<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Bonjour à tous,
J'analyse des données pour une tâche de contrôle de la qualité. J'ai 3 lots d'une certaine production. De chacun des 3 lots, j'ai 13 échantillons. Chaque échantillon est un nombre réel entre 0 et 1, cependant je ne suis pas sûr que 1 soit la limite supérieure possible. Chaque échantillon inférieur à 0,42 est un échec. Je dois trouver un moyen de l'analyser. Puisqu'il y a 3 lots, je suppose que "lot" est un effet aléatoire. Je pensais pouvoir l'analyser avec les composantes de la variance, mais j'ai du mal à interpréter les résultats.
Quelques chiffres de base : voici les moyennes et les écarts-types des 3 lots : 0,537 (0,055), 0,656 (0,129) et 0,514 (0,041).
Maintenant, j'ai exécuté le composant de variance via le module "jauge de variabilité" (jmp 11), et j'ai obtenu :
| Composant | Composant Var | % total | sqrt (composant var) |
|---|
| Grouper | 0,0053 | 42,6 | 0,0729 |
| Dans | 0,0071 | 57,4 | 0,084 |
| Total | 0,012 | 100 | 0,111 |
Je ne comprends pas comment interpréter cela, car l'écart-type total de toutes les observations ensemble est de 0,103 et le sqrt (composant var) du composant total est de 0,111. Quelle est la différence entre ces deux ?
De plus, j'ai obtenu ce tableau ANOVA :
| Source | DF | SS | SP |
|---|
| Grouper | 2 | 0,153 | 0,0763 |
| Dans | 36 | 0,257 | 0,00716 |
| Total | 38 | 0,410 | 0,01 |
Comment ce tableau s'ajoute-t-il à la composante de variance 1 ?
Et une dernière question, y a-t-il un moyen dans JMP de montrer que le minimum est supérieur à 0,42, je veux dire, pas seulement pour montrer l'estimation ponctuelle, mais peut-être une estimation d'intervalle pour le minimum ? Je pense juste, peut-être si je trouve une probabilité d'être supérieure à 0,42, ajustée pour l'influence du lot.
Merci !
Dans le premier tableau, le rapport est une estimation des composantes de la variance basée sur un modèle linéaire où le lot est un effet aléatoire. Les écarts types ne peuvent pas être additionnés pour obtenir un écart type total. Rappelons que sqrt(a) + sqrt(b) n'est pas égal à sqrt(a + b). Vous devez ajouter les variances, puis prendre la racine carrée pour obtenir l'écart type total. Cela peut ne pas correspondre à l'écart type de l'échantillon car il s'agit d'une estimation basée sur un modèle linéaire, mais si le modèle est un bon modèle, il devrait être proche.
Le tableau ANOVA effectue une analyse de la variance en supposant que le lot est un effet fixe.
