Vous êtes sur la page 1sur 30

MOOC Statistique pour ingénieur

Thème 2 : échantillonnage, estimation


Vidéo 5 : Contrôle statistique

F. Delacroix M. Lecomte
Institut Mines-Télécom
École Nationale Supérieure des Mines de Douai

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Sommaire
1 Principe des cartes de contrôle

2 Cartes de contrôle de l’écart-type

3 Cartes de contrôle de la moyenne

4 Efficacité des cartes de contrôle

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Principe des cartes de contrôle

Walter Shewhart (1891 – 1967)


MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation
Principe des cartes de contrôle

• Limites de contrôle
inférieure et supérieure
Lci et Lcs
• Report des estimations
du paramètre sur
différents échantillons
successifs

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Principe des cartes de contrôle

• Limites de contrôle
inférieure et supérieure
Lci et Lcs
• Report des estimations
du paramètre sur
différents échantillons
successifs
• Détection des points
«hors contrôle»

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Exemple : fabrication d’un médicament
X=masse d’un comprimé

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Exemple : fabrication d’un médicament
X=masse d’un comprimé

µ = 63 mg

Si le processus est maîtrisé, X ∼ N (µ, σ 2 ) où
σ = 0, 1 mg
Mise en place de deux cartes de contrôle aux objectifs différents :
• sur la moyenne : détection d’un décentrage
• sur l’écart-type : recherche de l’origine d’une dispersion anormale

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Sommaire
1 Principe des cartes de contrôle

2 Cartes de contrôle de l’écart-type

3 Cartes de contrôle de la moyenne

4 Efficacité des cartes de contrôle

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Limites de contrôle de la carte de l’écart-type

Rappels:
• S2 =variance empirique de
l’échantillon
n S2
• Z = 2 ∼ χ2n−1
σ
Intervalle de probabilité : soient χ2α/2
et χ21−α/2 tels que
1−α
P χ2α/2 ≤ Z ≤ χ21−α/2 = 1 − α


χ2α/2 χ21−α/2

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Limites de contrôle de la carte de l’écart-type

Rappels:  s s 
• S2 =variance empirique de χ2α/2 χ21−α/2
l’échantillon P σ ≤S≤σ  = 1−α
n n
n S2
• Z = 2 ∼ χ2n−1
σ
Intervalle de probabilité : soient χ2α/2 Définition
et χ21−α/2 tels que
Limites inférieure et supérieure de
contrôle de σ:
P χ2α/2 ≤ Z ≤ χ21−α/2 = 1 − α

s s
2
χα/2 χ21−α/2
Lci (σ) = σ Lcs (σ) = σ
n n

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Exemple : fabrication d’un médicament

q
χ2α/2
Lci (σ) = σ n
q
χ21−α/2
Lcs (σ) = σ n

Avec σ = 0, 1 mg et n = 10,

χ2α/2 = 0, 972 et χ21−α/2 = 29, 666

on obtient

Lci (σ) = 0, 031 mg Lcs (σ) = 0, 172 mg

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Sommaire
1 Principe des cartes de contrôle

2 Cartes de contrôle de l’écart-type

3 Cartes de contrôle de la moyenne

4 Efficacité des cartes de contrôle

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Limites de contrôle de la carte de la moyenne
Rappels :
• X =moyenne empirique
X−µ
• U= √ ∼ N (0, 1)
σ/ n
Soit uα/2 tel que

P −uα/2 ≤ U ≤ uα/2 = 1 − α

1−α

−uα/2 uα/2

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Limites de contrôle de la carte de la moyenne
Rappels :
• X =moyenne empirique
X−µ
• U= √ ∼ N (0, 1)
σ/ n
Soit uα/2 tel que

P −uα/2 ≤ U ≤ uα/2 = 1 − α

99,73%

Pour α = 0, 27% on a uα/2 = 3.


Intervalle de probabilité pour X à −3 3
1 − α = 99, 73% :
σ σ
µ − 3√ ≤ X ≤ µ + 3√
n n
MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation
Limites de contrôle de la carte de la moyenne
Rappels :
Définition
• X =moyenne empirique
Limites inférieure et supérieure de
X−µ
• U= √ ∼ N (0, 1) contrôle de µ :
σ/ n
Soit uα/2 tel que σ
Lci (µ) = µ − 3 √
n
P −uα/2 ≤ U ≤ uα/2 = 1 − α σ

Lcs (µ) = µ + 3 √
n
Pour α = 0, 27% on a uα/2 = 3.
Intervalle de probabilité pour X à
1 − α = 99, 73% :
σ σ
µ − 3√ ≤ X ≤ µ + 3√
n n
MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation
Exemple : fabrication d’un médicament

σ
Lci (µ) = µ − 3 √
n
σ
Lcs (µ) = µ + 3 √
n
Avec µ = 63 mg, σ = 0, 1 mg et
n = 10, on obtient

Lci (µ) = 62, 905 mg


Lcs (µ) = 63, 095 mg

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Sommaire
1 Principe des cartes de contrôle

2 Cartes de contrôle de l’écart-type

3 Cartes de contrôle de la moyenne

4 Efficacité des cartes de contrôle

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Efficacité des cartes de contrôle

2 risques d’erreur :

α risque de conclure à un déréglage alors que le


processus est bien réglé, fixé lors du calcul des
limites de contrôle

β risque de ne pas déceler de déréglage alors que


celui-ci existe

1 − β=probabilité de déceler un déréglage existant

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Cas de la carte de contrôle de la moyenne
On suppose que (µ et σ étant connus):
• si le processus est bien maîtrisé, X ∼ N (µ, σ 2 )
• si le processus est décentré d’une quantité kσ,
X ∼ N (µ + kσ, σ 2 )

On a

β = P Lci (µ) ≤ X ≤ Lcs (µ)



√  √ 
= Φ 3 − k n − Φ −3 − k n

La courbe k 7−→ β(k) est la courbe d’efficacité à n fixé.

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Quelques courbes d’efficacité
√ √
β = Φ(3−k n)−Φ(−3−k n)
Pour n = 10:
k β n = 10
0 1
0,5 0,9220 β
0,75 0,7351
1 0,4355
1,25 0,1703
1,5 0,0406
1,75 0,0056
2 0,0004 k
3 0,0000

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Quelques courbes d’efficacité
√ √
β = Φ(3−k n)−Φ(−3−k n)
En faisant varier n on obtient
plusieurs courbes.
n=1

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Quelques courbes d’efficacité
√ √
β = Φ(3−k n)−Φ(−3−k n)
En faisant varier n on obtient
plusieurs courbes.
n=2

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Quelques courbes d’efficacité
√ √
β = Φ(3−k n)−Φ(−3−k n)
En faisant varier n on obtient
plusieurs courbes.
n=3
Valeurs acceptables de β :
entre 5 et 20%. β

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Quelques courbes d’efficacité
√ √
β = Φ(3−k n)−Φ(−3−k n)
En faisant varier n on obtient
plusieurs courbes.
n=4
Valeurs acceptables de β :
entre 5 et 20%. β

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Quelques courbes d’efficacité
√ √
β = Φ(3−k n)−Φ(−3−k n)
En faisant varier n on obtient
plusieurs courbes.
n=5
Valeurs acceptables de β :
entre 5 et 20%. β
À décentrage k fixé, plus β est
faible, plus la détection est
efficace.

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Quelques courbes d’efficacité
√ √
β = Φ(3−k n)−Φ(−3−k n)
En faisant varier n on obtient
plusieurs courbes.
n = 10
Valeurs acceptables de β :
entre 5 et 20%. β
À décentrage k fixé, plus β est
faible, plus la détection est
efficace.

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Quelques courbes d’efficacité
√ √
β = Φ(3−k n)−Φ(−3−k n)
En faisant varier n on obtient
plusieurs courbes.
n = 20
Valeurs acceptables de β :
entre 5 et 20%. β
À décentrage k fixé, plus β est
faible, plus la détection est
efficace.

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Quelques courbes d’efficacité
√ √
β = Φ(3−k n)−Φ(−3−k n)
En faisant varier n on obtient
plusieurs courbes.
n = 50
Valeurs acceptables de β :
entre 5 et 20%. β
À décentrage k fixé, plus β est
faible, plus la détection est
efficace.

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Quelques courbes d’efficacité
Détermination d’un échantillon optimal

Exemple
Pour k = 1 et β = 0, 20, on n = 15
peut choisir n = 15.
β

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation