Anova

[pic] Le modèle de schéma est multiplicatif Yt= Tt*St*Rt 7- Régression par MCO de Yt sur le temps Procédure : Menu Analyse Régression Ajustement des fonctions Sélectionnez la variable dépendante Yt, cochez la case temps, puis case ANOVA Résultats : -------------------- Variables in the Equation -------------------- Variable B SE B Beta T Sig T Time ,338533 ,272753 ,236508 1,241 ,2256 (Constant) 125

cartographie des processus), … Mesurer : analyse de systèmes de mesure (Gage R&R, linéarité, …), capacités, diagrammes d'Ishikawa… Analyser : cartographie détaillée des processus (par exemple, analyse de la valeur ajoutée), tests d'hypothèses (ANOVA, χ², tests de variances, …), plans d'expérience… Améliorer : plans d'expériences, AMDEC, poka yoke… Contrôler : plans d'expérience, MSP… Six Sigma va permettre de réduire les coûts et les pertes pour tendre vers des résultats optimums en termes

L'itération en cours est 2. La distance minimale entre les centres initiaux est 7,071. | Centres de classes finaux | | Classe | | 1 | 2 | la réservation | 4 | 2 | l'aceuil | 4 | 2 | la propreté | 4 | 2 | le séjour | 4 | 3 | ANOVA | | Classe | Erreur | F | Signification | | Moyenne des carrés | ddl | Moyenne des carrés | ddl | | | la réservation | 28,406 | 1 | ,343 | 51 | 82,876 | ,000 | l'aceuil | 14,800 | 1 | ,507 | 51 | 29,168 | ,000 | la propreté | 24,911 |

résidus. La SCR représente la variabilité résiduelle, l’écarte entre les valeurs observées et celle prédite par le modèle. Dans le meilleur des cas la SCR = 0 et la SCT = SCE, c’est-à-dire on a un modèle parfait. On a alors le tableau ANOVA suivant grâce à GRETL : On remarque sur le tableau que R² = 0,919 donc proche de 1 cela veut donc dire que la SCE est presqu’égal à la SCT. La qualité de notre régression et modèle est assez satisfaisante. Donc à présent on

et des autres variables médico-cliniques se feront à l’aide de moyennes (écart type), médianes et étendues (variables continues) et fréquences et pourcentages (variables catégorielles) ; les comparaisons seront effectuées par des test de Student t, Anova ou Kruskal Wallis et Wilcoxon pour les variables quantitatives ou de chi 2 et de Fisher pour les variables qualitatives. Après description du nombre d’événements selon le bras de traitement, la survie globale sera estimée à l’aide de la méthode de

|Validation du tirage aléatoire pour l’échantillonnage par le test de Kruskall Wallis | | |Analyse de variance de type ANOVA | | |Risque d’erreur toléré ≤ 5%

processus Visualisation des causes Scatterplot of Y vs X 60 Vérification et quantification des X causes Discret Continu Discret 55 Chi2 Régression logistique 50 Y 45 Y Continu 6 7 8 9 10 X 11 12 13 14 15 40 Test t Test F ANOVA DOE Régression A B 8.4 9.0 9.6 1 0.2 1 0.8 1 1.4 1 2.0 1 2.6 Anne De Frrenne STAT2310 Six SIGMA 2007-2008autorisation de © Valeocon Management Consulting, 2006 Avec l’aimable 11 Développer des solutions potentielles AMELIORER / INNOVER

parfois leurs erreurs-standard residuals() : retourne les résidus fitted() : retourne les valeurs ajustées par le modèle logLik() : calcule la vraisemblance et le nombre de paramètres d’un modèle AIC() : calcule le critère d’information d’Akaike anova():table d’analyse de la variance plot() : graphique adapté à l’analyse. Résidus du modèle pour modélisation. XX- Les fonctions génériques Exemple : summary() permet d'afficher un résumé détaillé de l’analyse, spécifique à la classe de l’objet

on remarque que β1= -0,004 est non nul et Sig =0 Donc un des ces coefficient est non nul . Test F de l’importance de la régression : H0 :β1= …………=β2 H1 : Au moins un des coefficients est non nul. Selon la table ANOVA : ANOVAb | Modèle | Somme des carrés | ddl | Moyenne des carrés | D | Sig. | 1 | Régression | 931,888 | 4 | 232,972 | 32,397 | ,000a | | Résidu | 194,159 | 27 | 7,191 | | | | Total | 1126,047 | 31 | | | | a. Valeurs prédites : (constantes)

des processus), … 2. Mesurer : analyse de systèmes de mesure (Gage R&R, linéarité, …), capacités, diagrammes d'Ishikawa… 3. Analyser : cartographie détaillée des processus (par exemple, analyse de la valeur ajoutée), tests d'hypothèses (ANOVA, χ², tests de variances, …), plans d'expérience… 4. Améliorer : plans d'expériences, AMDEC, poka yoke… 5. Contrôler : plans d'expérience, MSP… Six Sigma va permettre de réduire les coûts et les pertes pour tendre vers des résultats optimums