Minitab Exercices de Base

Exercices de base
Vincent Isoz V2.3 Révision 27 (2012-03-16)

Vincent Isoz
TABLE DES MATIÈRES

Introduction ............................................................................................................................................................. 4
À propos de l'auteur ................................................................................................................................................ 6
Dont's ...................................................................................................................................................................... 9
Objectif 1.: Calculs arithmétiques élémentaires .................................................................................................... 10
Objectif 2.: Empiler des données .......................................................................................................................... 14
Objectif 3.: Générer une variable aléatoire et faire un histogramme avec ou sans ajustement ............................. 21
Objectif 4.: Générer des graphiques divers ........................................................................................................... 28
Objectif 5.: Générer un graphique CDF ................................................................................................................ 39
Objectif 6.: Générer un graphique à points 3D ..................................................................................................... 43
Objectif 7.: Générer un graphique de série temporelle.......................................................................................... 47
Objectif 8.: Effectuer une régression linéaire simple (modèle linéaire Gaussien) ................................................ 50
Objectif 9.: Effectuer une régression pas à pas (ascendante et descendante) ........................................................ 56
Objectif 10.: Régression pas à pas combinatoire .................................................................................................. 62
Objectif 11.: Effectuer un calcul de la corrélation ................................................................................................ 65
Objectif 12.: Effectuer une régression linéaire multiple (modèle linéaire Gaussien) ............................................ 68
Objectif 13.: Effectuer une autocorrélation ........................................................................................................... 71
Objectif 14.: Générer un graphique d'analyse de tendance ................................................................................... 74
Objectif 15.: Générer un graphique de moyenne mobile ...................................................................................... 77
Objectif 16.: Générer un graphique de lissage exponentiel simple ....................................................................... 80
Objectif 17.: Mettre des données à plat (table de fréquence) ................................................................................ 83
Objectif 18.: Mettre des données à plat (table de contingence)............................................................................. 86
Objectif 19.: Faire une analyse du khi-2 d'une table de contingence .................................................................... 89
Objectif 20.: Schéma branche et feuilles ............................................................................................................... 92
Objectif 21.: Statistiques descriptives ................................................................................................................... 97
Objectif 22.: Graphique boîte à moustaches (BoxPlot) ....................................................................................... 100
Objectif 23.: Calculer la probabilité cumulée et la probabilité inverse ............................................................... 104
Objectif 24.: Générer le graphique de la loi de densité de probabilité ................................................................ 108
Objectif 25.: Analyse de Pareto .......................................................................................................................... 112
Objectif 26.: Test du signe binomial (dixit: test de la médiane).......................................................................... 114
Objectif 27.: Intervalle de confiance de la médiane ............................................................................................ 117
Objectif 28.: Test de Mood (test des médianes) .................................................................................................. 120
Objectif 29.: Intervalle de confiance de la moyenne (test Z à un 1 échantillon) ................................................. 127
Objectif 30.: Intervalle de confiance de la moyenne (test t à un 1 échantillon) .................................................. 129
Objectif 31.: Intervalle de confiance de la proportion ......................................................................................... 133
Objectif 32.: Test t-Student pour données appariées ........................................................................................... 136
Objectif 33.: Test t-Student bilatéral d'un échantillon ......................................................................................... 139
Objectif 34.: Test t-Student homoscédastique bilatéral d'égalité de la moyenne ................................................ 142
Objectif 35.: Comparaison de proportions sur une même population (test binomial) ......................................... 145
Objectif 36.: Comparaison de proportions sur 2 échantillons indépendants ....................................................... 147
Objectif 37.: Intervalle de confiance de l'écart-type............................................................................................ 150
Test de Fisher d'égalité des variances ................................................................................................................. 153
Objectif 38.: Ajustement d'une loi de Poisson par le khi-deux ........................................................................... 156
Objectif 39.: Test de normalité de Kolmogorov-Smirnov................................................................................... 160
Objectif 40.: Test de normalité et analyse de capabilité (ACP) .......................................................................... 163
Objectif 41.: Analyse de capabilité (ACP) .......................................................................................................... 168
Objectif 42.: Analyse en composantes principales (ACP) .................................................................................. 171
Objectif 43.: Analyse des interactions et effets principaux ................................................................................. 174
Objectif 44.: Analyse de la variance à un facteur (ANOVA-1) désempilé ......................................................... 186
Objectif 45.: Analyse de la variance à un facteur (ANOVA-1) empilé............................................................... 189
Objectif 46.: Analyse de la variance à deux facteurs (ANOVA-2) sans répétitions ........................................... 191
Objectif 47.: Analyse de la variance à deux facteurs (ANOVA-2) avec répétitions ........................................... 195
Objectif 48.: Étude R&R (reproductibilité/répétabilité) pour données continues ............................................... 199
Objectif 49.: Étude R&R (reproductibilité/répétabilité) pour données par attributs ........................................... 209
Objectif 50.: Carte d'essai de l'instrumentation ................................................................................................... 218
Objectif 51.: Régression logistique (logit) à variable catégorielle (qualitative) binaire ...................................... 220
Objectif 52.: Plan d'échantillonnage par mesures ............................................................................................... 223
Minitab 2/321
Vincent Isoz
Objectif 53.: Plan d'échantillonnage par attribut ................................................................................................. 226
Objectif 54.: Carte de contrôle par attributs p (proportion)................................................................................. 229
Objectif 55.: Carte de contrôle par attributs de type np (proportion) .................................................................. 232
Objectif 56.: Carte de contrôle par attributs de type c ......................................................................................... 235
Objectif 57.: Carte de contrôle par attributs de type u ........................................................................................ 238
Objectif 58.: Carte de contrôle par mesures S ..................................................................................................... 241
Objectif 59.: Carte de contrôle par mesures X barre-S simple ............................................................................ 244
Objectif 60.: Carte de contrôle par mesures X barre-S barre combinées ............................................................ 248
Objectif 61.: Carte de contrôle par mesures R barre-R barre combinées ............................................................ 251
Objectif 62.: Carte de contrôle par mesures X barre-R barre combinées ............................................................ 254
Objectif 64.: Carte de contrôle par mesures individuelles par l'étendue mobile ................................................. 261
Objectif 65.: Carte de contrôle par mesures individuelles X-Barre par l'étendue mobile ................................... 264
Objectif 66.: Carte de contrôle par mesures individuelles X barre-EM barre combinées ................................... 267
Objectif 67.: Carte de contrôle individuelle Moyenne Mobile (MA) avec limites basées sur l'étendue mobile . 270
Objectif 68.: Carte de contrôle CUSUM V-Masque avec échantillons ............................................................... 273
Objectif 69.: Carte de contrôle EWMA avec échantillons .................................................................................. 276
Objectif 70.: Carte de contrôle EWMA individuelle........................................................................................... 279
Objectif 71.: Carte combinée X Barre-R et R Barre-R avec deux phases ........................................................... 282
Objectif 72.: Carte de contrôle G ........................................................................................................................ 286
Objectif 73.: Construction de plan d'expériences ................................................................................................ 288
Objectif 74.: Analyse de la variance multifactorielle .......................................................................................... 311
Minitab 3/321
Vincent Isoz
Introduction
MINITAB est un logiciel d'exploration de données destiné à l'analyse statistique de données
dans les industries et sociétés de services principalement dans le cadre de l'application des
techniques de la méthode Six Sigma. Il implémente une série de méthodes de fouille de
données issues du domaine de la statistique exploratoire, de l'analyse de données, de
l'inférence statistique, des plans d'expérience pour les besoins de métiers suivants:
 Master Black Belt Six Sigma
 Ingénieur procédés/processus
 Business Analyst
 Ingénieurs qualités (qualiticiens)
 Ingénieurs en gestion de projets
 Dirigeants de départements
 Doctorants
Le choix de Minitab dans une organisation peut se justifier principalement selon moi
(Vincent Isoz) par le fait que:
 Il est devenu la référence dès les débuts du déploiement du Six Sigma dans le
monde.
 La quantité de sites internet et d'ouvrages qui lui sont consacrés permettent de ne

pas faire appel à tout bout de champ à des consultants ou à un support onéreux.
 Il est la référence pour les tops manager et hauts potentiels dans les organisations
(asssocié à @Risk et MS Excel).
Enfin rappelons que ce logiciel se destine à des ingénieurs et universitaires donc son rôle n'est
pas de faire de l'esthétique mais de l'efficace!
Le lecteur remarquera que le début du présent document rassemble uniquement des points qui
sont aussi faisable avec MS Excel avec plus ou moins de facilité (parfois plus rapidement,
parfois pas…). Le but est d'abord de montrer les différences entre les deux logiciels comme le
font de nombreux ouvrages avant de passer à des cas très spécifiques à Minitab.
Minitab 4/321
Vincent Isoz
Remarques:
R1. Les premiers exercices sont donc quasiment les mêmes que ceux effectués dans les cours
de Statistiques, MSP et d'analyse décisionnelle avec MS Excel ou lors du cursus de gestion de
projets (dans lequel les calculs sont faits à la main).
R2. Je ne présente ici que des outils utilisant des concepts mathématiques dont j'ai vu la
démonstration mathématique détaillée (démonstrations disponibles dans mon livre sur les
mathématiques appliquées) et utilisés dans le cadre de mes activités de consultant.
R3. J'ai rédigé ce document uniquement pour le fun afin de valider les résultats obtenus avec
MS Excel et surtout pour jouer avec les théorèmes mathématiques que j'ai étudié en détail
dans le cadre de mes études (démonstrations mathématiques disponibles dans mon ouvrage
sur les mathématiques appliquées).
R4. Suite à des questions de la part de lecteurs: Non je ne suis pas rétribué par Minitab pour
leur faire de la pub… Des logiciels comme XLStat, SPSS, R, SAS, Gauss, Matlab, Statistica,
JMP… font à peu près pareil relativement aux sujets couverts dans ce document. Il fallait
juste que je fasse un choix... (je peux pas passer mon temps à écrire des supports sur tous les
types de logiciels!) et celui-ci c'est porté sur le logiciel utilisé par la majorité de mes clients.
R5. Oui SPSS est infiniment plus puissant que Minitab à ce jour. Mais SPSS est pour les
statisticiens seniors ayant des doctorats alors que Minitab s'adresse bien à des personnes ayant
un niveau Bachelor à Master.
Pour terminer, je voudrais remercier ici les quelques collègues et clients qui ont bien voulu
me faire part de leurs remarques pour améliorer le contenu de ce livre électronique. Il est
cependant certain qu'il est encore perfectible sur de nombreux points.
Si vous souhaitez être informé des nouvelles versions majeures de ce document n'hésitez pas
à m'écrire un mail dans ce sens: isoz@sciences.ch.
Minitab 5/321
Vincent Isoz
À propos de l'auteur
J'ai ajouté ce chapitre en 2011 suite à la surprise d'un client concernant mon jeune âge.
Donc pour faire bref je pense qu'il est préférable dorénavant de me présenter:
Nom Prénom: ISOZ Vincent
Formation: Ing. Physicien HES (B.Sc.)
Année de naissance: 1978
Je suis consultant en mathématiques appliquées dans le tutorat d'analystes quantitatifs (niveau

Bac+5 à Bac+7) et auteur de plusieurs livres électroniques dans les domaines suivants:
- maîtrise statistique des processus/procédés (méthodes paramétriques et non paramétriques)

- modélisation prévisionnelle/décisionnelle avancée (arbres de décisions, chaînes de Markov)
- recherche opérationnelle (simplexe, algorithmes génétiques, algorithme GRG)
- data mining (réseaux de neurones, ACP, AFC, régressions, scoring, clustering, etc.)
- modélisation du risque en gestion de projets et finance d'entreprise (monte-carlo, etc.)
- gestion de projets (modèles et best practices théoriques EFQM+Six Sigma, MS Project)
- ISO 9001:2008, 5807:1985, 10015:1999, 31000+31010:2009, 8258:1991, 10017:2003, etc.
- Adobe Photoshop et Illustrator
- 12 applications de la suite Microsoft Office System (Project, Visio, SharePoint, Access, etc.)
À ce jour interventions dans plus de ~200 entreprises dont 10 du Fortune 500 selon listing
2009 et 3 universités et écoles d'ingénieurs suisses dans des cours de modélisation de bases de
données et simulations stochastiques du risque. Formation de plusieurs dirigeants de
multinationales en one to one.
Accessoirement j'interviens pour des formations sur des logiciels comme MS Project,
MS Visio, MS Access et une vingtaine d'autres dont je délègue l'organisation à des entreprises
spécialisées dans la formation continue en bureautique (niveau licence universitaire et en-
dessous).
Il est très fortement conseillé de planifier rigoureusement mon arrivée et le cahier des charges
si vous souhaitez faire appel à mes services. Je suis effectivement très exigeant sur le respect
des standards de la gestion de projets et des normes minimales du travail entreprise
(ISO 9001, ISO 690, ISO 9660, ISO 5807, ISO 10015, etc.) et je n'hésiterai pas à vous dire
franchement ce qui ne va pas dans votre organisation (je ne suis pas payé pour vendre un
produit ou une méthode mais pour dire la vérité!). Je suis également très regardant sur les
compétences des employés invités aux réunions que je dois piloter et les conditions d'accueil.
Vous voilà prévenus si jamais!
Enfin, je conseille aussi vivement à toute personne souhaitant vraiment maîtriser le sujet de
lire mon e-book sur les Mathématiques Appliquées (~3'000 pages).
Minitab 6/321
Vincent Isoz
Contenu
Introduction ............................................................................................................................................................. 4
À propos de l'auteur ................................................................................................................................................ 6
Dont's ...................................................................................................................................................................... 9
Objectif 1.: Calculs arithmétiques élémentaires .................................................................................................... 10
Objectif 2.: Empiler des données .......................................................................................................................... 14
Objectif 3.: Générer une variable aléatoire et faire un histogramme avec ou sans ajustement ............................. 21
Objectif 4.: Générer des graphiques divers ........................................................................................................... 28
Objectif 5.: Générer un graphique CDF ................................................................................................................ 39
Objectif 6.: Générer un graphique à points 3D ..................................................................................................... 43
Objectif 7.: Générer un graphique de série temporelle.......................................................................................... 47
Objectif 8.: Effectuer une régression linéaire simple (modèle linéaire Gaussien) ................................................ 50
Objectif 9.: Effectuer une régression pas à pas (ascendante et descendante) ........................................................ 56
Objectif 10.: Régression pas à pas combinatoire .................................................................................................. 62
Objectif 11.: Effectuer un calcul de la corrélation ................................................................................................ 65
Objectif 12.: Effectuer une régression linéaire multiple (modèle linéaire Gaussien) ............................................ 68
Objectif 13.: Effectuer une autocorrélation ........................................................................................................... 71
Objectif 14.: Générer un graphique d'analyse de tendance ................................................................................... 74
Objectif 15.: Générer un graphique de moyenne mobile ...................................................................................... 77
Objectif 16.: Générer un graphique de lissage exponentiel simple ....................................................................... 80
Objectif 17.: Mettre des données à plat (table de fréquence) ................................................................................ 83
Objectif 18.: Mettre des données à plat (table de contingence)............................................................................. 86
Objectif 19.: Faire une analyse du khi-2 d'une table de contingence .................................................................... 89
Objectif 20.: Schéma branche et feuilles ............................................................................................................... 92
Objectif 21.: Statistiques descriptives ................................................................................................................... 97
Objectif 22.: Graphique boîte à moustaches (BoxPlot) ....................................................................................... 100
Objectif 23.: Calculer la probabilité cumulée et la probabilité inverse ............................................................... 104
Objectif 24.: Générer le graphique de la loi de densité de probabilité ................................................................ 108
Objectif 25.: Analyse de Pareto .......................................................................................................................... 112
Objectif 26.: Test du signe binomial (dixit: test de la médiane).......................................................................... 114
Objectif 27.: Intervalle de confiance de la médiane ............................................................................................ 117
Objectif 28.: Test de Mood (test des médianes) .................................................................................................. 120
Objectif 29.: Intervalle de confiance de la moyenne (test Z à un 1 échantillon) ................................................. 127
Objectif 30.: Intervalle de confiance de la moyenne (test t à un 1 échantillon) .................................................. 129
Objectif 31.: Intervalle de confiance de la proportion ......................................................................................... 133
Objectif 32.: Test t-Student pour données appariées ........................................................................................... 136
Objectif 33.: Test t-Student bilatéral d'un échantillon ......................................................................................... 139
Objectif 34.: Test t-Student homoscédastique bilatéral d'égalité de la moyenne ................................................ 142
Objectif 35.: Comparaison de proportions sur une même population (test binomial) ......................................... 145
Objectif 36.: Comparaison de proportions sur 2 échantillons indépendants ....................................................... 147
Objectif 37.: Intervalle de confiance de l'écart-type............................................................................................ 150
Test de Fisher d'égalité des variances ................................................................................................................. 153
Objectif 38.: Ajustement d'une loi de Poisson par le khi-deux ........................................................................... 156
Objectif 39.: Test de normalité de Kolmogorov-Smirnov................................................................................... 160
Objectif 40.: Test de normalité et analyse de capabilité (ACP) .......................................................................... 163
Objectif 41.: Analyse de capabilité (ACP) .......................................................................................................... 168
Objectif 42.: Analyse en composantes principales (ACP) .................................................................................. 171
Objectif 43.: Analyse des interactions et effets principaux ................................................................................. 174
Objectif 44.: Analyse de la variance à un facteur (ANOVA-1) désempilé ......................................................... 186
Objectif 45.: Analyse de la variance à un facteur (ANOVA-1) empilé............................................................... 189
Objectif 46.: Analyse de la variance à deux facteurs (ANOVA-2) sans répétitions ........................................... 191
Objectif 47.: Analyse de la variance à deux facteurs (ANOVA-2) avec répétitions ........................................... 195
Objectif 48.: Étude R&R (reproductibilité/répétabilité) pour données continues ............................................... 199
Objectif 49.: Étude R&R (reproductibilité/répétabilité) pour données par attributs ........................................... 209
Objectif 50.: Carte d'essai de l'instrumentation ................................................................................................... 218
Objectif 51.: Régression logistique (logit) à variable catégorielle (qualitative) binaire ...................................... 220
Objectif 52.: Plan d'échantillonnage par mesures ............................................................................................... 223
Objectif 53.: Plan d'échantillonnage par attribut ................................................................................................. 226
Objectif 54.: Carte de contrôle par attributs p (proportion)................................................................................. 229
Objectif 55.: Carte de contrôle par attributs de type np (proportion) .................................................................. 232
Minitab 7/321
Vincent Isoz
Objectif 56.: Carte de contrôle par attributs de type c ......................................................................................... 235
Objectif 57.: Carte de contrôle par attributs de type u ........................................................................................ 238
Objectif 58.: Carte de contrôle par mesures S ..................................................................................................... 241
Objectif 59.: Carte de contrôle par mesures X barre-S simple ............................................................................ 244
Objectif 60.: Carte de contrôle par mesures X barre-S barre combinées ............................................................ 248
Objectif 61.: Carte de contrôle par mesures R barre-R barre combinées ............................................................ 251
Objectif 64.: Carte de contrôle par mesures individuelles par l'étendue mobile ................................................. 261
Objectif 65.: Carte de contrôle par mesures individuelles X-Barre par l'étendue mobile ................................... 264
Objectif 66.: Carte de contrôle par mesures individuelles X barre-EM barre combinées ................................... 267
Objectif 67.: Carte de contrôle individuelle Moyenne Mobile (MA) avec limites basées sur l'étendue mobile . 270
Objectif 68.: Carte de contrôle CUSUM V-Masque avec échantillons ............................................................... 273
Objectif 69.: Carte de contrôle EWMA avec échantillons .................................................................................. 276
Objectif 70.: Carte de contrôle EWMA individuelle........................................................................................... 279
Objectif 71.: Carte combinée X Barre-R et R Barre-R avec deux phases ........................................................... 282
Objectif 72.: Carte de contrôle G ........................................................................................................................ 286
Objectif 73.: Construction de plan d'expériences ................................................................................................ 288
Objectif 74.: Analyse de la variance multifactorielle .......................................................................................... 311
Minitab 8/321
Vincent Isoz
Dont's
Questions fréquentes que Minitab R15 ne répond pas à ce jour simplement (sans macros ou
prétraitement de l'information):
1. La régression exponentielle n'est pas disponible dans la version 15 (elle l'est

maintenant dans la version 16 avec la méthode de Gauss-Newton)
2. Les tests de Grubbs et Dixon ne sont disponibles que sous forme de macro à ce jour.
3. Le logiciel ne fait pas de simulations de Monte-Carlo
Minitab 9/321
Vincent Isoz
Objectif 1.: Calculs arithmétiques élémentaires

Minitab 15
Il peut arriver dans Minitab que nous ayons parfois besoin de faire des calculs arithmétiques
élémentaires. Voyons un exemple. Ouvrez le fichier CalculSimple.mpj:
Nous souhaiterions simplement une colonne qui contient la différence des deux. Pour se faire,
nous créons d'abord une nouvelle colonne servant à cet effet:
Minitab 10/321
Vincent Isoz
Ensuite, nous allons dans le menu Calc/Calculatrice...:
pour avoir et écrire:d
Minitab 11/321
Vincent Isoz
Nous validons par OK pour obtenir:
Si vous changez une des valeurs des colonnes C1 ou C2, vous verrez que la Différence ne se
recalcule pas. Ceci est normal (dans le domaine des statistiques les valeurs mesurées ne sont
pas censées changer...). Mais si vous souhaitez quand même une formule dynamique, il vous
suffira dans la boîte de la calculatrice, de cocher Affecter en tant que formule. La colonne
apparaîtra alors avec un symbole spécial dans le coin supérieur droit:
Minitab 12/321
Vincent Isoz
Minitab 13/321
Vincent Isoz
Objectif 2.: Empiler des données

Minitab 15
Il arrivera souvent dans la pratique que l'utilisateur copie/colle des données provenant de
MS Excel sous la forme suivante:
ou avec encore plus de colonnes. Suivant les outils que nous verrons par la suite, il est
nécessaire de mettre les données les unes sous les autres. Certes, un simple copier/coller suffit
mais Minitab a aussi un outil spécialement prévu à cet effet.
Ouvrez le fichier DonneesDesempilees.mpj:
Minitab 14/321
Vincent Isoz
et allez dans le menu Données/Empiler/Colonnes...:
Il vous suffit alors de prendre:
et de valider par OK pour obtenir:
Minitab 15/321
Vincent Isoz
Ouvrez maintenant le fichier DonneesDesempileesNonGroupees.mpj:
Nous souhaiterions faire la même chose qu'avant mais avec une petite subtilité nécessaire
(disons plutôt "préférée" par certains utilisateurs). Il s'agit d'empiler les données mais avec
une variable qualitative de l'appartenance de groupe. La méthode est la même qu'avant mais à
Minitab 16/321
Vincent Isoz
la différence que dans la boîte de dialogue de regroupement nous définissons Stocker les
indices dans:
Pour obtenir:
ou (ce qui est moins courant mais plus lisible dans les rapports de la fenêtre de session):
Minitab 17/321
Vincent Isoz
où nous avons recoché Utiliser des noms de variables dans la colonne d'indice. Ce qui
donne:
Maintenant, en imaginant que nous avons importé via copier/coller de MS Excel le tableau
précédent, supposons que nous souhaitons faire le contraire: désempiler.
Pour cela, ouvrez le fichier DonneesEmpileesGroupees.mpj:
Minitab 18/321
Vincent Isoz
et allons dans le menu Données/Désempiler les colonnes...:
Il vient:
Minitab 19/321
Vincent Isoz
si nous validons par OK nous obtenons:
on repassera pour le choix des étiquettes de colonne...
Minitab 20/321
Vincent Isoz
Objectif 3.: Générer une variable aléatoire et faire un histogramme avec ou

sans ajustement
Minitab 15
Il arrive fréquemment que l'on souhaite comparer des données mesurées dont nous faisons
l'hypothèse qu'elle suive une loi de probabilité donnée, avec des vraies variables aléatoires
issues de cette loi. Ne serait-ce que pour faire une représentation graphique de l'histogramme
de chacun et de pouvoir les comparer.
La génération de variables aléatoires est également utile dans le cadre de simulations de

Monte-Carlo après avoir copier/coller les données dans MS Excel.
Comme il s'agit d'une manipulation simple à effectuer dans Minitab, nous allons donc
commencer par ce premier point.
Ouvrez donc Minitab à vide et enregistrez le fichier projet Minitab sous le nom
NombreAlea.mpj.
Ensuite allez dans le menu Calc/Données aléatoires:
Minitab 21/321
Vincent Isoz
Vous y verrez la possibilité de générer de nombreuses variables aléatoires (beaucoup plus que
ne le propose l'utilitaire d'analyse de MS Excel).
Prenons dans l'ordre des cas les plus courants dans l'industrie. Commençons par la loi
Normale:
Nous aurons alors des données distribuées selon une loi normale de moyenne 10 et d'écart-
type de 0.3:
Minitab 22/321
Vincent Isoz
Nous pouvons tout de suite en faire un graphique en allant dans le menu

Graphique/Histogramme…:
Ce qui fait apparaître:
Minitab 23/321
Vincent Isoz
Prenez l'option Avec ajustement:
Et validez par OK:
Minitab 24/321
Vincent Isoz
Refaisons un autre exemple du même type avec la loi Uniforme (très utilisée en gestion de
projets) cette fois:
Nous aurons alors:
Minitab 25/321
Vincent Isoz
Si nous en faisons aussi un histogramme ajusté:
Il faudra cette fois-ci cliquer sur le bouton Visualisation des données pour choisir le type
d'ajustement:
Minitab 26/321
Vincent Isoz
Mais nous voyons que Minitab 15 ne propose pas d'ajustement pour une loi uniforme. Nous
ferons alors un histogramme sans ajustement:
Et nous pouvons continuer ainsi de suite encore longtemps pour les plus utilisées
conjointement avec MS Excel comme: la loi de Poisson, la loi Triangulaire et la loi de
Weibull.
Minitab 27/321
Vincent Isoz
Objectif 4.: Générer des graphiques divers

Minitab 15
Ouvrez le fichier projet Ventes.mpj:
Nous souhaiterions effectuer quelques graphiques classiques de ce tableau mais que MS Excel
par exemple ne saurait pas effectuer sans un traitement préalable ou sans passer par un tableau
croisé dynamique.
Faisons un premier graphique de type carte à barre représentant le nombre d'occurrence des
secteurs dans tout le tableau. Pour ceci, allons dans le menu Graphique/Carte barre…:
Minitab 28/321
Vincent Isoz
Nous prenons donc un Dénombrement de valeurs uniques de type simple:
Nous validons par OK :
Minitab 29/321
Vincent Isoz
Et nous revalidons par OK:
Faisons maintenant la même analyse avec un graphique en secteurs. Nous allons donc dans le
menu Graphique/Graphique en secteurs…:
Minitab 30/321
Vincent Isoz
Nous avons alors:
Nous allons dans le bouton Etiquettes:
Minitab 31/321
Vincent Isoz
Pour cocher Pourcentages. Nous validons deux fois par OK pour obtenir au final:
Faisons maintenant un diagramme à points:
Minitab 32/321
Vincent Isoz
De type:
Avec:
Minitab 33/321
Vincent Isoz
Et validons par OK:
Nous voyons bien les distributions. Refaisons le même mais cette fois-ci sans groupes:
Minitab 34/321
Vincent Isoz
Nous validons par OK et faisons l'analyse sur la Quantité:
Pour obtenir:
Minitab 35/321
Vincent Isoz
Chaque unité d'abscisse à ainsi son analyse fréquentielle. Evidemment nous pouvons obtenir
la même chose que le graphique précédent en jouant un peu avec les cartes à barre:
En prenant:
Minitab 36/321
Vincent Isoz
En prenant les Quantités:
Et en validant par OK:
Minitab 37/321
Vincent Isoz
Bref ce n'est qu'un choix esthétique en fin de compte…
Rien ne nous empêche de faire un histogramme mais nous avons déjà vu cela plus haut.
Minitab 38/321
Vincent Isoz
Objectif 5.: Générer un graphique CDF

Minitab 15
Nous avons vu dans le cours de Statistique théorique comme il était malaisé de faire un
graphique de la distribution empirique de probabilité avec MS Excel. Eh bien nous allons voir
qu'avec Minitab c'est heureusement facile et rapide.
Donc nous partons des mêmes données que dans le cours de statistique théorique. Ouvrez
donc le fichier CDF.mpj:
et nous allons dans le menu Graphique/CDF empirique…:
Minitab 39/321
Vincent Isoz
Nous avons alors:
nous prenons le Simple et validons par OK:
Minitab 40/321
Vincent Isoz
Nous pouvons comparer la CDF empirique à une distribution de notre choix en cliquant sur le
bouton Distribution...:
Mais si nous ne savons pas à quoi la comparer (faute d'avoir fait un test d'ajustement au
préalable), nous pouvons aller dans l'onglet Affichage des données:
Minitab 41/321
Vincent Isoz
et donc cliquer sur Ligne de jonction uniquement. Nous validons par OK deux fois et nous
obtenons:
Minitab 42/321
Vincent Isoz
Objectif 6.: Générer un graphique à points 3D

Minitab 15
Nous allons reprendre les données vues dans un cours MS Excel (où nous avions vu comment
faire un graphique 3D à partir d'un code VBA). Nous y avions obtenu:
Nous souhaitons voir ce que Minitab nous propose. Nous ouvrons pour cela le fichier
3DScatterPlot.mpj:
Minitab 43/321
Vincent Isoz
et nous allons dans le menu Graphique/Nuage de points en 3D…:
Nous avons alors:
Minitab 44/321
Vincent Isoz
Nous prenons la version Simple:
et nous validons par OK pour obtenir un résultat loin d'être génial (en plus la rotation dans
l'espace est à améliorer…):
Minitab 45/321
Vincent Isoz
Minitab 46/321
Vincent Isoz
Objectif 7.: Générer un graphique de série temporelle

Minitab 15
Dans Minitab, ouvrez le fichier AST.mpj:
Nous allons dans le menu Stat/Série chronologique/Diagramme de série chronologique…:
Minitab 47/321
Vincent Isoz
Nous prenons la première option:
Nous validons par OK:
Minitab 48/321
Vincent Isoz
Nous revalidons par OK pour obtenir un simple graphique (le même que celui que nous avons
obtenus dans le cours MS Excel):
Minitab 49/321
Vincent Isoz
Objectif 8.: Effectuer une régression linéaire simple (modèle linéaire

Gaussien)
Minitab 15
Ouvrez le fichier RegressionLinaire.mpj qui donne le nombre d'un certain type de produit
vendu en fonction du mois depuis qu'une entreprise a été créée (vous remarquerez que
certains mois, le produit en question n'a pas été vendu). Sur l'hypothèse que la relation est
linéaire, faisons une analyse par le modèle linéaire Gaussien conformément aux
démonstrations effectuées dans le cours de Statistiques et des exemples faits avec MS Excel
(afin de voir les éventuelles différences):
Ensuite, nous allons dans le menu Stat/Régression/Régression:
et nous voyons que nous pouvons faire une régression linéaire multiple mais pour l'instant,
nous nous concentrerons sur la version simple (à un variable explicative: une covariable):
Minitab 50/321
Vincent Isoz
Ensuite, nous cliquons sur le bouton Graphiques...:
Pour y cocher Quatre en un, ensuite dans la boîte principale, nous cliquons sur le bouton
Stockage... pour dire que nous souhaiterions voir dans la feuille Minitab les valeurs calculées
à partir du modèle:
Minitab 51/321
Vincent Isoz
Nous validons deux fois par OK pour obtenir dans la fenêtre de session les informations
suivantes (correspondant à MS Excel mais avec quelques informations supplémentaires)
dans la feuille nous avons bien les valeurs ajustées qui ont été stockées (comme demandé):
Minitab 52/321
Vincent Isoz
et le graphique suivant sur les résidus:
Mais qu'en est-il de la droite de régression??? Cet outil ne le donne pas visuellement. Pour ce
faire, il nous faut aller dans le menu Stats/Régression/Droite d'ajustement...:
Minitab 53/321
Vincent Isoz
Nous y prenons:
Nous cliquons sur le bout Options... pour activer l'intervalle de confiance et l'intervalle de
prévision vu dans le cours de Statistiques:
Minitab 54/321
Vincent Isoz
et nous validons deux fois par OK pour obtenir:
Soit la même chose qu'avec MS Excel mais beaucoup plus rapidement (pas besoins de
formules).
Minitab 55/321
Vincent Isoz
Objectif 9.: Effectuer une régression pas à pas (ascendante et descendante)

Minitab 15
La régression pas à pas est simplement une technique qui construit l'équation en construisant
l'équation de la droite en prenant dans l'ordre soit:
- En mode ascendant: ajoute les variables explicatives au modèle qui maximisent le

coefficient de régression.
- En mode descendant: retire du modèle les variables explicatives qui minimisent le

coefficient de régression.
Ouvrez le fichier StepwiseRegression.mpj:
En faisant une régression linéaire simple comme dans l'exemple précédent, nous obtenons:
Minitab 56/321
Vincent Isoz
Cela c'est juste pour l'information.
Maintenant, allons dans le menu Stat/Régression/Pas à pas...:
Minitab 57/321
Vincent Isoz
Nous avons alors:
Cliquez sur Méthodes...:
Prenez le modèle Sélection ascendante pour commencer (celui qui construit le modèle
variable explicative par variable explicative en maximisant la coefficient de régression) et
mettez un alpha de 0.05. Validez deux fois par OK:
Minitab 58/321
Vincent Isoz
Le lecteur pourra effectivement vérifier ce résultat (en faisant trois fois une régression simple
pour chacune des variables explicatives seule) que si on doit choisir un modèle avec une seule
et unique variable explicative Coût de B est la meilleure candidate car on obtient alors le lus
grand coefficient de R carré (exprimé curieusement en pourcents dans le cas présent... dans
Minitab???).
Ensuite, le lecteur pourra encore vérifier ce résultat (en faisant deux fois une régression
simple pour chacune les couples de variables explicatives BA et BC) que si on doit choisir un
modèle avec deux variables explicative Coût de C est la meilleure candidate pour la deuxième
variable explicative car on obtient alors le lus grand coefficient de R carré.
Ensuite, la troisième étape n'a pas lieu car nous sommes en-dessous du p-value imposé de
0.05.
Faisons maintenant la régression pas à pas en déconstruisant le modèle. Nous retournons dans
la boîte de dialogue pas à pas:
Minitab 59/321
Vincent Isoz
Nous sélectionnons Elimination descendante:
et encore une fois, il est très simple de vérifier le résultat en faisant de multiples régressions
simples.
Minitab 60/321
Vincent Isoz
Le paramètre de Mallows étant selon moi très difficile à interpréter (je n'ai jamais vu un
article scientifique sérieux expliquant rigoureusement avec quel raisonnement il a été défini),
nous allons en faire abstraction.
Minitab 61/321
Vincent Isoz
Objectif 10.: Régression pas à pas combinatoire

Minitab 15
Nous pourrions demander, toujours à partir du même fichier ci-dessous:
Demander au logiciel de faire un combinatoire de toutes les variables explicatives en utilisant

la méthode de régression pas à pas ascendant.
Pour cela, nous allons dans le menu Stat/Régression/Meilleurs sous-ensembles...:
Minitab 62/321
Vincent Isoz
Nous avons alors:
Nous validons par OK et nous obtenons:
Minitab 63/321
Vincent Isoz
Comme nous pouvons le voir, le logiciel commence par la variable B (Coût de B) qui a donc
le meilleur coefficient de régression. Ensuite, il montre la deuxième variable explicative seule
qui est A. Il ne montre pas C car c'est la plus mauvaise des variables explicatives.
Le logiciel fait ensuite la même chose avec les couples. Il fait ainsi BC car c'est le meilleur
couple. Ensuite il fait AC car c'est le deuxième meilleur. Et encore une fois il ne fait pas le
dernier par élimination.
Et pour finir on fait les trois...
Minitab 64/321
Vincent Isoz
Objectif 11.: Effectuer un calcul de la corrélation

Minitab 15
Ouvrez le fichier Tests.mpj qui contient les points obtenus par des employés qui ont passé des
tests de compétences dans une entreprise d'ingénierie (chaque ligne correspondant à un
employé):
Nous souhaiterions savoir si les compétences sont corrélées et si nous obtenons le même
résultat qu'avec MS Excel:
Nous allons dans le menu Stat/Statistiques élémentaires/Corrélation:
Minitab 65/321
Vincent Isoz
Nous avons alors:
Ce qui nous donne dans la fenêtre de session:
Minitab 66/321
Vincent Isoz
Ce qui correspond bien au R que donne MS Excel (puisque ce dernier donne le R2 il faut
prendre la racine carré du coefficient de corrélation de MS Excel pour voir que cela est bien
conforme).
Donc ce n'est pas parce qu'un employé est bon avec la statistique qu'il est bon avec
l'informatique.
Minitab 67/321
Vincent Isoz
Objectif 12.: Effectuer une régression linéaire multiple (modèle linéaire

Gaussien)
Minitab 15
Ouvrez le fichier RegressionLinaireMultiple.mpj qui donne les ventes d'un produit en fonction
des mois et de l'investissement dans certaines stratégies marketing. Sur l'hypothèse que la
relation est linéaire, faisons une analyse par le modèle linéaire Gaussien conformément aux
démonstrations effectuées dans le cours de Statistiques et des exemples faits avec MS Excel
(afin de voir les éventuelles différences):
Nous allons dans le menu Stat/Régression/Régression...:
Minitab 68/321
Vincent Isoz
où nous faisons le minimum vital (pour ne pas répéter ce qui a déjà été vu avec la régression
linéaire simple):
Minitab 69/321
Vincent Isoz
Nous retrouvons donc les mêmes valeurs que dans MS Excel et elles sont donc conformes à
ce que nous avons calculé dans l'étude théorique de la régression linéaire multiple.
Minitab 70/321
Vincent Isoz
Objectif 13.: Effectuer une autocorrélation

Minitab 15
Ouvrez le fichier AST.mpj:
Et allez dans le menu Stat/Série chronologique/Autocorrélation…:
Minitab 71/321
Vincent Isoz
Vient alors:
Validez par OK:
Minitab 72/321
Vincent Isoz
Avec dans la fenêtre de session:
Nous retrouvons donc à peu près les mêmes valeurs qu'avec MS Excel (la différence entre les
valeurs ayant été expliquée dans le cours de Statistiques).
Minitab 73/321
Vincent Isoz
Objectif 14.: Générer un graphique d'analyse de tendance

Minitab 15
Ouvrez le fichier AnalyseTendance.mpj:
Nous allons dans le menu Stat/Série chronologique/Analyse de tendance…:
Minitab 74/321
Vincent Isoz
Vient alors en paramétrant:
Minitab 75/321
Vincent Isoz
Nous obtenons donc exactement les mêmes résultats qu'avec MS Excel.
Minitab 76/321
Vincent Isoz
Objectif 15.: Générer un graphique de moyenne mobile

Minitab 15
Ouvrez le fichier MM.mpj:
Nous allons dans le menu Stat/Série chronologique/Diagramme de série chronologique…:
Minitab 77/321
Vincent Isoz
Ce qui nous donne à paramétrer:
Et nous validons par OK pour obtenir le même graphique qu'avec MS Excel:
Minitab 78/321
Vincent Isoz
et avec les mêmes valeurs des indicateurs de qualité (MAPE, MAD et MSD).
Minitab 79/321
Vincent Isoz
Objectif 16.: Générer un graphique de lissage exponentiel simple

Minitab 15
Ouvrez le fichier Smoothing.mpj:
Allez dans le menu Nous allons dans le menu Stat/Série chronologique/Lissage exponentiel
simple…:
Minitab 80/321
Vincent Isoz
Viens alors avec les paramétrages que nous avions déterminés lors du cours MS Excel:
Ensuite il faut cliquer sur le bouton Options (si nous souhaitons retrouver le même
algorithme que dans MS Excel) et indique que nous voulons la moyenne de la première
observation comme point de départ:
Minitab 81/321
Vincent Isoz
Ensuite nous validons deux fois par OK pour obtenir:
Nous obtenons les mêmes valeurs ajustées que dans MS Excel (ligne rouge) mais par contre
les indicateurs d'exactitude ne sont pas tout à fait identiques pour des raisons qui m'échappent.
Minitab 82/321
Vincent Isoz
Objectif 17.: Mettre des données à plat (table de fréquence)

Minitab 15
Nous souhaiterions faire l'équivalent d'un petit tableau de synthèse du type de ce que fait
MS Excel avec les tableaux croisés dynamiques.
Allez dans le menu Stat/Tableaux/Trier à plat les variables individuelles…:
Minitab 83/321
Vincent Isoz
Nous aurons alors toujours sur la base de l'analyse des secteurs d'activité:
En validant par OK dans la fenêtre de sortie:
Minitab 84/321
Vincent Isoz
Minitab 85/321
Vincent Isoz
Objectif 18.: Mettre des données à plat (table de contingence)

Minitab 15
Nous souhaiterions faire l'équivalent d'un petit tableau de contingence en % des Totaux du
type de ce que fait MS Excel avec les tableaux croisés dynamiques.
Pour cela, allons dans le menu Stat/Tableaux/Tableaux à entrées multiples et Khi-Deux…:
Minitab 86/321
Vincent Isoz
Prenons:
Et validons par OK pour obtenir dans la fenêtre de session:
Minitab 87/321
Vincent Isoz
Minitab 88/321
Vincent Isoz
Objectif 19.: Faire une analyse du khi-2 d'une table de contingence

Minitab 15
Dans le cours de Méthodes Numériques nous avons travaillé avec un tableau de contingence:
Feuillus Résineux Mixtes Total par dép.

L'Aisne (A) 103'488 7'240 620 111'350
L'Oise (O) 103'813 7'263 622 111'700
La Somme (S) 46'098 3'225 276 49'600
Total 253'400 17'730 1'520 272'650
Nous voulions savoir si le nombre d'arbre dépendait réellement des régions dans lesquelles ils
poussent où si ces valeurs que ne sont que dues au hasard de l'échantillon?
Nous avions vu qu'une bonne technique consistait à utiliser un test du khi-deux et que le
résultat donnait que les différences étaient significatives. Faisons la même analyse avec
Minitab.
Ouvrez le fichier Forets.mpj:
Nous allons dans le menu Stat/Tableaux/Test du Khi-deux (tableau à deux entrées dans la
feuille de travail):
Minitab 89/321
Vincent Isoz
Nous avons alors:
Et si nous validons par OK nous obtenons dans la fenêtre de session:
Minitab 90/321
Vincent Isoz
Nous avons donc exactement le même résultat qu'avec les calculs faits avec MS Excel et avec
la même conclusions (les populations sont significativement différentes).
Minitab 91/321
Vincent Isoz
Objectif 20.: Schéma branche et feuilles

Minitab 15
Nous allons d'abord trier la colonne Prix total avec rabais dans une nouvelle colonne sur une
nouvelle feuille. Nous allons alors dans le menu Données/Trier:
Minitab 92/321
Vincent Isoz
Ce qui donne:
Ce qui donne:
Minitab 93/321
Vincent Isoz
Ensuite, nous allons dans le menu Graph/Branches et feuilles:
Nous avons alors:
Minitab 94/321
Vincent Isoz
Et validons par OK pour obtenir dans la fenêtre de session:
Voilà comment ce lit ce pseudo-graphique:
- (35, 0, 2344455…) Il y a donc 35 valeurs comprises entre 0-10'000 et parmi ces valeurs il y
en une qui est proche de 2'000 (2), une qui est proche de 3'000 (3), 4 qui sont proches de
4'000 (4444), 4 qui sont proches de 5'000 (5555) etc…
Minitab 95/321
Vincent Isoz
- ((39), 1, 001111222….) La parenthèse (39) signifie que la valeur médiane est entre 39'000 et
40'000. Le 39 signifie qu'il y a 39 valeurs comprises entre 10'000-20'000, etc…
Minitab 96/321
Vincent Isoz
Objectif 21.: Statistiques descriptives

Minitab 15
Au même titre que l'utilitaire d'analyse de MS Excel, nous souhaiterions afficher des
statistiques descriptives élémentaires relativement aux données de la colonne Prix total avec
rabais. Pour cela, nous allons dans le menu Stat/Statistiques élémentaires/Afficher des
statistiques descriptives:
Minitab 97/321
Vincent Isoz
Nous avons alors:
Nous cliquons sur le bouton Statistiques pour y prendre:
Minitab 98/321
Vincent Isoz
Et nous validons deux fois par OK pour obtenir dans la fenêtre de session:
Minitab 99/321
Vincent Isoz
Objectif 22.: Graphique boîte à moustaches (BoxPlot)

Minitab 15
Ouvrez le fichier projet BoxPlot.mpj:
Il s'agit donc des mêmes données que dans les cours de qualité et statistique de MS Excel.
Mais cette fois-ci nous souhaiterions faire les box-plot avec Minitab. Nous allons alors dans le
menu Graph/Boîte à moustaches:
Minitab 100/321
Vincent Isoz
Vient alors:
Nous prenons l'option Y multiples Simple et validons par OK:
Nous prenons ensuite:
Minitab 101/321
Vincent Isoz
Nous allons dans le bouton Echelle pour activer la grille de Y:
Nous validons par OK. Nous allons ensuite dans le bouton Visualisation de données pour y
cocher:
Minitab 102/321
Vincent Isoz
Et nous validons deux fois par OK pour obtenir au final:
Minitab 103/321
Vincent Isoz
Objectif 23.: Calculer la probabilité cumulée et la probabilité inverse

Minitab 15
Il arrive souvent que l'on calcule les paramètres lois de probabilités afin de prendre des
décisions relativement aux données de la fonction de répartition. Les cas les plus courants
étant la loi Normale et la loi Beta.
Voyons comment procéder par exemple pour une loi Normale d'espérance 25 et d'écart-type
de 3. Nous souhaiterons savoir qu'elle est la probabilité cumulée de finir un projet le 30ème
jour.
Nous un nouveau projet Minitab et nous écrivons le nombre 30 dans la première ligne de la
première colonne:
nous allons dans le menu Stat/Lois de probabilité/Normale:
Minitab 104/321
Vincent Isoz
Vient alors:
Nous validons par OK pour obtenir dans la fenêtre de session:
Minitab 105/321
Vincent Isoz
Nous voyons ici un exemple typique où il est plus simple de travailler avec MS Excel.
Evidemment nous pouvons faire l'inverse en nous demandant à qu'elle durée correspondant
66% de probabilité cumulée. Nous écrivons alors 66% dans la première ligne de la première
colonne et retournons au même endroit:
Minitab 106/321
Vincent Isoz
Et en validant par OK nous obtenons dans la fenêtre de session:
Minitab 107/321
Vincent Isoz
Objectif 24.: Générer le graphique de la loi de densité de probabilité

Minitab 15
Il arrive souvent que l'on calcule les paramètres lois de probabilités afin de prendre des
décisions relativement aux données de la fonction de répartition.
Voyons comment procéder par exemple pour une loi Normale d'espérance 25 et d'écart-type
de 3.
Nous allons dans le menu Graphique/Diagramme de loi de probabilité:
Nous prenons une option qui est longue à faire avec MS Excel (à titre de comparaison):
Après avoir choisi Visualisation de la probabilité, nous validons par OK:
Minitab 108/321
Vincent Isoz
Et nous validons deux fois par OK pour avoir au final:
Minitab 109/321
Vincent Isoz
ou encore plus utile, toujours avec le même menu mais cette fois-ci nous choisissons l'option
Deux lois:
et validons par OK:
Minitab 110/321
Vincent Isoz
où nous voulons comparer par exemple une distribution hypergéométrique avec la loi
Normale correspondante comme en cours de Statistique théorique et nous avions vu qu'il était
très malaisé de faire cela avec MS Excel. Il vient alors:
Minitab 111/321
Vincent Isoz
Objectif 25.: Analyse de Pareto

Minitab 15
Une entreprise prestataire services vend des formations continues en entreprise. Elle a extrait
de sa base de données la liste de tous les cours vendus en ne prenant que le nom du domaine
concerné et le numéro d'identifiant correspondant (car MS Excel ne sait pas faire d'analyse de
Pareto automatique sur une base autre que des chiffres). Ce qui correspond à 2528 lignes de
données avec 43 types de formations (ID) dans un fichier nommé Pareto.mpj:
Ensuite, nous allons dans le menu Stat/Outils de qualité/Diagramme de Pareto:
Minitab 112/321
Vincent Isoz
Nous obtenons alors:
Minitab 113/321
Vincent Isoz
Objectif 26.: Test du signe binomial (dixit: test de la médiane)

Minitab 15
Nous avons effectué deux séries de mesures avec deux méthodes différentes.
Nous souhaiterions savoir la différence sont significatives ou pas. Le but étant aussi de
contrôler si nous avons un résultat différent de celui calculé à la main en cours et dans
MS Excel.
Pour cela, ouvrez le fichier TestDuSigne.mpj:
et allons dans le menu Stat/Tests non paramétriques/Signe à 1 échantillon…:
Minitab 114/321
Vincent Isoz
où nous prenons comme vu en cours:
Nous validons pour obtenir dans la fenêtre de session:
Minitab 115/321
Vincent Isoz
Nous retrouvons toutes les valeurs vues dans le cours de statistiques théoriques. Nous rejetons
donc au vu de la p-value (inférieure à 5%) que la différence n'est pas significative.
Minitab 116/321
Vincent Isoz
Objectif 27.: Intervalle de confiance de la médiane

Minitab 15
Nous avons effectué une série de mesures de valeurs continues.
Nous souhaiterions simplement connaître l'intervalle de confiance de la médiane, le but étant

aussi de contrôler que Minitab utilise bien la méthode que nous avions mentionné dans le
cours de statistique théorique.
Pour cela, ouvrez le fichier ICMediane.mpj:
et allons dans le menu Stat/Tests non paramétriques/Signe à 1 échantillon…:
Minitab 117/321
Vincent Isoz
Nous retrouvons l'intervalle de 94.26% qui était le plus proche que nous pouvions calculer
avec MS Excel (voir un peu plus bas).
Nous voyons que Minitab fait une interpolation non linéaire (NLI) pour déterminer la valeur
de l'intervalle souhaité à 95%.
En réalité, Minitab donne toujours une valeur au-dessous et une au-dessous de la valeur cible
souhaité à cause du comportement discret de la loi binomiale.
Minitab 118/321
Vincent Isoz
A titre de comparaison, nous avons donc avec MS Excel:
soit explicitement:
Nous voyons donc bien que comme mentionné en cours, Minitab utilise bien la loi binomiale.
Nous avions aussi mentionné en cours qu'il était préférable peut-être d'utiliser la technique du
bootstrapping qui donne à 95% un intervalle de 24.90 à 26.90 (valeurs que Minitab affecte
logiquement aux 94.26% de la loi binomiale).
Minitab 119/321
Vincent Isoz
Objectif 28.: Test de Mood (test des médianes)

Minitab 15
Le but du test de Mood n'est pas de contrôler si des données appariées peuvent être
considérées comme égales ou non en se basant sur leur médiane (test des signes), mais
simplement de vérifier sur la base d'un tableau de contingence du khi-deux, si le nombre de
valeurs au-dessus ou en-dessous de la médiane de deux échantillons est significativement
différente et proviennent donc de deux populations différentes.
Nous allons voir un exemple et montrer que nous pouvons l'obtenir intégralement à partir du
test du signe et du khi-deux. Considérons le fichier suivant MoodTest.mpj:
Nous allons dans le menu Stat/Tests non paramétriques/Test de Mood pour la médiane...:
Minitab 120/321
Vincent Isoz
Apparaît alors:
Minitab 121/321
Vincent Isoz
Nous allons maintenant vérifier que nous retrouvons toutes les valeurs à partir de deux tests
déjà étudiés jusqu'ici excepté pour:
1. L'intervalle entre le premier et le troisième quartile. Nous voyons tout de suite par
ailleurs dans le schéma ci-dessus que cet intervalle est faux pour le deuxième
échantillon (il l'est aussi pour le premier mais cela se voit mieux avec le deuxième).
Effectivement, si l'intervalle de confiance à 95% se situe à peu près à l'oeil entre 24 et
26.5 (soit une différence de 2.5), comment l'espace entre le troisième quartile et le
quatrième pourrait-il valoir plus?
2. L'intervalle de confiance de la différence des médianes qui est un mystère pour

moi...? Tous les logiciels de statistiques que j'ai testés à ce jour utilisent des méthodes
différentes pour cet intervalle et donnent parfois des différences de plus de 100%!!!
Un logiciel comme SPSS ne communique simplement pas cette information. Je
recommande personnellement à nouveau l'usage du bootstrapping!
Vérifiions maintenant que nous arrivons facilement à obtenir la partie suivante du résultat du
test:
Pour cela, nous prenons les données de l'échantillon 1 seul:
Minitab 122/321
Vincent Isoz
et nous faisons un test du signe:
avec un intervalle de confiance de 95%:
Minitab 123/321
Vincent Isoz
ce qui est conforme et plus détaillé! Nous remarquons qu'à 95%, la différence de l'intervalle
est de 26.93-24.81 soit 2.12. Alors comment la différence entre la 1er et 3ème quartile pourrait
valoir 2.20 comme nous l'indique Minitab dans le test de Mood? Affaire à suivre...
La démarche est identique et avec les mêmes conclusions pour l'échantillon 2.
Maintenant, vérifions cette partie du test de Mood:
Minitab 124/321
Vincent Isoz
Il s'agit donc d'un simple test du khi-deux.
Donc si nous créons notre table de contingence comme nous l'avons appris dans le cours
théorique:
Échantillon 1 Échantillon 2 Total

<=Médiane 5 8 13
>Médiane 8 5 13
Total 13 13 25
et que nous la reproduisons dans Minitab:
et exécutons un test du khi-deux comme nous l'avons déjà vu plus haut:
Minitab 125/321
Vincent Isoz
avec les paramètres triviaux:
Nous obtenons:
Ce qui est parfaitement conforme.
Donc dans le cas présent, qu'elle est la conclusion? Rappelons que le test de Mood compare à
l'aide d'une table de contingence... le contingent de valeurs au-dessus ou en-dessous de la
médiane et fait un test du khi-deux. Comme dans le cas présent, la p-value est de 0.239 nous
ne considérons par les deux populations comme différentes.
Minitab 126/321
Vincent Isoz
Objectif 29.: Intervalle de confiance de la moyenne (test Z à un 1

échantillon)
Minitab 15
Un sondage a été conduit dans des entreprises qui utilisent des panneaux solaires comme
source primaire d'électricité. La question qui a été posée était la suivante: Quel est le % de
votre électricité provenant du solaire?
Un échantillon aléatoire de 55 réponses donne une moyenne arithmétique de 45 [kW].

Supposons que l'écart-type standard pour cette question est de 15.5 [kW] (écart-type théorique
supposé connu!).
Quel est l'intervalle de confiance représentant 95% de valeurs (nous avions fait ce calcul avec
MS Excel).
Nous ouvrons Minitab et allons dans le menu Stat/Statistiques élémentaires/Test Z à un

échantillon…:
Nous avons alors:
Minitab 127/321
Vincent Isoz
Et nous obtenons alors dans la fenêtre de session:
Ce qui correspond bien à ce que nous avions obtenu avec MS Excel.
Minitab 128/321
Vincent Isoz
Objectif 30.: Intervalle de confiance de la moyenne (test t à un 1

échantillon)
Minitab 15
Il est donc courant dans le domaine de l'analyse statistique de devoir calculer l'intervalle de
confiance de la moyenne. Nous allons reprendre le même exemple que dans le cours
MS Excel mais avec Minitab.
Un gestionnaire d'une société de location de voitures souhaiterait estimer le nombre moyen de

fois que des véhicules de luxe sont loués par mois. Il prend pour cela un échantillon aléatoire
de 19 voitures de luxes et obtient la suite suivante de nombre de voitures louées:
3,7,12,5,9,13,2,8,6,14,6,1,2,3,2,5,11,13,5
Nous devons déterminer l'intervalle à 95% de la moyenne. Donc dans Minitab nous reportons
ces valeurs ou ouvrons le fichier Locations.mpj:
Nous avons besoin de l'estimateur de maximum de vraisemblance de l'écart-type (donc c'est

un intervalle de confiance avec variance théorique inconnue). Nous allons donc dans le menu
Stat/Statistiques élémentaires/Afficher les statistiques descriptives…:
Minitab 129/321
Vincent Isoz
Nous avons alors:
Nous validons par OK pour obtenir dans la fenêtre de session:
Minitab 130/321
Vincent Isoz
Nous y voyons l'écart-type que nous allons utiliser maintenant pour aller dans le menu
Stat/Statistiques élémentaires/Test t à un échantillon…:
Pour avoir:
Minitab 131/321
Vincent Isoz
Et nous validons par OK:
Nous retrouvons le même intervalle de confiance qu'avec MS Excel.
Minitab 132/321
Vincent Isoz
Objectif 31.: Intervalle de confiance de la proportion

Minitab 15
Dans une production de 300 pièces nous en avons trouvées 8 de défectueuses. Quelle est
l'intervalle de confiance à 95% de la proportion de pièces défectueuses?
Nous avons fait ce calcul déjà avec MS Excel et nous souhaitons le vérifier.
Dans Minitab (à vide), nous allons dans le menu Stat/Statistiques élémentaires/1

proportion…:
Ce qui donne:
Minitab 133/321
Vincent Isoz
Et nous allons dans le bouton Options:
Nous validons alors deux fois par OK avons alors dans la fenêtre de session:
Minitab 134/321
Vincent Isoz
Nous avons alors:
Nous avons donc bien le même résultat que dans MS Excel (et donc que dans le cours de
Statistique théorique).
Minitab 135/321
Vincent Isoz
Objectif 32.: Test t-Student pour données appariées

Minitab 15
Le débit d'eau en litre par minutes entre plusieurs points équidistants d'un même pipeline
avant et après révision a été mesuré. Le tableau suivant a été obtenu:
Un ingénieur souhaite déterminer s'il y a statistiquement une différence significative entre les
pipelines avant et après révision à un niveau de confiance de 95% en bilatéral (sous
l'hypothèse que les données sont pairées).
Solutions:
Nous utilisons donc allons dans le menu Nous allons dans le menu Stat/Statistiques
élémentaires/Test t pour données appariées…:
Minitab 136/321
Vincent Isoz
Vient alors:
Minitab 137/321
Vincent Isoz
Nous retrouvons donc exactement les valeurs calculées à la main dans le cours de statistiques
et avec MS Excel!
Minitab 138/321
Vincent Isoz
Objectif 33.: Test t-Student bilatéral d'un échantillon

Minitab 15
Nous devons étalonner un appareil à l'aide d'une pièce étalon dont nous savons que le
diamètre réel est de 15 microns. Nous avons obtenu les mesures suivantes (fichier
Etalonnage.mpj):
Nous souhaiterions vérifier un intervalle de confiance de 95% que nous sommes proches la
moyenne vraie (pas trop différent).
Nous allons dans le menu Stat/Statistiques élémentaires/Test t à 1 échantillon…:
Minitab 139/321
Vincent Isoz
Vient alors:
Nous cliquons sur le bouton Options... pour vérifier que tout soit conforme:
Minitab 140/321
Vincent Isoz
Nous obtenons:
L'hypothèse nulle étant que la moyenne arithmétique mesurée est égale 15 microns
(l'hypothèse alternative étant qu'elle ne le soit pas...) et donc rejetée. Il y a donc une différence
significative.
Nous voyons cependant que nous n'obtenons pas les mêmes intervalles de confiance (IC)
qu'avec MS Excel ni la même valeur pour T. Cependant, selon moi il y a une aberration ici
avec Minitab. Si l'IC à 95% était bien de 15.0319 et 15.0775, alors 15.0537 se trouve bien
dans l'intervalle est nous devrions accepter l'hypothèse. Or, la p-value nous montre bien qu'il
faut la rejeter. De plus, l'IC devrait être centrée sur la moyenne théorique de 15...
Affaire à suivre... pour savoir si c'est moi qui ai fait une erreur de compréhension (et donc in
extenso des erreurs de calcul dans MS Excel) ou si c'est Minitab.
Minitab 141/321
Vincent Isoz
Objectif 34.: Test t-Student homoscédastique bilatéral d'égalité de la

moyenne
Minitab 15
Le débit d'eau en litre par minutes entre plusieurs points équidistants de deux pipe-lines 1 et 2
a été mesuré. Le tableau suivant a été obtenu (fichier Pipelines.mpj):
Un ingénieur souhaite déterminer s'il y a statistiquement une différence significative entre les
deux pipeline à un niveau de confiance de 95% en supposant les variances égales. Nous allons
voir si nous retrouvons les mêmes résultants que dans le cours MS Excel et dans le cours de
Statistiques.
Nous allons dans le menu Stat/Statistiques élémentaires/Test t à 2 échantillons…:
Minitab 142/321
Vincent Isoz
Nous avons alors:
Et en validant par OK nous obtenons effectivement les mêmes résultants que dans MS Excel
et dans le cours de Statistiques:
Minitab 143/321
Vincent Isoz
Minitab 144/321
Vincent Isoz
Objectif 35.: Comparaison de proportions sur une même population (test

binomial)
Minitab 15
D'une petite population ayant deux caractéristiques x et y particulières qui nous intéressaient
et pour laquelle nous nous attendions à avoir un parfait équilibre tel que x  y nous avons en
réalité obtenu x  5 et y  7 . Nous souhaiterions faire le calcul avec MS Excel si cette
différence est significative ou non à un niveau  de 5%?
Nous souhaiterions donc savoir si la différence est significative avec une certitude de 95% ou
simplement due au hasard?
Nous allons dans le menu Stat/Statistiques élémentaires/1 proportion…:
Nous avons alors:
Minitab 145/321
Vincent Isoz
ce qui donne après validation:
Nous nous retrouvons alors avec les mêmes résultats que MS Excel.
Minitab 146/321
Vincent Isoz
Objectif 36.: Comparaison de proportions sur 2 échantillons indépendants

Minitab 15
Dans le cadre d'un plan d'échantillonnage nous avons prélevé sur un premier lot de 50
échantillons, 48 en parfait états. Dans un second lot de 30 échantillons, 26 étaient en bon état.
Nous souhaiterions donc savoir si la différence est significative avec une certitude de 95% ou
simplement due au hasard?
Nous allons dans le menu Stat/Statistiques élémentaires/2 proportions…:
Nous avons alors:
Minitab 147/321
Vincent Isoz
Nous cliquons sur le bouton Options pour configurer relativement à la démonstration vue
dans le cours de Statistiques:
Ce qui donne après validation par deux OK:
Minitab 148/321
Vincent Isoz
Nous nous retrouvons alors avec les mêmes résultats que MS Excel.
Minitab 149/321
Vincent Isoz
Objectif 37.: Intervalle de confiance de l'écart-type

Minitab 15
Ouvrez le fichier ICEcarType.mpj:
Un échantillon de 9 vis a été tiré d'une ligne de production et la mesure de leur diamètre en
[mm] a été reportée ci-dessous:
Nouv voulons calculer l'écart-type et estimer l'intervalle de confiance de l'écart-type à 95%.
L'objectif va être encore une fois de vérifier que nous obtenons les mêmes résultats que ceux
démontrés dans les cours théorique de statistique et qu'avec l'utilitaire d'analyse de MS Excel.
Nous allons dans le menu Stat/Statistiques élémentaires/1 variance...:
Minitab 150/321
Vincent Isoz
Nous avons alors:
Minitab 151/321
Vincent Isoz
et tout est parfait! Nous retrouvons les mêmes résultats que dans le cours théorique et avec
qu'avec MS Excel.
Minitab 152/321
Vincent Isoz
Test de Fisher d'égalité des variances

Minitab 15
Ouvrez le fichier TestF.mpj:
La société Kolda Automation reçoit des joints d'étanchéité de deux fournisseurs. Le

gestionnaire AQ (assurance qualité) de la société veut comparer la variance de l'épaisseur des
joints des deux fournisseurs pour vérifier si les variances sont égale avec un niveau de
confiance   0.05 .
Pour cela, il prend un échantillon de 10 joints du fournisseur A et de 12 joints du fournisseur

B. Voici le tableau avec l'épaisseur des joints:
L'objectif va être encore une fois de vérifier que nous obtenons les mêmes résultats que ceux
démontrés dans les cours théorique de statistique et qu'avec l'utilitaire d'analyse de MS Excel.
Nous allons dans le menu Stat/Statistiques élémentaires/2 variances...:
Minitab 153/321
Vincent Isoz
Nous avons:
Nous validons par OK et nous trouvons alors dans la fenêtre de sessions:
Minitab 154/321
Vincent Isoz
Nous voyons que le résultat du test est comme dans MS Excel de 0.88. La p-value est par
contre de 0.860 en bilatéral. Nous avions vu effectivement que MS Excel donnait le test en
unilatéral et nous en concluons donc in extenso que Minitab donne (mais malheureusement
sans l'indiquer explicitement), la p-value en bilatéral.
Bon dans le cas présent de toute façon, la p-value en bilatérale étant de 0.860 (donnée par
Minitab) et la unilatérale étant de 0.43 (donnée par MS Excel), dans les deux cas, l'hypothèse
de l'égalité des variances ne peut pas être rejetée à un niveau alpha de 5% (donc les variances
sont probablement égales!).
Minitab 155/321
Vincent Isoz
Objectif 38.: Ajustement d'une loi de Poisson par le khi-deux

Minitab 15
Ouvrez le fichier Mesures.mpj:
Il s'agit d'un tableau de fréquences de pièces ayant des écarts en micros et il s'agit exactement
du même tableau que dans le cours de statistiques avec MS Excel.
Nous souhaiterions faire la même analyse mais cette fois-ci avec Minitab. Il faudra remarquer
que contrairement au cours MS Excel où nous avions imposé une espérance de 5 microns
pour la moyenne, Minitab ne nous permet pas de choisir et calcule l'estimateur expérimental
de la moyenne. Il y a aura donc une petite différence dans les résultats des calculs qui sera
tout à fait normale.
Nous allons dans le menu Stat/Statistiques élémentaires/Test d'adéquation de

l'ajustement du khi-deux:
Minitab 156/321
Vincent Isoz
Il vient alors avec les paramètres:
Nous obtenons alors dans la fenêtre de session:
Minitab 157/321
Vincent Isoz
Des valeurs similaires à celles obtenues avec MS Excel avec juste de petites variations car
comme nous pouvons le voir, il a utilisé la moyenne expérimentale de 4.8325 au lieu de la
moyenne de 5 imposée.
Nous remarquons que Minitab fait également bien les choses puisqu'il nous avertit qu'une
cellule a une valeur attendue inférieure à 5 (la première dans le tableau) ce qui est non
recommandé.
Minitab nous donne également le même graphique que celui que nous avions fait avec
MS Excel:
Minitab 158/321
Vincent Isoz
Et un autre graphique que nous n'avions pas fait dans le cours de statistiques (nous avions fait
par contre le tableau correspondant):
Minitab 159/321
Vincent Isoz
Objectif 39.: Test de normalité de Kolmogorov-Smirnov

Minitab 15
Nous souhaitons ici simplement vérifier que nous obtenons les mêmes résultats que ceux
effectués dans MS Excel avec Monte Carlo (et in extenso vérifier les résultats obtenus lors de
l'étude théorique du test de Kolmogorov-Smirnov).
Nous ouvrons donc le fichier TestNormaliteKS.mpj qui contient des mesures de variations
d'une pièce par rapport dans un processus de fabrication sous contrôle statistique:
Nous voulons faire un test d'ajustement de Kolmogorov-Smirnov avec une loi Normale
centrée réduite à un risque alpha de 5%. Pour cela, nous allons dans le menu Stat/Statistiques
élémentaires/Test de normalité…:
Nous avons alors à prendre:
Minitab 160/321
Vincent Isoz
Où comme le lecteur pourra observer, nous n'avons pas le choix de niveau alpha ni de la
variance et de l'espérance de la loi normale de l'hypothèse nulle... Nous allons donc voir
ce qu'il en est un peu plus loin...
Bon que constatons-nous par rapport à ce que nous avions fait dans MS Excel?:
1. Le logiciel calcule la moyenne arithmétique d'où le   0.36 pour l'utiliser comme

espérance de la loi Normale de l'hypothèse nulle (vous pouvez vérifier avec MS Excel
qu'il s'agit bien de l'écart-type).
Minitab 161/321
Vincent Isoz
2. Le logiciel calcule un écart-type sur une méthode qui nous est inconnue. Il utilise peut-
être les statistiques des valeurs extrêmes (en tout cas c'est très énervant que cela ne
soit pas communiqué!!!). Ce qui est sûr, c'est qu'il utilise cette valeur de   0.8414
comme écart-type de la loi Normale de l'hypothèse nulle.
3. En utilisant ces deux informations et sachant que Minitab va se baser sur la loi
 
Normale N  ,  2 si nous construisons la table vue dans le cours de Statistique
théorique:
x Fˆ ( x) 
 x,  ,  2  
Fˆ ( x)   x,  ,  2 
1.2 0 0.159 0.159
1.2 0.2 0.159 0.041
1.0 0.2 0.223 0.023
1.0 0.4 0.223 0.177
0.6 0.4 0.388 0.012
0.6 0.6 0.388 0.212
 0.6 0.747 0.147
0.2
0.2 0.8 0.747 0.053
 0.8 0.916 0.116
0.8
0.8 1 0.916 0.085
Nous y retrouvons donc la valeur de 0.212. Rare sont les logiciels à noter cette valeur KS.
Bref, le test est juste mais nous donne des informations peu utiles (à part la p-value) et nous
propose peu d'option pour le choix de l'hypothèse nulle.
Minitab 162/321
Vincent Isoz
Objectif 40.: Test de normalité et analyse de capabilité (ACP)

Minitab 15
Les déviations temporelles en % de 25 tâches donnent les valeurs suivantes après clôture d'un
projet:
Nous souhaiterions savoir si les estimations du chef de projet sont sous contrôle (test de
normalité de Kolmogorov-Smirnov sous Minitab) et faire une analyse de la capabilité des
déviations avec Minitab en prenant l'intervalle LSL/USL de [-0.1,02] avec une cible nulle.
Nous ouvrons Minitab et reportons les données dans une unique colonne (ou nous ouvrons le
fichier CapabiliteProjet.mpj):
Minitab 163/321
Vincent Isoz
Nous allons dans le menu Stat/Statistiques élémentaires/Test de normalité…:
Nous remplissons la boîte de dialogue:
Minitab 164/321
Vincent Isoz
et validons par OK ce qui donne:
La p-value étant supérieur à 0.05 (puisque Minitab indique qu'elle est plus grande que 0.150)
fait que nous pouvons accepter sans crainte l'hypothèse de normalité.
Pour faire l'analyse de capabilité nous allons maintenant dans Outils de la qualité/Analyse
de capabilité/Normale…:
Minitab 165/321
Vincent Isoz
Nous paramétrons l'analyse de capabilité:
nous cliquons sur le bouton Options… et complétons la boîte de dialogue:
Minitab 166/321
Vincent Isoz
Graphiquement nous avons finalement en validant deux fois par OK:
Minitab 167/321
Vincent Isoz
Objectif 41.: Analyse de capabilité (ACP)

Minitab 15
Considérons une nouvelle petite production de n  50 pièces par lot de 10 (afin d'ajuster en
cours de production). La mesure de côtes de 5 pièces chaque heure pendant 10 heures avec
une tolérance de 10  0.07 soit en termes de centièmes un étendue de:
E  2  7  14
et une cible de T  0 (en termes d'écarts). Nous avons les données suivantes:
1 2 3 4 5 6 7 8 9 10
1 -2 -4 -1 0 4 0 3 0 1 -1
2 0 -3 0 -2 1 -2 0 1 -1 2
3 -1 0 -3 -1 0 0 -1 -1 3 1
4 1 1 -2 2 2 0 1 0 4 0
5 -1 -1 -3 0 0 3 3 2 1 0
 -0.6 -1.4 -1.8 -0.2 1.4 0.2 1.2 0.4 1.6 0.5
 1.14 2.07 1.30 1.48 1.67 1.79 1.79 1.14 1.95 1.14
Dans le cours de maîtrise statistique des procédés, nous avons calculé à la main tout les
indicateurs de capabilité long terme et court terme. Nous souhaiterions maintenant
automatiser la procédure et retrouver les mêmes valeurs avec Minitab. Pour cela nous ouvrons
un fichier SPC.mpj qui contient le tableau ci-dessus en une seule colonne:
Minitab 168/321
Vincent Isoz
Pour faire l'analyse de capabilité nous allons maintenant dans Outils de la qualité/Analyse
de capabilité/Normale…:
Et nous paramétrons conformément aux prélèvements:
Minitab 169/321
Vincent Isoz
nous cliquons sur le bouton Options…:
et validons deux fois par OK et nous voyons que nous obtenons les chiffres obtenus dans le
cours SPC:
Minitab 170/321
Vincent Isoz
Objectif 42.: Analyse en composantes principales (ACP)

Minitab 15
Soit les données suivantes concernant des fleurs:
Fleur n°
1 5.1 3.5 1.4
2 4.9 3.0 1.4
3 4.7 3.2 1.3
4 4.6 3.1 1.5
5 5.0 3.6 1.4
6 7.0 3.2 4.7
7 6.4 3.2 4.5
8 6.9 3.1 4.9
9 5.5 2.3 4.0
10 6.5 2.8 4.6
11 6.3 3.3 6.0
12 5.8 2.7 5.1
13 7.1 3.0 5.9
14 6.3 2.9 5.6
15 6.5 3.0 5.8
Nous souhaiterions effectuer une A.C.P. avec Minitab (car MS Excel n'a aucun outil intégré
pour par défaut) afin d'identifier des regroupements possibles et déterminez avec une
approche de corrélation les valeurs propres aussi des différentes composantes
Nous créons un nouveau projet et y mettons les données:
Minitab 171/321
Vincent Isoz
ou nous ouvrons le fichier ACP.mpj.
Ensuite, nous allons dans le menu Stat/Multivarié/Composantes principales…:
Ensuite nous prenons les données comme indiqué ci-dessous:
et en cliquant sur le bouton Graphiques…:
Minitab 172/321
Vincent Isoz
Nous validons le tout en cliquant deux fois sur OK:
et en ce qui concerne les valeurs propres, Minitab nous donne dans la fenêtre d'exécution:
Minitab 173/321
Vincent Isoz
Objectif 43.: Analyse des interactions et effets principaux

Minitab 15
Le but de cet exemple ne sera pas de vérifier que quoi que ce soit est conforme à MS Excel
puisqu'il s'agit seulement de graphiques faisant de simples moyennes arithmétiques. Mais il
s'agit cependant d'un sujet important pour bien comprendre ce qu'il y a derrière l'ANOVA à
deux facteurs avec répétition et le concept d'interaction.
Exceptionnellement, nous allons détailler les résultats et reprendre les explications du cours
de Statistiques.
Définitions:
D1. Nous disons qu'il y a absence d'interaction quand la moyenne des réponses d'un facteur en
fonction de ses niveaux varie de la même amplitude et avec le même signe que la moyenne
des réponses d'un autre facteur en fonction de ses niveaux. Nous disons alors que les courbes
de réponses dans le diagramme des interactions sont parallèles.
Remarque: Le parallélisme des réponses est normal en situation d'absence d'interaction, car
cela signifie que quel que soit le niveau de l'un ou l'autre des facteurs, la variation (si elle
existe), de la réponse sera toujours la même de la même amplitude. Ce qui est caractéristique
de l'indépendance (du moins localement).
D2. Nous disons que deux facteurs sont en interaction quand la moyenne des réponses d'un
facteur en fonction de ses niveaux ne varie pas de la même amplitude ou/et pas avec le même
signe que la moyenne des réponses d'un autre facteur en fonction de ses niveaux. Nous disons
alors que les courbes de réponses dans le diagramme des interactions ne sont pas parallèles.
Remarque: L'absence d'interaction est une hypothèse très forte et une observation rare.
Souvent, nous avons des interactions ou fortes interactions.
Considérons le petit tableau suivant sans mesurées répétées:
ou autrement présenté:
Facteur 2
Facteur 1 Niveau 1 Niveau 2
Niveau 1 3 3
Niveau 2 3 3
Minitab 174/321
Vincent Isoz
Nous souhaiterions d'abord observer le graphique des effets principaux. Pour cela nous allons
dans le menu Stat/ANOVA/Graphique des effets principaux...:
Vient alors la boîte de dialogue suivante:
où nous avons mis les réponses et facteurs ad hoc. Nous avons alors le graphique des effets
principaux suivant:
Minitab 175/321
Vincent Isoz
Nous voyons bien qu'aucun facteur n'a un effet principal sur quoi que ce soit. Ce qui est
relativement intuitif étant donné le contenu de tableau précédent.
Maintenant, nous souhaiterions observer les interactions. Nous allons alors dans le menu
Stat/ANOVA/Diagramme des interactions...:
et nous aurons alors sans surprise:
Minitab 176/321
Vincent Isoz
et comme c'est un graphique d'interaction (d'après son nom), nous pouvons constater que les
facteurs n'interagissent pas entre eux (ou se neutralisent c'est selon...). Nous disons alors qu'il
n'y a (a priori) aucun effet ni aucune interaction (localement). Au fait dans certaines
expériences, l'absence d'interaction est une hypothèse très forte et donc souvent rare. Raison
pour laquelle il faut faire attention aux mots choisis lors de l'interprétation des graphiques
d'interaction (car ne pas passer par les calculs purs est délicat pour cette étape voir non
scientifique!).
Maintenant voyons le tableau suivant:
Facteur 2
Niveau 1 2 2
Niveau 2 4 4
Il nous paraît clair que le Facteur 1 semble avoir une influence sur la réponse. Mais voyons
cela sous forme de graphique. Nous avons alors pour les deux graphiques (la procédure est
identique en tout point à ce que nous avons fait précédemment):
Minitab 177/321
Vincent Isoz
Il apparaît clairement dans le graphique du dessus, qu'il y a uniquement le niveau du Facteur 1

qui influence la réponse. Alors que le Facteur 2 n'influence en rien la réponse. Nous disons
alors qu'il y a effet principal (localement) du Facteur1.
Sur le graphique de droite (d'interactions), nous avons la même information, mais sous une
forme différente. Nous voyons que quelque soit le niveau du Facteur 2, les réponses sont
horizontales et donc celui-ci n'influence en rien les résultats. Nous sommes donc dans une
situation où (a priori) l'effet principal est (localement) le Facteur 1 et en absence
interactions entre les facteurs.
Voyons maintenant le tableau suivant:
Facteur 2
Niveau 1 4 2
Minitab 178/321
Vincent Isoz
Niveau 2 4 2
Nous pouvons observer que Facteur 2 a une influence mais pas le Facteur 1. Mais voyons
aussi cela sous forme graphique:
Nous observons bien sur le graphique du dessus que le Facteur 1 n'a aucune influence. Sur le
graphique de droite c'est moins évident (car il faudrait inverser les catégories et séries du
graphique pour avoir le même graphique qu'avant) mais la superposition des deux droits
montre que le Facteur 1 n'a pas d'influence. Nous disons alors qu'il y a (a priori) effet
principal (localement) du Facteur2 et en absence d'interactions entre les facteurs.
Considérons maintenant le tableau suivant:
Facteur 2
Minitab 179/321
Vincent Isoz
Niveau 1 3 1
Niveau 2 5 3
Nous voyons que les deux facteurs ont une influence sur la réponse. Ce que montre bien les
deux graphiques ci-dessous:
Nous observons bien sur le graphique du dessus que le Facteur 1 a une influence sur la
réponse et qu'il est de même du Facteur 2 (et en plus de la même amplitude quel que soit le
sens!). Sur le graphique de droite, c'est moins évident, mais la même conclusion est valable.
Nous disons alors que les (a priori) deux facteurs sont (localement) significatifs et sans
interactions.
Ici il n'est pas facile de se rendre compte qu'il n'y a pas d'interactions. Il faut avoir repéré la
méthode: le passage d'un niveau de facteur à un autre implique toujours une variation
identique (de 2 dans le cas présent).
Minitab 180/321
Vincent Isoz
Facteur 2
Niveau 1 2 4
Niveau 2 4 2
qui sous cette forme n'est pas triviale à interpréter. Mais avec les graphique on a tout de suite
des informations plus pertinentes:
Nous observons bien sur le graphique du dessus, qu'aucun des facteurs n'a d'influence sur la
réponse a priori (même graphique qu'au tout début avec la même moyenne). Le graphique de
droite nous donne une information complémentaire par contre!!!: Les facteurs ont une
influence croisée et comme cette influence croisée est de même amplitude, les effets
s'annulent. Nous disons alors que les deux facteurs sont (localement) en interaction F1*F2.
Minitab 181/321
Vincent Isoz
Facteur 2
Niveau 1 1 3
Niveau 2 5 3
Ce qui nous donne les deux graphiques suivants:
Nous observons bien sur le graphique du dessus que le Facteur 1 semble avoir une influence
et que le Facteur 2 non (en moyenne!). Le graphique de droite nous donne lui aussi, encore
une fois, une information complémentaire!!!: C'est que les facteurs sont en interaction. Mais
grâce au graphique de dessus, nous pouvons observer que c'est le Facteur 1 qui a une
influence significative dans le comportement de la réponse!
Par contre, si l'interaction n'est pas évidente, rien ne vous empêche de faire le graphique de
droite ci-dessus, en inversant les séries et catégories. Ce qui donnera dès lors en mettant
l'original et le nouveau côte à côte:
Minitab 182/321
Vincent Isoz
Nous disons alors que nous avons (a priori) deux facteurs (localement) en interaction
F1*F2 où l'influence du Facteur 1 est significative.
Facteur 2
Niveau 1 3 3
Niveau 2 5 1
Minitab 183/321
Vincent Isoz
F1*F2 où l'influence du Facteur 2 est significative.
Facteur 2
Niveau 1 1 1
Niveau 2 5 1
Minitab 184/321
Vincent Isoz
F1*F2 où l'influence des deux facteurs est significative.
Minitab 185/321
Vincent Isoz
Objectif 44.: Analyse de la variance à un facteur (ANOVA-1) désempilé

Minitab 15
Imaginons une entreprise faisant les trois huit. Nous avons trois équipes qui travaillent sur une
même machine. Nous souhaitons vérifier avec un seuil de confiance de 95% s'il y a une
différence de productivité moyenne entre les trois équipes sur une semaine de travail.
Ouvrez le fichier ANOVA-DESEMPILE.mpj:
Et allez dans le menu Stat/ANOVA/A un facteur (désempilé)…:
Minitab 186/321
Vincent Isoz
Nous avons alors:
Nous validons par OK ce qui donne dans la fenêtre de session:
Minitab 187/321
Vincent Isoz
Nous avons donc les mêmes résultats que dans MS Excel (mais un peu moins précis).
Minitab 188/321
Vincent Isoz
Objectif 45.: Analyse de la variance à un facteur (ANOVA-1) empilé

Minitab 15
différence de productivité moyenne entre les trois équipes sur une semaine de travail.
Ouvrez le fichier ANOVA-EMPILE.mpj (il s'agit du même fichier que précédemment mais les
données sont empilées):
Nous allons dans le menu Stat/ANOVA/A un facteur…:
Minitab 189/321
Vincent Isoz
Ce qui donne au final le même résultat que l'ANOVA précédente (ouf!):
Minitab 190/321
Vincent Isoz
Objectif 46.: Analyse de la variance à deux facteurs (ANOVA-2) sans

répétitions
Minitab 15
différence de productivité moyenne entre les trois équipes sur une semaine de travail
(hypothèse que les moyennes sont égales).
Remarque: La variable est donc l'équipe et sa modalité à trois niveaux!
Ouvrez le fichier ANOVA-2-Facteurs-Sans-Repetitions.mpj:
Nous allons dans le menu Stat/ANOVA/A deux facteurs…:
Minitab 191/321
Vincent Isoz
Pour avoir:
On clique sur OK:
Minitab 192/321
Vincent Isoz
Nous obtenons donc les mêmes résultats qu'avec MS Excel.
Et pour info, voici les graphiques des interactions et facteurs principaux obtenus en procédant
comme montré dans l'exercice relatif à ce sujet:
Minitab 193/321
Vincent Isoz
Minitab 194/321
Vincent Isoz
Objectif 47.: Analyse de la variance à deux facteurs (ANOVA-2) avec

répétitions
Minitab 15
différence de productivité moyenne entre les trois équipes sur une semaine de travail
(hypothèse que les moyennes sont égales).
Remarque: La variable est donc l'équipe et sa modalité à trois niveaux!
Ouvrez le fichier ANOVA-2-Facteurs-Avec-Repetitions.mpj:
Nous allons dans le menu Stat/ANOVA/A deux facteurs…:
Minitab 195/321
Vincent Isoz
Pour avoir:
On clique sur OK:
Minitab 196/321
Vincent Isoz
Nous obtenons donc les mêmes résultats qu'avec MS Excel.
Et pour info, voici les graphiques des interactions et facteurs principaux obtenus en procédant
comme montré dans l'exercice relatif à ce sujet:
Minitab 197/321
Vincent Isoz
Minitab 198/321
Vincent Isoz
Objectif 48.: Étude R&R (reproductibilité/répétabilité) pour données

continues
Minitab 15
Une étude R&R mesure l'erreur de précision en faisant mesurer par exemple une pièce par
plusieurs fois et par des personnes différentes.
Étant donné que cette pièce ne change pas de taille, une variation dans les résultats doit
représenter la répétabilité de la mesure et sa reproductibilité par différentes personnes.
Cette étude est très simple et basée sur l'ANOVA à deux facteurs avec répétition dont on peut
déduire les données de l'étude R&R à partir du tableau de l'ANOVA (TAV). Pour plus
d'exemples, le lecteur pour se référer à la norme ISO/TR 12888:2011.
Considérons donc les données suivantes qui correspondent à une ANOVA à deux facteurs
avec répétition (il s'agit des mêmes valeurs numériques que l'exercice de l'ANOVA à deux
facteurs sans répétition vu plus haut mais détourné).
Ouvrez le fichier EtudeRRContinu.mpj:
Nous avons donc 3 opérateurs qui mesurent le diamètre en microns de deux pièces.
Nous allons dans le menu Stat/Outils de la qualité/Étude de l'instrumentation/Étude de

R&R de l'instrumentation (croisée)...:
Minitab 199/321
Vincent Isoz
et nous nous utiliserons seulement sur une étude R&R basée sur l'ANOVA (je trouve cela
plus pertinent que le carte de contrôle mentionnée):
Nous validons par OK pour avoir:
Minitab 200/321
Vincent Isoz
et dans la fenêtre de sessions:
Minitab 201/321
Vincent Isoz
Bon décortiquons maintenant tout cela en commençant par les données de la fenêtre de
sessions!!
Nous avons donc en premier une table de l'ANOVA à deux facteurs avec répétition:
aucune surprise car c'est la même que dans l'exercice que nous avions fait plus haute et que
nous avions démontré théoriquement et calculé à la main dans le cours de statistique
théorique. La seule subtilité et que "l'erreur résiduelle" se nomme maintenant "répétabilité".
Les conclusions quant aux p-values de cette table se font comme à l'habitude pour une
ANOVA normale.
Ensuite, vient le tableau suivant (la deuxième colonne est évidente puisqu'il ne s'agit que de la
contribution de chaque valeur de la première colonne en % du total):
Minitab 202/321
Vincent Isoz
Pour le calculer, rappelons que nous avons 2 opérateurs ( r  2) , 3 pièces (k  3) et deux
répétitions pour chaque mesure ( n  2 ).
La première ligne du tableau R&R d'instrumentation total étant juste un total, il nous faut
calculer la deuxième ligne que voici:
et nous voyons de suite dans le tableau de l'ANOVA que:
Ce qui de par la définition mathématique de l'erreur résiduelle (variance intra-groupe) il est

compréhensible qu'elle soit assimilée à la répétabilité.
La ligne Reproductibilité est aussi juste un total des deux lignes du dessous. Il nous suffit de
calculer ces dernières pour donc avoir le total. Voyons donc comment est calculée la valeur à
partir de la table de l'ANOVA:
Nous avons:
 CM:Operateurs-CM:Pieces*Operateurs  243  9.75

Opérateurs    38.875
nk 23
Bingo! La reproductibilité des opérateurs s'interprète donc comme la variance pure

uniquement due aux opérateurs (d'où la soustraction avec la variance d'interaction), divisé par
Minitab 203/321
Vincent Isoz
le nombre de mesures par chaque opérateur. Il s'agit donc en quelque sorte de la variance
purement intra-opérateur.
Voyons maintenant d'où viens la valeur suivante:
Nous avons (c'est assez logique):
 CM:Pieces*Operateurs-CM:Répétabilité  9.75  3.833

Opérateurs*Pieces    2.9585
n 2
presque la même valeur... (faudrait voir comment Minitab fait les arrondis...).
Nous pouvons donc interpréter cette valeur comme étant la variance purement due à
l'interaction (d'où la soustraction) divisé par le nombre de mesure. Il s'agit donc en quelque
sorte de la variance purement intra opérateur et intra pièce.
Il ne reste plus qu'à calculer:
qui logiquement est:
 CM:Pieces-CM:Pieces*Operateurs  40.75  9.75

De pièce à pièce    7.75
nr 22
Bon maintenant que nous avons déterminé toutes les valeurs à la main pour vérification, que
pouvons nous dire globalement de ce tableau?:
Déjà il était claire que le tableau de l'ANOVA nous signalait clairement au vu des p-values
que le choix des opérateurs semble avoir un effet sur les valeurs puisque mais pas celui sur les
pièces. Ayant connaissance de cela, le tableau R&R de l'instrumentation nous permet de voir
que la principale variation se trouve lors d'un changement d'un opérateur mois que lors d'un
changement de pièce pour un opérateur donné. Il y a donc un problème entre les opérateurs
plutôt que dans la façon avec laquelle chaque opérateur mesure avec sa propre technique le
diamètre de la pièce.
Pour un responsable qualité, il serait bien d'entraîner les exécutants afin d'avoir la ligne R&R
d'instrumentation total qui converge asymptotiquement vers la valeur De pièce à pièce.
Minitab 204/321
Vincent Isoz
Maintenant, voyons le troisième tableau:
La première colonne étant nommée Ecart type, nous nous rendons compte qu'il s'agit
simplement de la racine carrée de la variance du tableau précédent puisque:
V (X )  
Il s'agit donc simplement d'une autre manière de lire en utilisant les intervalles de confiance
basés sur une loi Normale. Ainsi, à 6 , nous voyons que les opérateurs ont 92.46% de
probabilité cumulée d'avoir une dispersion de 40.5362/2~20 microns par rapport à la
moyenne. Ce qui est énorme!!! Donc dans le cas présent il faut définir les objectifs avec la
direction et les clients pour savoir à combien il faut diminuer cette valeur.
Maintenant passons aux graphiques en commençant le premier pour montrer d'où viennent ses
valeurs:
Minitab 205/321
Vincent Isoz
c'est très simple... il n'y pas grand chose à en dire. Ensuite, pour les deux graphiques:
On a bien sur chacun des graphique à chois fois les quatre mesures + la médiane.
Minitab 206/321
Vincent Isoz
Il n'y pas grand chose à dire non plus outre qu'encore une fois, on voit facilement qu'il y a un
problème plus prononcé entre opérateurs qu'entre pièce.
Le graphique suivant est aussi un classique de l'ANOVA:
Un peu plus surprenant, c'est de retrouver des cartes de contrôle. Nous avons en premier:
il s'agit donc d'une carte de contrôle R-barre R que nous allons retrouver plus loin et dont nous
avons démontré le mécanisme dans le cours de statistiques théoriques. C'est carte n'a aucun
raison d'exister dans le cas présent pour les raisons suivantes (opinion personnelle mais à
débattre en classe):
1. Il n'y pas de flèche du temps dans une étude R&R

2. Normalement chaque point de la carte représente une étendue et il est clair que dans le
cas présent une étendue de deux mesures n'a aucun sens
3. Bien que la carte R-barre R soit fait pour moins de dix mesures par échantillonnage, il
ne faut pas exagérer en considérant qu'elle fonctionne aussi pour deux mesures par
échantillonnage...
4. Normalement cette carte représente les mesures pour une même famille de pièces et
ceci n'est pas spécifié dans l'exécution du test par le logiciel.
Enfin le dernier graphique qui est encore une carte de contrôle:
Minitab 207/321
Vincent Isoz
a encore moins de raison d'être présente! Elle n'est statistiquement absolument pas
significative dans le cas présent. Mais nous allons en débattre en classe.
Bref, ces deux derniers graphiques n'ont donc de sens que si l'on fait mesurer de nombreuses
fois (plus que deux fois en tout cas....) une même pièce à un opérateur.
Minitab 208/321
Vincent Isoz
Objectif 49.: Étude R&R (reproductibilité/répétabilité) pour données par

attributs
Minitab 15
Les études R&R pour données par attribut comparent plusieurs décideurs (opérateurs) appelés
à décider de l'acceptabilité de plusieurs services (produits ou investissements), à différents
moments. Les résultats sont utilisés pour évaluer autant la reproductibilité (si les décideurs
sont d'accord entre eux) que la répétabilité (si chaque décideur est systématiquement en
accord avec ses propres résultats).
Pour plus d'exemples, le lecteur pour se référer à la norme ISO/TR 14468:2010.
Bien évidemment, des biais peuvent surgir dans le système de décision. Donc même si tous
sont unanimes, il se peut qu'ils aient tous fait le mauvais choix.
Vu que les évaluations par attribut sont souvent de nature subjective, il n'est toujours facile de
déterminer quelle est la bonne décision.
Un point important dans ce type d'analyses, c'est d'avoir un nombre impair d'estimateurs
(donneurs d'opinions) ainsi que pour chaque analyse un nombre impair d'opinions.
Raison pour laquelle dans le tableau ci-dessous, nous avons 3 estimateurs et 3 opinions pour
chaque ligne.
Ouvrez donc le fichier EtudeRRAtribut.mpj:
Minitab 209/321
Vincent Isoz
Minitab 210/321
Vincent Isoz
Comme les d'accords sont représentés sur plusieurs colonnes, nous prenons Colonnes
multiples (je préfère effectivement cette dernière configuration – plus visuelle - même si
lorsqu'on travaille avec des SGBD, la structure en Colonnes d'attributs est plus facilement
gérable):
Nous allons dans Résultats... pour désactiver certaines statistiques empiriques:
Minitab 211/321
Vincent Isoz
Minitab 212/321
Vincent Isoz
avec le graphique:
Minitab 213/321
Vincent Isoz
Nous souhaitons pouvoir déterminer tous les calculs à la main pour en comprendre le
mécanisme. Voyons donc cela... petit à petit. Commençons par le premier tableau qui analyse
les accord Entre estimateurs:
La colonne # Inspection est évidente... il s'agit du nombre d'échantillons analysés (pièces,

projets, décisions ou autres...).
La colonne # Correspondance est évidente aussi. Il s'agit pour chaque donneur d'opinion
(estimateur) le nombre d'échantillons analysés pour lesquels l'avis général de chaque
estimateur était identique à l'avis général des autres estimateurs (on ne prend pas du tout en
compte l'avis de l'expert!). Pas besoin de calculs, il suffit de prendre 60 secondes pour vérifier
ligne par ligne dans le tableau d'origine et compter. Je laisse le soin au lecteur de faire cela.
La colonne Pourcentage est simple le rapport entre # Correspondance et # Pourcentage.

L'intervalle de confiance est lui simplement calculé à partir du test binomial exact. Mais
comme c'est long à faire à la montrons que nous pouvons le réobtenir en faisant à nouveau
(nous avons déjà présenté cet outil plus haut mais avec l'approximation en loi Normale):
Minitab 214/321
Vincent Isoz
ce qui nous amène à:
mais dans les bouton Options... nous ne cochons pas cette fois-ci Utiliser le test et
l'intervalle basés sur la loi normale.
Minitab 215/321
Vincent Isoz
et si nous validons nous obtenons:
donc ce qui correspond bien à 73.47% et 97.89%.
Passons au deuxième tableau qui analyse la non concordance d'attributs entre les estimateurs
et l'expert:
La colonne #Reject/Accept avec les valeurs (3,1,1) donne simplement le nombre de fois que
chaque estimateur rejette alors que l'expert accepte. Pour vérifier, il suffit de compter dans la
table d'origine.
La première colonne Pourcentage avec les valeurs (14.29%, 4.76%,4.76%) est simplement le
rapport entre la colonne #Reject/Accept et le nombre de lignes pour lesquelles l'expert a
Minitab 216/321
Vincent Isoz
accepté (dans le cas présent, l'expert a accepté 21 fois sur 30). Donc il s'agit de
(3/21,1/21,1/21)
La colonne #Accept/Reject avec les valeurs (0,0,0) donne simplement le nombre de fois que
chaque estimateur accepte alors que l'expert rejette. Pour vérifier, il suffit de compter dans la
table d'origine.
La deuxème colonne Pourcentage avec les valeurs (0 %, 0%,0 %) est simplement le rapport
entre la colonne # Accept/Reject et le nombre de lignes pour lesquelles l'expert a accepté
(dans le cas présent, l'expert a rejeté 9 fois sur 30). Donc il s'agit de (0/9,0/9,0/9)
La colonne #Mixte avec les valeurs (3,0,1) donne simplement le nombre de fois que chaque
estimateur à un mélange d'opinions (les opinions unilatéralement contraires à l'experte ne sont
donc pas comptabilisées) et ce quel que soit la conclusion de l'expert.
La dernière colonne Pourcentage avec les valeurs (10%,0%,3.33%) donne simplement le

rapport en pourcentage entre la colonne #Mixte et le nombre de lignes de la table (soit une
division par 30).
Le prochain tableau est donc:
Il s'agit simplement d'une analyse globale non nominative entre estimateurs et toujours avec
un test binomial exact de la proportion.
Effectivement, la colonne #Inspection donne le nombre de lignes du tableau, la colonne

#Correspondance donne le nombre de lignes où les estimateurs étaient parfaitement d'accord
entre eux (donc les 9 opinions identiques). La colonne pourcentage donne simplement le
rapport 25/30.
Le dernier tableau:
est identique au précédent à la différence que c'est la comparaisons par rapport à l'expert.
Minitab 217/321
Vincent Isoz
Objectif 50.: Carte d'essai de l'instrumentation

Minitab 15
Toujours dans le cadre de l'étude R&R, il existe un petit graphique très pratique visuellement
qui s'appelle une Carte d'essai de l'instrumentation qui n'utilise aucune notation
mathématique.
Pour voir cela, nous restons avec le fichier de l'exercice précédent:
Nous allons dans le menu Stat/Outils de la qualité/Étude de l'instrumentation/Carte

d'essai de l'instrumentation...:
Minitab 218/321
Vincent Isoz
et nous avons alors:
Nous cliquons sur OK:
Minitab 219/321
Vincent Isoz
Objectif 51.: Régression logistique (logit) à variable catégorielle

(qualitative) binaire
Minitab 15
Comme nous l'avons vu dans le cours de Statistiques, le problème d'une régression linéaire
simple (bivariée) ou multiple à variable expliquée de type binaire c'est que le modèle
théorique peut prendre toute valeur dans ce qui est évidemment une aberration puisque
dans le car d'une variable expliquée de type 0/1, le modèle théorique ne doit jamais donner
une valeur inférieure à 0 et supérieure 1. Or c'est malheureusement ce que fera une régression
linéaire…
Pour cela nous avons démontré qu'il était possible d'utiliser une autre technique mathématique
qui nous assurait que la condition susmentionnée soit satisfaite. Nous allons reprendre le
même exemple mais au lieu de faire les calculs à la main, nous les faisons donc avec Minitab.
Nous avons alors dans le fichier RegressionLogistique.mpj le tableau suivant des crédits
procurés pas une banque avec le statut de bon débiteur (1) ou mauvais débiteur (0):
Ensuite, nous allons dans le menu Stat/Régression/Régression logistique binaire:
Minitab 220/321
Vincent Isoz
Nous y mettons:
Dans le bouton Résultats afin de faire comme dans le cours théorique, vous prenez:
Minitab 221/321
Vincent Isoz
Malheureusement Minitab de propose pas d'afficher le graphique de la régression logistique

donc nous validons par OK deux fois pour obtenir dans la fenêtre de session:
Cela signifie que la probabilité cumulée de valoir 1 est alors donnée par (avec x en millier de
francs):
1
P( X  x)   ( 61.3183 2.211x )
1 e
résultat à comparer avec les calculs faits à la main dans le cours de statistiques:
1
P( X  x)   ( 51.11161.8371x )
1 e
Minitab 222/321
Vincent Isoz
Objectif 52.: Plan d'échantillonnage par mesures

Minitab 15
Dans le cadre de notre exemple fait dans le cours de statistique - le producteur de boissons
gazeuses - qui reçoit des lots de 10'000 bouteilles dont la résistance à la pression (LSL) doit
être supérieure à 22.5 avec un écart-type sous contrôle statistique et valant 1.5, le fournisseur
et le client ont chacun fixé les risques qu'ils sont prêts à courir:
Nous devons alors en utilisant cette norme définir le N.Q.A. Comme mentionné dans la
définition, en général le N.Q.A. est proche de D f (mais pas égal!). Donc le N.Q.A. sera posé
comme valant 1%.
Nous souhaitons comparer les valeurs données par Minitab et celles obtenues dans le cours
théoriques basées sur la norme AF-X06-023.
Dans Minitab nous allons dans le menu Stat/Outils de la qualité/Echantillonnage

d'acceptation par variables/Créer/comparer…:
et vient la fenêtre suivante à remplir comme indiqué:
Minitab 223/321
Vincent Isoz
Nous allons dans le bouton Graphiques…:
nous décochons tout pour la simple raison que nous n'en avons pas fait les démonstrations
dans le cours théorique. Nous validons alors deux fois par OK pour obtenir dans le fenêtre de
session les informations suivantes:
Minitab 224/321
Vincent Isoz
Ce qui correspond assez bien à ce que nous avions obtenu dans le cours de statistiques où
l'effectif de l'échantillon était de 18 pour les calculs à la main et 25 selon la norme (Minitab
donne donc 19) et une distance critique de 1.943 pour les calculs à la main et 1.97 selon la
norme (Minitab donne donc 1.94393).
Minitab 225/321
Vincent Isoz
Objectif 53.: Plan d'échantillonnage par attribut

Minitab 15
Un lot de bouteilles est livré sous forme de lots de 10'000 unités correspondant à N. Nous
cherchons à mettre en place un plan de contrôle de la réception par attributs avec la
probabilité cumulée (risque)  de 1% que le client rejette à tort le lot avec moins de 2.5%
( p ) de non-conformes. De son côté le client souhaite une probabilité cumulée (risque)  de
10% d'accepter à tort un lot avec plus de 5% ( p ) de non-conformes.
Le but est de déterminer donc la valeur de A (nombre de non-conformes limite acceptable) et

de n (taille de l'échantillon à prélever) et de la comparer aux valeurs obtenues à l'aide
nomographe dans le cours de statistiques.
Dans Minitab nous allons dans le menu Stat/Outils de la qualité/Echantillonnage

d'acceptation par attributs:
Nous avons alors la fenêtre suivante:
Minitab 226/321
Vincent Isoz
Si la taille du lot était petite, nous pourrions allez dans le bouton Options et y cocher Utiliser
la loi hypergéométrique pour le lot isolé:
mais ici le lot est très grand nous pouvons donc nous en passer.
Dans le bouton Graphiques… :
Minitab 227/321
Vincent Isoz
nous décochons tout pour la simple raison que nous n'en avons pas fait les démonstrations
dans le cours théorique. Nous validons alors deux fois par OK pour obtenir dans la fenêtre de
session les informations suivantes:
Ce qui correspond assez bien à ce que nous avions obtenu dans le cours de statistiques où
l'effectif de l'échantillon était de 700 (Minitab donne donc 718) et un critère d'acceptation de
30 (Minitab donne donc 28).
Minitab 228/321
Vincent Isoz
Objectif 54.: Carte de contrôle par attributs p (proportion)

Minitab 15
Dans le cadre de contrôle de lots nous avons obtenus les mesures suivantes (fichier CC-
P.mpj):
Nous souhaiterions tracer une carte de contrôle par attributs de type p et comparer avec les
calculs théoriques effectués dans le cours de statistiques et dans le cours MS Excel.
Dans Minitab nous allons dans le menu Stat/Cartes de contrôle/Cartes aux attributs/P…:
Minitab 229/321
Vincent Isoz
Nous avons alors la boîte de dialogue suivante:
Minitab 230/321
Vincent Isoz
Nous obtenons donc les mêmes valeurs et la même carte que dans le cours de statistiques
théoriques et MS Excel.
Minitab 231/321
Vincent Isoz
Objectif 55.: Carte de contrôle par attributs de type np (proportion)

Minitab 15
Dans le cadre de contrôle de lots nous avons obtenu les mesures suivantes (fichier CC-
NP.mpj):
Nous souhaiterions tracer une carte de contrôle par attributs de type np et comparer avec les
Dans Minitab nous allons dans le menu Stat/Cartes de contrôle/Cartes aux attributs/NP…:
Minitab 232/321
Vincent Isoz
Minitab 233/321
Vincent Isoz
Minitab 234/321
Vincent Isoz
Objectif 56.: Carte de contrôle par attributs de type c

Minitab 15
Dans le cadre de contrôle de lots nous avons obtenu les mesures suivantes (fichier CC-C.mpj):
Nous souhaiterions tracer une carte de contrôle par attributs de type c et comparer avec les
Dans Minitab nous allons dans le menu Stat/Cartes de contrôle/Cartes aux attributs/C…:
Minitab 235/321
Vincent Isoz
Minitab 236/321
Vincent Isoz
Minitab 237/321
Vincent Isoz
Objectif 57.: Carte de contrôle par attributs de type u

Minitab 15
Dans le cadre de contrôle de lots nous avons obtenu les mesures suivantes (fichier CC-
U.mpj):
Nous souhaiterions tracer une carte de contrôle par attributs de type u et comparer avec les
Dans Minitab nous allons dans le menu Stat/Cartes de contrôle/Cartes aux attributs/U…:
Minitab 238/321
Vincent Isoz
Minitab 239/321
Vincent Isoz
Minitab 240/321
Vincent Isoz
Objectif 58.: Carte de contrôle par mesures S

Minitab 15
Dans le cadre de contrôle d'une production sous contrôle statistique nous avons obtenu les
mesures suivantes (fichier CC-Sbarre.mpj):
Nous souhaiterions tracer une carte de contrôle par mesures groupées de type S et comparer
avec les calculs théoriques effectués dans le cours de statistiques et dans le cours MS Excel.
Dans Minitab nous allons dans le menu Stat/Cartes de contrôle/Cartes de variables pour
sous-groupes/S…:
Minitab 241/321
Vincent Isoz
Nous cliquons sur Options S…:
Minitab 242/321
Vincent Isoz
pour cocher l'option S barre car c'est un peu le but quand même… (curieux que ce ne soit pas
coché par défaut dans Minitab…). Nous validons deux fois par OK:
Minitab 243/321
Vincent Isoz
Objectif 59.: Carte de contrôle par mesures X barre-S simple

Minitab 15
mesures suivantes (fichier Xbarre-S.mpj):
Nous souhaiterions tracer une carte de contrôle par mesures groupées de type X barre-S et
comparer avec les calculs théoriques effectués dans le cours de statistiques et dans le cours
MS Excel.
sous-groupes/X barre…:
Minitab 244/321
Vincent Isoz
Nous cliquons sur Options de carte X barre…:
Minitab 245/321
Vincent Isoz
pour cocher l'option S barre car c'est un peu le but quand même. Nous validons deux fois par
OK:
Minitab 246/321
Vincent Isoz
Minitab 247/321
Vincent Isoz
Objectif 60.: Carte de contrôle par mesures X barre-S barre combinées

Minitab 15
mesures suivantes (fichier CC Xbarre-S.mpj):
Nous souhaiterions tracer une carte de contrôle par mesures groupées de type X barre
combinée à une S barre (soit les deux exercices précédents en un seul coup) et comparer avec
les calculs théoriques effectués dans le cours de statistiques et dans le cours MS Excel.
sous-groupes/X barre-S…:
Minitab 248/321
Vincent Isoz
Nous cliquons sur Options de carte X barre-S…:
Minitab 249/321
Vincent Isoz
pour cocher l'option S barre car c'est un peu le but quand même. Nous validons deux fois par
OK:
et donc nous retrouvons bien les graphiques des deux exercices précédents qui correspondent
donc toujours à ce qui a été calculé dans le cours de statistiques théorique et MS Excel.
Minitab 250/321
Vincent Isoz
Objectif 61.: Carte de contrôle par mesures R barre-R barre combinées

Minitab 15
mesures suivantes (fichier CC Rbarre-R.mpj):
Nous souhaiterions tracer une carte de contrôle par mesures groupées de type R barre R et
MS Excel.
sous-groupes/R…:
Minitab 251/321
Vincent Isoz
Nous cliquons sur Options R…:
Minitab 252/321
Vincent Isoz
pour cocher l'option R barre car c'est un peu le but quand même. Nous validons deux fois par
OK:
Minitab 253/321
Vincent Isoz
Objectif 62.: Carte de contrôle par mesures X barre-R barre combinées

Minitab 15
mesures suivantes (fichier CC XBarre-R.mpj):
Nous souhaiterions tracer une carte de contrôle par mesures groupées de type X barre R et
MS Excel.
sous-groupes/X barre…:
Minitab 254/321
Vincent Isoz
Nous cliquons sur Options de carte X barre…:
Minitab 255/321
Vincent Isoz
OK:
Minitab 256/321
Vincent Isoz
Minitab 257/321
Vincent Isoz
Objectif 63.: Carte de contrôle par mesures X barre-R barre combinées

Minitab 15
mesures suivantes (fichier CC Xbarre-R.mpj):
combinée à une R barre (soit les deux exercices précédents en un seul coup) et comparer avec
les calculs théoriques effectués dans le cours de statistiques et dans le cours MS Excel.
sous-groupes/X barre-R…:
Minitab 258/321
Vincent Isoz
Nous cliquons sur le bouton Options de carte X barre-R:
Minitab 259/321
Vincent Isoz
OK:
Minitab 260/321
Vincent Isoz
Objectif 64.: Carte de contrôle par mesures individuelles par l'étendue

mobile
Minitab 15
mesures suivantes (fichier CC I-EM.mpj):
Nous souhaiterions tracer une carte de contrôle par mesures groupées de type I-EM barre EM
et comparer avec les calculs théoriques effectués dans le cours de statistiques et dans le cours
MS Excel.
individus/Individus…:
Minitab 261/321
Vincent Isoz
Minitab 262/321
Vincent Isoz
Minitab 263/321
Vincent Isoz
Objectif 65.: Carte de contrôle par mesures individuelles X-Barre par

l'étendue mobile
Minitab 15
mesures suivantes (fichier CC I-EM.mpj):
Nous souhaiterions tracer une carte de contrôle par mesures groupées de type I-EM barre EM
et comparer avec les calculs théoriques effectués dans le cours de statistiques et dans le cours
MS Excel.
individus/Etendue Mobile…:
Minitab 264/321
Vincent Isoz
Minitab 265/321
Vincent Isoz
Minitab 266/321
Vincent Isoz
Objectif 66.: Carte de contrôle par mesures individuelles X barre-EM barre

combinées
Minitab 15
mesures suivantes (fichier CC CC I-EM.mpj):
combinée à une EM barre (soit les deux exercices précédents en un seul coup) et comparer
avec les calculs théoriques effectués dans le cours de statistiques et dans le cours MS Excel.
sous-groupes/I-EM …:
Minitab 267/321
Vincent Isoz
Minitab 268/321
Vincent Isoz
Minitab 269/321
Vincent Isoz
Objectif 67.: Carte de contrôle individuelle Moyenne Mobile (MA) avec

limites basées sur l'étendue mobile
Minitab 15
mesures suivantes (fichier CC MA.mpj):
Nous souhaiterions tracer une carte de contrôle par mesures individuelle autocorrélée de type
Moyenne mobile avec limites basées sur l'étendue mobile et comparer avec les calculs
théoriques effectués dans le cours de statistiques et dans le cours MS Excel.
Dans Minitab nous allons dans le menu Stat/Cartes de contrôle/Cartes pondérées

chronologiques/Moyenne Mobile…:
Minitab 270/321
Vincent Isoz
où nous avons mis les mêmes paramètres que dans le cours MS Excel et de statistiques
théoriques (h = 4 et effectif du sous-groupe valant 1). Nous cliquons ensuite sur Options
MM… pour vérifier que les limites seront bien calculées sur la base de l'étendue mobile:
Minitab 271/321
Vincent Isoz
Nous validons deux fois par OK pour obtenir:
Nous obtenons donc les mêmes valeurs M t et la même carte que dans le cours de statistiques
théoriques et MS Excel. à la différence des 3 premiers points (qui selon moi ne devraient pas
être présentés sur la carte).
Minitab 272/321
Vincent Isoz
Objectif 68.: Carte de contrôle CUSUM V-Masque avec échantillons

Minitab 15
mesures suivantes (fichier CC CUSUM.mpj):
Nous souhaiterions tracer une carte de contrôle autocorrélée par mesures groupées de type
CUSUM V-Masque et comparer avec les calculs théoriques effectués dans le cours de
statistiques et dans le cours MS Excel.

chronologiques/CUSUM…:
Minitab 273/321
Vincent Isoz
Ensuite, pour avoir une carte de contrôle de type V-Masque il faut aller cliquer sur le bouton
Options CUSUM et aller dans l'onglet Plan/Type:
Minitab 274/321
Vincent Isoz
où nous avons par rapport au cours théorique la même valeur que h, mais  n'est pas
demandé puisque le logiciel passe directement par le paramètre K vu en cours et il le demande
en % (les calculs à la main ont pour valeur de K 0.025)
Nous avons alors en validant deux fois par OK:
Nous obtenons donc les mêmes valeurs Ci (un logiciel comme JMP se base lui sur les Si ) et
la même carte que dans le cours de statistiques théoriques et MS Excel.
Minitab 275/321
Vincent Isoz
Objectif 69.: Carte de contrôle EWMA avec échantillons

Minitab 15
mesures suivantes (fichier CC EWMA Ech.mpj):
Nous souhaiterions tracer une carte de contrôle autocorrélée par mesures groupées de type
EWMA avec groupes d'échantillons et comparer avec les calculs théoriques effectués dans le
cours de statistiques et dans le cours MS Excel.

chronologiques/EWMA…:
Minitab 276/321
Vincent Isoz
Minitab 277/321
Vincent Isoz
Nous retrouvons donc quasiment les mêmes valeurs que dans le cours théorique de
statistiques et que le cours MS Excel. Effectivement, nous y avions fait une approximation en
ce qui concerne les limites de contrôle (indépendantes du temps t) et la valeur du point de
départ d’où la petite différence.
Minitab 278/321
Vincent Isoz
Objectif 70.: Carte de contrôle EWMA individuelle

Minitab 15
mesures suivantes (fichier CC EWMA Ind.mpj):
Nous souhaiterions tracer une carte de contrôle autocorrélée par mesures individuelles de type
EWMA et comparer avec les calculs théoriques effectués dans le cours de statistiques et dans
le cours MS Excel.

chronologiques/EWMA…:
Minitab 279/321
Vincent Isoz
Nous cliquons sur Options EWMA…:
Minitab 280/321
Vincent Isoz
et nous nous assurons que Moyenne de l'étendue mobile soit activée afin d'être conforme à
ce que nous avons fait dans le cours théorique de Statistique et MS Excel. Nous validons
enfin deux fois par OK:
Nous retrouvons donc quasiment les mêmes valeurs que dans le cours théorique de
statistiques et que le cours MS Excel. Effectivement, nous y avions fait une approximation en
ce qui concerne les limites de contrôle (indépendantes du temps t) et la valeur du point de
départ d’où la petite différence.
Minitab 281/321
Vincent Isoz
Objectif 71.: Carte combinée X Barre-R et R Barre-R avec deux phases

Minitab 15
mesures suivantes (fichier CC XBARRE-R Avant-Apres.mpj):
Nous souhaiterions tracer une carte de contrôle par mesures groupées de type combinée X
Barre-R et R Barre-R afin de voir qu'il est très facile avec Minitab (au même titre qu'avec
MS Excel) d'obtenir une carte de contrôle avec deux phases (ou plus…).
Dans Minitab nous allons dans le menu Stat/Cartes de contrôle/X-Barre R…:
Minitab 282/321
Vincent Isoz
Nous cliquons sur Options de carte X barre-R… pour s'assurer d'abord que l'Estimation
utilise la même méthode opératoire que celle vu en cours:
Minitab 283/321
Vincent Isoz
Nous en profitons pour activer toutes les règles de type WECO que Minitab propose en allant
dans l'onglet Tests:
et nous allons enfin dans l'onglet Etapes pour signaler au logiciel la colonne qui lui permettra
de distinguer le commencement d'une nouvelle phase:
Minitab 284/321
Vincent Isoz
Nous validons deux fois par OK pour obtenir au final:
Pour voir qu'il n'y a finalement pas d'amélioration notable entre la phase 1 et 2.
Minitab 285/321
Vincent Isoz
Objectif 72.: Carte de contrôle G

Minitab 16.2.1
Dans le cadre de contrôle d'événements rares, nous avons obtenu les mesures suivantes
(fichier CarteG.mpj):
où nous pouvons-voir que nous avons pris le cas particulier où... il y a exactement un
événement mesuré par jour et donc le nombre d'événements entre chaque anomalie
correspond au nombre de jours entre chaque anomalie aussi...
Nous souhaiterions tracer une carte de contrôle par des événements G afin de voir qu'il est très
facile avec Minitab (au même titre qu'avec MS Excel) d'obtenir une carte de contrôle.
Dans Minitab (16.2.1) nous allons dans le menu Stat/Cartes de contrôle/Carte des
événements rates/G…:
Minitab 286/321
Vincent Isoz
où, comme nous l'avons spécifié lors de l'étude théorique, pour un logiciel comme Minitab, la
limite de contrôle inférieure est définie au percentile 0.0013499 de la distribution géométrique
(en prenant la valeur décimale la plus proche par interpolation linéaire). La limite de contrôle
supérieure est définie au percentile 0.99865 (en prenant aussi la valeur décimale la plus
proche par interpolation linéaire). La ligne centrale est définie au percentile 0.5 (en prenant la
valeur décimale la plus proche par interpolation linéaire).
Minitab 287/321
Vincent Isoz
Objectif 73.: Construction de plan d'expériences

Minitab 15
Ici, le lecteur aura besoin d'ouvrir aucun fichier car le seul objectif ici est de vérifier que
Minitab propose les plans d'expérience de base que nous avons étudié dans le cours théorique
sur le même sujet.
Pour commencer, nous allons dans le menu Stat/DOE (plan d'expériences)/Plan

factoriel/Créer un plan factoriel...:
Bien que le nom soit "plan factoriel", nous pouvons créer en réalité d'autres plans que des
plans factoriels comme nous allons le voir. Donc le nom n'est pas forcément très bien choisi.
Vient alors la boîte de dialogue suivante:
Minitab 288/321
Vincent Isoz
Nous prenons d'abord le classique Plan factoriel complet général correspondant à l'exercice
d'optimisation fait lors du cours de Statistique théorique. Ensuite, nous cliquons sur le bouton
Plans pour y mettre conformément toujours au même exercice:
où nous avons comme pour l'exercice fait lors du cours de statistique théorique, signalé que
nous avions 3 Nombre de répliques et nous demandons à Minitab de Créer des blocs pour
les répliques.
Ensuite, nous cliquons sur le bouton Facteurs pour contrôler que tout est conforme
relativement à ce que nous avions fait dans le cours de Statistique théorique:
Minitab 289/321
Vincent Isoz
Nous cliquons ensuite sur le bouton Options pour décocher Randomiser les essais et pour
activer Stocker le plan dans la feuille de travai:
Nous validons le tout par OK.
Nous obtenons alors dans la fenêtre de session:
où tout est conforme à ce que nous avons vu dans le cours de statistique théorique, ainsi que
le plan d'expérience ci-dessous qui est lui aussi totalement conforme:
Minitab 290/321
Vincent Isoz
Maintenant voyons comment générer un plan fractionnaire (dans le cas présent ce sera un plan
factoriel fractionnaire comme celui vu en cours) où nous laissons le soin à Minitab de choisir
les meilleurs générateurs (alias).
Nous commençons donc par:
où comme dans le cours de statistique théorique, nous prenons 3 Nombre de facteurs.

Ensuite, nous cliquons sur le bouton Plans...:
Minitab 291/321
Vincent Isoz
Et nous prenons le plan Fraction ½ et nous cliquons sur OK pour tout valider:
Nous voyons déjà dans la fenêtre de sessions que nous avons le même générateur et les
mêmes alias que ceux vus en cours. La plan correspondant est alors donné par Minitab:
Minitab 292/321
Vincent Isoz
et nous retrouvons donc bien la même matrice (à la différence de l'ordre des lignes car je n'ai
pas décoché l'option de randomisation des essais).
Maintenant voyons le vrai intérêt d'un logiciel pour la base des plans d'expérience. Comme
nous l'avons mentionné dans le cours de statistique théorique, au-delà de 4 facteurs il devient
pénible de déterminer la matrice d'Hadamard pour les plans fractionnaires et les alias
optimaux. Alors voyons comment Minitab nous facilite la tâche.
Nous retournons dans la boîte de dialogue suivante:
et nous choisissons 5 Nombre de facteurs. Nous cliquons sur Afficher les plans
disponibles... et nous avons alors:
Minitab 293/321
Vincent Isoz
Nous voyons ainsi que pour 5 facteurs, Minitab nous propose un plan complet à 32 essais, un
plan factoriel fractionnaire (1/2) de résolution V de 16 essais et un plan factoriel fractionnaire
(1/4) de résolution III (dangereux à utiliser quand même!!!). Voyons donc cela en prenant
d'abord le classique plan complet:
et en prenant des facteurs factoriels:
Minitab 294/321
Vincent Isoz
Demandons à Minitab de nous afficher le Tableau récapitulatif et tableau des alias dans la
fenêtre de session:
Ensuite, demandons-lui de ne pas Randomiser les essais:
Validons le tout par OK. Nous avons alors:
Minitab 295/321
Vincent Isoz
Donc tout est bon (à part que comme d'habitude avec Minitab, il est dommage qu'il ne
propose pas d'afficher les interactions). Ensuite, voyons le plan fractionnaire ½ de résolution
V. Il va être intéressant de voir ici quels sont les alias choisis par défaut par le logiciel. Nous
avons donc:
Minitab 296/321
Vincent Isoz
Donc nous voyons la liste de tous les alias, ce qui est très intéressant! Par ailleurs, nous
pouvons voir que le choix de ceux-ci est même intuitif sans faire de grande théorie. Ce qui
donne pour plan:
Minitab 297/321
Vincent Isoz
Maintenant voyons le pla factoriel fractionnaire ¼ de résolution III. Il est très intéressant de
voir comment les alias vont être choisis:
En validant par OK, nous obtenons:
Minitab 298/321
Vincent Isoz
Il est donc très intéressant de pouvoir observer le détail du choix des alias. Le plan quant à lui
donne:
Maintenant, voyons les plans de Plackett-Burmann que nous avons aussi étudié dans le cours
de statistique théorique. Faisons l'exemple avec le plus petit nombre de facteur où ces plans
commencent à être vraiment intéressants comme nous l'avons vu dans le cours. Nous avons
alors:
Minitab 299/321
Vincent Isoz
Nous prenons 12 essais comme nous l'avons fait en cours:
Nous vérifions que nous aurons bien un plan de Plackett-Burmann de type factoriel:
Nous désactivons la randomisation des essais:
Minitab 300/321
Vincent Isoz
Et nous validons tout cela par OK et nous obtenons:
Nous observons donc que la fenêtre de session n'affiche pas les alias. Ce qui est fortement
dommage. Le plan obtenu est lui plutôt surprenant. Nous avons que 4 colonnes pour les
facteurs de base. Certes il n'est pas utile d'en avoir plus mais cela aurait été sympathique de
pouvoir choisir.
Maintenant, pour en finir avec la base des plans d'expérience, voyons encore les plans de
Taguchi. Nous allons dans le menu DOE (plan d'expériences)/Taguchi/Créer un plan de
Taguchi...:
Minitab 301/321
Vincent Isoz
Nous allons prendre un Plan à 2 niveau (donc un plan factoriel) avec 3 nombre de facteurs
comme dans le cours théorique:
Nous cliquons par curiosité sur Afficher les plans disponibles...:
Minitab 302/321
Vincent Isoz
Nous voyons qu'il y a donc la majorité des plans de Taguchi qui sont disponible dans Minitab.
Il n'y pas les graphes linéaires par contre ce qui pourrait être jugé par certains comme étant un
manque. Voilà ce que nous trouvons par exemple dans l'onglet Mixte à 2-3 niveaux:
et dans l'onglet Mixte à 2-4 niveaux:
Minitab 303/321
Vincent Isoz
et dans l'onglet Mixte à 2-8 niveaux:
et enfin dans l'onglet Mixte à 2-8 niveaux:
Minitab 304/321
Vincent Isoz
Bon ceci étant vu, cliquons sur le bouton Plans... pour avoir:
Nous prenons le plan L8 comme celui étudié dans le cours théorique. Ensuite, nous cliquons
sur le bouton Facteurs...:
Minitab 305/321
Vincent Isoz
Nous vérifions la façon dont les niveaux seront notés (nous laissons la notation traditionnelle
de Taguchi). Nous voyons aussi que Minitab choisi comme nous l'avons vu dans le cours
théorique de mettre les trois facteurs A, B et C dans les colonnes respectives 1, 2 et 4.
Nous validons le tout par OK et obtenons d'abord dans la fenêtre de session:
c'est un petit résumé. Il faut dire que la société responsable de Minitab avait la marge de faire
beaucoup mieux. Mais bon on va pas se plaindre, c'est déjà pas mal. Le plan lui est donné:
Minitab 306/321
Vincent Isoz
et là encore une fois, nous avons le minimum, minimorum, ce qui est dommage bien que ce
soit juste. Il aurait été bien de pouvoir choisir si nous voulions la table de Taguchi complète
ou non.
Maintenant, voyons si nous retrouvons ce plan de Taguchi avec le plan factoriel "classique".
Nous allons donc le menu déjà vu plus haut:
nous prenons un plan à 2 niveaux (donc un plan factoriel) à 4 facteurs:
Minitab 307/321
Vincent Isoz
Nous allons dans le bouton Plans...:
et prenons le plan fractionnaire ½ de résolution IV. Nous savons que pour obtenir le plan de
Taguchi à partir d'un plan classique, nous devrons au moins spécifier un générateur. Nous
prendrons donc la 5ème colonne (E) comme étant la multiplication de A et B (AB) soit:
Minitab 308/321
Vincent Isoz
Nous définissons aussi la notation des facteurs en cliquant sur le bouton Facteurs... afin
d'avoir la même notation que celle de Taguchi:
et nous validons le tout par OK pour obtenir dans la fenêtre de session:
Minitab 309/321
Vincent Isoz
Nous voyons ainsi les alias qu'il nous faudrait prendre pour avoir la même chose qu'une table
de Taguchi (nous avons représenté en rouge l'équivalent de la table de Taguchi). Évidemment
c'est du bricolage mais cela montre juste qu'on peut retomber dessus.
Minitab 310/321
Vincent Isoz
Objectif 74.: Analyse de la variance multifactorielle

Minitab 15
Nous avons étudié dans le cours de statistique théorique une grande partie des plans
d'expérience sur la base des données suivante. Nous allons procéder cette fois-ci de même
mais avec un logiciel. Donc nous avions:
N° Essai F1 F2 F3 Valeurs de y
1 1 1 1 32'700 32'750 32'960
2 1 1 2 33'430 33'360 32'910
3 1 1 3 31'710 32'100 32'220
4 1 2 1 32'680 32'270 33'130
5 1 2 2 34'070 33'100 33'610
6 1 2 3 33'220 33'700 33'285
7 2 1 1 33'180 32'160 32'640
8 2 1 2 34'430 34'280 34'460
9 2 1 3 33'570 33'300 32'570
10 2 2 1 33'270 33'080 32'415
11 2 2 2 33'440 33'570 34'204
12 2 2 3 32'840 33'210 32'470
Dans Minitab, nous voulons comme en cours, faire d'abord l'analyse de la variance à un
facteur pour le type de route (facteur 1 où 1 est la ville et 2 est la route).
Dans Minitab, nous avons alors:
Minitab 311/321
Vincent Isoz
et nous faisons une ANOVA à un facteur désempilé en suivant la procédure déjà vue plus
haut en détails. Nous avons alors (sans vérifier que toutes les hypothèses soient respectées):
Donc il apparaît que le lieu influence de façon significative la distance parcourue. Nous
pourrions faire de même pour chaque facteur, mais ce qui nous intéresse ici c'est l'analyse de
la variance multifactorielle et la comparer au résultat obtenu plus haut.
Donc d'abord, dans Minitab, nous préparons le tableau complet (mais seulement une partie
apparaît dans la capture d'écran ci-dessous):
Minitab 312/321
Vincent Isoz
Nous allons donc dans le menu Stat/ANOVA/ANOVA équilibrée...:
et voulons d'abord voir ce qu'il se passe si nous ne prenons que le Lieu comme variable
catégorielle:
Minitab 313/321
Vincent Isoz
Soit exactement les mêmes valeurs que l'ANOVA à un facteur. Résultat logique puisque
l'ANOVA multifactorielle est un cas général de l'ANOVA à un facteur et à deux facteurs.
Fais maintenant le même contrôle mais avec l'ANOVA à deux facteurs. Nous souhaitons
vérifier si le lieu (route ou ville) ainsi que le facteur 2 (40 [km/h] = 1, 50 [km/h] = 2)
représentant la vitesse ont une influence sur la distance parcourue.
Donc toujours en partant du même tableau:
Nous allons dans le menu Stat/ANOVA/A deux facteurs... (nous avons déjà fait cela dans un
exemple plus haut):
Minitab 314/321
Vincent Isoz
Nous voyons donc que tous les facteurs, de même que l'interaction, ont une influence
significative.
Minitab 315/321
Vincent Isoz
Vérifions maintenant que nous ayons le même résultat avec l'outil d'analyse multifactorielle
(bien évidemment cela devrait être le cas). Nous allons donc dans le menu
Stat/ANOVA/ANOVA équilibrée...:
Le lecteur pourrait trouver curieux que nous ne trouvions pas les mêmes valeurs pour le test
de Fisher et la p-value. Mais au fait c'est normal pour l'instant car si nous faisons bien
attention, il manque le terme d'interaction et donc l'erreur totale n'est pas la même que si nous
faisons l'ANOVA à deux facteurs (par contre la sommes des carrés et le CM sont identiques à
l'ANOVA à deux facteurs faite plus haut). Donc ce que nous avons fait ici c'est une ANOVA
à deux facteurs en imposant qu'il n'y avait aucune interaction (ce qui est parfois très
intéressant comme possibilité). Ce qui est bien évidemment un peu stupide car la vitesse
dépend de lieu. Alors comment faire l'ANOVA multifactorielle pour obtenir l'ANOVA à deux
Minitab 316/321
Vincent Isoz
facteurs faite plus haut? Eh bien simplement en mettant les paramètres suivants dans la
fenêtre de l'ANOVA équilibrée:
en validant par OK:
Outre la précision de certains termes et l'ordre des informations, nous retrouvons donc bien
exactement les mêmes valeurs que l'ANOVA équilibre (multifactorielle).
Maintenant faisons ce dont quoi cet outil est vraiment fait pour. Commençons par une
ANOVA à trois facteurs (fixes) sans interactions:
Minitab 317/321
Vincent Isoz
Donc en considérant aucune interaction, les facteurs Lieu et Vitesse ont toujours une
influence significative mais la Pression.
Si nous faisons la pression seule:
Minitab 318/321
Vincent Isoz
Et à nouveau avec les trois facteurs et que des interactions de deux deuxième ordre:
Minitab 319/321
Vincent Isoz
La pression reste donc toujours non significative. Par contre, Nous voyons que toutes les
interactions ont une influence très significative.
Maintenant, faisons avec la triple interaction:
Minitab 320/321
Vincent Isoz
et donc l'interaction des trois facteurs est aussi très significative.
Minitab 321/321

Minitab Exercices de Base

Transféré par

Droits d'auteur :

Formats disponibles

Minitab Exercices de Base

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Minitab Exercices de Base

Transféré par

Droits d'auteur :

Formats disponibles

Exercices de base

Vincent Isoz V2.3 Révision 27 (2012-03-16)

TABLE DES MATIÈRES

 Master Black Belt Six Sigma

 Ingénieurs qualités (qualiticiens)

 Ingénieurs en gestion de projets

 La quantité de sites internet et d'ouvrages qui lui sont consacrés permettent de ne

Nom Prénom: ISOZ Vincent

Formation: Ing. Physicien HES (B.Sc.)

Année de naissance: 1978

Je suis consultant en mathématiques appliquées dans le tutorat d'analystes quantitatifs (niveau

- maîtrise statistique des processus/procédés (méthodes paramétriques et non paramétriques)

1. La régression exponentielle n'est pas disponible dans la version 15 (elle l'est

3. Le logiciel ne fait pas de simulations de Monte-Carlo

Objectif 1.: Calculs arithmétiques élémentaires

Ensuite, nous allons dans le menu Calc/Calculatrice...:

pour avoir et écrire:d

Nous validons par OK pour obtenir:

Objectif 2.: Empiler des données

Ouvrez le fichier DonneesDesempilees.mpj:

Il vous suffit alors de prendre:

et de valider par OK pour obtenir:

Ouvrez maintenant le fichier DonneesDesempileesNonGroupees.mpj:

Pour cela, ouvrez le fichier DonneesEmpileesGroupees.mpj:

et allons dans le menu Données/Désempiler les colonnes...:

si nous validons par OK nous obtenons:

on repassera pour le choix des étiquettes de colonne...

Objectif 3.: Générer une variable aléatoire et faire un histogramme avec ou

La génération de variables aléatoires est également utile dans le cadre de simulations de

Ensuite allez dans le menu Calc/Données aléatoires:

Nous pouvons tout de suite en faire un graphique en allant dans le menu

Ce qui fait apparaître:

Prenez l'option Avec ajustement:

Et validez par OK:

Nous aurons alors:

Si nous en faisons aussi un histogramme ajusté:

Objectif 4.: Générer des graphiques divers

Ouvrez le fichier projet Ventes.mpj:

Nous prenons donc un Dénombrement de valeurs uniques de type simple:

Nous validons par OK :

Et nous revalidons par OK:

Nous avons alors:

Nous allons dans le bouton Etiquettes:

Faisons maintenant un diagramme à points:

Et validons par OK:

Nous validons par OK et faisons l'analyse sur la Quantité:

En prenant les Quantités:

Et en validant par OK:

Bref ce n'est qu'un choix esthétique en fin de compte…

Objectif 5.: Générer un graphique CDF

et nous allons dans le menu Graphique/CDF empirique…:

Nous avons alors:

nous prenons le Simple et validons par OK:

Objectif 6.: Générer un graphique à points 3D

et nous allons dans le menu Graphique/Nuage de points en 3D…:

Nous avons alors:

Nous prenons la version Simple:

Objectif 7.: Générer un graphique de série temporelle

Dans Minitab, ouvrez le fichier AST.mpj: