Académique Documents
Professionnel Documents
Culture Documents
Validations d’hypothèses
5.1 Hypothèses nulles et hypothèses alternatives 12-35
5.2 Validation d’affirmations relatives à une moyenne 12-37
5.3 Deux moyennes de populations 12-40
5.4 Moyennes de population et variances 12-44
5.5 Validation de l’égalité des proportions d’une population 12-47
5.6 Validation d’une association 12-49
5.7 Puissance et taille d’échantillon 12-50
Analyse de la variance
6.1 ANOVA à un paramètre 12-56
6.2 ANOVA à un paramètre avec Minitab 12-59
6.3 ANOVA à deux paramètres 12-61
Équipe 4 : Diapositives n° 38-49 (de la page 1-19 à la page 1-25)
2. Une entreprise qui utilise Six Sigma comme un outil et non comme une stratégie NE
FERA PAS (entourez les bonnes réponses) …
a) Changer “l’ADN corporate”
b) Réaliser les gains court-terme de Six Sigma
c) Focaliser sur les problèmes
d) Changer la structure de l’EBIT
7. L’(es) élément(s) suivant(s) est(sont) critique(s) pour le succès d’un projet (entourez
toutes les bonnes réponses):
a) Projet bien défini.
b) Membres d’équipe pleinement engagés.
c) Planning projet établi et utilisé.
d) Stratégie globale dont le but est d’atteindre des gains substantiels du point de
vue du client.
16. L’écart-type …
a) Est une mesure de variation ne prenant en compte que le minimum et le
maximum d’un échantillon.
b) Est une mesure de variation prenant en compte tous les points de l’échantillon
c) Est une mesure de tendance centrale.
d) Peut être additionnée et soustraite.
18. Un test d’Anderson Darling donne une p-value de 0.495. Comme GB/BB, vous pouvez
conclure …
a) Il n’y a pas assez d’information pour conclure.
b) Les données sont asymétriques gauches : il faut transformer.
c) Il y a de fortes présomptions que les données soient distribuées normalement.
d) Il y a de fortes présomptions que les données ne soient pas distribuées
normalement.
21. Si le nombre moyen de commandes pour des matières premières était de 100 avec
une variance de 25, quelle proportion de commandes se trouverait dans la fourchette de
95 à 105 ?
a) 68%
b) 90%
c) 95%
d) 99%
24. Quelle N’EST PAS une caractéristique du Rolled Throughput Yield (RTY)?
a) C’est la probabilité d’avoir une unite sans défaut
b) Il peut révéler l’usine cachée.
c) S’obtient en multipliant les rendements des étapes critiques.
d) e-DPU est utilisé pour estimer RTY.
e) C’est la probabilité d’obtenir un défaut.
27. Si deux points d’une carte individuelle se trouvent en dessous de la limite inférieure de
contrôle, quelles actions faut-il entreprendre ?
a) Ignorer les points, du moment que l’allure générale est entre les limites.
b) Chercher des cause(s) communes.
c) Chercher des cause(s) spéciales.
d) Suivre la maxime “Dans le doute, élimine !”.
28. Quel type de carte de contrôle serait la plus appropriée pour des données binomiales
à taille d’échantillon variable ?
a) Carte u
b) Carte c
c) Carte p
d) Carte Xbar & R
29. Quel type de carte de contrôle serait appropriée pour des données variables d’une
production de grande série dont la collecte est facile ?
a) Carte I & MR
b) Carte Xbar & R
c) Carte p
d) Carte u
37. Pour passer d’un mesurable client à un mesurable process, il faut effectuer toutes les
tâches suivantes SAUF : …
a) Considérer les produits tangibles du process.
b) Collecter de nouvelles données pour déterminer les causes des défauts.
c) Connaître les Y client.
d) Prioriser en fonction de l’importance pour le client
38. Une équipe Six Sigma veut réduire les rebuts d’un process de soudure. Le coût des
rebuts est un exemple de …
a) Y client
b) Y business
c) Y Process
d) x
39. Cette équipe a déterminé que réduire les variations dans le diamètre du point de sou-
dure entraînerait des soudures plus régulières et donc moins de rebuts. Le diamètre du
point de soudure est un exemple de …
e) Y client
f) Y business
g) Y Process
h) x
44. Laquelle des étapes suivantes N’EST PAS nécessaire lors de l’évaluation de la
capabilité avec des données variables?
a) Vérifier la normalité des données.
b) Déterminer la variation du process et la comparer aux spécifications.
c) Mener une étude cause/effet.
45. Parmi les éléments suivants, lequel est un exemple médiocre de la catégorie cite ?
a) Coûts des défaillances internes : surplus de stocks
b) Coûts des défaillances externes :retours clients
c) Coûts d’évaluation : Garantie
d) Coûts de prévention : formation
1 ______ sur 10
2 ______ sur 10
3 ______ sur 10
4 ______ sur 10
5 ______ sur 10
Situation
actuelle :
% de défauts
1. Notez chaque KPOV par ordre d’importance (en adoptant le point de vue du client).
Utilisez une échelle de 1 à 10.
2. Énumérez les étapes du process sur la matrice.
3. Pour chaque KPOV à chaque étape du process, se poser la question « quelles
variables d’entrée pourraient avoir un impact sur ce résultat ? ». Énumérez ces
variables d’entrée sur la matrice.
4. Déterminez le poids des corrélations entre les variables d’entrée et de résultat
(échelle de 0 à 10).
5. Calculez une note totale pour chaque variable d’entrée du process (multiplication
croisée).
6. Déterminez la hiérarchie en identifiant les variables qui ont les notes les plus
élevées (il y a de fortes chances qu’il s’agisse des variables clés d’entrée du
process, les KPOV ).
2. Supposons que les KPIV identifiées dans l’Exercice 2.2 ont été vérifiées à l’aide de
données. Vous êtes maintenant en mesure de décider quoi faire avec ces variables pour
améliorer le(s) résultat(s) critique(s). En d’autres termes, vous vous apprêtez à passer à
l’étape « d’amélioration ».
Évaluez les KPIV à l’aide de la matrice d’évaluation qui vous est donnée page suivante
(partez de l’hypothèse qu’il n’existe pas encore de procédures standard de fonctionne-
ment).
b. Pour chaque étape de process, énumérez les exigences (inventez-les ; pensez à vous
mettre dans la peau du client ; le client peut être un client interne, l’étape suivante du
process).
c. Énumérez les modes potentiels de défaillance pour chacune des exigences à chaque
étape de process.
Remarque : utilisez un paperboard pour cet atelier. Présentez vos résultats à l’ensemble du
groupe.
2. Pour chaque mode potentiel de défaillance identifié dans l’Exercice 3.1 (lancer à la
catapulte)…
3.
a. Énumérez les effets de la défaillance.
Remarque : utilisez un paperboard mais respectez le modèle fourni à l’Exercice 3.1. Présentez
vos résultats à l’ensemble du groupe.
2. Pour chaque mode potentiel de défaillance identifié dans l’Exercice 3.1 (lancer à la
catapulte)…
a. Énumérez les causes potentielles des modes de défaillance (utilisez un arbre des
causes pour l’un des modes de défaillance).
Remarque : utilisez un paperboard mais respectez le modèle fourni à l’Exercice 3.1. Présentez
vos résultats à l’ensemble du groupe.
a. Quels sont les modes de défaillance que l’équipe tient pour les plus graves ?
b. Quelles sont, selon l’équipe, les principales causes du mode de défaillance hautement
prioritaire ?
2. Pour l’exemple attribué à votre équipe, faites les calculs suivants sans utiliser
Minitab.
Commandes Minitab (les données se trouvent dans la colonne C2 du module 25.MTW) :
Remarque : par défaut, l’intervalle de confiance est fixé à 95 % (voir les options)
Cliquez sur OK
À partir de cet échantillon, quel est le temps de traitement estimé de l’ensemble des bons
de commande ? Donnez un intervalle de confiance à 95 % pour l’estimation faite.
Remarque : par défaut, l’intervalle de confiance est fixé à 95 % (voir les options)
Cliquez sur OK
Vous testez le couple de pivotement d’un pare-soleil. Vous voulez avoir une confirmation
que le couple moyen est supérieur à 30 Newtons. Est-ce le cas ?
= 32,32
s = 3,25
Avec Minitab…
= ____________
90 % ( = 0,10)
95 % ( = 0,05)
99 % ( = 0,01)
Y a-t-il une différence, en termes de temps de traitement moyen, entre les deux
approches ?
Vous avez collecté des données (en heures) sur 35 commandes utilisant l’ancienne
approche et sur 35 commandes utilisant la nouvelle (les données se trouvent en colonnes
2 et 3 de BBestimation.MTW).
Avec Minitab…
1. Estimez la différence entre les deux moyennes de population (ancienne approche
moins nouvelle approche).
2. Donnez un intervalle de confiance de 95 % autour de l’estimation de la différence.
Peut-on dire que la nouvelle approche fait gagner du temps ?
Commandes Minitab (les données se trouvent en colonnes 2 et 3 de
BBestimation.MTW) :
Sélectionnez : Stat > Basic Statistics > 2-Sample t
(REMARQUE : Minitab ne permet pas de pratiquer un test Z 2-Sample)
Allez dans la rubrique « Options » pour définir le niveau de confiance (fixé par défaut à
95 %).
Vous cherchez à comparer deux services d’une entreprise en termes de temps passé par
les gestionnaires de programme à des activités de gestion de programme (PM). Vous
disposez d’un échantillon de 8 gestionnaires de programme issus du service 1 et de
8 gestionnaires de programme issus du service 2.
Avec Minitab…
Commandes Minitab
Couleur
Total
Total
Marron Bleu Rouge Jaune Vert Orange
Pl
M&M a
nature
P
M&M aux ea
cacahuètes n
ut
M
T
ot
Total al
Commandes Minitab :
Pour chacun des deux échantillons (nature et aux cacahuètes), indiquez le nombre
d’essais (quantité totale de M&M dans le sachet) et le nombre de résultats positifs
(quantité de M&M marron dans le sachet).
Remarque : le niveau de confiance par défaut est fixé à 95 % (voir les options).
Cliquez sur OK
2. Discutez des exemples suivants et identifiez pour chacun les hypothèses nulles et les
hypothèses alternatives.
H0 :
H1 :
H0 :
H1 :
H0 :
H1 :
H0 :
H1 :
Lors d’une commande de fournitures, l’utilisation d’une carte de crédit d’entreprise est
traditionnellement sensée permettre d’obtenir la meilleure réponse. Nous allons tester
cette affirmation face à un process utilisant le formulaire bleu standard de commande.
Avec Minitab…
Sélectionnez : Stat>Basic Statistics>1-sample z
Dans la rubrique « Sample in Columns », indiquez C1: Delivery
Dans la rubrique « Standard Deviation », indiquez : 2
Dans la rubrique « Test mean », indiquez : 6
Sélectionnez « Graphs » et cochez « Histogram of data », cliquez sur OK
Sélectionnez « Options » et examinez les valeurs par défaut :
Le niveau de confiance est de 95 %
L’hypothèse alternative est « not equal ».
Ces deux options s’appliquent à notre exemple actuel
Cliquez sur OK, puis cliquez à nouveau sur OK
s = 9,57
Avec Minitab…
Sélectionnez : Stat>Basic Statistics>1-sample z
Dans la rubrique « Sample in Columns», indiquez C2 : Phones ($)
- Quelle valeur faudrait-il indiquer pour la rubrique « Sigma » ? _____
- Quelle valeur faudrait-il indiquer pour la rubrique « Test mean » ? _____
- Dans la rubrique « Options », les valeurs par défaut peuvent-elles
s’appliquer à notre exemple ? _____
_______________________________________________________________
_______________________________________________________________
Pour une machine de formage de glissières de sièges, la cote intérieure visée est de
0,75 pouce (1,9 cm). Vous prélevez aujourd’hui un échantillon de 25 glissières de sièges
et vous obtenez les résultats suivants :
s = 0,19
Avec Minitab…
Sélectionnez : Stat>Basic Statistics>1-sample t
Dans la rubrique « Sample in Columns », indiquez C3 : Dimension
- Quelle valeur faudrait-il indiquer à la rubrique « Test mean » ? _____
- Dans la rubrique « Options », les valeurs par défaut peuvent-elles
s’appliquer à notre exemple ? _____
Pour savoir si l’un des deux services des ressources humaines pourvoit les postes plus
vite que l’autre, un Black Belt a collecté dans chacun des services un échantillon
aléatoire de « délai d’embauche » pour 75 recrutements.
Service A Service B
n = 75 n = 75
s = 4,97 s = 6,95
H0 :
H1 :
Avec Minitab…
Sélectionnez : Stat>Basic Statistics>2-Sample t
Sélectionnez : « Samples in different columns »
Dans la rubrique « First », indiquez C4 : OfficeA
Dans la rubrique « Second », indiquez C5 : OfficeB
Sélectionnez : « Options » et vérifiez que « alternative » est bien sur l’option « not
equal ».
Utilisez le niveau de confiance par défaut à 95 % ( = 0,05)
Cliquez sur OK, puis cliquez à nouveau sur OK.
Les données nous apportent-elles suffisamment d’informations pour conclure que l’un
des deux services pourvoit les postes plus vite que l’autre ?
Les échantillons complets se trouvent dans les colonnes C10 « red » et C11 « gray »
de TransMOD25.MTW (n1 = n2 = 200).
Supposons que nous cherchions à valider l’hypothèse selon laquelle les données
viennent de deux populations différentes. Nous devons réaliser un test qui mettra en
évidence une différence statistiquement significative entre les deux moyennes de
population.
Prenez un niveau de signification = 0,05 pour ce test.
Quelle serait la meilleure validation d’hypothèse à réaliser pour cet exemple ?
Puisqu’il s’agit d’un échantillon de petite taille (n 1 et n2 sont tous les deux < 30),
procédez à un test de normalité sur chaque échantillon.
Avec Minitab…
Sélectionnez : Stat>Basic Statistics>Paired t
Dans la rubrique « First sample », indiquez C6 : Old
Dans la rubrique « Second sample », indiquez C7 : New
Vérifiez les « Options » et assurez-vous que vous avez le bon niveau de
confiance et la bonne hypothèse alternative.
Sélectionnez : « Graphs » et cochez « Histogram of differences ».
________________________________________________________________
3. L’exemple précédent relatif aux frais d’expédition utilisait des échantillons dépendants.
Dans ce cas, le test t apparié est la méthode appropriée de validation d’hypothèses.
Grâce à ce test t apparié, vous avez obtenu une valeur P inférieure au niveau de
signification = 0,05. Vous en avez donc conclu que les nouvelles procédures de
manipulation des matériaux permettaient de réduire les frais d’expédition.
Que se passerait-il si vous aviez fait, à tort, un test t 2-sample (qui est utilisé pour les
échantillons indépendants) ? Seriez-vous amené à tirer une conclusion différente ?
À titre d’exemple, faites un test t 2-sample t avec ces données. Mais attention, CE TEST
N’EST PAS ADAPTÉ À CETTE APPLICATION !
Pouvez-vous dire pourquoi le test t 2-sample t ne nous permet pas de voir la différence de
coût entre les anciennes et les nouvelles procédures ?
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
2. Pour chaque exemple proposé, décidez quel type de validation d’hypothèse pratiquer,
faites-le et tirez-en les conclusions.
Vous remarquerez que votre nouvelle colonne de données contient toutes les
données des quatre formules de mousse. Quant à la nouvelle colonne des indices,
elle identifie la formule de chacune des données.
________________________________________________________________
________________________________________________________________
________________________________________________________________
________________________________________________________________
Deux échantillons ont été sélectionnés au hasard à partir de lots multiples pour chaque
type de mousse. Les données proviennent de distributions normales.
Avec Minitab…
Sélectionnez : Stat>Basic Statistics>2 Variances
Sélectionnez : « Samples in different columns ».
Dans la rubrique « First », indiquez la colonne C14 : FoamA
Dans la rubrique « Second », indiquez la colonne C15 : FoamB
Allez dans les « Options » et assurez-vous que le niveau de confiance voulu
est bien mentionné.
Cliquez sur OK, puis cliquez à nouveau sur OK.
Vous remarquerez que Minitab donne deux valeurs P, l’une pour le test F et l’autre
pour le test de Levene. Lequel de ces deux tests est-il le mieux adapté à notre
cas ?
_______________________________________________________________
_______________________________________________________________
Y a-t-il une différence significative entre les deux méthodes avec un niveau de
signification à 5 %?
Avec Minitab…
Sélectionnez : Stat>Basic Statistics>2 proportions
Sélectionnez : « Summarized data »
Dans la rubrique « First Sample », indiquez 80 pour « Trials » et 12 pour
« Events »
Dans la rubrique « Second Sample », indiquez 80 pour « Trials » et 5 pour
« Events »
Allez dans les « Options » et assurez-vous que les bons réglages sont
sélectionnés – (pooled p).
W2AnalyzePhaseWorkbook-fr.doc 12-49 Johnson Controls, Inc. June 2004
Manuel de l’étape d’analyse
Cliquez sur OK
_______________________________________________________________
Les données nous apportent-elles suffisamment d’informations pour conclure que
l’une des méthodes est plus précise que l’autre ? __________________
Avec Minitab :
Sélectionnez : STAT>TABLES>Chi-squared TEST
Pour « Columns containing data » sélectionnez C9, C10
Cliquez OK
Le P-value est comparé à 0,05. Si Pvalue > 0,05 il n’y a pas suffisament de
données pour faire la différence entre les équipes.
Quelle est votre conclusion ? ___________________________________________
Avec Minitab…
Sélectionnez : Stat>Tables>Chi-Square Test
Dans la rubrique « Columns containing the table : », indiquez C11 : Defect A,
C12 : Defect B, C13 : Defect C et C14 : Defect D
Cliquez sur OK
À l’aide de ces données, faites un test du chi au carré pour savoir si la proportion de
chacune des couleurs de M&M dépend du fait qu’ils soient nature ou aux cacahuètes.
Sélectionnez OK
Test Z 1-Sample
De quelle manière les changements de différence ont-ils une influence sur la puissance ?
Sélectionnez Options
Sélectionnez OK et OK
Test Z 1-Sample
Pourquoi ?
3. Menez un test F pour savoir s’il y a une différence entre la résistance moyenne des
trois types de nylon.
df T
= (# de données) - 1 =
df Entre= (# de traitements) - 1 =
dfAu sein de= ((# de données dans chaque traitement) - 1) x (#de traitements) =
SSEntre
MS
Entre
k 1
SS Au sein de
MS Au sein de
N-k
MSEntre
FEntre
MS Au sein de
FCritique 95 %
(voir module 11)
Entre traitements
Total
Votre conclusion :
1 89 84 79 252
2 98 77 81 256
3 97 92 80 269
4 94 79 88 261
9-05- 6 Analysis of
Variance.ppt
2000
Y a-t-il une différence entre les trois types de nylon en termes de leur résistance
moyenne ?
Commandes Minitab
Sélectionnez : Graphs
Température
Temps passé dans 371C 427C 482C
le four (durée)
95 87 79
60 minutes 92 90 78
90 87 84
30 minutes 87 85 87
Remarquez la façon dont les données ont été saisies dans Minitab.
a. Utilisez Minitab pour créer le tableau ANOVA, le schéma des effets principaux, le
graphique d’interaction et le graphique à variables multiples qui sont présentés
dans les pages suivantes. Les données se trouvent dans les colonnes C8, C9, et
C10 du fichier : BBANOVA-Sept00.MTW
13,8
Durée du process
12,6
11,4
10,.2
9,.0
le
e
té
l
é
isé
ue
isé
en
en
an
at
at
rim
rim
m
rm
m
or
pé
pé
fo
inf
i-in
ex
ex
m
ns
s
plu
se
oi
m
13
19 Informatisée
Semi-informatisée
Manuelle
Moyenne
14
moins plus
Expérience
14
14
moins plus
Expérience
10
Expérience
19 moins
plus
Durée du process
14
Approche
11
3. Cela « prouve-t-il » qu’une cause affecte la relation entre la pression de l’air et l’épaisseur
du pneu ?
5,00
Pression Épaisseur
de l’air du
2 pneu
kg / m 4,50
f 8,cm m
4,6
0
8, 2
4,5
0
8, 0
4,4 4,00
0
8, 3
4,8
0
8, 1
4,1
5
8, 2
3,8 3,50
5 8
Épaiss
8, 4,0
eur du
(mm)
pneu
5
8, 1
3,6
3,00
5
9, 7
3,2
0
9, 1
3,0
0
9, 5
3,1 2,50
0
9, 6
3,3
0
9, 0
2,8
5
9, 6
2,5 2,00
5
9, 3
2,7
5
9, 1
2,6
5
10, 2
1,8 1,50
0
10, 3
2,0
0
10, 2
2,2
0 4 1,00
10, 1,9
0 5 7,5 8,0 8,5 9,0 9,5 10,0 10,5
Pression de l’air (x)
Commandes Minitab :
Cliquez sur OK
Cliquez sur OK
Commandes Minitab :
Sélectionnez : Stat > Regression > Regression
Indiquez l’épaisseur dans la boîte des réponses.
Indiquez la pression de l’air dans la boîte des prédicteurs.
Cliquez sur OK
Cliquez sur OK
Commandes Minitab :
Saisissez la valeur : 9.
2. Interprétez le résultat des deux tests. Quel test a plus de poids ? Le modèle est-il
adéquat ?
Commandes Minitab :
Cliquez sur OK
Ensuite, à partir du menu de Regression, cliquez sur « storage »
Cliquez sur « Residuals », puis sur OK
Les valeurs résiduelles seront placés dans la prochaine colonne vide.
Lancez le programme de régression.
6. Pour un taux d’intérêt à 9,0 %, quelle est la quantité moyenne estimée de maisons
vendues ?__________
Sélectionnez : Start > Programs > New Visio Drawing > Business Diagram > Project
Timeline Wizard.
Saisissez les données comme indiqué ci-dessus dans la feuille de calcul Excel.
Sélectionnez ensuite l’icône de visualisation de la durée dans Excel et suivez les
consignes de l’Assistant.
Dès que Visio aura dessiné le graphique, tirez sur la poignée de droite pour faire
apparaître toutes les barres.
Il semble y avoir une erreur. La tâche « recherche sur les marathons » va du 11/1/00 au
11/20/00 mais la durée indiquée n’est que de 14 jours. Où avez-vous fait une erreur ? Par
défaut, Visio travaille sur une semaine de cinq jours ouvrables. Dans notre cas, nous
parlons de semaines de sept jours. Cliquez avec le bouton droit de la souris sur la zone du
calendrier du graphique.
Sélectionnez « Configure Working Days... »
2000 2001
ID Intitulé de la tâche Début Fin Durée
Nov. Déc. Jan. Fév. Mars Avr. Mai Juin
Astuce : souvenez-vous qu’il faut montrer que la cause provoque un changement dans le
Y.
Analysez les cartes que vous avez établies dans l’exercice précédent.
Quel est le test d’hypothèse approprié pour ce cas ? (voir les arbres de décision).
i) Avec Minitab®…
Cliquez : Stat>Basic Statistics>1-sample t
Sous “ Samples in columns ”, saisissez C1: Resolution Time
- Quelle valeur pour « test mean »? _____
- Sous “Options”, les configurations par défaut sont-elles applicables ? ______
2. Qu’est-ce qui est faux dans la description suivante d’une hypothèse nulle ?