de Poisson pour la diffrence 2 chantillons et
celui du test de la diffrence de deux proportions n'est valable que si la proportion
(respectivement le taux) est petite et le nombre d'chantillons n est grand.
Minitab 326/686
Exercice 74.: Test de normalit et analyse de capabilit

Les dviations temporelles en % de 25 tches donnent les valeurs suivantes aprs clture d'un
projet:

Nous souhaiterions savoir si les estimations du chef de projet sont sous contrle (test de
normalit de Kolmogorov-Smirnov sous Minitab Statistical Software) et faire une analyse
de la capabilit des dviations avec Minitab Statistical Software en prenant l'intervalle
LSL/USL de [-0.1,02] avec une cible nulle.
Nous ouvrons Minitab Statistical Software et reportons les donnes dans une unique
colonne (ou nous ouvrons le fichier CapabiliteProjet.mpj):
Minitab 327/686

Nous allons dans le menu Stat/Statistiques lmentaires/Test de normalit:

Nous remplissons la bote de dialogue:
Minitab 328/686

et validons par OK ce qui donne:

La p-value tant suprieur 0.05 (puisque Minitab Statistical Software indique qu'elle est
plus grande que 0.150) fait que nous pouvons accepter sans crainte l'hypothse de normalit.
Pour faire l'analyse de capabilit nous allons maintenant dans Outils de la qualit/Analyse
de capabilit/Normale:
Minitab 329/686

Nous paramtrons l'analyse de capabilit:

nous cliquons sur le bouton Options et compltons la bote de dialogue:
Minitab 330/686

Graphiquement nous avons finalement en validant deux fois par OK:

Nous retrouvons donc dans ce graphique tous les notions vues et dmontres
mathmatiquement en dtail dans le cours thorique.
Minitab 331/686
Exercice 75.: Analyse de capabilit

Considrons une nouvelle petite production de 50 n = pices par lot de 10 (afin d'ajuster en
cours de production). La mesure de ctes de 5 pices chaque heure pendant 10 heures avec
une tolrance de 10 0.07 soit en termes de centimes un tendue de:
2 7 14 E = =
et une cible de 0 T = (en termes d'carts). Nous avons les donnes suivantes:
1 2 3 4 5 6 7 8 9 10
1 -2 -4 -1 0 4 0 3 0 1 -1
2 0 -3 0 -2 1 -2 0 1 -1 2
3 -1 0 -3 -1 0 0 -1 -1 3 1
4 1 1 -2 2 2 0 1 0 4 0
5 -1 -1 -3 0 0 3 3 2 1 0

-0.6 -1.4 -1.8 -0.2 1.4 0.2 1.2 0.4 1.6 0.5
o 1.14 2.07 1.30 1.48 1.67 1.79 1.79 1.14 1.95 1.14
Dans le cours de matrise statistique des procds, nous avons calcul la main tout les
indicateurs de capabilit long terme et court terme. Nous souhaiterions maintenant
automatiser la procdure et retrouver les mmes valeurs avec Minitab Statistical Software.
Pour cela nous ouvrons un fichier SPC.mpj qui contient le tableau ci-dessus en une seule
colonne:

Minitab 332/686
Pour faire l'analyse de capabilit nous allons maintenant dans Outils de la qualit/Analyse
de capabilit/Normale:

Et nous paramtrons conformment aux prlvements:

nous cliquons sur le bouton Options:
Minitab 333/686

et validons deux fois par OK et nous voyons que nous obtenons les chiffres obtenus dans le
cours SPC:

Nous retrouvons donc dans ce graphique tous les notions vues et dmontres
mathmatiquement en dtail dans le cours thorique.
Minitab 334/686
Exercice 76.: Analyse en composantes principales (ACP)

Soit les donnes suivantes concernant des fleurs:
Fleur n

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
5.1
4.9
4.7
4.6
5.0
7.0
6.4
6.9
5.5
6.5
6.3
5.8
7.1
6.3
6.5
3.5
3.0
3.2
3.1
3.6
3.2
3.2
3.1
2.3
2.8
3.3
2.7
3.0
2.9
3.0
1.4
1.4
1.3
1.5
1.4
4.7
4.5
4.9
4.0
4.6
6.0
5.1
5.9
5.6
5.8
Nous souhaiterions effectuer une A.C.P. avec Minitab Statistical Software (car MS Excel
n'a aucun outil intgr pour par dfaut) afin d'identifier des regroupements possibles et
dterminez avec une approche de corrlation les valeurs propres aussi des diffrentes
composantes
Nous crons un nouveau projet et y mettons les donnes:
Minitab 335/686

ou nous ouvrons le fichier ACP.mpj.
Ensuite, nous allons dans le menu Stat/Multivari/Composantes principales:

Ensuite nous prenons les donnes comme indiqu ci-dessous:
Minitab 336/686

et en cliquant sur le bouton Graphiques:

Nous validons le tout en cliquant deux fois sur OK:
Minitab 337/686

et en ce qui concerne les valeurs propres, Minitab Statistical Software nous donne dans la
fentre d'excution:

Nous pouvons vrifier que nous obtenons la mme matrice de corrlation que dans le cours
thorique avec le calcul fait dans MS Excel ains que les valeurs donnes par Minitab ci-
dessus la main. Pour cela, nous allons dans le menu Stat/Statistiques
lmentaires/Corrlation...:
Minitab 338/686

Nous y prenons:

Nous validons par OK. Ensuite, nous allons dans le menu Donnes/Afficher les donnes...:
Minitab 339/686

et nous prenons:

Nous retrouvons aprs validation par OK la matrice de corrlation calcule dans le cours
thorique:
Minitab 340/686

Demandons Minitab de nous sortir les valeurs propres et vecteurs propres de la matrice de
corrlation. Pour cela, nous allons dans le menu Calc/Matrices/Analyse des valeurs et
vecteurs propres...:

et nous prenons:
Minitab 341/686

Nous validons par OK pour obtenir dans un premier temps dans la feuille:

Ce qui est conforme ce que nous avons calcul aussi la main dans le cours thorique et que
Minitab nous a dj donn plus haut dans le rapport complet de l'analyse en composantes
principales. Ensuite, voyons les valeurs des vecteurs propres (systme de trois quations
trois inconnues que nous n'avons pas rsolu dans le cours thorique car trop trivial). Pour les
afficher nous retournons dans le menu Donnes/Afficher les donnes...:
Minitab 342/686

et nous prenons:

en validant par OK, nous avons dans la fentre de sessions les trois vecteurs propres mis les
uns ct des autres:
Minitab 343/686

et nous retrouvons dans les trois vecteurs de base (propres) du plan principal.
Minitab 344/686
Exercice 77.: Analyse des interactions et effets principaux

Le but de cet exemple ne sera pas de vrifier que quoi que ce soit est conforme MS Excel
puisqu'il s'agit seulement de graphiques faisant de simples moyennes arithmtiques. Mais il
s'agit cependant d'un sujet important pour bien comprendre ce qu'il y a derrire l'ANOVA
deux facteurs avec rptition et le concept d'interaction.
Exceptionnellement, nous allons dtailler les rsultats et reprendre les explications du cours
de statistique thorique.
Dfinitions:
D1. Nous disons qu'il y a absence d'interaction quand la moyenne des rponses d'un facteur en
fonction de ses niveaux varie de la mme amplitude et avec le mme signe que la moyenne
des rponses d'un autre facteur en fonction de ses niveaux. Nous disons alors que les courbes
de rponses dans le diagramme des interactions sont parallles.
Remarque: Le paralllisme des rponses est normal en situation d'absence d'interaction, car
cela signifie que quel que soit le niveau de l'un ou l'autre des facteurs, la variation (si elle
existe), de la rponse sera toujours la mme de la mme amplitude. Ce qui est caractristique
de l'indpendance (du moins localement).
D2. Nous disons que deux facteurs sont en interaction quand la moyenne des rponses d'un
facteur en fonction de ses niveaux ne varie pas de la mme amplitude ou/et pas avec le mme
signe que la moyenne des rponses d'un autre facteur en fonction de ses niveaux. Nous disons
alors que les courbes de rponses dans le diagramme des interactions ne sont pas parallles.
Remarque: L'absence d'interaction est une hypothse trs forte et une observation rare.
Souvent, nous avons des interactions ou fortes interactions.
Considrons le petit tableau suivant sans mesures rptes:

ou autrement prsent:
Facteur 2
Facteur 1 Niveau 1 Niveau 2
Niveau 1 3 3
Niveau 2 3 3
Minitab 345/686
Nous souhaiterions d'abord observer le graphique des effets principaux. Pour cela nous allons
dans le menu Stat/ANOVA/Graphique des effets principaux...:

Vient alors la bote de dialogue suivante:

o nous avons mis les rponses et facteurs ad hoc. Nous avons alors le graphique des effets
principaux suivant:
Minitab 346/686

Nous voyons bien qu'aucun facteur n'a un effet principal sur quoi que ce soit. Ce qui est
relativement intuitif tant donn le contenu de tableau prcdent.
Maintenant, nous souhaiterions observer les interactions. Nous allons alors dans le menu
Stat/ANOVA/Diagramme des interactions...:

et nous aurons alors sans surprise:
Minitab 347/686

et comme c'est un graphique d'interaction (d'aprs son nom), nous pouvons constater que les
facteurs n'interagissent pas entre eux (ou se neutralisent c'est selon...). Nous disons alors qu'il
n'y a (a priori) aucun effet ni aucune interaction (localement). Au fait dans certaines
expriences, l'absence d'interaction est une hypothse trs forte et donc souvent rare. Raison
pour laquelle il faut faire attention aux mots choisis lors de l'interprtation des graphiques
d'interaction (car ne pas passer par les calculs purs est dlicat pour cette tape voir non
scientifique!).
Maintenant voyons le tableau suivant:

Facteur 2
Niveau 1 2 2
Niveau 2 4 4
Il nous parat clair que le Facteur 1 semble avoir une influence sur la rponse. Mais voyons
cela sous forme de graphique. Nous avons alors pour les deux graphiques (la procdure est
identique en tout point ce que nous avons fait prcdemment):
Minitab 348/686

Il apparat clairement dans le graphique du dessus, qu'il y a uniquement le niveau du Facteur 1
qui influence la rponse. Alors que le Facteur 2 n'influence en rien la rponse. Nous disons
alors qu'il y a effet principal (localement) du Facteur1.
Sur le graphique de droite (d'interactions), nous avons la mme information, mais sous une
forme diffrente. Nous voyons que quelque soit le niveau du Facteur 2, les rponses sont
horizontales et donc celui-ci n'influence en rien les rsultats. Nous sommes donc dans une
situation o (a priori) l'effet principal est (localement) le Facteur 1 et en absence
interactions entre les facteurs.
Voyons maintenant le tableau suivant:

Facteur 2
Niveau 1 4 2
Minitab 349/686
Niveau 2 4 2
Nous pouvons observer que Facteur 2 a une influence mais pas le Facteur 1. Mais voyons
aussi cela sous forme graphique:

Nous observons bien sur le graphique du dessus que le Facteur 1 n'a aucune influence. Sur le
graphique de droite c'est moins vident (car il faudrait inverser les catgories et sries du
graphique pour avoir le mme graphique qu'avant) mais la superposition des deux droits
montre que le Facteur 1 n'a pas d'influence. Nous disons alors qu'il y a (a priori) effet
principal (localement) du Facteur2 et en absence d'interactions entre les facteurs.
Considrons maintenant le tableau suivant:

Facteur 2
Minitab 350/686
Niveau 1 3 1
Niveau 2 5 3
Nous voyons que les deux facteurs ont une influence sur la rponse. Ce que montre bien les
deux graphiques ci-dessous:

Nous observons bien sur le graphique du dessus que le Facteur 1 a une influence sur la
rponse et qu'il est de mme du Facteur 2 (et en plus de la mme amplitude quel que soit le
sens!). Sur le graphique de droite, c'est moins vident, mais la mme conclusion est valable.
Nous disons alors que les (a priori) deux facteurs sont (localement) significatifs et sans
interactions.
Ici il n'est pas facile de se rendre compte qu'il n'y a pas d'interactions. Il faut avoir repr la
mthode: le passage d'un niveau de facteur un autre implique toujours une variation
identique (de 2 dans le cas prsent).

Minitab 351/686
Facteur 2
Niveau 1 2 4
Niveau 2 4 2
qui sous cette forme n'est pas triviale interprter. Mais avec les graphique on a tout de suite
des informations plus pertinentes:

Nous observons bien sur le graphique du dessus, qu'aucun des facteurs n'a d'influence sur la
rponse a priori (mme graphique qu'au tout dbut avec la mme moyenne). Le graphique de
droite nous donne une information complmentaire par contre!!!: Les facteurs ont une
influence croise et comme cette influence croise est de mme amplitude, les effets
s'annulent. Nous disons alors que les deux facteurs sont (localement) en interaction F1*F2.

Minitab 352/686
Facteur 2
Niveau 1 1 3
Niveau 2 5 3
Ce qui nous donne les deux graphiques suivants:

Nous observons bien sur le graphique du dessus que le Facteur 1 semble avoir une influence
et que le Facteur 2 non (en moyenne!). Le graphique de droite nous donne lui aussi, encore
une fois, une information complmentaire!!!: C'est que les facteurs sont en interaction. Mais
grce au graphique de dessus, nous pouvons observer que c'est le Facteur 1 qui a une
influence significative dans le comportement de la rponse!
Par contre, si l'interaction n'est pas vidente, rien ne vous empche de faire le graphique de
droite ci-dessus, en inversant les sries et catgories. Ce qui donnera ds lors en mettant
l'original et le nouveau cte cte:
Minitab 353/686

Nous disons alors que nous avons (a priori) deux facteurs (localement) en interaction
F1*F2 o l'influence du Facteur 1 est significative.

Facteur 2
Niveau 1 3 3
Niveau 2 5 1
Minitab 354/686

F1*F2 o l'influence du Facteur 2 est significative.

Facteur 2
Niveau 1 1 1
Niveau 2 5 1
Minitab 355/686

F1*F2 o l'influence des deux facteurs est significative.
Minitab 356/686
Exercice 78.: Analyse de la variance un facteur (ANOVA-1) dsempil

Imaginons une entreprise faisant les trois huit. Nous avons trois quipes qui travaillent sur une
mme machine. Nous souhaitons vrifier avec un seuil de confiance de 95% s'il y a une
diffrence de productivit moyenne entre les trois quipes sur une semaine de travail.
Ouvrez le fichier ANOVA-DESEMPILE.mpj:

Et allez dans le menu Stat/ANOVA/A un facteur (dsempil):
Minitab 357/686

Nous avons alors:

Nous validons par OK ce qui donne dans la fentre de session:
Minitab 358/686

Nous avons donc les mmes rsultats avec les mmes conclusions que dans MS Excel (mais
un peu moins prcis).

Minitab 359/686
Exercice 79.: Analyse de la variance un facteur (ANOVA-1) empil

diffrence de productivit moyenne entre les trois quipes sur une semaine de travail.
Ouvrez le fichier ANOVA-EMPILE.mpj (il s'agit du mme fichier que prcdemment mais les
donnes sont empiles):

Nous allons dans le menu Stat/ANOVA/A un facteur:
Minitab 360/686

Ce qui donne au final le mme rsultat que l'ANOVA prcdente (ouf!):

Minitab 361/686
Exercice 80.: Puissance du test de l'ANOVA (WP)

Nous avons vu dans le cours de statistique thorique que certains dveloppements de
l'ANOVA ncessitent des hypothses trs fortes. Nous pouvons alors (et devons!) nous poser
la question de la taille des chantillons avant excution de l'analyse en imposant une
puissance ce test.
Nous avions vu en faisant des simulations dans MS Excel que les conditions taient assez
contraignantes dans la pratique pour avoir une puisse de test satisfaisante.
Pour voir cela, reprenons l'exemple suivant (bon faire analyse de la puissance a posteriori n'a
pas vraiment de sens comme nous l'avons dmontr dans le cours thorique mais voyons
quand mme pour l'ide...):

et faisons un analyse de la puissance des mesures ci-dessous. Pour cela, nous allons dans le
menu Stat/Puissance et effectif de l'chantillon/ANOVA 1 facteur contrl...:
Minitab 362/686

et nous y mettons ce qui correspond notre tableau:

pour obtenir un seuil de 5%:

Minitab 363/686

et donc la puissance de notre test est finalement misrable ce qui comme nous l'avons
dmontr en cours est normal puisque la p-value de ce test est trs grande.
Maintenant, faisons les choses comme elles devraient l'tre, en sachant que la valeur
minimale de la puissance d'un test pour tre recevable est a priori de 80%.
Regardons typiquement ce que cela nous donne puisque nous ne pouvons pas jouer avec le
nombre de jours dans une semaine, ni avec le nombre d'quipes, ni avec l'cart-type...:

Il vient alors:
Minitab 364/686

Ce qui signifie donc qu'en imposant une puissance de 80% de l'ANOVA une diffrence de 10
(maximum) entre les moyennes des chantillons sera tolre (ce qui explique aussi pourquoi
nous avions obtenu un p-value trs grande avec les valeurs d'origine).
Mais par rapport ce que nous avions vu en cours et compltement indpendamment de
l'exemple choisi ici, regardons par curiosit le cas frquent en laboratoire suivant:

Ce qui nous donne des courbes riches d'enseignement:
Minitab 365/686

Minitab 366/686
Exercice 81.: Test de Tukey

Ici, nous allons vrifier si les concepts dmontrs dans le cours de statistique thorique
concernant le test de Tukey sont appliqus de faon identique dans Minitab.
Nous n'avons pas en classe simul les distributions de l'tude studentise plus par flemme que
par manque de temps (les simulations de Monte-Carlo se basant toujours sur le mme
principe...), donc il n'y aura pas de comparaison par rapport avec MS Excel. Nous ferons ici
juste une vrification des rsultats renvoys par Minitab en utilisant les tables des tendues
studentises.
Nous partons toujours du mme tableau que lors de notre tude de l'ANOVA un facteur
contrl et de la puissance du test de l'ANOVA.

Ensuite, nous allons dans le menu Stat/ANOVA/A un facteur (dsempil)...:
Minitab 367/686

et nous y mettons:

Nous cliquons sur le bouton Comparaisons...:
Minitab 368/686

et nous activons le Taux d'erreur de Tukey un seuil de 5% seulement (le Taux d'erreur
individuel de Fisher tant simplement le test de Fisher vu plus haut appliqu par paire
d'chantillons). Nous validons tout ce beau monde par OK pour obtenir d'abord la premire
partie classique:

Bon videmment nous acceptons l'hypothse nulle mais regardons quand mme la suite de la
fentre de session qui nous donne les informations concernant le test de Tukey (puisque la
puissance du test est mdiocre).

Minitab 369/686

Bon c'est un peu basique comme compte rendu mais maintenant vrifions si nous sommes
peu prs en conformit avec ce qui a t vu dans le cours de statistique thorique et en tant
un peu plus explicite.
Bon d'abord comme nous avons 3 chantillons, ne pouvons faire que les comparaisons par
paires suivantes (1,2);(1,3) ce qui correspond au premier groupe Minitab et de la paire (2,3)
qui correspond au deuxime groupe Minitab ci-dessus.
Bon d'abord, nous allons reprer dans les tables ce qui nous intresse (bon ici c'est 5% plutt
que 2%...):
Minitab 370/686

Nous avons alors conformment ce qui a t vu en cours (donc nous savons d'avance que les
intervalles que nous allons obtenir 5% seront plus rduits que ceux de Minitab qui sont
2%):
, , ,1 3,21 3,1 5%
29.5 29.5
3.5927 7.735
7 7
crit k N k
MSE
R Q Q
n
o
= = = ~
Il vient alors que:
( ) ( )
, , i j crit i j i j crit
x x R x x R

s s +

donnera respectivement pour le cas le plus extrme (qui est suffisant):
( ) ( )
( ) ( )
3 2 , 3 2 3 2 ,
3 2
3 2
3 2
83.857 82.429 7.735 83.857 82.429 7.735
1.429 7.735 1.429 7.735
-5.693 9.164
crit crit
x x R x x R

s s +
s s +
s s +
s s

Donc 0 tant bien dans l'intervalle, nous ne rejetons pas l'hypothse d'galit des moyennes.
Nous ne sommes pas trop trop loin du rsultat de Minitab.
Mais nous avons surtout:

( ) ( )
, ,1
max min
1.428 9.979
i i k N k
MSE
x x Q
n
o
s
s

et la mme conclusion en dcoule.
Minitab 371/686
Exercice 82.: Analyse de la variance deux facteurs (ANOVA-2) sans
rptitions

diffrence de productivit moyenne entre les trois quipes sur une semaine de travail
(hypothse que les moyennes sont gales).
Remarque: La variable est donc l'quipe et sa modalit trois niveaux!
Ouvrez le fichier ANOVA-2-Facteurs-Sans-Repetitions.mpj:

Nous allons dans le menu Stat/ANOVA/A deux facteurs:
Minitab 372/686

Pour avoir:

On clique sur OK:
Minitab 373/686

Nous obtenons donc les mmes rsultats avec les mmes conclusions qu'avec MS Excel.
Et pour info, voici les graphiques des interactions et facteurs principaux obtenus en procdant
comme montr dans l'exercice relatif ce sujet:

Minitab 374/686

Minitab 375/686
Exercice 83.: Analyse de la variance deux facteurs (ANOVA-2) avec
rptitions

diffrence de productivit moyenne entre les trois quipes sur une semaine de travail
(hypothse que les moyennes sont gales).
Remarque: La variable est donc l'quipe et sa modalit trois niveaux!
Ouvrez le fichier ANOVA-2-Facteurs-Avec-Repetitions.mpj:

Nous allons dans le menu Stat/ANOVA/A deux facteurs:
Minitab 376/686

Pour avoir:

On clique sur OK:
Minitab 377/686

Nous obtenons donc les mmes rsultats avec les mms conclusions qu'avec MS Excel.
Et pour info, voici les graphiques des interactions et facteurs principaux obtenus en procdant
comme montr dans l'exercice relatif ce sujet:

Minitab 378/686

Minitab 379/686
Exercice 84.: Test de Kruskal-Wallis

Basons-nous par hommage sur l'exemple original de l'article de Kruskal-Wallis comme nous
l'avons fait dans le cours thorique:

Donc les productions de trois machines diffrentes (une standard, une modifie par un
premier expert, une dernire modifie par une quipe interne). Dans Minitab, cela se mettra
sous la forme:

Minitab 380/686
Ensuite, nous allons dans le menu Stat/Tests non paramtriques/Kruskal-Wallis...:

Nous entrons (il y a peu d'options... donc difficile de se tromper):

Nous obtenons dans la fentre de session:
Minitab 381/686

Nous retrouvons donc la mme chose que les calculs effectus la main par Kruskal-Wallis
avec la relation "pseudo-dmontre" ( l'envers...) dans le cours de statistique thorique. Dans
le cas prsent, un niveau o de 5%, nous sommes donc la limite avec l'approximation par
une loi de Khi-deux. Comme l'ont montr Kruskal et Wallis, une simulation par Monte-Carlo
donne une p-value de 0.049.
Bref, dans cette situation il conviendrait plutt de rejeter l'hypothse nulle comme quoi les
productions sont similaires. Et donc privilgier le fait que celles-ci soient plutt diffrentes.
Bref, dans cette situation il conviendrait plutt de rejeter l'hypothse nulle comme quoi les
productions sont similaires. Et donc privilgier le fait que celles-ci soient plutt diffrentes.
Une recommandation et de refaire le test par paire des mesures pour voir ci qui est
significativement diffrent deux par deux.

Minitab 382/686
Exercice 85.: ANOVA Imbrique (nested ANOVA)

Le but ici va tre de vrifier si avec Minitab nous retrouvons les rsultats de l'analyse d'une
ANOVA hirarchise faite avec MS Excel lors des dmonstrations mathmatiques dans le
cours thorique de l'origine de l'ANOVA hirarchise.
Nous partons donc des donnes identiques celles du cours thorique:

Nous allons dans le menu Stat/ANOVA/ANOVA totalement emboite...:
Minitab 383/686

Nous prenons comme paramtres de rponses et des facteurs (le premier facteur doit tre celui
de premier niveau et ainsi de suite):

Nous validons par OK et obtenons alors:
Minitab 384/686

Nous retrouvons donc bien les valeurs calcules (du moins pour celles visibles dans la capture
d'cran) la main et dans MS Excel relativement aux dmonstrations mathmatiques faites
dans le cours thorique.

Minitab 385/686
Exercice 86.: Test de Friedman

Nous allons nous baser sur l'exemple pratique fait aussi en cours pour appliquer la pseudo-
dmonstration (gure convaincante) que nous avons tudie.

Nous allons alors dans le menu Stat/Tests non paramtriques/Friedman...:
Minitab 386/686

Nous avons alors:

ce qui donne:
Minitab 387/686

Nous retrouvons donc exactement les mmes rsultats que dans le cours thorique.
Minitab 388/686
Exercice 87.: tude R&R (reproductibilit/rptabilit) pour donnes
continues

Une tude R&R mesure l'erreur de prcision en faisant mesurer par exemple une pice par
plusieurs fois et par des personnes diffrentes.
tant donn que cette pice ne change pas de taille, une variation dans les rsultats doit
reprsenter la rptabilit de la mesure et sa reproductibilit par diffrentes personnes.
Cette tude est trs simple et base sur l'ANOVA deux facteurs avec rptition dont on peut
dduire les donnes de l'tude R&R partir du tableau de l'ANOVA (TAV). Pour plus
d'exemples, le lecteur pour se rfrer la norme ISO/TR 12888:2011.
Considrons donc les donnes suivantes qui correspondent une ANOVA deux facteurs
avec rptition (il s'agit des mmes valeurs numriques que l'exercice de l'ANOVA deux
facteurs sans rptition vu plus haut mais dtourn).
Ouvrez le fichier EtudeRRContinu.mpj:

Nous avons donc 3 oprateurs qui mesurent le diamtre en microns de deux pices.
Nous allons dans le menu Stat/Outils de la qualit/tude de l'instrumentation/tude de
R&R de l'instrumentation (croise)...:
Minitab 389/686

et nous nous utiliserons seulement sur une tude R&R base sur l'ANOVA (je trouve cela
plus pertinent que le carte de contrle mentionne):

Minitab 390/686

et dans la fentre de sessions:
Minitab 391/686

Bon dcortiquons maintenant tout cela en commenant par les donnes de la fentre de
sessions!!
Nous avons donc en premier une table de l'ANOVA deux facteurs avec rptition:
Minitab 392/686

aucune surprise car c'est la mme que dans l'exercice que nous avions fait plus haut et que
nous avions dmontr thoriquement et calcul la main dans le cours de statistique
thorique. La seule subtilit et que "l'erreur rsiduelle" se nomme maintenant "rptabilit".
Les conclusions quant aux p-values de cette table se font comme l'habitude pour une
ANOVA normale.
Ensuite, vient le tableau suivant (la deuxime colonne est vidente puisqu'il ne s'agit que de la
contribution de chaque valeur de la premire colonne en % du total):

Pour le calculer, rappelons que nous avons 2 oprateurs ( 2) r = , 3 pices ( 3) k = et deux
rptitions pour chaque mesure ( 2 n = ).
La premire ligne du tableau R&R d'instrumentation total tant juste un total, il nous faut
calculer la deuxime ligne que voici:

et nous voyons de suite dans le tableau de l'ANOVA que:
Minitab 393/686

Ce qui de par la dfinition mathmatique de l'erreur rsiduelle (variance intra-groupe) il est
comprhensible qu'elle soit assimile la rptabilit.
La ligne Reproductibilit est aussi juste un total des deux lignes du dessous. Il nous suffit de
calculer ces dernires pour donc avoir le total. Voyons donc comment est calcule la valeur
partir de la table de l'ANOVA:

Nous avons:
( ) CM:Operateurs-CM:Pieces*Operateurs
243 9.75
Oprateurs 38.875
2 3 n k

= = =

Bingo! La reproductibilit des oprateurs s'interprte donc comme la variance pure
uniquement due aux oprateurs (d'o la soustraction avec la variance d'interaction), divis par
le nombre de mesures par chaque oprateur. Il s'agit donc en quelque sorte de la variance
purement intra-oprateur.
Voyons maintenant d'o viens la valeur suivante:

Nous avons (c'est assez logique):
Minitab 394/686
( ) CM:Pieces*Operateurs-CM:Rptabilit
9.75 3.833
Oprateurs*Pieces 2.9585
2 n

= = =
presque la mme valeur... (faudrait voir comment Minitab Statistical Software fait les
arrondis...).
Nous pouvons donc interprter cette valeur comme tant la variance purement due
l'interaction (d'o la soustraction) divis par le nombre de mesure. Il s'agit donc en quelque
sorte de la variance purement intra oprateur et intra pice.
Il ne reste plus qu' calculer:

qui logiquement est:
( ) CM:Pieces-CM:Pieces*Operateurs
40.75 9.75
De pice pice 7.75
2 2 n r

= = =

Bon maintenant que nous avons dtermin toutes les valeurs la main pour vrification, que
pouvons nous dire globalement de ce tableau?:

Dj il tait clair que le tableau de l'ANOVA nous signalait clairement au vu des p-values que
le choix des oprateurs semble avoir un effet sur les valeurs puisque mais pas celui sur les
pices. Ayant connaissance de cela, le tableau R&R de l'instrumentation nous permet de voir
que la principale variation se trouve lors d'un changement d'un oprateur mois que lors d'un
changement de pice pour un oprateur donn. Il y a donc un problme entre les oprateurs
plutt que dans la faon avec laquelle chaque oprateur mesure avec sa propre technique le
diamtre de la pice.
Pour un responsable qualit, il serait bien d'entraner les excutants afin d'avoir la ligne R&R
d'instrumentation total qui converge asymptotiquement vers la valeur De pice pice.
Maintenant, voyons le troisime tableau:
Minitab 395/686

La premire colonne tant nomme Ecart type, nous nous rendons compte qu'il s'agit
simplement de la racine carre de la variance du tableau prcdent puisque:
( ) V X o =
Il s'agit donc simplement d'une autre manire de lire en utilisant les intervalles de confiance
bass sur une loi Normale. Ainsi, 6o , nous voyons que les oprateurs ont 92.46% de
probabilit cumule d'avoir une dispersion de 40.5362/2~20 microns par rapport la
moyenne. Ce qui est norme!!! Donc dans le cas prsent il faut dfinir les objectifs avec la
direction et les clients pour savoir combien il faut diminuer cette valeur.
Maintenant passons aux graphiques en commenant le premier pour montrer d'o viennent ses
valeurs:

Minitab 396/686
c'est trs simple... il n'y pas grand chose en dire. Ensuite, pour les deux graphiques:

On a bien sur chacun des graphiques chois fois les quatre mesures + la mdiane
Il n'y pas grand chose dire non plus outre qu'encore une fois, on voit facilement qu'il y a un
problme plus prononc entre oprateurs qu'entre pice.
Le graphique suivant est aussi un classique de l'ANOVA:

Un peu plus surprenant, c'est de retrouver des cartes de contrle. Nous avons en premier:
Minitab 397/686

il s'agit donc d'une carte de contrle R-barre R que nous allons retrouver plus loin et dont nous
avons dmontr le mcanisme dans le cours de statistique thorique s. C'est carte n'a aucun
raison d'exister dans le cas prsent pour les raisons suivantes (opinion personnelle mais
dbattre en classe):
1. Il n'y pas de flche du temps dans une tude R&R
2. Normalement chaque point de la carte reprsente une tendue et il est clair que dans le
cas prsent une tendue de deux mesures n'a aucun sens
3. Bien que la carte R-barre R soit fait pour moins de dix mesures par chantillonnage, il
ne faut pas exagrer en considrant qu'elle fonctionne aussi pour deux mesures par
chantillonnage...
4. Normalement cette carte reprsente les mesures pour une mme famille de pices et
ceci n'est pas spcifi dans l'excution du test par le logiciel.
Enfin le dernier graphique qui est encore une carte de contrle:

a encore moins de raison d'tre prsente! Elle n'est statistiquement absolument pas
significative dans le cas prsent. Mais nous allons en dbattre en classe.
Bref, ces deux derniers graphiques n'ont donc de sens que si l'on fait mesurer de nombreuses
fois (plus que deux fois en tout cas....) une mme pice un oprateur.
Minitab 398/686
Exercice 88.: tude R&R (reproductibilit/rptabilit) pour donnes par
attributs

Les tudes R&R pour donnes par attribut comparent plusieurs dcideurs (oprateurs) appels
dcider de l'acceptabilit de plusieurs services (produits ou investissements), diffrents
moments. Les rsultats sont utiliss pour valuer autant la reproductibilit (si les dcideurs
sont d'accord entre eux) que la rptabilit (si chaque dcideur est systmatiquement en
accord avec ses propres rsultats).
Pour plus d'exemples, le lecteur pourra se rfrer la norme ISO/TR 14468:2010.
Bien videmment, des biais peuvent surgir dans le systme de dcision. Donc mme si tous
sont unanimes, il se peut qu'ils aient tous fait le mauvais choix.
Vu que les valuations par attribut sont souvent de nature subjective, il n'est toujours facile de
dterminer quelle est la bonne dcision.
Un point important dans ce type d'analyses, c'est d'avoir un nombre impair d'estimateurs
(donneurs d'opinions) ainsi que pour chaque analyse un nombre impair d'opinions.
Raison pour laquelle dans le tableau ci-dessous, nous avons 3 estimateurs et 3 opinions pour
chaque ligne.
Ouvrez donc le fichier EtudeRRAtribut.mpj:
Minitab 399/686

et nous allons dans le ment Stat/Outils de la qualit/Analyse d'accord d'attribut..:
Minitab 400/686

Comme les d'accords sont reprsents sur plusieurs colonnes, nous prenons Colonnes
multiples (je prfre effectivement cette dernire configuration plus visuelle - mme si
lorsqu'on travaille avec des SGBD, la structure en Colonnes d'attributs est plus facilement
grable):

Nous allons dans Rsultats... pour dsactiver certaines statistiques empiriques:
Minitab 401/686


Minitab 402/686

avec le graphique:
Minitab 403/686

Nous souhaitons pouvoir dterminer tous les calculs la main pour en comprendre le
mcanisme. Voyons donc cela... petit petit. Commenons par le premier tableau qui analyse
les accord Entre estimateurs:

La colonne # Inspection est vidente... il s'agit du nombre d'chantillons analyss (pices,
projets, dcisions ou autres...).
La colonne # Correspondance est vidente aussi. Il s'agit pour chaque donneur d'opinion
(estimateur) le nombre d'chantillons analyss pour lesquels l'avis gnral de chaque
estimateur tait identique l'avis gnral des autres estimateurs (on ne prend pas du tout en
compte l'avis de l'expert!). Pas besoin de calculs, il suffit de prendre 60 secondes pour vrifier
ligne par ligne dans le tableau d'origine et compter. Je laisse le soin au lecteur de faire cela.
La colonne Pourcentage est simple le rapport entre # Correspondance et # Pourcentage.
L'intervalle de confiance est lui simplement calcul partir du test binomial exact. Mais
comme c'est long faire, montrons que nous pouvons le robtenir en faisant nouveau (nous
avons dj prsent cet outil plus haut mais avec l'approximation en loi Normale):
Minitab 404/686

ce qui nous amne :

mais dans les bouton Options... nous ne cochons pas cette fois-ci Utiliser le test et
l'intervalle bass sur la loi normale.
Minitab 405/686

et si nous validons nous obtenons:

donc ce qui correspond bien 73.47% et 97.89%.
Passons au deuxime tableau qui analyse la non concordance d'attributs entre les estimateurs
et l'expert:

La colonne #Reject/Accept avec les valeurs (3,1,1) donne simplement le nombre de fois que
chaque estimateur rejette alors que l'expert accepte. Pour vrifier, il suffit de compter dans la
table d'origine.
La premire colonne Pourcentage avec les valeurs (14.29%, 4.76%,4.76%) est simplement le
rapport entre la colonne #Reject/Accept et le nombre de lignes pour lesquelles l'expert a
Minitab 406/686
accept (dans le cas prsent, l'expert a accept 21 fois sur 30). Donc il s'agit de
(3/21,1/21,1/21)
La colonne #Accept/Reject avec les valeurs (0,0,0) donne simplement le nombre de fois que
chaque estimateur accepte alors que l'expert rejette. Pour vrifier, il suffit de compter dans la
table d'origine.
La deuxme colonne Pourcentage avec les valeurs (0 %, 0%,0 %) est simplement le rapport
entre la colonne # Accept/Reject et le nombre de lignes pour lesquelles l'expert a accept
(dans le cas prsent, l'expert a rejet 9 fois sur 30). Donc il s'agit de (0/9,0/9,0/9)
La colonne #Mixte avec les valeurs (3,0,1) donne simplement le nombre de fois que chaque
estimateur un mlange d'opinions (les opinions unilatralement contraires l'experte ne sont
donc pas comptabilises) et ce quel que soit la conclusion de l'expert.
La dernire colonne Pourcentage avec les valeurs (10%,0%,3.33%) donne simplement le
rapport en pourcentage entre la colonne #Mixte et le nombre de lignes de la table (soit une
division par 30).
Le prochain tableau est donc:

Il s'agit simplement d'une analyse globale non nominative entre estimateurs et toujours avec
un test binomial exact de la proportion.
Effectivement, la colonne #Inspection donne le nombre de lignes du tableau, la colonne
#Correspondance donne le nombre de lignes o les estimateurs taient parfaitement d'accord
entre eux (donc les 9 opinions identiques). La colonne pourcentage donne simplement le
rapport 25/30.
Le dernier tableau:

est identique au prcdent la diffrence que c'est la comparaisons par rapport l'expert.
Minitab 407/686
Exercice 89.: Kappa de Cohen

Encore une fois, le but est d'appliquer les calculs et dmonstrations faits la main pendant le
cours thorique de mthodes numriques et de vrifier que nous retrouvons les mmes valeurs
avec Minitab.
Nous partons donc fichier KappaFleiss_Cohen.mpj:

Nous allons dans le menu Stat/Outils de la qualit/Analyse d'accord d'attribut...:
Minitab 408/686

Et nous prenons:
Minitab 409/686

Nous cliquons sur le bouton Options... pour demander Minitab de nous calculer aussi le
Kappa de Cohen. Nous avons alors:

Nous cliquons ensuite sur le bouton Rsultats... pour s'assurer d'avoir bien:

et nous validons par OK autant de fois que ncessaire. Nous obtenons alors:
Minitab 410/686

Soit les mmes rsultats que lors des calculs la main effectus dans le cours de mthodes
numriques lors de la dmonstration mathmatique en ce qui concerne le kappa de Cohen mis
vidence en rouge ci-dessus (comme le kappa de Fleiss n'est pas dans le cours thorique,
nous ferons comme s'il n'existait pas...).
Minitab 411/686
Exercice 90.: Carte d'essai de l'instrumentation

Toujours dans le cadre de l'tude R&R, il existe un petit graphique trs pratique visuellement
qui s'appelle une Carte d'essai de l'instrumentation qui n'utilise aucune notation
mathmatique.
Pour voir cela, nous restons avec le fichier de l'exercice prcdent:

Nous allons dans le menu Stat/Outils de la qualit/tude de l'instrumentation/Carte
d'essai de l'instrumentation...:

Minitab 412/686

Nous cliquons sur OK:

Minitab 413/686
Exercice 91.: Rgression logistique (logit) variable catgorielle
(qualitative) binaire (dixit: scoring)

Comme nous l'avons vu dans le cours de statistique thorique, le problme d'une rgression
linaire simple (bivarie) ou multiple variable explique de type binaire c'est que le modle
thorique peut prendre toute valeur dans ce qui est videmment une aberration puisque
dans le cas d'une variable explique de type 0/1, le modle thorique ne doit jamais donner
une valeur infrieure 0 et suprieure 1. Or c'est malheureusement ce que fera une rgression
linaire
Pour cela nous avons dmontr qu'il tait possible d'utiliser une autre technique mathmatique
qui nous assurait que la condition susmentionne soit satisfaite. Nous allons reprendre le
mme exemple mais au lieu de faire les calculs la main, nous les faisons donc avec
Nous avons alors dans le fichier RegressionLogistique.mpj le tableau suivant des crdits
procurs pas une banque avec le statut de bon dbiteur (1) ou mauvais dbiteur (0):

Ensuite, nous allons dans le menu Stat/Rgression/Rgression logistique binaire...:
Minitab 414/686

Nous y mettons:

Dans le bouton Rsultats... afin de faire comme dans le cours thorique, vous prenez:
Minitab 415/686

et dans le bouton Options nous vrifions qu'il prenne bien le modle Logit qui correspond
celui calcul la main en cours:

Malheureusement Minitab Statistical Software ne propose pas d'afficher le graphique de la
rgression logistique donc nous validons par OK deux fois pour obtenir dans la fentre de
session:
Minitab 416/686

Les p-value tant infrieures 0, nous pouvons admettre que les coefficients et la constantes
sont bien non nuls.
Cela signifie que la probabilit cumule de valoir 1 est alors donne par (avec x en millier de
francs):
( 61.3183 0.002211 )
1
( )
1
x
P X x
e
+
s =
+

rsultat comparer avec les calculs faits la main dans le cours de statistique thorique:
( 51.1116 0.0018371 )
1
( )
1
x
P X x
e
+
s =
+

Donc il y a eu une relativement grosse diffrence au niveau des paramtres ce qui est normal
puisqu'en cours nous avions utilis la mthode des moindres carrs alors que les logiciels
statistiques utilisent la "log-vraisemblance" empirique (log-likelihood).
Minitab 417/686
Exercice 92.: Plan d'chantillonnage par mesures

Dans le cadre de notre exemple fait dans le cours de statistique - le producteur de boissons
gazeuses - qui reoit des lots de 10'000 bouteilles dont la rsistance la pression (LSL) doit
tre suprieure 22.5 avec un cart-type sous contrle statistique et valant 1.5, le fournisseur
et le client ont chacun fix les risques qu'ils sont prts courir:

Nous devons alors en utilisant cette norme dfinir le N.Q.A. Comme mentionn dans la
dfinition, en gnral le N.Q.A. est proche de
f
D (mais pas gal!). Donc le N.Q.A. sera pos
comme valant 1%.
Nous souhaitons comparer les valeurs donnes par Minitab Statistical Software et celles
obtenues dans le cours statistique thorique bases sur la norme AF-X06-023.
Dans Minitab Statistical Software nous allons dans le menu Stat/Outils de la
qualit/Echantillonnage d'acceptation par variables/Crer/comparer:

et vient la fentre suivante remplir comme indiqu:
Minitab 418/686

Nous allons dans le bouton Graphiques:

nous dcochons tout pour la simple raison que nous n'en avons pas fait les dmonstrations
dans le cours de statistique thorique. Nous validons alors deux fois par OK pour obtenir dans
la fentre de session les informations suivantes:
Minitab 419/686

Ce qui correspond assez bien ce que nous avions obtenu dans le cours de statistique
thorique o l'effectif de l'chantillon tait de 18 pour les calculs la main et 25 selon la
norme (Minitab Statistical Software donne donc 19) et une distance critique de 1.943 pour
les calculs la main et 1.97 selon la norme (Minitab Statistical Software donne donc
1.94393).
Minitab 420/686
Exercice 93.: Plan d'chantillonnage par attribut

Un lot de bouteilles est livr sous forme de lots de 10'000 units correspondant N. Nous
cherchons mettre en place un plan de contrle de la rception par attributs avec la
probabilit cumule (risque) o de 1% que le client rejette tort le lot avec moins de 2.5%
( p
o
) de non-conformes. De son ct le client souhaite une probabilit cumule (risque) | de
10% d'accepter tort un lot avec plus de 5% ( p
|
) de non-conformes.
Le but est de dterminer donc la valeur de A (nombre de non-conformes limite acceptable) et
de n (taille de l'chantillon prlever) et de la comparer aux valeurs obtenues l'aide
nomographe dans le cours de statistique thorique.
Dans Minitab Statistical Software nous allons dans le menu Stat/Outils de la
qualit/Echantillonnage d'acceptation par attributs:

Nous avons alors la fentre suivante:
Minitab 421/686

Si la taille du lot tait petite, nous pourrions allez dans le bouton Options et y cocher Utiliser
la loi hypergomtrique pour le lot isol:

mais ici le lot est trs grand nous pouvons donc nous en passer.
Dans le bouton Graphiques:
Minitab 422/686

nous dcochons tout pour la simple raison que nous n'en avons pas fait les dmonstrations
dans le cours de statistique thorique. Nous validons alors deux fois par OK pour obtenir dans
la fentre de session les informations suivantes:

Ce qui correspond assez bien ce que nous avions obtenu dans le cours de statistique
thorique o l'effectif de l'chantillon tait de 700 (Minitab Statistical Software donne donc
718) et un critre d'acceptation de 30 (Minitab Statistical Software donne donc 28).
Minitab 423/686
Exercice 94.: Carte de contrle par attributs p (proportion)

Dans le cadre de contrle de lots nous avons obtenus les mesures suivantes (fichier CC-
P.mpj):

Nous souhaiterions tracer une carte de contrle par attributs de type p et comparer avec les
calculs thoriques effectus dans le cours de statistique thorique et dans le cours MS Excel.
Dans Minitab Statistical Software nous allons dans le menu Stat/Cartes de contrle/Cartes
aux attributs/P:
Minitab 424/686

Nous avons alors la bote de dialogue suivante:

Minitab 425/686

Nous obtenons donc les mmes valeurs et la mme carte que dans le cours de statistique
thorique et MS Excel.
Minitab 426/686
Exercice 95.: Carte de contrle par attributs de type np (proportion)

Dans le cadre de contrle de lots nous avons obtenu les mesures suivantes (fichier CC-
NP.mpj):

Nous souhaiterions tracer une carte de contrle par attributs de type np et comparer avec les
aux attributs/NP:
Minitab 427/686


Minitab 428/686

Minitab 429/686
Exercice 96.: Carte de contrle par attributs de type c

Dans le cadre de contrle de lots nous avons obtenu les mesures suivantes (fichier CC-C.mpj):

Nous souhaiterions tracer une carte de contrle par attributs de type c et comparer avec les
aux attributs/C:
Minitab 430/686


Minitab 431/686

Minitab 432/686
Exercice 97.: Carte de contrle par attributs de type u

Dans le cadre de contrle de lots nous avons obtenu les mesures suivantes (fichier CC-
U.mpj):

Nous souhaiterions tracer une carte de contrle par attributs de type u et comparer avec les
aux attributs/U:
Minitab 433/686


Minitab 434/686

Minitab 435/686
Exercice 98.: Carte de contrle par mesures S

Dans le cadre de contrle d'une production sous contrle statistique nous avons obtenu les
mesures suivantes (fichier CC-Sbarre.mpj):

Nous souhaiterions tracer une carte de contrle par mesures groupes de type S et comparer
avec les calculs thoriques effectus dans le cours de statistique thorique et dans le cours MS
Excel.
de variables pour sous-groupes/S:
Minitab 436/686


Nous cliquons sur Options S:
Minitab 437/686

pour cocher l'option S barre car c'est un peu le but quand mme (curieux que ce ne soit pas
coch par dfaut dans Minitab Statistical Software). Nous validons deux fois par OK:

Minitab 438/686
Exercice 99.: Carte de contrle par mesures X barre-S simple

mesures suivantes (fichier Xbarre-S.mpj):

Nous souhaiterions tracer une carte de contrle par mesures groupes de type X barre-S et
comparer avec les calculs thoriques effectus dans le cours de statistique thorique et dans le
cours MS Excel.
de variables pour sous-groupes/X barre:
Minitab 439/686


Nous cliquons sur Options de carte X barre:
Minitab 440/686

pour cocher l'option S barre car c'est un peu le but quand mme. Nous validons deux fois par
OK:

Minitab 441/686
Minitab 442/686
Exercice 100.: Carte de contrle par mesures X barre-S barre combines

mesures suivantes (fichier CC Xbarre-S.mpj):

Nous souhaiterions tracer une carte de contrle par mesures groupes de type X barre
combine une S barre (soit les deux exercices prcdents en un seul coup) et comparer avec
les calculs thoriques effectus dans le cours de statistique thorique et dans le cours MS
Excel.
de variables pour sous-groupes/X barre-S:
Minitab 443/686


Nous cliquons sur Options de carte X barre-S:
Minitab 444/686

pour cocher l'option S barre car c'est un peu le but quand mme. Nous validons deux fois par
OK:

et donc nous retrouvons bien les graphiques des deux exercices prcdents qui correspondent
donc toujours ce qui a t calcul dans le cours de statistique thorique et MS Excel.
Minitab 445/686
Exercice 101.: Carte de contrle par mesures X barre-S barre combines
groupes par dates

donnes suivantes (fichier AnomaliesDatees.mpj):

Nous voulons effectuer une analyse X barre-S barre combine. Pour cela, nous allons dans
Minitab Statistical Software nous allons dans le menu Stat/Cartes de contrle/Cartes de
variables pour sous-groupes/X barre-S:
Minitab 446/686

et nous prenons:

Ensuite, pour avoir le temps en abscisse, on cliquer sur le bouton Echelle... pour y mettre:
Minitab 447/686

Nous validons par OK et dans Options de carte X barre-S, nous prenons (car c'est quand
mme un peu le but...):

et nous validons tout cela par OK autant de fois que ncessaire pour obtenir au final nos
diagrammes avec les dates:
Minitab 448/686

Minitab 449/686
Exercice 102.: Carte de contrle par mesures R barre-R barre combines

mesures suivantes (fichier CC Rbarre-R.mpj):

Nous souhaiterions tracer une carte de contrle par mesures groupes de type R barre R et
cours MS Excel.
de variables pour sous-groupes/R:
Minitab 450/686


Nous cliquons sur Options R:
Minitab 451/686

pour cocher l'option R barre car c'est un peu le but quand mme. Nous validons deux fois par
OK:

Minitab 452/686
Exercice 103.: Carte de contrle par mesures X barre-R barre combines

mesures suivantes (fichier CC XBarre-R.mpj):

Nous souhaiterions tracer une carte de contrle par mesures groupes de type X barre R et
cours MS Excel.
de variables pour sous-groupes/X barre:
Minitab 453/686


Nous cliquons sur Options de carte X barre:
Minitab 454/686

OK:

Minitab 455/686
Minitab 456/686
Exercice 104.: Carte de contrle par mesures X barre-R barre combines

mesures suivantes (fichier CC Xbarre-R.mpj):

combine une R barre (soit les deux exercices prcdents en un seul coup) et comparer avec
les calculs thoriques effectus dans le cours de statistique thorique et dans le cours MS
Excel.
de variables pour sous-groupes/X barre-R:
Minitab 457/686


Nous cliquons sur le bouton Options de carte X barre-R:
Minitab 458/686

OK:

Minitab 459/686
Exercice 105.: Carte de contrle par mesures individuelles par l'tendue
mobile

mesures suivantes (fichier CC I-EM.mpj):

Nous souhaiterions tracer une carte de contrle par mesures groupes de type I-EM barre EM
et comparer avec les calculs thoriques effectus dans le cours de statistique thorique et dans
le cours MS Excel.
de variables pour individus/Individus:
Minitab 460/686


Minitab 461/686

Minitab 462/686
Exercice 106.: Carte de contrle par mesures individuelles X barre par
l'tendue mobile

mesures suivantes (fichier CC I-EM.mpj):

Nous souhaiterions tracer une carte de contrle par mesures groupes de type I-EM barre EM
et comparer avec les calculs thoriques effectus dans le cours de statistique thorique et dans
le cours MS Excel.
de variables pour individus/Etendue Mobile:
Minitab 463/686


Minitab 464/686

Minitab 465/686
Exercice 107.: Carte de contrle par mesures individuelles X barre-EM
barre combines

mesures suivantes (fichier CC CC I-EM.mpj):

combine une EM barre (soit les deux exercices prcdents en un seul coup) et comparer
avec les calculs thoriques effectus dans le cours de statistique thorique et dans le cours MS
Excel.
de variables pour sous-groupes/I-EM :
Minitab 466/686


Minitab 467/686

Minitab 468/686
Exercice 108.: Carte de contrle individuelle Moyenne Mobile (MA) avec
limites bases sur l'tendue mobile

mesures suivantes (fichier CC MA.mpj):

Nous souhaiterions tracer une carte de contrle par mesures individuelle autocorrle de type
Moyenne mobile avec limites bases sur l'tendue mobile et comparer avec les calculs
thoriques effectus dans le cours de statistique thorique et dans le cours MS Excel.
pondres chronologiques/Moyenne Mobile:
Minitab 469/686


o nous avons mis les mmes paramtres que dans le cours MS Excel et de statistiques
thoriques (h = 4 et effectif du sous-groupe valant 1). Nous cliquons ensuite sur Options
MM pour vrifier que les limites seront bien calcules sur la base de l'tendue mobile:
Minitab 470/686

Nous validons deux fois par OK pour obtenir:

Nous obtenons donc les mmes valeurs
t
M et la mme carte que dans le cours de statistique
thorique et MS Excel. la diffrence des 3 premiers points (qui selon moi ne devraient pas
tre prsents sur la carte).
Minitab 471/686
Exercice 109.: Carte de contrle CUSUM V-Masque avec chantillons

mesures suivantes (fichier CC CUSUM.mpj):

Nous souhaiterions tracer une carte de contrle autocorrle par mesures groupes de type
CUSUM V-Masque et comparer avec les calculs thoriques effectus dans le cours de
statistique thorique et dans le cours MS Excel.
pondres chronologiques/CUSUM:
Minitab 472/686


Ensuite, pour avoir une carte de contrle de type V-Masque il faut aller cliquer sur le bouton
Options CUSUM et aller dans l'onglet Plan/Type:
Minitab 473/686

o nous avons par rapport au cours thorique la mme valeur que h, mais o n'est pas
demand puisque le logiciel passe directement par le paramtre K vu en cours et il le demande
en % (les calculs la main ont pour valeur de K 0.025)
Nous avons alors en validant deux fois par OK:

Nous obtenons donc les mmes valeurs
i
C (un logiciel comme JMP se base lui sur les
i
S ) et
la mme carte que dans le cours de statistique thorique et MS Excel.
Minitab 474/686
Exercice 110.: Carte de contrle EWMA avec chantillons

mesures suivantes (fichier CC EWMA Ech.mpj):

Nous souhaiterions tracer une carte de contrle autocorrle par mesures groupes de type
EWMA avec groupes d'chantillons et comparer avec les calculs thoriques effectus dans le
cours de statistique thorique et dans le cours MS Excel.
pondres chronologiques/EWMA:
Minitab 475/686


Minitab 476/686

Nous retrouvons donc quasiment les mmes valeurs que dans le cours thorique de
statistiques et que le cours MS Excel. Effectivement, nous y avions fait une approximation en
ce qui concerne les limites de contrle (indpendantes du temps t) et la valeur du point de
dpart d'o la petite diffrence.
Minitab 477/686
Exercice 111.: Carte de contrle EWMA individuelle

mesures suivantes (fichier CC EWMA Ind.mpj):

Nous souhaiterions tracer une carte de contrle autocorrle par mesures individuelles de type
EWMA et comparer avec les calculs thoriques effectus dans le cours de statistique thorique
et dans le cours MS Excel.
pondres chronologiques/EWMA:
Minitab 478/686


Nous cliquons sur Options EWMA:
Minitab 479/686

et nous nous assurons que Moyenne de l'tendue mobile soit active afin d'tre conforme
ce que nous avons fait dans le cours thorique de Statistique et MS Excel. Nous validons
enfin deux fois par OK:

Nous retrouvons donc quasiment les mmes valeurs que dans le cours thorique de
statistiques et que le cours MS Excel. Effectivement, nous y avions fait une approximation en
ce qui concerne les limites de contrle (indpendantes du temps t) et la valeur du point de
dpart d'o la petite diffrence.
Minitab 480/686
Exercice 112.: Carte combine X Barre-R et R Barre-R avec deux phases

mesures suivantes (fichier CC XBARRE-R Avant-Apres.mpj):

Nous souhaiterions tracer une carte de contrle par mesures groupes de type combine X
Barre-R et R Barre-R afin de voir qu'il est trs facile avec Minitab Statistical Software (au
mme titre qu'avec MS Excel) d'obtenir une carte de contrle avec deux phases (ou plus).
Dans Minitab Statistical Software nous allons dans le menu Stat/Cartes de contrle/X-
Barre R:
Minitab 481/686


Nous cliquons sur Options de carte X barre-R pour s'assurer d'abord que l'Estimation
utilise la mme mthode opratoire que celle vu en cours:
Minitab 482/686

Nous en profitons pour activer toutes les rgles de type WECO que Minitab Statistical
Software propose en allant dans l'onglet Tests:

et nous allons enfin dans l'onglet Etapes pour signaler au logiciel la colonne qui lui permettra
de distinguer le commencement d'une nouvelle phase:
Minitab 483/686

Nous validons deux fois par OK pour obtenir au final:

Pour voir qu'il n'y a finalement pas d'amlioration notable entre la phase 1 et 2.
Minitab 484/686
Exercice 113.: Carte de contrle G
Minitab Statistical Software R16.2.1

Dans le cadre de contrle d'vnements rares, nous avons obtenu les mesures suivantes
(fichier CarteG.mpj):

o nous pouvons-voir que nous avons pris le cas particulier o... il y a exactement un
vnement mesur par jour et donc le nombre d'vnements entre chaque anomalie
correspond au nombre de jours entre chaque anomalie aussi...
Nous souhaiterions tracer une carte de contrle par des vnements G afin de voir qu'il est trs
facile avec Minitab Statistical Software (au mme titre qu'avec MS Excel) d'obtenir une
carte de contrle.
Dans Minitab Statistical Software (16.2.1) nous allons dans le menu Stat/Cartes de
contrle/Carte des vnements rates/G:
Minitab 485/686


o, comme nous l'avons spcifi lors de l'tude thorique, pour un logiciel comme Minitab
Statistical Software, la limite de contrle infrieure est dfinie au percentile 0.0013499 de la
distribution gomtrique (en prenant la valeur dcimale la plus proche par interpolation
linaire). La limite de contrle suprieure est dfinie au percentile 0.99865 (en prenant aussi
la valeur dcimale la plus proche par interpolation linaire). La ligne centrale est dfinie au
percentile 0.5 (en prenant la valeur dcimale la plus proche par interpolation linaire).
Minitab 486/686
Exercice 114.: Analyse SixPack

Maintenant que nous savons faire une analyse de capabilit et des cartes de contrles avec
Minitab et que nous savons aussi en faire la dmonstration mathmatique et le calcul manuel
comme vu dans le cours thorique, nous pouvons voir dans Minitab un outil fort pratique qui
combine les deux concepts et l aussi vrifier que nous retrouvons tout ce qui a t calcul
dans le cours thorique.
Nous partons du mme jeu de donnes que dans le cours thorique:

Ensuite, nous allons dans la menu Stat/Outils de la qualit/Capability Sixpack/Normale...:
Minitab 487/686

Et nous mettons alors:

Dans le bouton Tests... nous prenons tous les tests de la WECO:
Minitab 488/686

Dans le bouton Options... nous prenons (toujours pour tre conforme aux calculs faits la
main dans le cours thorique):

Comme les chantillons sont petit (infrieur 10), nous devrions prendre la carte R barre mais
si nous voulons retrouver les calculs faits dans le cours thorique, il nous faudra laisser
l'option Ecart Type regroup active dans le bouton Estimation... (car dans Minitab les
indices de Capabilit et non pas seulement la carte de contrle dpendent de la manire dont
l'cart-type est calcul):
Minitab 489/686

Nous validons tout ce beau monde par OK pour obtenir:

avec dans la fentre de session:

Minitab 490/686
Nous remarquons que nous retrouvons tous les calculs faits la main au deuxime chiffre
aprs la virgule prs. Nous voyons aussi que le test d'Anderson-Darling nous amne en toute
rigueur rejeter l'hypothse de Normalit mais comme c'est pour l'exemple...

Minitab 491/686
Exercice 115.: Construction de plans d'expriences

Ici, le lecteur aura besoin de n'ouvrir aucun fichier car le seul objectif ici est de vrifier que
Minitab Statistical Software propose les plans d'exprience de base que nous avons tudi
dans le cours thorique sur le mme sujet avant de passer des exemples concrets.
Pour commencer, nous allons dans le menu Stat/DOE (plan d'expriences)/Plan
factoriel/Crer un plan factoriel...:

Bien que le nom soit "plan factoriel", nous pouvons crer en ralit d'autres plans que des
plans factoriels comme nous allons le voir. Donc le nom n'est pas forcment trs bien choisi.
Vient alors la bote de dialogue suivante:
Minitab 492/686

Nous prenons d'abord le classique Plan factoriel complet gnral correspondant l'exercice
d'optimisation fait lors du cours de statistique thorique. Ensuite, nous cliquons sur le bouton
Plans pour y mettre conformment toujours au mme exercice:

o nous avons comme pour l'exercice fait lors du cours de statistique thorique, signal que
nous avions 3 Nombre de rpliques et nous demandons Minitab Statistical Software de
Crer des blocs pour les rpliques.
Ensuite, nous cliquons sur le bouton Facteurs pour contrler que tout est conforme
relativement ce que nous avions fait dans le cours de statistique thorique:
Minitab 493/686

Nous cliquons ensuite sur le bouton Options pour dcocher Randomiser les essais et pour
activer Stocker le plan dans la feuille de travai:

Nous validons le tout par OK. Nous obtenons alors dans la fentre de session:

o tout est conforme ce que nous avons vu dans le cours de statistique thorique, ainsi que
le plan d'exprience ci-dessous qui est lui aussi totalement conforme:
Minitab 494/686

Maintenant voyons comment gnrer un plan fractionnaire (dans le cas prsent ce sera un plan
factoriel fractionnaire comme celui vu en cours) o nous laissons le soin Minitab
Statistical Software de choisir les meilleurs gnrateurs (alias).
Nous commenons donc par:

o comme dans le cours de statistique thorique, nous prenons 3 Nombre de facteurs.
Ensuite, nous cliquons sur le bouton Plans...:
Minitab 495/686

Et nous prenons le plan Fraction et nous cliquons sur OK pour tout valider:

Nous voyons dj dans la fentre de sessions que nous avons le mme gnrateur et les
mmes alias que ceux vus en cours. La plan correspondant est alors donn par Minitab
Statistical Software:
Minitab 496/686

et nous retrouvons donc bien la mme matrice ( la diffrence de l'ordre des lignes car je n'ai
pas dcoch l'option de randomisation des essais).
Maintenant voyons le vrai intrt d'un logiciel pour la base des plans d'exprience. Comme
nous l'avons mentionn dans le cours de statistique thorique, au-del de 4 facteurs il devient
pnible de dterminer la matrice d'Hadamard pour les plans fractionnaires et les alias
optimaux. Alors voyons comment Minitab Statistical Software nous facilite la tche.
Nous retournons dans la bote de dialogue suivante:

et nous choisissons 5 Nombre de facteurs. Nous cliquons sur Afficher les plans
disponibles... et nous avons alors:
Minitab 497/686

Nous voyons ainsi que pour 5 facteurs, Minitab Statistical Software nous propose un plan
complet 32 essais, un plan factoriel fractionnaire (1/2) de rsolution V de 16 essais et un
plan factoriel fractionnaire (1/4) de rsolution III (dangereux utiliser quand mme!!!).
Voyons donc cela en prenant d'abord le classique plan complet:

et en prenant des facteurs factoriels:
Minitab 498/686

Demandons Minitab Statistical Software de nous afficher le Tableau rcapitulatif et
tableau des alias dans la fentre de session:

Ensuite, demandons-lui de ne pas Randomiser les essais:

Validons le tout par OK. Nous avons alors:
Minitab 499/686

Donc tout est bon ( part que comme d'habitude avec Minitab Statistical Software, il est
dommage qu'il ne propose pas d'afficher les interactions). Ensuite, voyons le plan
fractionnaire de rsolution V. Il va tre intressant de voir ici quels sont les alias choisis par
dfaut par le logiciel. Nous avons donc:
Minitab 500/686

Nous validons par OK et nous obtenons:

Donc nous voyons la liste de tous les alias, ce qui est trs intressant! Par ailleurs, nous
pouvons voir que le choix de ceux-ci est mme intuitif sans faire de grande thorie. Ce qui
donne pour plan:
Minitab 501/686

Maintenant voyons le pla factoriel fractionnaire de rsolution III. Il est trs intressant de
voir comment les alias vont tre choisis:

En validant par OK, nous obtenons:
Minitab 502/686

Il est donc trs intressant de pouvoir observer le dtail du choix des alias. Le plan quant lui
donne:

Maintenant, voyons les plans de Plackett-Burman que nous avons aussi tudi dans le cours
de statistique thorique. Faisons l'exemple avec le plus petit nombre de facteur o ces plans
commencent tre vraiment intressants comme nous l'avons vu dans le cours. Nous avons
alors:
Minitab 503/686

Nous prenons 12 essais comme nous l'avons fait en cours (le lecteur remarquera que le
nombre d'essais proposs correspond bien ce que nous avons vu dans le cours thorique lors
de la dmonstration des matrices de Hadamard):

Nous vrifions que nous aurons bien un plan de Plackett-Burman de type factoriel:

Nous dsactivons la randomisation des essais:
Minitab 504/686

Et nous validons tout cela par OK et nous obtenons:

Nous observons donc que la fentre de session n'affiche pas les alias (ce qui est dommage
puisque les plans de Plackett-Burman sont des plans rsolution III comme nous l'avons dit
en cours). Le plan obtenu est lui plutt surprenant. Nous n'avons que 4 colonnes pour les
facteurs de base. Certes il n'est pas utile d'en avoir plus mais cela aurait t sympathique de
pouvoir choisir...

Maintenant, pour en finir avec la base des plans d'exprience, voyons encore les plans de
Taguchi. Nous allons dans le menu DOE (plan d'expriences)/Taguchi/Crer un plan de
Taguchi...:
Minitab 505/686

Nous allons prendre un Plan 2 niveau (donc un plan factoriel) avec la valeur 3 pour
nombre de facteurs comme dans le cours thorique:

Nous cliquons par curiosit sur Afficher les plans disponibles...:
Minitab 506/686

Nous voyons qu'il y a donc la majorit des plans de Taguchi qui sont disponibles dans
Minitab Statistical Software. Il n'y pas les graphes linaires par contre ce qui pourrait tre
jug par certains comme tant un manque. Voil ce que nous trouvons par exemple dans
l'onglet Mixte 2-3 niveaux:

et dans l'onglet Mixte 2-4 niveaux:
Minitab 507/686

et dans l'onglet Mixte 2-8 niveaux:

et enfin dans l'onglet Mixte 3-6 niveaux:
Minitab 508/686

Bon ceci tant vu, cliquons sur le bouton Plans... pour avoir:

Nous prenons le plan L8 comme celui tudi dans le cours thorique. Ensuite, nous cliquons
sur le bouton Facteurs...:
Minitab 509/686

Nous vrifions la faon dont les niveaux seront nots (nous laissons la notation traditionnelle
de Taguchi). Nous voyons aussi que Minitab Statistical Software choisi comme nous l'avons
vu dans le cours thorique de mettre les trois facteurs A, B et C dans les colonnes respectives
1, 2 et 4.
Nous validons le tout par OK et obtenons d'abord dans la fentre de session:

c'est un petit rsum. Il faut dire que la socit responsable de Minitab Statistical Software
avait la marge de faire beaucoup mieux. Mais bon on va pas se plaindre, c'est dj pas mal. Le
plan lui est donn:
Minitab 510/686

et l encore une fois, nous avons le minimum, minimorum, ce qui est dommage bien que ce
soit juste. Il aurait t bien de pouvoir choisir si nous voulions la table de Taguchi complte
ou non.
Maintenant, voyons si nous retrouvons ce plan de Taguchi avec le plan factoriel "classique".
Nous allons donc le menu dj vu plus haut:

Nous allons dans le bouton Plans...:
Minitab 511/686

et prenons le plan fractionnaire de rsolution IV. Nous savons que pour obtenir le plan de
Taguchi partir d'un plan classique, nous devrons au moins spcifier un gnrateur. Nous
prendrons donc la 5
me
colonne (E) comme tant la multiplication de A et B (AB) soit:

Nous dfinissons aussi la notation des facteurs en cliquant sur le bouton Facteurs... afin
d'avoir la mme notation que celle de Taguchi:

Minitab 512/686
et nous validons le tout par OK pour obtenir dans la fentre de session:

Nous voyons ainsi les alias qu'il nous faudrait prendre pour avoir la mme chose qu'une table
de Taguchi (nous avons reprsent en rouge l'quivalent de la table de Taguchi). videmment
c'est du bricolage mais cela montre juste qu'on peut retomber dessus.

Minitab 513/686
Exercice 116.: Comparaison d'un plan d'exprience identique en factoriel
complet gnral et factoriel 2 niveaux

Avant de passer au gros exercice fait la main dans le cours thorique il va tre utile de
commencer par un cas hyper simpliste qui avait consist rsoudre la main le systme
suivant:

Ce qu nous avait donn sous forme matricielle:

La solution dtermine avait t:

Vrifions cela avec Minitab. Nous allons dans Stat/DOE (plan d'expriences)/Plan
factoriel/Crer un plan factoriel...:

Minitab 514/686
et nous allons prendre un plan Factoriel 2 niveaux (gnrateurs par dfaut) avec 2
facteurs:

Nous cliquons sur le bouton Plans... pour avoir le choix logique:

Ensuite, nous cliquons sur le bouton Facteurs... pour y mettre:

Minitab 515/686
Et nous validons le tout par OK et nous saisissons ensuite les valeurs mesures (Rponses)
dans la feuille:

et nous lanons l'analyse en allant dans le menu Stat/DOE (plan d'expriences)/Plan
factoriel/Analyser un plan factoriel...:

Minitab 516/686

Une seule chose nous intresse dans cet exercice! Les coefficients!! Ds lors, nous allons dans
le bouton Stockage... et slectionnons la case Coefficients:

En validant le tout par OK, nous avons alors dans la feuille:

Soit exactement les mmes coefficients que ceux calculs la main:

Minitab 517/686
Bien videmment si le tableau d'exprience avait t en donnes codes avec par exemple:

Cela n'aurait bien videmment pas donn le mme comme le montre la capture d'cran du
rsultat d'analyse ci-dessous:

Coefficients trivialement calculs avec la relation dmontre dans le cours thorique:

Bon tout est normal et rassurant!
Maintenant procdons une autre variante dont le rsultat est moins intuitif. Nous
recommenons en allant dans le menu Stat/DOE (plan d'expriences)/Plan factoriel/Crer
un plan factoriel...:
Minitab 518/686

et nous prenons cette fois-ci un Plan factoriel complet gnral avec 2 facteurs:

et nous cliquons sur Plans... pour avoir:
Minitab 519/686

Ensuite, nous cliquons sur Facteurs... pour y mettre:

Nous validons le tout par OK pour ensuite mettre les valeurs mesures (remarquez que nous
avons le mme tableau qu'au dbut de l'exercice donc a priori nous devrions avoir le mme
rsultat):

et en lanant l'analyse exactement comme pour les exemples prcdents, nous obtenons:
Minitab 520/686

Soit un rsultat compltement diffrent :

Au fait si le lecteur a bien fait attention Minitab renvoi les coefficients pour les facteurs cods
obtenus par:

Pour la simple raison qu'il n'est pas possible de faire autrement dans le cas gnra!
Pour vrifier, nous pouvons relance le mme plan d'exprience et en codant les facteurs:

Nous arrivons au mme rsultat (donc avec les mmes coefficients!!):
Minitab 521/686

C.Q.F.D....
Minitab 522/686
Exercice 117.: Analyse du modle d'un plan factoriel complet gnral

Dans le cours de statistique thorique, nous avons tudi en dtails un plan d'exprience
permettant de modliser et donc d'optimiser la distance parcourue par un vhicule. Nous
avions obtenus sans interactions, le modle mathmatique suivant:
1 2 3
349.7
163.4 78.7
33'119.3 619.4
163.4 78.7
269.7
Y x x x
(
( (
(
= + + +
( (
(

(

L'objectif va tre de vrifier si nous retrouvons le mme modle avec Minitab Statistical
Software. Pour cela, nous allons d'abord crer le plan factoriel comme dans l'exercice
prcdent.
Nous allons donc dans le menu Stat/DOE (plan d'expriences)/Plan factoriel/Crer un
plan factoriel...:

Nous prenons un Plan factoriel complet gnral 3 niveaux:
Minitab 523/686

Nous cliquons sur le bouton Plans...:

sans oublier de spcifier nous avons 3 rpliques comme nous l'avons fait dans le cours de
statistique thorique.
Remarque: Il n'y pas le choix de faire des points centraux pour ce type de plan, mme si
tous les facteurs sont 2 niveaux. Pour avoir des points centraux, il faudra passer par
l'option Factoriel 2 niveaux et prendre ensuite un plan complet.
Ensuite, nous allons dans le bouton Options...:
Cocher pour distinguer les blocs
dans la feuille!
Minitab 524/686

Nous validons par OK et nous reportons toutes les mesures utilises dans le cours thorique
(ou ouvrir le fichier DOE_FactorielComplet_3Facteurs):

ce qui correspond bien au tableau du cours thorique qui tait pour rappel:
N Essai
1
x
2
x
3
x Valeurs de y
1 1 1 1 32'700 32'750 32'960
2 1 1 2 33'430 33'360 32'910
3 1 1 3 31'710 32'100 32'220
4 1 2 1 32'680 32'270 33'130
5 1 2 2 34'070 33'100 33'610
6 1 2 3 33'220 33'700 33'285
7 2 1 1 33'180 32'160 32'640
8 2 1 2 34'430 34'280 34'460
9 2 1 3 33'570 33'300 32'570
10 2 2 1 33'270 33'080 32'415
11 2 2 2 33'440 33'570 34'204
12 2 2 3 32'840 33'210 32'470
Minitab 525/686
Ensuite, nous lanons l'analyse du plan en allant dans le menu Stat/DOE (plan
d'expriences)/Plan factoriel/Analyser un plan factoriel:

Nous mettons les rponses:

Nous cliquons sur le bouton Termes... pour y prendre les facteurs simples sans les
interactions (dans un premier temps):
Minitab 526/686

Ensuite, nous cliquons sur le bouton Stockage pour dire que nous voulons les Coefficients et
la Matrice du plan:

Nous validons par OK et nous nous retrouvons avec une nouvelle colonne COEFF1:

qui contient bien le modle thorique sans interaction:
Ne pas cocher sinon rsultats
diffrents que ceux vu dans le
cours thorique!
Minitab 527/686
1 2 3
349.7
163.4 78.7
33'119.3 619.4
163.4 78.7
269.7
Y x x x
(
( (
(
= + + +
( (
(

(

mais sous forme condense, comme nous l'avions mentionn dans le cours thorique.
Ensuite, dans le cours thorique, nous avions calcul la main le modle avec des interactions
du deuxime ordre. Nous avions obtenus:
142.2 40.8
194.9 161.9 151.7
349.7
163.4 78.7 194.9 19.7 192.5
33119.3 619.4
163.4 78.7 194.9 142.2
269.7
194.9 161.9
19.7
y A B C AB AC BC
(
(
(
(
(
(
( ( (
(
(
= + + + + + +
(
( (
(
(

(
(
(

(

40.8
151.7
192.5
(
(
(
(
(
(
(
(

Voyons si Minitab Statistical Software nous donnera cela sous la mme forme (bon nous
savons dj que non mais vrifions quand mme). Donc encore une fois, nous allons dans le
mme menu:

Mais cette fois-ci, nous prenons les interactions jusqu'au deuxime ordre:
Minitab 528/686

Nous validons par OK pour obtenir (nous avions effac la colonne des rsultats prcdents):

Nous retrouvons bien les coefficients sous une forme trs condense comme nous l'avions
mentionn dans le cours thorique.
Si maintenant, nous recommenons la procdure mais en activant cette fois-ci les Valeurs
ajustes et les Valeurs rsiduelles:
Minitab 529/686

Nous nous retrouvons avec:

Nous nous retrouvons donc avec les mmes valeurs ajustes (valeurs du modle thorique) et
les mmes valeurs rsiduelles (qui sont simplement la diffrence entre la colonne Rponse et
la colonne AJUSTEES1).
Minitab 530/686
Exercice 118.: Analyse graphique des effets principaux et interactions du
modle d'un plan factoriel complet

Nous partons toujours du mme modle que celui utilis prcdemment:

Nous allons dans le menu Stat/DOE (plan d'expriences)/Plan factoriel/Diagrammes
factoriels...:
Minitab 531/686

et nous cochons:

Nous cliquons sur le bouton Configuration... pour les effets principaux pour prendre:
Minitab 532/686

et de mme pour les interactions:

Ce qui nous donne:
Minitab 533/686

Nous retrouvons ci-dessus dans un premier temps pour chaque sous-graphique la moyenne
exprimentale gnrale qui est 33'119.3.
Ensuite, nous retrouvons dans chaque graphique, la moyenne exprimentale de la variable
d'observation (distance parcourue) pour chacun des niveaux. Moyennes identiques que celles
calcules dans le cours thorique.
Ensuite pour les interactions, nous obtenons le "profileur" suivant:

Minitab 534/686
Nous voyons donc qu'il y a une interaction importante entre A et B (les calculs faits la main
dans le cours thorique nous l'avaient montr). Pour les autres, nous retrouvons aussi les
mmes rsultats que dans le cours thorique.
Minitab 535/686
Exercice 119.: Analyse d'un plan factoriel fractionnaire avec choix des alias

Nous allons voir ici comment faire un plan d'exprience factoriel fractionnaire 5 facteurs du
type
5 2
2

avec le choix des gnrateurs. Mais d'abord nous allons comparer les gnrateurs
que choisit automatiquement Minitab ceux que nous allons ensuite imposer.
Nous allons donc dans le menu Stat/DOE (plan d'expriences)/Plan factoriel/Crer un
plan factoriel...:

Pour prendre:

Nous cliquons sur Plans... pour prendre:
Minitab 536/686

Nous dsactivons la randomisation des essais dans le bouton Options...:

En validant par OK, nous avons alors dans la fentre de session (les gnrateurs sont ainsi
que les alias sont conformes ce qui a t dmontr dans le cours thorique):
Minitab 537/686

avec le plan:

Maintenant, refaisons la mme mais en imposant les facteurs:
Minitab 538/686

Si nous cliquons sur le bouton Plans... pour choisir a priori un plan factoriel complet avec 8
essais:

et nous cliquons sur le bouton Gnrateurs...:
Minitab 539/686

Donc nous prenons 3 facteurs et gnrons deux autres facteurs avec cette mthode. Nous
dsactivions aussi la randomisation, pour obtenir dans la fentre de session:

et le plan correspondant (o nous pouvons vrifier que les gnrateurs sont bien respects):
Minitab 540/686

Comparer ct cte la structure d'alias automatique et celle que nous venons d'imposer:

Dans le tableau de gauche tout est conforme... (il y a 8 lignes ce qui est rassurant). Dans le
tableau de droite, alors que nous n'avons fait que de redfinir le gnrateur D=ABC en fin de
compte, nous avons une premire curiosit... Il y a 9 lignes... (je n'en ai pas encore trouv la
raison). Sinon, si l'on prend le temps de la rflexion, on arrive expliquer le choix des alias
du logiciel assez intuitivement.
Maintenant, nous saisissons les mesures effectus (pas de rpliques ce qui est dommage...):

Nous lanons l'analyse en allant dans le menu Stat/DOE (plan d'exprience)/Plan
Minitab 541/686

Nous obtenons alors dans la fentre de sessions:

Donc le choix des alias quel qu'il soit est mal parti car au vu de l'amplitude des coefficients et
de leurs effets on va droit dans le mur. L'ANOVA elle aussi annonce de mauvaises
nouvelles... les 5 effets principaux sont significatifs ainsi que les interactions (d'o l'toile).
Maintenant, voyons les diagrammes factoriels pour vrifier si effectivement les facteurs
interagissent en allant dans Stat/DOE (plan d'expriences)/Plan factoriel/Diagrammes
factoriels...:
Minitab 542/686

Nous avons alors:

Nous cliquons sur le premier et deuxime bouton Configuration... et nous prenons tous les
facteurs:

Minitab 543/686
Nous avons alors:

Donc au niveau des interactions ce n'est pas la joie. Il y en a un peu partout et elles ne sont
donc pas ngligeables comme nous l'a montr l'ANOVA.
Il est donc ncessaire de faire des essais complmentaires. Pour cela nous allons reprendre le
plan et nous allons dsaliaser le facteur E. Pour ce faire, nous allons reprendre le plan en
Minitab 544/686
dsaliasant le facteur E dans le menu Stat/DOE (plan d'expriences)/Plan factoriel/Crer

Et nous repartons des mmes paramtres qu'avant avec les mmes gnrateurs:

Mais cette fois-ci, nous cliquons sur le bouton Options... et nous prenons:
Minitab 545/686

et nous validons deux fois par OK et nous obtenons dans la fentre de session:

Donc forcment c'est un peu mieux au niveau des 4 facteurs principaux qui ne sont plus
aliass avec E except E lui-mme. Et nous obtenons comme plan factoriel:
Minitab 546/686

Donc le repli impose bien videmment plus d'essais (il faut alors se poser la question si c'est
le meilleur choix...). Et donc nous ajoutons aux premiers essais, 8 autres. Ce qui donnera:

Ensuite, nous analysons le plan factoriel en allant dans le menu Stat/DOE (plan
d'exprience)/Plan factoriel/Analyser un plan factoriel...:
Minitab 547/686

Pour prendre:

et nous validons par OK pour obtenir dans la fentre de session:
Minitab 548/686

et le diagramme des interactions donne:
Minitab 549/686

Et donc nous sommes dans une situation un peu plus confortable pour tirer les conclusions
ncessaires l'exprience.

Minitab 550/686
Exercice 120.: Plan factoriel avec points centraux

Une manire assez robuste d'liminer le modle linaire suppos jusqu' maintenant est
d'utiliser des points centraux (sinon quoi on passer aux plans de surface de rponse). Voyons
comment.
Considrons un plan bas sur deux facteurs qui sont respectivement:
- La vitesse d'avancement A de l'outil d'usinage en mtres par minute 2 niveaux
- La vitesse de coupe B de l'outil en mtres par seconde 2 niveaux.
On mesure la rugosit et le nombre de pics par unit de longueur. Le but tant d'avoir un
modle (si possible...) qui permet de dterminer la vitesse d'avancement et la vitesse de coupe
afin de minimiser ces deux paramtres sachant que les deux facteurs interagissent et que nous
avons mesur deux points centraux pour le plan d'exprience.
Nous allons donc dans le menu DOE (plan d'exprience)/Plan factoriel/Crer un plan
factoriel...:

Nous prenons un plan factoriel 2 niveaux avec les gnrateurs par dfaut:
Minitab 551/686

Nous cliquons sur le bouton Plans... pour bien spcifier le Nombre de points centraux par
bloc:

Nous validons le tout par OK pour obtenir:

Nous y mettons les mesures:
Minitab 552/686

Nous lanons l'analyse en allant dans le menu DOE (plan d'exprience)/Plan
factoriel/Analyse un plan factoriel...:

Nous prenons:

Et validons le tout par OK pour nous intresser uniquement aux deux sorties suivantes de la
fentre de session:
Minitab 553/686

Avant d'aller plus loin dans l'analyse observons comparons les points centraux par exemple
pour la rugosit nous avons donc exprimentalement:
0
233 235
(0, 0) 234
2
y
+
= =
Alors que la thorique nous donne un coefficient:
0
171.75 a =
La diffrence entre les deux donne:
0 0
(0, 0) 234 171.75 62.25 y a = =
Valeur que l'on retrouve dans la table renvoye par Minitab et mise en vidence en rouge ci-
dessus.
Au vu de la diffrence qui est trs significative, il va de soi que le modle linaire est rejeter.
Minitab 554/686
Exercice 121.: Analyse du modle d'un plan de Plackett-Burman

Le but ici va tre de vrifier ce que nous avons vu en cours. D'abord, il sera considr comme
vident que les plans PB sont intressants qu' partir de 4 facteurs et ce pour 12, 20, 24, 28,
etc. essais (le reste tant simplement des plans factoriels fractionnaires particuliers). Nous
rappelons que les plans PB permettent de rduire un petit peu (4 facteurs: 12 essais) voir
normment (11 facteurs: 12

essais) le nombre de mesures.
Nous allons voir aussi que Minitab ne communique pas les alias des plans PB pour les raisons
suivantes indiques sur le site de Minitab:
http://www.minitab.com/fr-FR/support/answers/answer.aspx?id=530

Il est donc noter que pour ce type de plans, les alias tant trs consquents, cela complique
grandement l'analyse. Il est donc conseill d'y rflchir deux fois avant d'utiliser un plan
PB.
Pour l'exemple qui va suivre, nous allons exceptionnellement reprendre l'excellent exemple
que Monsieur Jaques Goupy propose dans son magnifique ouvrage pdagogique sur les plans
d'exprience consacr JMP mais que nous allons mettre la sauce Minitab...
Nous avons donc une machine dont les rsultats souhaits (il y a deux rsultats qui nous
intressent!) sont dpendants de 7 facteurs. Nous prendrons le plus petit plan de 12 essais afin
de voir si nous pouvons en tirer quelque chose et au besoin nous ferons des expriences
supplmentaires.
Minitab 555/686
Nous allons donc dans le menu Stat/DOE (plan d'exprience)/Plan factoriel/Crer un plan
factoriel...:

Nous prenons un plan de Plackett-Burman avec 7 facteurs:

Nous cliquons sur le bouton Plans...:

et nous laissons tout tel quel (12 essais tant le minimum de toute manire!).
Minitab 556/686
Ensuite, nous dsactivons la randomisation des essais en allant dans le bouton Options...:

et nous validons le tout par OK et aprs avoir saisi les mesures des deux rponses d'intrt,
nous avons:

Nous allons ensuite dans le menu Stat/DOE (plan d'expriences)/Plan factoriel/Analyser
Minitab 557/686

Nous avons alors:

Si nous cliquons sur le bouton Termes...:
Minitab 558/686

nous n'avons bien videmment que le choix des facteurs principaux!
Suite venir...
Minitab 559/686
Exercice 122.: Analyse du bruit (plan de Taguchi)

Considrons une exprience dpendante de 7 facteurs 2 niveaux. Nous souhaitons faire une
analyse du bruit de Taguchi.
Pour cela, nous allons dans le menu Stat/DOE (plan d'expriences)/Taguchi/Crer un plan
de Taguchi...:

Nous prenons un 7 facteurs:

Ensuite, nous cliquons sur Afficher les plans disponibles...:
Minitab 560/686

et nous prendrons donc un 2-7. Pour cela, de retour dans la bote de dialogue prcdente, nous
cliquons sur le bouton Plans...:

Nous prenons le L8 qui selon Taguchi est donn donc par (micro-rappel exceptionnel du
cours thorique):
Essais 1 2 3 4 5 6 7
1 1 1 1 1 1 1 1
2 1 1 1 2 2 2 2
3 1 2 2 1 1 2 2
4 1 2 2 2 2 1 1
5 2 1 2 1 2 1 2
6 2 1 2 2 1 2 1
7 2 2 1 1 2 2 1
8 2 2 1 2 1 1 2
Minitab 561/686

Ensuite, nous cliquons sur le bouton Facteurs de la bote de dialogue principale pour vrifier
que tout est bon:

et nous validons par OK jusqu' revenir la feuille Minitab. Nous obtenons alors le tableau
d'entre de Taguchi:

Minitab 562/686
Le tableau de sortie de Taguchi va contenir les rponses avec le bruit sur la base du scnario
suivant (il y a donc 10 mesures dans des situations diffrentes pour chaque essai fonction de 7
facteurs):
Variable de rponse Temprature et humidit
Y1 50 @ 15%
Y2 50 @ 50%
Y3 60 @ 15%
Y4 60 @ 50%
Y5 70 @ 15%
Y6 70 @ 50%
Y7 80 @ 15%
Y8 80 @ 50%
Y9 90 @ 15%
Y10 90 @ 50%
Nous saisissons alors les valeurs obtenues dans le cadre de l'exprience (ouvrir le fichier
TaguchiAnalyseBruit.mpj):

Nous allons ensuite dans Stat/DOE (plan d'expriences)/Taguchi/Analyser un plan de
Taguchi...:
Minitab 563/686

Nous avons alors:

Dans le bouton Graphique..., nous laissons les options par dfaut:
Minitab 564/686

Dans le bouton Analyse... aussi:

Dans le bouton Termes... aussi (pas d'alias dsirs):
Minitab 565/686

Et enfin le bouton le plus important:

Et nous retrouvons ce que nous avons dmontr dans le cours thorique de gnie industriel
pour l'option Prfrer nominal ainsi que toutes les autres options! Nous validons le tout par
OK autant de fois que ncessaire et nous obtenons alors dans la fentre de session:
Minitab 566/686

Les questions sont alors:
1. Quel facteur contrl le plus grand impact sur le ratio S/N?
2. Quel facteur contrl le plus petit impact sur le ratio S/N?
PS: Notez que Minitab met automatiquement des rangs dans chacune des tables ci-dessus...
Nous pouvons arriver la mme conclusion que Minitab en analysant le graphique du rapport
S/N:

Nous voyons dans le graphique ci dessus que
1 1 2 1 1 2 1
A B C D E F G est la combinaison perdante
(provoque le plus de bruit)... Il parat assez videmment visuellement que c'est D qui
Minitab 567/686
influence le plus le bruit et G le moins... ce qui est conforme aux rangs donn par le premier
tableau dans la fentre de sessions.
Avec l'autre graphique, nous voyons que c'est le facteur G qui influence le plus la rponse
moyenne (ce qui correspond au rang donn par Minitab dans le deuxime tableau de la
session):

Nous y voyons aussi que la combinaison gagnante est:
1 1 2 1 1 2 2
A B C D E F G
Donc finalement c'est G qui provoque le moins de bruit mais a le plus d'effet sur la rponse.
Donc c'est avec ce facteur qu'il va falloir jouer le plus dans le cadre de notre exprience.
Nous allons maintenant simuler notre choix
1 1 2 1 1 2 2
A B C D E F G . Pour cela, nous allons dans
Stat/DOE (plan d'expriences)/Taguchi/Prvoir les rsultats de Taguchi..:
Minitab 568/686

Pour le bouton Termes... nous laissons tel quel le contenu (analyse sur tous les termes
souhaite mais sans les interactions):

Sur le bouton Niveaux...:
Minitab 569/686

o nous avons donc fait en sorte de mettre la combinaison optimale:
1 1 2 1 1 2 2
A B C D E F G
Nous validons tout ce beau monde par OK autant de fois que ncessaire pour avoir:
Minitab 570/686

Minitab 571/686
Exercice 123.: Modle exprience de Taguchi

Le but ici va tre de comparer le rsultat obtenu avec plan factoriel complet que nous avons
fait plus haut avec la voiture mais avec le plan de Taguchi correspondant. Nous avions donc
sans interactions:
1 2 3
349.7
163.4 78.7
33'119.3 619.4
163.4 78.7
269.7
Y x x x
(
( (
(
= + + +
( (
(

(

ou avec interactions (mais sans l'interaction triple):
1 2 3 1 2 1 3 2 3
142.2 40.8
194.9 161.9 15
349.7
163.4 78.7 194.9 19.7
33119.3 619.4
163.4 78.7 194.9 142.2
269.7
194.9 161.9
19.7
y x x x x x x x x x
(
(
(
(
(
(
( ( (
(
(
= + + + + + +
(
( (
(
(

(
(
(

(

1.7
192.5
40.8
151.7
192.5
(
(
(
(
(
(
(
(

soit avec les niveaux explicites:
1,1 3,1
1,1 2,1 1,1 3,2
3,1
1,1 2,2 1,1 3,3
1,1 2,1
1 2 3 3,2 1 2 1 3 2
1,2 2,2
1,2 2,1 1,2 3,1
3,3
1,1 2,2 1,2 3,2
1,2 3,3
33119.3

x x
x x x x
x
x x x x
x x
y x x x x x x x x x
x x
x x x x
x
x x x x
x x
(
(
(
(
( (
(
( (
( (
(
= + + + + + +
( (
( (
(

( (
(

(
(

(
(

2,1 3,1
2,1 3,2
2,1 3,3
3
2,2 3,1
2,2 3,2
2,2 3,3
x x
x x
x x
x
x x
x x
x x
(
(
(
(
(
(
(
(
(
(

avec le tableau suivant:

N Essai
1
x
2
x
3
x Valeurs de y
1 1 1 1 32'700 32'750 32'960
2 1 1 2 33'430 33'360 32'910
3 1 1 3 31'710 32'100 32'220
4 1 2 1 32'680 32'270 33'130
5 1 2 2 34'070 33'100 33'610
6 1 2 3 33'220 33'700 33'285
7 2 1 1 33'180 32'160 32'640
8 2 1 2 34'430 34'280 34'460
9 2 1 3 33'570 33'300 32'570
10 2 2 1 33'270 33'080 32'415
11 2 2 2 33'440 33'570 34'204
Minitab 572/686
12 2 2 3 32'840 33'210 32'470
Nous allons donc dans le menu Stat/DOE (plan d'expriences)/Taguchi/Crer un plan de
Taguchi...:

et nous prenons pour l'exprience concerne:

Si nous cliquons sur Afficher les plans disponibles...:
Minitab 573/686

Celui qui va nous intresser est un L36 (36 expriences, soit 3 fois 12). Donc en cliquant sur
le bouton Plans... nous prenons 2 colonnes avec 2 niveaux et 1 colonne avec 3 niveaux
puisque c'est le seul cas qui s'adapte notre exprience:

Ensuite, nous cliquons sur le bouton Facteurs...:
Minitab 574/686

Ensuite, nous vrifions que Minitab mette le tableau dans la feuille:

Si nous validons par OK deux fois, nous obtenons:

Minitab 575/686

et nous y mettons les mesures de notre tableau initial:

Minitab 576/686

Ensuite, nous lanons l'analyse en allant dans le menu Stat/DOE (plan
d'expriences)/Taguchi/Analyser un plan de Taguchi...:

et nous y mettons:
Minitab 577/686

Dans le bouton Graphiques... le lecteur peut tout cocher s'il le veut (comme nous l'avons fait
ci-dessous) mais l'analyse graphique du rapport signal/bruit ainsi que des carts-types n'est
pas toujours aise. Par ailleurs nous ne montrerons ici que le graphique des effets principaux
et interactions des moyennes.

En cliquant sur le bouton Analyse... de la bote de dialogue principale, nous avons:
Minitab 578/686

o nous avons tout coch. Mais en ralit, nous n'allons nous concentrer encore une fois que
sur les Moyennes!
En cliquant ensuite sur le bouton Termes... de la bote de dialogues principale, nous allons
prendre directement le modle le plus complet avec interactions:

Une fois les termes choisis, nous pouvons cliquer sur le bouton Graphiques d'Analyse... de la
bote de dialogue principale o nous avons coch un grand nombre de graphes mais dans le
prsent support nous n'en utiliserons aucun (le reste tant rserv aux dtails du cours
thorique):
Minitab 579/686

Ensuite, nous cliquons sur le bouton Options... de la bote de dialogue principale pour dire
que ce qui nous intresse le plus c'est de parcourir la plus grande distance. Donc Prfrer le
plus grand:

Ensuite, dans le bouton Stockage... de la bote de dialogue principale, nous prenons:
Minitab 580/686

o nous ne cochons pas Moyennes car nous souhaitons montrer ultrieurement une autre
faon des les ajouter aprs coup. En validant tout cela par OK, nous obtenons dans la fentre
de session:

Minitab 581/686

Il est intressant dj de comparer les coefficients mis en vidence ci-dessus avec le modle
thorique obtenu avec le plan factoriel complet avec interactions:
Minitab 582/686
142.2 40.8
194.9 161.9 151.7
349.7
163.4 78.7 194.9 19.7 192.5
33119.3 619.4
163.4 78.7 194.9 142.2
269.7
194.9 161.9
19.7
y A B C AB AC BC
(
(
(
(
(
(
( ( (
(
(
= + + + + + +
(
( (
(
(

(
(
(

(

40.8
151.7
192.5
(
(
(
(
(
(
(
(

Nous voyons donc que nous obtenons bien la majorit des coefficients du modle fait avec le
plan factoriel complet et conforme ce que nous avions fait la main dans le cours thorique.
Nous retrouvons ces coefficients dans la colonne C11:

Nous avons le graphique suivant qui met particulirement en vidence une interaction entre
les facteurs A et B:
Minitab 583/686

et le graphique des effets principaux:

Nous y voyons aussi que la combinaison gagnante est:
Minitab 584/686
2 2 2
A B C

Les questions restantes sont alors:
3. Quel facteur contrl le plus grand impact sur le ratio S/N?
4. Quel facteur contrl le plus petit impact sur le ratio S/N?
PS: Notez que Minitab met automatiquement des rangs dans chacune des tables ci-dessus...

Nous voyons dans le graphique ci dessus que
2 2 2
A B C est la combinaison perdante (provoque
le plus de bruit)... Il parat assez videmment visuellement que c'est C qui influence le plus le
bruit et B le moins... ce qui est conforme aux rangs donn par le tableau dans la fentre de
sessions si nous avions activ l'affichage des donnes de bruit:
Minitab 585/686

Pour simuler le modle linaire avec ce scnario particulier, il suffit de procder exactement
comme dans l'exercice prcdent! (il nous a sembl inutile de refaire la dmarche puisque ce
qui nous intresse ici est de comparer l'analyse faite par plan factoriel complet).
Pour clore, si nous faisons maintenant l'analyse sans interactions:

Nous obtenons dans la fentre de session:
Minitab 586/686

et dans la table:
Minitab 587/686

A comparer avec:
1 2 3
349.7
163.4 78.7
33'119.3 619.4
163.4 78.7
269.7
Y x x x
(
( (
(
= + + +
( (
(

(

Nous retrouvons bien tous les mmes coefficients.
Minitab 588/686
Exercice 124.: Analyse de la variance multifactorielle

Nous avons tudi dans le cours de statistique thorique une grande partie des plans
d'exprience sur la base des donnes ci-dessous. Nous allons procder cette fois-ci de mme
mais avec le logiciel Minitab Statistical Software. Donc nous avions:
N Essai
1
x
2
x
3
x Valeurs de y
1 1 1 1 32'700 32'750 32'960
2 1 1 2 33'430 33'360 32'910
3 1 1 3 31'710 32'100 32'220
4 1 2 1 32'680 32'270 33'130
5 1 2 2 34'070 33'100 33'610
6 1 2 3 33'220 33'700 33'285
7 2 1 1 33'180 32'160 32'640
8 2 1 2 34'430 34'280 34'460
9 2 1 3 33'570 33'300 32'570
10 2 2 1 33'270 33'080 32'415
11 2 2 2 33'440 33'570 34'204
12 2 2 3 32'840 33'210 32'470
Dans Minitab Statistical Software, nous voulons comme en cours, faire d'abord l'analyse de
la variance un facteur pour le type de route (facteur 1: o 1 est la ville et 2 est la route).
Dans Minitab Statistical Software, nous avons alors avec le fichier
ANOVA_Balancee_Desempillee.mpj:
Minitab 589/686

et nous faisons une ANOVA un facteur dsempil uniquement sur les colonnes Ville et
Route en suivant la procdure dj vue plus haut en dtails. Nous avons alors (sans vrifier
que toutes les conditions d'application soient respectes):

Nous retrouvons la mme chose qu'avec le calcul la main et qu'avec MS Excel. Donc il
apparat que le lieu n'influence pas de faon significative la distance parcourue (puisque
l'hypothse nulle d'galit des moyennes russit le test).
Minitab 590/686
Nous pourrions faire de mme pour chaque facteur comme dans le cours thorique, mais ce
qui nous intresse ici c'est l'analyse de la variance multifactorielle et la comparer au rsultat
obtenu plus haut.
Donc d'abord, dans Minitab Statistical Software, nous prparons le tableau complet (mais
seulement une partie apparat dans la capture d'cran ci-dessous) ou ouvrons le fichier
ANOVABalancee.mpj:

Nous allons donc dans le menu Stat/ANOVA/ANOVA quilibre...:
Minitab 591/686

et voulons d'abord voir ce qu'il se passe si nous ne prenons que le Lieu comme variable
catgorielle:

Nous validons par OK et nous obtenons dans la fentre de session:
Minitab 592/686

Soit exactement les mmes valeurs que l'ANOVA un facteur. Rsultat logique puisque
l'ANOVA multifactorielle est un cas gnral de l'ANOVA un facteur et deux facteurs.
Fais maintenant le mme contrle mais avec l'ANOVA deux facteurs. Nous souhaitons
vrifier si le lieu (route ou ville) ainsi que le facteur 2 (40 [km/h] = 1, 50 [km/h] = 2)
reprsentant la vitesse ont une influence sur la distance parcourue.
Donc toujours en partant du mme tableau:

Nous allons dans le menu Stat/ANOVA/A deux facteurs... (nous avons dj fait cela dans un
exemple plus haut):
Minitab 593/686


Nous voyons donc que tous les facteurs, de mme que l'interaction, ont une influence
significative.
Vrifions maintenant que nous ayons le mme rsultat avec l'outil d'analyse multifactorielle
(bien videmment cela devrait tre le cas). Nous allons donc dans le menu
Stat/ANOVA/ANOVA quilibre...:
Minitab 594/686


Le lecteur pourrait tre surpris que nous ne trouvions pas les mmes valeurs pour le test de
Fisher et la p-value. Mais au fait c'est normal pour l'instant car si nous faisons bien attention,
il manque le terme d'interaction et donc l'erreur totale n'est pas la mme que si nous faisons
l'ANOVA deux facteurs (par contre la sommes des carrs et le CM sont identiques
l'ANOVA deux facteurs faite plus haut). Donc ce que nous avons fait ici c'est une ANOVA
deux facteurs en imposant qu'il n'y avait aucune interaction (ce qui est parfois trs
intressant comme possibilit). Ce qui est bien videmment un peu stupide car la vitesse
dpend de lieu. Alors comment faire l'ANOVA multifactorielle pour obtenir l'ANOVA deux
facteurs faite plus haut? Eh bien simplement en mettant les paramtres suivants dans la
fentre de l'ANOVA quilibre:
Minitab 595/686

en validant par OK, nous obtenons dans la fentre de session:

Outre la prcision de certains termes et l'ordre des informations, nous retrouvons donc bien
exactement les mmes valeurs que l'ANOVA quilibre (multifactorielle).
Maintenant faisons ce dont quoi cet outil est vraiment fait pour. Commenons par une
ANOVA trois facteurs (fixes) sans interactions:
Minitab 596/686

Nous validons par OK et obtenons dans la fentre de session:

Donc en ne considrant aucune interaction, les facteurs Lieu et Vitesse ont toujours une
influence significative mais pas la pression.
Si nous faisons la pression seule:
Minitab 597/686


Et nouveau avec les trois facteurs et les toutes les interactions du deuxime ordre:
Minitab 598/686


La pression reste donc toujours non significative. Par contre, Nous voyons que toutes les
interactions ont une influence trs significative.
Maintenant, faisons avec la triple interaction:
Minitab 599/686


et donc l'interaction des trois facteurs est aussi trs significative.

Minitab 600/686
Exercice 125.: Modle linaire gnral

Nous allons voir maintenant le modle linaire gnralis en utilisant les donnes du plan
d'exprience prcdent mais en imaginant que nous ne savons pas que cela vienne d'un plan
d'exprience. Nous allons voir videmment que nous allons retomber sur mmes rsultats.
Donc nous partons du fichier ANOVABalancee.mpj qui contient donc nos 36 mesures avec
rplications:

Nous allons dans le menu Stat/ANOVA/Modle linaire gnral... et nous commenons par
un modle trois variables explicatives sans interactions (videmment nous allons pouvoir
vrifier que cet outil gre la variable Catgorielle qu'est le Lieu):
Minitab 601/686

et nous cliquons sur le bouton Comparaisons...:

pour dsactiver le test de Tukey que nous n'avons pas encore vu. Ensuite, nous cliquons sur le
menu Stockage:
Minitab 602/686

et nous cochons l'option Coefficients et nous validons le tout par OK et nous avons alors dans
la fentre de sessions:

et dans la feuille, nous retrouvons:
Minitab 603/686

Analysons un peu tout cela. D'abord concernant l'ANOVA, nous retrouvons exactement la
mme que celle effectue dans les exercices prcdents. Nous retrouvons galement
exactement les mmes coefficients que dans les exercices vus plus haut ainsi qu'avec le calcul
la main fait en cours:
1 2 3
349.7
163.4 78.7
33'119.3 619.4
163.4 78.7
269.7
y x x x
(
( (
(
= + + +
( (
(

(

et il en va de mme si nous introduisons toutes les interactions:
Minitab 604/686

le lecteur pourra vrifier qu'il retrouve encore une fois tous les rsultats vus plus haut. Ce qui
est rconfortant!
Minitab 605/686
Exercice 126.: Analyse graphique de base de plans factoriels

Ce que nous allons voir maintenant ne marche a priori ce jour (version 15 de Minitab
Statistical Software) que si et seulement si nous avons des plans d'expriences factoriels
complets ou fractionnaires. Cela limite bien videmment de manire trs importante l'intrt
de l'outil.
Nous allons reprendre l'exemple vu en cours mais simplifi pour avoir uniquement un plan
factoriel:
N Essai
1
x
2
x
3
x Valeurs de y
1 1 1 1 32'700 32'750 32'960
2 1 1 2 33'430 33'360 32'910
3 1 2 1 32'680 32'270 33'130
4 1 2 2 34'070 33'100 33'610
5 2 1 1 33'180 32'160 32'640
6 2 1 2 34'430 34'280 34'460
7 2 2 1 33'270 33'080 32'415
8 2 2 2 33'440 33'570 34'204
Nous crons alors le plan factoriel complet correspondant:

Nous sommes obligs de prendre l'option Factoriel 2 niveaux (gnrateurs par dfaut):
Minitab 606/686

Nous cliquons sur le bouton Plans... et prenons un plan Fact. compl. avec 3 pour l'option
Nombre de rpliques pour les points de sommets:

Nous dsactivons la randomisation:

Nous avons alors:
Minitab 607/686

Nous remplissons toutes les rponses (vous pouvez aussi ouvrir le fichier
PlanFactorielComplet.mpj):

Nous aurions tout aussi bien pu faire:
Minitab 608/686

Ce qui nous aurait donn:

Nous allons maintenant dans le menu Stat/DOE (plan d'exprience)/Plan
Minitab 609/686

et nous prenons:

Nous cochons et validons le tout par OK pour obtenir d'abord dans la fentre de session:
Minitab 610/686

Une fois ceci fait, nous allons dans le menu Stat/DOE (plan d'exprience)/Plan
factoriel/Diagrammes factoriels...:
Minitab 611/686

Nous y voyons une "nouveaut" disponible qu'avec ce type de plan et qui est le Graphique
en cube:

Nous cliquons sur Configuration...:
Minitab 612/686

Ce qui donne:

Les options que nous allons voir maintenant (Graphiques de contour et Optimisation des
rponses, s'activent dans le menu que lorsque l'on a lanc un diagramme factoriel au
pralable).
Minitab 613/686

Nous cochons les deux types de graphiques:

videmment, comme nous avons plus de 2 facteurs, il serait difficile de reprsenter la rponse
dans un espace 4 dimensions... nous allons donc gnrer dans un mme panneau de
graphique, toutes les combinaisons (ce qui devient donc difficile interprter, d'o l'utiliser
assez discutable de l'utilisation de graphiques ce niveau l...):
Minitab 614/686

Nous cliquons sur le bouton Contours...:

Nous faisons de mme pour l'autre diagramme:
Minitab 615/686

Et nous obtenons les surfaces de rponses projetes avec les isoclines:

o simplement une surface de rponse en 3D simple:
Minitab 616/686

Minitab 617/686
Exercice 127.: Plan de rponse de surface composite central (modle du
second degr ou "modle quadratique") WP

Nous n'avons pas tudi dans le cours de gnie industriel la mathmatique derrire les plans
de rponse de surface pour la simple raison qu'il s'agit de techniques empiriques. Nous allons
donc tenter d'introduire le concept ici mme de manire extrmement condense.
Rappelons d'abord que les plans factoriels avec interaction sont en ralit des dveloppements
de Taylor-Maclaurin au deuxime ordre et au premier degr (appel parfois "modle
synergique"):

et que dans le cas particulier de deux variables nous parlons de modle parabolode
hyperbolique reprsent typiquement par:

Pour passer un modle au second degr (quadratique complet):
0 0 i i ij i j i i ij i j ii i i
i j i
y a a x a x x a a x a x x a x x
=
= + + = + + +

Soit dans le dans de deux variables nous parlons de "surface de rponse" (au-del il s'agit de
volume ou d'hypervolume):
2 2
0 1 1 2 2 12 1 2 11 1 22 2
courbure
y a a x a x a x x a x a x = + + + + +
Minitab 618/686
Les plans considrant le modle incluant les trois termes:
2 2
12 1 2 11 1 22 2
courbure
a x x a x a x + +
sont appels "plans composites de Doehlert". Nous aurons donc estimer 4 termes:
0
: terme constant
: terme de premier degr
: terme rectangle
: terme carr
i
ij
ii
a
a
a
a

Nous voyons que dans le cas d'un plan 2 facteurs, il nous faudra estimer 6 coefficients:
2 2
0 1 1 2 2 12 1 2 11 1 22 2
y a a x a x a x x a x a x = + + + + +
et pour 3 facteurs il nous faudra estimer 10 coefficients:
2 2 2
0 1 1 2 2 3 3 12 1 2 13 1 3 23 2 3 11 1 22 2 33 3
y a a x a x a x a x x a x x a x x a x a x a x = + + + + + + + + +
L'ide souvent retenu pour passer un modle du second degr aprs une tude factorielle
tout en conservant les essais dj raliss, et en compltant les essais pour l'estimation du
modle de degr plus lev.
Dans le cas de deux variables une premire mthode empirique consiste utiliser une
"matrice composite quiradiale" (cas particulier d'un plan composite gnral) ce qui impose
une forte symtrie la surface de rponse et implique une isovariance et nous donne aussi 13
essais:

Minitab 619/686
Donc avec cette mthode les points de contrle ne sont pas au centre des artes du rectangle
(ou face du cube ou hypercube c'est selon....). Au vu de la construction du plan (matrice)
d'exprience donne ci-dessus, le lecteur aura remarqu que finalement nous avons finalement
5 niveaux par facteurs pour un plan composite quiradial 3 facteurs.
et une deuxime mthode empirique consiste utiliser un "matrice composite face-centre"
(cas particulier d'un plan composite) de 13 essais aussi:

Dans un cas trois variables (facteurs) nous avons empiriquement 20 essais:

avec 1.682 o = pour la matrice composite quiradiale et 1 o = pour la matrice face-centre.
Sinon il y a d'autres techniques que les plans face-centre et quiradiaux et qui sont:
Minitab 620/686

o le "plan composite (centr)" est un plan k facteurs compos de
f
N essais d'un plan
factoriel complet ou fractionnaire 2
k r
, de 2k essais en toile sur les axes une distance o
du centre du domaine et o nous avons
0
N essais au centre du domaine. Le cot d'un plan
composite centr est donc de:
0
2 2
k r
N k N
= + +
Les rgles suivantes sont d'usage pour les plans composites:
R1. Choix de o :
- 1 o = : Essais sur les faces du cube et nous nous retrouvons donc avec une matrice face-
centre. C'est un choix commode.
- k o = : Essais sur une sphre de rayon k et nous nous retrouvons donc avec une matrice
quiradiale.
-
4
f
N o = : En prdiction, ce choix assure l'isovariance par rotation (rotatabilit)
-
2
f f
N N N
o

= : En estimation, assure la (presque)-orthogonalit des estimateurs
R2. Choix de points centraux
0
N :
-
0
1 N > : Choisi par l'exprimentateur en fonction de son budget
Minitab 621/686
-
0
4 4 2
f
N N k = + pour assurer orthogonalit et rotatabilit
Voici un petit rsum:
Rotatable

Orthogonal

Rotatable
& Orthogonal
8

Et un tableau rcapitulatif pour les plans composites pour le choix de
0
, N o et r:
k (nombre de
facteur)
2 3 4 5 5 6 6 7 8
Nombre de
termes
6 10 15 21 21 28 28 36 45
r 0 0 0 0 1 0 1 1 2
f
N
4 8 16 31 16 64 32 64 64
Gnrateur I=12356 I=123456 I=1234567
I=12345
I=12678
Nombre
d'essais
9 15 25 43 27 77 45 79 81
o Rotatable 1.41 1.68 2 2.38 2 2.83 2.38 2.83 2.83
o Orthogonal
(avec
0
1 N = )
1 1.22 1.41 1.6 1.55 1.76 1.72 1.88 2
o Orthogonal
(avec
0
2 N = )
1.08 1.29 1.48 1.68 1.61 1.82 1.78 1.94 2.05
o Orthogonal
(avec
0
3 N = )
1.15 1.35 1.55 1.72 1.66 1.88 1.84 2 2.11
0
N Rota et
orthogonal
8 9 12 17 10 24 15 22 20
Minitab 622/686
Concernant les plans de Doehlert, il s'agit de plans forms de
0
N essais au centre du domaine
et de
2
2 k k + essais rpartis "le plus uniformment possible" sur une sphre de rayon 1. Il est
souvent "dilat" pour mieux couvrir le domaine exprimental. Il s'agit d'un plan considr
comme peu coteux ayant de bonnes proprits de squentialit mais avec des proprits
statistiques moins bonnes que pour le plan composite et factoriel.
Le cot de ce type de plan est en toute gnralit de:
2
1 N k k = + +

Les "plans de Box-Behnken" sont des plans non linaires pour des facteurs 3 niveaux.
Comme le montre la figure donne plus haut avec les quatre types de plans courants, les plans
de Box-Behnken pour 3 facteurs ont les essais qui sont disposs au milieu des artes du cube.
Ces plans demandent souvent moins d'essais que les composites gnraux.
Pour rsumer dans le cas 3 facteurs 2 niveaux, nous avons pour les plans les plus
courants:
Composite Centr
quiradial
Composite Face
Centre
Box-
Behnken
Essai X1 X2 X3 Essai X1 X2 X3 Essai X1 X2 X3
1 -1 -1 -1 1 -1 -1 -1 1 -1 -1 0
1 +1 -1 -1 1 +1 -1 -1 1 +1 -1 0
1 -1 +1 -1 1 -1 +1 -1 1 -1 +1 0
1 +1 +1 -1 1 +1 +1 -1 1 +1 +1 0
1 -1 -1 +1 1 -1 -1 +1 1 -1 0 -1
1 +1 -1 +1 1 +1 -1 +1 1 +1 0 -1
1 -1 +1 +1 1 -1 +1 +1 1 -1 0 +1
1 +1 +1 +1 1 +1 +1 +1 1 +1 0 +1
1 -1.682 0 0 1 -1 0 0 1 0 -1 -1
1 +1.682 0 0 1 +1 0 0 1 0 +1 -1
1 0 -1.682 0 1 0 -1 0 1 0 -1 +1
1 0 +1.682 0 1 0 +1 0 1 0 +1 +1
1 0 0 -1.682 1 0 0 -1 3 0 0 0
1 0 0 +1.682 1 0 0 +1
6 0 0 0 6 0 0 0
Essais = 20 Essais = 20 Essais = 15
Cette petite introduction thorique tant faite, passons l'exemple pratique.
Une nouvelle molcule est dveloppe pour un processus de dpt de surface. Un comit
d'expert a identifi trois facteurs contrlables d'intrt:
Minitab 623/686
Facteur tendue
Additif 0 70 grammes
Temps de raction 20 60 minutes
Temprature de raction 100 180 degrs celsius
Le taux de la nouvelle molcule est mesur la fin de l'exprience et le niveau d'adsion de la
surface est ensuite mesure. Les exigences sont d'avoir:
2
%taux de recouvrement 91%
adhsion 45 g cm
>
(
>

Nous voulons dterminer les paramtres permettant de satisfaire ces conditions sachant que
nous avons les moyens que pour 24 essais et que nous savons que le phnomne est fortement
non linaire.
Nous allons dans Minitab Statistical Software R15 dans le menu Stat/DOE (plan
d'expriences/Surface de rponse/Crer un plan de surface de rponse...:

Nous prenons un plan composite centr (car nous avec des facteurs 2 niveaux et les plans
de Box-Behnken sont spcialiss dans les plans facteurs ayant 3 niveaux) avec 3
facteurs:
Minitab 624/686

Nous voyons en cliquant sur Afficher les plans disponibles...:

qu'avec 24 essais nous somme bien partis pour faire un plan de surface. Nous cliquons ensuite
sur le bouton Plans... de la bote de dialogue principale:
Minitab 625/686

et nous prenons un Face centre avec un nombre de points centraux par dfaut (donc 6 dans
le cas prsent). Ensuite, nous cliquons sur le bouton Facteurs... de la bote de dialogue
principale:

Avec les plans de surface nous pouvons travailler en units non codes car lors de
l'analyse, les options nous permettent de choisir si nous voulons transformer les donnes
pour que l'ANOVA fonctionne tout de mme... (voir plus loin) et ce contrairement aux
autres plans (du moins avec les versions actuelles du logiciel).
Dans les Options... nous allons laisser randomisation des essais:
Minitab 626/686

Dans le bouton Rsultats... nous ne changeons rien:

et nous validons le tout par OK. Nous avons alors dans la fentre de session:

et dans la feuille de donnes (nous voyons que le point central (35,40,140) s'y rpte bien
6 fois):
Minitab 627/686

et nous saisissons les donnes de l'exprience en faisant bien attention ne pas nous tromper
de ligne:

Nous voyons dj qu'au niveau des objectifs atteindre a va ne pas tre simple...
puisque aucun point exprimental ne satisfait aux conditions jusqu' maintenant.
Minitab 628/686
Donc ce que nous avons saisi ci-dessus correspond :

Ensuite, nous allons analyser le plan en allant dans le menu Stat/DOE (plan
d'expriences/Surface de rponse/Analyser un plan de surface de rponse...:

o nous prenons:
Minitab 629/686

Pour le bouton Termes..., nous prenons les coefficients rectangles et les quadratiques (donc
tout!):

Dans le bouton Graphiques... nous prenons:
Minitab 630/686

Dans le bouton Stockage... nous prenons comme l'habitude les informations que je
considre personnellement comme les plus intressantes pdagogiquement parlant:

Nous validons le tout par OK. Nous obtenons les graphiques suivants:
Minitab 631/686

et dans la fentre de session, nous avons:
Minitab 632/686

Minitab 633/686

et dans la feuille:
Minitab 634/686

Bon nous avons donc notre modle thorique avec la connaissance si les coefficients sont
significatifs ou non. Mais nous cherchons cependant savoir si nous pouvons arriver nos
objectifs.
Pour cela, nous allons dans le menu Stat/DOE (plan d'expriences/Surface de
rponse/Graphique de contour/Diagrammes de surface..:

Nous prenons les deux graphiques:
Minitab 635/686

avec pour configuration du premier (c'est la partie la plus longue car il faut le fait pour
chacune des rponses):

Nous cliquons sur Contours...:

Minitab 636/686
Nous cliquons sur Configuration... et au vu des rsultats obtenus il parait clair que nous
allons plutt prendre les valeurs maximales des facteurs:

et nous validons par OK. Nous configurons ensuite le diagramme de surface:

Ce qui nous amne dans:
Minitab 637/686

et dans configuration, nous prenons aussi:

Nous validons le tout par OK pour avoir:
Minitab 638/686

Revenons dans l'analyse graphique en prenant cette fois-ci que les surfaces de contour:
Minitab 639/686

et allons dans la Configuration...:

et allons dans Contours... pour indiquer trois isoclines qui nous intressent:

si nous validons par OK, nous avons:
Minitab 640/686

Si nous faisons la mme chose pour l'adhsion:

avec les isoclines:
Minitab 641/686

Ce qui donne:

Il est cependant un peu difficile de trouver la zone d'optimum en basculant d'un graph
l'autre, ds lors, nous pouvons aller dans le menu Stat/DOE (plan d'expriences/Surface de
rponse/Graphique de contour superpos...:
Minitab 642/686

Nous prenons:

et dans le bouton Contours... nous prenons:
Minitab 643/686

et dans Configuration... au vu des graphiques prcdents:

Nous validons le tout par OK pour obtenir:
Minitab 644/686

o nous retrouvons bien la superposition des deux petits graphiques suivants vus plus haut
respectivement pour le taux et l'adhsion:

Bon l'interprtation qualitative graphique c'est bien sympa mais quand mme... nous avons
autre chose faire de notre temps et imaginez dans un cas 8 facteurs... cela devient
impossible! Donc il doit bien y avoir un outil fait pour. Et c'est bien le cas! Nous allons dans
le menu Stat/DOE (plan d'expriences/Surface de rponse/Optimisation des rponses...:
Minitab 645/686

Nous prenons alors les deux rponses:

Nous cliquons sur Configuration... pour prendre:
Minitab 646/686

Nous avons alors:

avec dans la fentre de session:
Toutes les lignes rouges verticales
sont dplaables!!!
Minitab 647/686

Minitab 648/686
Exercice 128.: Transformations de Box-Cox

Bon le but ici ne sera pas de dbattre de la justesse de ces transformations (ou de leur origine
scientifique) qui ont donc pour rappel de "normaliser"
1
des donnes. Ceci a dj t fait en
cours et de plus, il suffit de Googler un peu pour se faire sa propre opinion sur cette technique
"d'ingnierie statistique".
Rappelons cependant les deux relations empiriques dfinies par Box et Cox dans leur article
d'origine de 1964 (il s'agit d'une capture d'cran pour ceux qui douteraient):

bas sur la minimisation de l'cart-type (selon ce qui est crit dans l'article d'origine) et une
variante

Minitab Statistical Software intgre cette dernire relation. Au vu de la forme de la dernire
expression, il parat clair que les transformations de Box-Cox ne marchent que si et seulement
si:
0 y >
ce qui limite de faon importante son utilit.
Nous n'allons pas nous casser la tte dans le prsent exemple. Nous allons juste faire usage du
fichier exemple donn par Minitab Statistical Software et juste comparer le rsultat celui
que nous obtenons avec le solveur de MS Excel.

1
Dans le sens: faire que la distribution ressemble le plus possible une loi Normale
Minitab 649/686
Ouvrez donc le fichier BoxCox.mpj avec ses 125 donnes:

Ensuite, allez dans le menu Stat/Cartes de contrle/Transformation de Box-Cox...:

Nous mettons alors:
Minitab 650/686

Si nous tapons 125 pour l'effectif du sous-groupe, c'est simplement pour pouvoir faciliter la
comparaison avec MS Excel et aussi parce que nous ne souhaitons pas faire usage de la
transformation pour une carte de contrle.
Nous cliquons ensuite le bouton Options...:

et en validant plusieurs fois par OK, nous avons d'abord un graphique:
Minitab 651/686

qui montre comment l'cart-type est minimis en fonction de la valeur de lambda et galement
l'intervalle de confiance de ce dernier 95%. Sur la feuille, nous avons:
Minitab 652/686

Si nous comparons les deux distributions (avant et aprs) avec les outils graphiques habituels
(exercices effectus au dbut de ce support):
Minitab 653/686

Maintenant, observons quelle valeur de lamba nous obtenons en utilisant le solveur de
MS Excel. Avec la version anglaise de MS Excel, la prparation du problme donne:

Ensuite, nous paramtrons le solveur comme ci-dessous:
Minitab 654/686

et nous validons par Solve, ce qui donne:

Nous retrouvons donc presque les mmes valeurs que dans Minitab Statistical Software.
Minitab 655/686
Par ailleurs, voici comment Minitab Statistical Software calcule l'cart-type (capture d'cran
de leur KB655):

Minitab 656/686
Exercice 129.: Transformations de Johnson

Bon le but ici ne sera pas de dbattre de la justesse de ces transformations (ou de leur origine
scientifique) qui ont donc pour rappel de "normaliser"
2
des donnes. Ceci a aussi dj t fait
en cours et de plus, il suffit de Googler un peu pour se faire sa propre opinion sur cette
technique "d'ingnierie statistique".
Voici les transformations dfinies empiriquement par Johnson:
: ( )
x c
t x t x a b g
d
| |
= +
|
\ .

Johnson tablit alors une classification des princiaples lois en trois systmes associes chacun
une transformation g particulire et donc une famille de transformations t:
( )
( )
( ) log
( ) log
1
( ) arcsinh
g z z
z
g z
z
g z z
=
| |
=
|
\ .
=

respectivement dnommes Sl, Sb et Su.
Nous allons pour cet exemple reprendre exactement le mme fichier avec les mmes donnes
que pour l'exemple des transformations de Box-Cox.
Nous allons dans le menu Stat/Outils de la qualit/Transformation de Johnson...:

2
Dans le sens: faire que la distribution ressemble le plus possible une loi Normale
Minitab 657/686

Nous validons par OK plusieurs fois et obtenons d'abord le graphique suivant (dommage que
la transformation de Box-Cox ne fasse pas le mme...):

ce qui donne comme tableau:
Minitab 658/686

Si nous comparons maintenant les trois colonnes:
Minitab 659/686

La transformation de Johnson est donc peut-tre plus pertinente que la Box-Cox puisque les
donnes peuvent aussi tre ngatives.
Minitab 660/686
Exercice 130.: Analyse de donnes censures (Kaplan-Meier)

Le but ici va tre nouveau de vrifier si nous obtenons bien les mmes rsultats que ceux
calculs la main dans le cours thorique lorsque nous avons tudi la dmonstration de
l'estimateur de survie de Kaplan-Meier.
Nous partons du tableau vu en cours mais adapt aux exigences de Minitab (il n'est vraiment
pas ais de deviner que c'est sous cette forme que les choses doivent tre reprsentes):

Ensuite, nous allons dans le menu Stat/Fiabilit/Survie/Analyse de rpartition troncage
droite/Analyse de rpartition non paramtrique...:
Minitab 661/686

Nous avons alors:

Nous cliquons sur le bouton Tronquer... pour y mettre:
Minitab 662/686

Dans le bouton Estimation... de la bote de dialogue principale, nous prenons bien garde
tre en analyse de Kaplan-Meier puisque c'est la seule que nous avons en cours:

Dans le bouton Graphique nous prenons uniquement des options relativement ce que nous
avons dmontr mathmatiquement en cours aussi:
Minitab 663/686

Dans le bouton Rsultats... de la bote de dialogue principale nous prenons aussi que des
options relatives ce qui a t dmontr mathmatique en cours:

et dans le bouton Stockage... de la bote de dialogue principale, nous prenons:

Nous validons tout cela par OK pour obtenir d'abord dans la fentre de session:
Minitab 664/686

Nous retrouvons donc la mme colonne de probabilit de survie qu'en cours (nous n'avons pas
calcul en cours ce qui est en dehors du rectangle rouge). Et nous avons les trois graphiques
suivants:

Minitab 665/686

et donc nous retrouvons les trois mmes graphiques qu'en cours. Et dans le tableau, nous
obtenons:
Minitab 666/686

Minitab 667/686
Exercice 131.: Prdiction de garantie

Le but ici est de vrifier les calculs de maximum de vraisemblance de fiabilits dmontrs en
cours et calculs la main. Pour voir si Minitab donne la mme chose, nous entrons les
valeurs suivantes dans une feuille:

Ensuite, nous allons dans le meue Stat/Fiabilit/Survie/Analyse de garantie/Prdiction de
garantie...:

Minitab 668/686
et nous y mettons (dans le cours de gnire industriel nous avions fait le choix d'une loi
exponentielle donc attention bien prendre celle-ci!):

Et nous devons dire Minitab d'utiliser la technique de maximum de vraisemblance utilise
en cours:

Nous validons par OK autant de fois que ncessaire pour obtenir:
Minitab 669/686

A comparer avec la moyenne obtenue dans le cours thorique:
1
2337.5
= =
Donc il y a une diffrence significative entre le logiciel et notre calcul la main ce qui est
bizarre et que je ne m'explique pas puisque faire ce type de calcul est trivial. Il est possible
que la diffrence provienne de la manire d'entrer les donnes dans la feuille Minitab qui n'est
pas trs bien documente.
Minitab 670/686
Exercice 132.: Clustering dendrogramme

Dans le cours de mthodes numriques nous avons parl, dmontr et implment dans
MS Excel les algorithmes pour les CART, les dendrogrammes ainsi que la mthode K-means
pour pouvoir faire du regroupement.
Le but va tre ici de vrifier si nous obtenons bien avec Minitab le mme dendrogramme ou
groupement K-means qu'en cours (puisque les CART ne sont pas disponibles ce jour dans
Minitab).
Pour vrifier cela, nous partons exactement du mme chantillon de donnes que dans le
cours thorique (ou vous ouvrez le fichier Dendrogramme.mpj):

Ensuite, nous allons dans le menu Stat/Multivari/Observations en groupes...:
Minitab 671/686

et nous y mettons:

Remarquez que nous y retrouvons les mthodes de liaisons ainsi que les mesures de distances
dont nous avons parles en cours (mme si nous allons garder la Simple et Euclidienne):
Minitab 672/686

Nous gardons donc tout tel que et validons par OK pour obtenir d'abord le dendrogramme
suivant:

et dans la fentre de sessions le listing suivant:
Minitab 673/686

o nous voyons que tout est conforme ce que nous avons calcul en cours avec MS Excel.
Minitab 674/686
Exercice 133.: K-means (k-moyennes en groupes)

Comme d'habitue, le but est de vrifier ce que nous avons vu dans le cours thorique de
Mthodes Numriques concernant les k-Means (toujours du clustering) et que nous avons
essay d'approcher avec MS Excel et son solveur (sachant qu'il n'tait donc pas possible
d'avoir deux extremums en mme temps avec cet outil).
Nous partons donc toujours des mmes donnes (ouvrez le ficihier kmeans.mpj):

Nous allons ensuite dans le menu Stat/Multivari/K-Moyennes en groupes...:
Minitab 675/686

et nous prenons:

et nous cliquons aussi (pour comparer avec MS Excel plus facilement) sur le bouton
Stockage...:
Minitab 676/686

pour avoir donc les appartenances des individus signales automatiquement.
Nous validons le tout par OK pour obtenir (sans graphique ce qui est assez lamentable...):

et:
Minitab 677/686

Le rsultat de Minitab reprsent avec le fichier MS Excel que nous avons utilis pendant le
cours thorique:

Minitab 678/686

la question: Retrouvons-nous avec Minitab les mmes rsultats qu'avec MS Excel? La
rponse est bien videmment ngative puisque le solveur de MS Excel ne peut rendre
extremum qu'un paramtre la fois. Par contre, les groupes obtenus sont exactement les
mmes (voir ci-dessous les captures d'cran obtenues pendant le cours thorique).
Remarque: Nous obtenons aussi les mmes rsultats que ceux vus dans le cours de Data
Mining avec Tanagra.
Pour rappel, le solveur GRG ou volutionnaire de MS Excel donnait un rsultat diffrent
(voir ci-dessous) mais... la distance entre les groupes n'est pas aussi grande que le rsultat
trouv par Minitab (car dans MS Excel on peut minimiser la distance des points au centre
d'un groupe mais pas en mme temps maximiser la distance entre les centres des groupes):
Minitab 679/686

Minitab 680/686
Exercice 134.: Intgration d'une macro

Nous avons dmontr dans le cours de statistique thorique un certain nombre de tests trs
importants qui n'existent pas encore ce jour dans Minitab.
Le but ici est de faire un exemple d'intgration d'une macro prise sur le site internet de
Minitab et qui permet d'excuter le test de McNemar que nous avons dmontr en cours pour
vrifier si nous retombons sur les mmes rsultats que ceux calculs avec MS Excel.
Le lien direct vers cette macro particulire se trouve ici:
http://www.minitab.com/en-US/support/macros/default.aspx?action=code&id=130

macro
###########################################################################
#
# Name: MCNEMAR.MAC
# Version: Release 15 and 16
# Written by: Eli Walters and Eduardo Santiago 7/23/2007
# Modified: 6/1/2009 and 10/14/2011
#
# This macro performs McNemar's test on either (1) a 2x2 table
# stored in two columns of the active worksheet or (2) two columns
# of raw data in the active worksheet. Input constant f indicates
# the form of the data (1 = table, 2 = raw data). For example, if a
# 2x2 table is stored in the first two cells of columns C1 and C2,
# then type:
#
# %mcnemar 1 C1 C2;
# correction;
# confidence 0.99.
#
# The output will provide the chi-square statistic with a continuity
# correction (to provide the standard chi-square statistic omit the
# subcommand for correction), p-value for the test and a 99% confidence
# interval for the difference of the observed marginal proportions
# (if the confidence subcommand is omitted a 95% confidence interval will
# be created by default).
#
###########################################################################
#
# Neither Minitab, Inc. nor the author(s) of this MACRO makes any claim
# of or offers any Warranty whatsoever with regard to the accuracy of
# this MACRO or its suitability for use. Minitab, Inc. and the author(s)
# of this MACRO each hereby disclaims any Warranty and/or liability with
# respect thereto.
#
###########################################################################

mcnemar f x y;
correction;
confidence conf.

mcolumn x y x2 y2 labels xlab ylab cellct deltap lowci upci k obserx obsery dummy civals cint
mconstant f a b c d delta chi k1 pval xval yval bc conf typex typey ct phr1 phr2 phr3 phr4
phr5 tconf tlowci tupci xlen ylen val prob

default conf=0.95
mreset
noecho
brief 0
notitle

if conf >= 1 or conf <= 0
note
note **Error** The confidence level is a number between 0 and 1, exclusive.
Minitab 681/686
note
exit
endif

if f=1 # Data has been entered in the worksheet as a 2x2 table

# Check to verify that the data is numeric

dtype x typex
dtype y typey
n x xval
n y yval

brief
if typex = 0 or typey = 0 or xval ne 2 or yval ne 2
note
note **Error** The columns for this table need to be numeric and need to have only two
rows each.
note
exit
endif

let a = x(1)
let b = y(1)
let c = x(2)
let d = y(2)

elseif f=2 # Raw data has been entered in the worksheet

stats;
by x;
gval xlab.

stats;
by y;
gval ylab.

n xlab xval
n ylab yval

n x xlen
n y ylen

brief

if xlen ne ylen
note
note **Error** Columns must be of equal length.
note
exit
endif

if xval ne 2 or yval ne 2
note
note **Error** Each column must have exactly two distinct levels.
note
exit
endif

if xlab ne ylab
note
note **Error** Each column must have the same two distinct levels.
note
exit
endif
brief 0

# If the column lengths are not the same at this point, the macro will be automatically
terminated.

dtype x typex
dtype y typey

if typex = 0 and typey = 0
copy x y x2 y2;
Exclude;
Minitab 682/686
Where "x = "" "" or y = "" """.
elseif typex ne 0 and typex ne 0 and typex = typey
copy x y x2 y2;
Exclude;
Where "x = '*' or y = '*'".
endif

n x2 obserx
n y2 obsery

brief 1
if obserx ne obsery
note
note **Error** Since the data is matched, each column must have the same number of
observations.
note
exit
endif
brief 0

# This assumes the raw data is text or numeric.

let ct = count(x2)
Set dummy
1( 1 : 1 / 1 )ct
End.
Statistics dummy;
By x2 y2;
Sums cellct.
let a = cellct(1)
let b = cellct(2)
let c = cellct(3)
let d = cellct(4)

else
brief 1
note
note **Error** The first input parameter can only take values of 1 or 2.
note
exit
endif

let bc=b+c

brief
if bc < 10
note
note **Warning** Test statistic may not be approximated well by the chisquare
distribution in this case.
note A sign test may be more appropriate.
note
endif
brief 0

if correction = 0
let chi = (b-c)**2/(b+c)
else
let chi = ((abs(b-c)-1)**2)/(b+c)
endif

cdf chi k1;
chisquare 1.

let pval = 1-k1

let delta = (c-b)/(a+b+c+d)
let prob = 1-(1-conf)/2
invcdf prob k;
normal 0 1.
let lowci = delta - k*sqrt(((a+b+c+d)*(b+c) - (b-c)**2)/(a+b+c+d)**3)
let upci = delta + k*sqrt(((a+b+c+d)*(b+c) - (b-c)**2)/(a+b+c+d)**3)

brief 1
if correction = 0
mtitle "McNemar's Test for Marginal Homogeneity"
else
mtitle "McNemar's Test for Marginal Homogeneity with Continuity Correction"
Minitab 683/686
endif

let conf=conf*100

let civals[1]=conf
let civals[2]=lowci
let civals[3]=upci

text civals civals

let tconf=left(civals[1],2)
let tlowci=civals[2]
let tupci=civals[3]

kkset phr1 "The "
kkset phr2 "% CI for delta is: "
kkset phr3 "("
kkset phr4 ","
kkset phr5 ")."

kkcat phr1 tconf phr1
kkcat phr1 phr2 phr1
kkcat phr3 tlowci val
kkcat val phr4 val
kkcat val tupci val
kkcat val phr5 val
kkcat phr1 val val
let cint = val

name chi "Chi-Square Statistic:"
name pval "P-value:"

print chi pval
write cint

write "where delta represents the difference of the observed marginal proportions."

endmacro
Cependant, pour rationaliser le travail, le mieux et de tlcharger le fichier *.zip contenant
toutes les macros proposes par Minitab en suivant la procdure indique:

Donc nous faisons ce qui est crit partir de l'tape 6 (les tapes prcdentes n'tant que
l'application des bases lmentaires de Windows):
Minitab 684/686

et:

Ensuite, nous allons de le menu Editeur/Activer les commandes:

Minitab 685/686
Nous avons alors MTB> qui apparat:

Nous tapons dans le cas qui nous intresse d'abord %mcnemar 1 C1 C2; et nous validons par
entre:

et ensuite nous tapons correction; et nous validons pas entre (SUBS signifie subcommand):
Minitab 686/686

et nous finissons avec confidence 0.95. puis nous validons par entre:

Nous retrouvons presque les mmes valeurs que dans le cours de mthodes numriques o
nous avons dmontr mathmatique la dmarche et l'origine du test. Nous voyons donc que
Minitab applique la correction du Yule.
Pour excuter le test sans la correction, il aurait fallu utiliser la commande suivante:
MTB>%mcnemar 1 C2 C2;
SUBC>0;
SUBC>confidence 0.95.

Minitab

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Minitab

Încărcat de

Drepturi de autor:

Formate disponibile

MINITAB

Exercices de base (niveau M2)

S-ar putea să vă placă și