Statistiques descriptives
Statistiques inférentielles
Plan d'expérience
Gage RR
Résolution de problème
Tolérancement
Fiabilité
Plan de contrôle
Menu du guide d'utilisateur

Guide d'utilisateur

Les différents tests statistiques


Un test statistique (ou test d’hypothèse) consiste à détecter une différence significative :
  • Entre une population étudiée et une valeur cible (Test de comparaison à une valeur théorique ou test de -conformité).
  • Entre deux populations (Test de comparaison de population ou test d’homogénéité)
  • Concernant la liaison de deux variables (test de corrélation ou d’association)
  • Vis-à-vis de la compatibilité des données par rapport à une loi de distribution (test d’adéquation)
A partir d’un échantillonnage de données, le test statistique va calculer la probabilité d’obtenir une telle configuration d’échantillons en supposant que les données sont :
  • Conformes à la cible dans le cas d’un test de comparaison à une valeur théorique
  • Homogènes dans le cas d’un test de comparaison de population
  • Parfaitement associées dans le cas d’un test de corrélation
  • Conformes à la loi de distribution dans le cas d’un test d’adéquation.
Cette hypothèse est appelée hypothèse nulle, car elle considère qu’il n’y a aucune différence entre les données.
Voici les tests statistiques principalement utilisés :
Cas étudiésTests paramétriques
(fait l’hypothèse d’une loi de distribution)
Tests non paramétriques
(Ne fait pas d’hypothèse de loi)
Comparaison à une valeur théorique
Egalité d’une fréquence à une valeurTest 1 P
Egalité d’une moyenne à une valeurTest z Théorique
Test t théorique
Test des runs
Test des signes
Comparaison de populations
Comparaison de deux populations appairéesTest t appairéTest de Wilcoxon appairé
Test des signes
Comparaison de la position de 2 populationsTest z
Test t
B to C
Test Mann Whitney
Comparaison de la position de k populationsANAVARTest de Krustal-Wallis
Comparaison de deux fréquencesTest 2P
Corrélations
Corrélation de 2 variablesR² et coefficient de studentCoeft de Spearman
Coeft de Kendal t
Corrélation de k variables avec un YRégression multi linéaire

Comparaison de population :

Ces tests vous permettent de comparer plusieurs populations contenant des mesures quantitatives entre elles. Par exemple, les lots produits par deux machines différentes, les notes de différentes classes etc…
Exemple 1 : La machine rouge produit-elle des produits à une moyenne supérieure que la machine bleue?
Exemple1
Exemple 2 : Vous avez relevé les notes de différentes classes en mathématique. Les notes des différentes classes sont-elles homogènes en moyenne et en variance ?
Exemple 2
Test de fréquence
Les tests de fréquences vous permettent de comparer la proportion d’apparition d’un phénomène entre plusieurs lots. Par exemple la proportion de défaut entre une configuration de production et une autre.
Exemple 3: Vous avez reçu deux lots de deux fournisseurs différents. Avec les données dont vous disposez, pouvez-vous dire que le fournisseur A est significativement meilleur que le fournisseur B?
Exemple 3
Exemple 4: D’après les résultats suivants, y a-t-il une configuration d’usinage qui permet de réduire significativement les bavures?
P = 0,02P = 0,04P = 0,06
Sans bavure252235
Avec bavure621
Limite430
Test de comparaison à une valeur théorique :
Les tests de comparaison à une valeur théorique vous permettent de comparer une population à une valeur théorique.
Exemple 5 : Après avoir mesuré la vitesse suivante sur les neutrinos, peut-on dire qu’ils se déplacent en moyenne à une vitesse significativement supérieure à la vitesse de la lumière qui est de 299 000 km/s?
Exemple 5
Exemple 6 : On suppose qu’il y a 50% de femmes dans la population. Dans une entreprise de 952 personnes on dénombre 440 femmes et 512 hommes. Cette différence est-elle significative ?
Test de corrélation :
Les tests de corrélation vous permettent de vérifier si deux variables quantitatives semblent liées.
Exemple 7: Vous avez mesuré la résistance à la rupture d’un ressort en fonction de la pression à laquelle il a été produit. La pression a-t-elle une influence sur la résistance du ressort ?
Exemple 7
Test de régression linéaire multiple :
Ou analyse de grands tableaux… Cette analyse vous permet de trouver les facteurs influents sur votre Y lorsque vous disposez d’un large tableau de données contenant sur chaque ligne, les Y en fonction des X.
Exemple 8: Vous souhaitez maximiser la réponse A en fonction de différents paramètres que vous avez relevés. Quels sont les facteurs significatifs et comment faire pour maximiser la réponse A :
Exemple 8

Une solution complète et modulable pour l’industrie 4.0

8 modules statistiques intégrés

trial

Démonstration

0

30 jours

Essai gratuit

Analyse

check

30 jours

check

Toutes les fonctions d'Ellistat

check

1 utilisateur

Support technique et mise à jour inclus

student-teacher

Étudiant / Enseignant

0

1 an

Commander

Analyse

check

1 an

check

Toutes les fonctions d'Ellistat

check

1 utilisateur

check

Licence dédiée aux étudiants disposant d’une carte étudiante en cours de validité

Support technique et mise à jour inclus

standard

Standard

79

par utilisateur par mois

Commander

Analyse

check

Licence renouvelée chaque mois

check

Toutes les fonctions d'Ellistat

check

Utilisateurs illimités

check

Support technique et mise à jour inclus