 Assistance de Minitab® 

18

Rechercher Assistance de Minitab 18 

Observations relatives
aux données pour la
fonction ANOVA à un
facteur contrôlé
En savoir plus sur Minitab 18 

Pour garantir la validité de vos résultats, véri ez que les règles

suivantes sont respectées lorsque vous collectez des données,
e ectuez une analyse et interprétez vos résultats.

Les données doivent inclure une seule variable de catégorie

devant être un facteur xe

Si vous disposez d'au moins deux facteurs de catégorie xes,

utilisez Ajuster le modèle linéaire général si tous les facteurs
sont xes ou Ajuster le modèle à e ets mixtes si certains
facteurs sont aléatoires.

Pour représenter la relation entre un prédicteur (numérique)

continu et une réponse continue, utilisez Droite d'ajustement.
 Pour plus d'informations sur les facteurs, consultez les rubriques
Facteurs et niveaux de facteurs et Facteurs xes et aléatoires.

La variable de réponse doit être continue

Si la variable de réponse est une variable de catégorie, le modèle est
moins susceptible de satisfaire les hypothèses de l'analyse, de
décrire précisément vos données ou de permettre des prévisions
utiles.

Si la variable de réponse contient deux catégories, comme

Réussite et Echec, utilisez la fonction Ajuster le modèle
logistique binaire.

Si la variable de réponse contient au moins trois catégories

dont l'ordre est naturel, par exemple Absolument pas
d'accord, Pas d'accord, Sans opinion, D'accord et Tout à fait
d'accord, utilisez la fonction Régression logistique ordinale.

Si la variable de réponse contient au moins trois catégories qui

n'ont pas d'ordre naturel, par exemple Era ure, Entaille et
Déchirure, utilisez la fonction Régression logistique nominale.

Si la variable de réponse dénombre des occurrences, comme

le nombre de défauts, utilisez la fonction Ajuster le modèle de
Poisson.

Les données échantillons doivent être collectées dans une

population normale, ou l'e ectif de chaque échantillon doit être
supérieur à 15 ou 20
Si l'e ectif d'échantillon est supérieur à 15 ou 20, le test fonctionne
très bien avec des lois non normales et asymétriques. Si l'e ectif
d'échantillon est inférieur à 15 ou 20, les résultats peuvent être
trompeurs avec des lois non normales.

L'e ectif d'échantillon dont vous avez réellement besoin dépend du

nombre de groupes dans vos données, à savoir :
Si vous avez entre 2 et 9 groupes, l'e ectif d'échantillon de
chaque groupe doit être d'au moins 15.
 Si vous avez entre 10 et 12 groupes, l'e ectif d'échantillon de
chaque groupe doit être d'au moins 20.

Si vous n’êtes pas sûr que les données suivent une loi normale et
que vos e ectifs d'échantillons ne sont pas conformes aux
indications, utilisez Test de Kruskal-Wallis.

Chaque observation doit être indépendante de toutes les autres

Si vos observations ne sont pas indépendantes, les résultats ne
seront peut-être pas valides. Tenez compte des points suivants pour
déterminer si vos observations sont indépendantes :
Si une observation ne fournit aucune information sur la valeur
d'une autre observation, cela signi e que les observations sont
indépendantes.

Si une observation fournit des informations sur la valeur d'une

autre observation, cela signi e que les observations sont
dépendantes.

En présence d'observations dépendantes, accédez à la rubrique

Analyse d'un plan à mesures répétées. Pour plus d'informations sur
les échantillons, reportez-vous à la rubrique Dans quelle mesure les
échantillons dépendants et indépendants sont-ils di érents ?

Suivre les meilleures pratiques pour la collecte des données

Pour garantir la validité de vos résultats, suivez les indications
suivantes :
Assurez-vous que les données sont représentatives de la
population qui vous intéresse.
Collectez su samment de données pour béné cier de la
précision nécessaire.

Mesurez les variables de façon aussi exacte et précise que

possible.
Enregistrez les données dans leur ordre de collecte.

Le modèle doit être bien ajusté aux données

 Si le modèle n'est pas bien ajusté aux données, les résultats risquent
d'être trompeurs. Dans les résultats, utilisez les graphiques des
valeurs résiduelles, les statistiques de diagnostic pour les
observations aberrantes, ainsi que les statistiques récapitulatives du
modèle pour déterminer l'ajustement du modèle aux données.

Minitab.com ● Portail des licences Minitab ● Boutique ● Blog ●

Contactez-nous

Copyright © 2019 Minitab, LLC. All rights Reserved.

français