STATISTICA Solutions Industrielles
En bref...
STATISTICA Solutions Industrielles
offre une gamme étendue de statistiques industrielles
pour accompagner efficacement votre démarche
de suivi et d'amélioration de la qualité ; vous disposez de tous les outils
nécessaires à la mise en place d'une démarche six
sigma grâce aux raccourcis DMAIC
intégrés. STATISTICA Solutions Industrielles
intègre :
STATISTICA
Base :
STATISTICA Cartes de
Contrôle Qualité :
- Cartes de contrôle qualité
- Cartes de contrôle qualité interactives, notamment :
Cartes de contrôle avec mise à jour en temps réel, notification automatique d'alarmes, mode simplifié pour l'atelier, affectation de causes et actions, balayage analytique, gestion dynamique des projets - Cartes de contrôle qualité multivariées, notamment :
Cartes T2 de Hotelling, Cartes multi-groupes, cartes de moyennes mobiles pondérées exponentiellement (MEWMA), cartes de sommes cumulées (MCUSUM), cartes de variance généralisée - Langage de programmation STATISTICA Visual Basic, et bien plus encore...
STATISTICA
Plans d'Expériences : - Plans factoriels fractionnaires
- Plans de mélange
- Carrés latins
- Recherche de plans 2**k-p optimaux
- Analyse et transformation des résidus
- Optimisation d'une ou plusieurs variables de réponse
- Plans composites centrés
- Plans de Taguchi
- Profils de désirabilité
- Plans factoriels fractionnaires 2**k-p avec bloc et avec minimum d'aberration et maximum de non-confondus
- Surfaces sous contraintes
- Plans D- et A-optimaux, et bien plus encore...
STATISTICA
Analyse de Processus : - Analyse de capabilité du processus
- Analyse de Weibull
- Répétabilité & Reproductibilité
- Données aux attributs
- Plans d'échantillonnage
- Décomposition de la Variance, et bien plus encore...
STATISTICA
Puissance de Test- Calculs de puissance
- Calculs de taille d'échantillon
- Intervalles de confiance
- Calculateur de distributions de probabilités, et bien plus encore...
Fonctionnalités
de
STATISTICA Solutions Industrielles
STATISTICA Solutions Industrielles offre une gamme étendue de statistiques industrielles pour accompagner efficacement votre démarche qualité ; vous disposez de tous les outils nécessaires à la mise en place d'une méthodologie six sigma grâce aux raccourcis DMAIC intégrés.
La version Entreprise de STATISTICA (STATISTICA Entreprise/QC) offre des possibilités étendues avec notamment une configuration centralisée des données, des analyses et des rapports. Vous définissez vous-même la fréquence de mise à jour des données, et les critères de filtrage interactif lors de l'exécution des analyses (par exemple, selon la ligne de production, par date, par produit, etc...). STATISTICA Gestion Documentaire vous permet de conserver différentes versions de vos configurations et de restaurer une version particulière à tout moment (une exigence de la norme 21 CFR Part 11). Tous ces outils sont disponibles en client léger, depuis un simple navigateur Internet, à l'autre bout du couloir ou à l'autre bout du monde, grâce au produit complémentaire WebSTATISTICA Server.
Langage de programmation Visual Basic et nombreux graphiques intégrés dans toutes les analyses.STATISTICA Statistiques Avancées + Solutions Industrielles
fonctionne sur les plates-formes Windows XP, Windows Vista et Windows
7. Ce produit est constitué des modules suivants :
  STATISTIQUES
DESCRIPTIVES, DÉCOMPOSITIONS ET ANALYSE EXPLORATOIRE DES
DONNÉES. STATISTICA Base vous
propose une large gamme de méthodes pour réaliser
vos analyses exploratoires :
Statistiques Descriptives et Graphiques. Le programme calcule les statistiques descriptives les plus courantes et généralistes comme les médianes, modes, quartiles, centiles personnalisés, moyennes et écarts-types, intervalles inter-quartiles, limites de confiance autour de la moyenne, asymétries et aplatissements (avec leurs erreurs-types respectives), moyennes harmoniques et géométriques, ainsi que de nombreuses statistiques descriptives et diagnostiques spécialisés. Comme dans tous les modules de STATISTICA, de nombreux graphiques vous aident lors de la phase exploratoire de vos analyses, par exemple, divers types de boîtes à moustaches, histogrammes, histogrammes bivariés (en 3D ou catégorisés), nuages de points en 2D et 3D avec représentation différenciée de catégories, tracés de normalité (droite de Henry, normalité par moitié, écarts à la normalité), tracés Q-Q, tracés P-P, etc... Différents tests sont proposés pour vérifier la normalité de vos données (tests de Kolmogorov-Smirnov, Lilliefors et Shapiro-Wilk ; vous pouvez toutefois tester l'ajustement de nombreuses autres distributions ; voir aussi le descriptif du module Analyse de Processus ainsi que le paragraphe concernant l'ajustement dans les Graphiques).
CORRÉLATIONS. Diverses options vous
permettent d'étudier les corrélations entre vos
variables. Les mesures d'association les plus courantes peuvent
être calculées, notamment le r
de Pearson, le R des rangs de Spearman, le
tau (b, c) de Kendall,
le Gamma, le rtétrachorique,
le Phi, le V de Cramer, le
coefficient de contingence C, le D
de Sommer, les coefficients d'incertitude, les corrélations
partielles et semi-partielles, les autocorrélations,
diverses mesures de distances, etc... (des régressions
non-linéaires, ou sur des données
censurées et autres mesures
spécialisées de corrélations sont
proposées dans les modules Estimation
Non-Linéaire, Analyse de Survie,
ainsi que dans d'autres modules du produit complémentaire STATISTICA Statistiques
Avancées). Vous pouvez calculer des
matrices de corrélation avec diverses options de traitement
des valeurs manquantes : vous pouvez ignorer les cellules à
valeurs manquante, ignorer toute observation contenant au moins une
valeur manquante, ou remplacer les valeurs manquantes par la moyenne de
la variable respective. Comme dans tous les autres modules de STATISTICA,
les calculs sont réalisés en précision
étendue (la "quadruple" précision,
à chaque fois que c'est possible) afin d'obtenir des
résultats aussi précis que possible (voir la
section sur la Précision).
Comme tous les autres résultats de STATISTICA,
les matrices de corrélations sont affichées dans
des feuilles de données, vous offrant diverses options de
mise en forme (voir ci-dessous) et de représentation des
résultats numériques ; vous pouvez ainsi cliquer
sur une corrélation particulière dans la feuille
de données et choisir de représenter ce
coefficient grâce à l'un des nombreux "graphiques
de synthèse" disponibles (par exemple, un nuage de points
avec des intervalles de confiance, divers histogrammes
bivariés en 3D, des tracés de
probabilité, etc...).
Balayage et détection des points atypiques. L'outil de balayage dans les nuages de points permet à l'utilisateur de sélectionner/désélectionner des points individuels dans le tracé pour mesurer leur influence sur la droite de régression (ou sur la courbe d'ajustement). Formats d'affichage des nombres. Divers formats globaux d'affichage sont proposés pour les corrélations ; les coefficients de corrélation significatifs peuvent apparaître en surbrillance automatiquement, et chaque cellule de la feuille de données peut reporter les n et niveaux p, ou encore, vous pouvez demander les résultats détaillés avec toutes les statistiques descriptives (moyennes et écarts-types par couples, pondérations B, ordonnées à l'origine, etc...). Comme pour tous les autres résultats numériques, les matrices de corrélations sont affichées dans des feuilles de données offrant des options de zoom et d'affichage/mise en forme interactifs (par exemple, changer +.4 en +.41358927645193) ; vous pouvez donc compacter de grandes matrices (soit en utilisant le zoom, soit en modifiant la largeur des colonnes à l'aide de la souris pour des colonnes individuelles, ou en utilisant un bouton de la barre d'outils pour modifier la largeur de toutes les colonnes) afin de faciliter l'identification visuelle des coefficients dépassant un certain niveau personnalisé, ou un seuil de significativité (par exemple, les cellules respectives peuvent apparaître en rouge dans la feuille de données).
|
Analyses
par Groupe (Décompositions). La plupart des
statistiques descriptives et graphiques de synthèse peuvent
être calculés pour des données
catégorisées (décomposées)
selon une ou plusieurs variables de classement. Par exemple, quelques
clics de souris vous permettent de décomposer vos
données en fonction du Sexe et de l'Âge
et de visualiser les représentations
catégorisées sous forme d'histogrammes, de
boîtes à moustaches, de tracés de
normalité, de nuages de points, etc... Si vous
sélectionnez plus de deux variables
(catégorielles) de classement, des cascades
de graphiques seront automatiquement produites. Des options vous
permettent de catégoriser vos données selon des
variables continues ; par exemple, vous pouvez ventiler cette variable
continue en un certain nombre de classes, ou utiliser l'une des options
de recodification pour définir la manière dont la
variable sera recodifiée (vous pouvez spécifier
des options de catégorisation d'une complexité
quasi-illimitée, pouvant faire intervenir toutes les
variables de votre fichier de données, et ce, à
tout moment). En outre, une procédure
spécialisée de décomposition
hiérarchique permet à l'utilisateur de
catégoriser ses données en spécifiant
jusqu'à six variables catégorielles, et de tracer
toute une gamme de graphiques ou calculer de nombreuses statistiques
descriptives et matrices de corrélations pour
chaque catégorie (l'utilisateur peut, de
façon interactive, ignorer certains facteurs de la table de
décomposition complète, et ne visualiser les
statistiques que pour certains des tableaux marginaux). De nombreuses
options de mise en forme et d'étiquetage permettent
à l'utilisateur de produire des tableaux et comptes-rendus
de qualité, avec les noms et descriptions
détaillées des variables. Remarque : vous pouvez
spécifier des plans très importants pour la
procédure de décomposition (par exemple, 100.000
groupes pour une seule variable de classement), et les
résultats contiennent toutes les statistiques
appropriées de l'ANOVA (notamment le tableau complet de
l'ANOVA, des tests d'hypothèses comme le test
d'homogénéité des variances de Levene,
sept tests post-hoc, etc...). Comme dans tous les
autres modules de STATISTICA, les calculs sont
effectués en précision étendue (la "quadruple"
précision, à chaque fois que c'est possible) afin
de produire les résultats avec un niveau de
précision sans égal (voir la section sur la 
Nuage de points, nuages matriciels,
analyses par groupes. Comme dans toutes les boîtes
de dialogue de résultats, de nombreuses options graphiques
globales vous permettent de poursuivre l'analyse des relations entre
les variables, comme par exemple divers nuages de points en 2D et 3D
(avec ou sans les noms d'observations) destinés à
identifier la structure des relations entre des séries de
variables ou catégories d'observations. Les matrices de
corrélations peuvent être calculées en
fonction des variables de classement et
représentées dans des nuages de points
catégorisés. En outre, vous pouvez produire des
"décompositions de matrices de corrélations" (une
matrice par catégorie), qui seront affichées dans
des feuilles de données distinctes, et qui pourront
être enregistrées sous forme de matrices de
corrélations empilées (que vous pourrez ensuite
utiliser par exemple en entrée d'une nouvelle analyse dans
le module  STATISTIQUES
ÉLÉMENTAIRES SUR DES TABLEAUX DE
RÉSULTATS (FEUILLES DE DONNÉES). STATISTICA
est un système analytique intégré qui
affiche tous ses résultats numériques sous la
forme de feuilles de données utilisables directement (sans
aucune modification) en entrée d'autres analyses. Vous
pouvez ainsi produire des statistiques
élémentaires (ou tout autre type d'analyse
statistique) à partir des tableaux de résultats
d'une analyse précédente ; vous pouvez par
exemple calculer très rapidement un tableau de moyennes sur
2000 variables, puis utiliser ce tableau comme fichier
d'entrée pour analyser la distribution de ces moyennes selon
les variables. Les statistiques élémentaires sont
donc accessibles à tout moment d'une analyse, et peuvent
être calculées sur toute type de
résultat.
Statistiques de Blocs. Outre les statistiques descriptives que vous pouvez calculer sur chaque feuille de données, vous pouvez mettre des blocs de cellules numériques en surbrillance dans une feuille de données, et produire rapidement un certain nombre de graphiques et de statistiques descriptives sur ce bloc sélectionné (sous-ensemble de données) uniquement. Par exemple, si vous avez produit une feuille de données avec les caractéristiques de tendance centrale de 2000 variables (par exemple, avec les moyennes, modes, médianes, moyennes géométriques et harmoniques) ; vous pouvez mettre un bloc en surbrillance, disons de 200 variables avec uniquement les moyennes et les médianes, puis produire un graphique curviligne multiple de ces deux mesures pour les 200 variables sélectionnées. Vous pouvez réaliser des analyses statistiques sur des blocs de lignes ou de colonnes ; par exemple, vous pouviez également produire un tracé curviligne d'un groupe de variables en fonction de différentes caractéristiques de tendance centrale. Pour résumer, les statistiques de blocs vous permettent de produire des statistiques et graphiques statistiques à partir de valeurs arbitrairement sélectionnées (mises en surbrillance) dans votre feuille de données (données d'entrée ou résultats d'analyses).
|
 CALCULATEUR
INTERACTIF DE PROBABILITÉS. Un Calculateur
de Probabilités interactif est accessible depuis
toutes les barres d'outils. Il vous propose une large gamme de
distributions (en particulier Bêta, Cauchy,
Chi2, Exponentielle,
Valeur Extrême, F,
Gamma, Laplace, Log-normale,
Logistique, Pareto, Rayleigh,
t (Student), Weibull, et Z
(Normale)) ; la mise à jour interactive des
graphiques dans cette boîte de dialogue (tracé des
fonctions de répartition et de densité) permet
à l'utilisateur de visualiser ces distributions en utilisant
les micro-défilements "intelligents" de
STATISTICA qui permettent à
l'utilisateur d'augmenter la dernière décimale
significative (en appuyant sur le bouton GAUCHE de la souris) ou
l'avant-dernière (en appuyant sur le bouton DROIT de la
souris). Diverses options vous permettent de produire des graphiques
composés et personnalisables de distributions avec des
seuils spécifiques. Ce calculateur de
probabilités vous permet donc d'explorer de façon
interactive les distributions (par exemple, les probabilités
respectives associées à différents
paramètres de dispersion (forme)).
|
 Tests
T et autres Tests
d'Homogénéité entre des Groupes.
Vous pouvez calculer des tests t pour des
échantillons appariés ou indépendants,
comparer des valeurs à un standard (par exemple,
tester des moyennes par rapport à une constante
particulière) ou encore des tests multivariés T
2 de Hotelling (voir aussi le module ANOVA/MANOVA
et le module GLM
(Modèle Linéaire Général)
proposé dans le produit complémentaire STATISTICA Statistiques
Avancées. Diverses options vous
permettent de comparer aisément vos variables (par exemple,
vous pouvez traiter différentes colonnes de votre feuille de
données comme des échantillons distincts) et vos
groupes (par exemple, si vos données contiennent une
variable catégorielle de classement représerntant
par exemple le Sexe, et permettant d'identifier à quel
groupe chaque observation appartient). Par exemple, après un
test t pour des échantillons
indépendants, vous pouvez calculer des tests t
avec une estimation séparée des variances, le
test d'homogénéité des variances de
Levene, divers histogrammes catégorisés,
boîtes à moustaches, tracés de
probabilités, ou nuages de points
catégorisés, etc... D'autres tests
d'homogénéité (plus
spécialisés) sont proposés dans des
modules spécifiques (par exemple, Tests
Non-Paramétriques (voir ci-dessous), ou
encore Analyse
de Survie et Fiabilité/Analyse
d'Échelle (tous deux proposés
dans le produit complémentaire STATISTICA Statistiques
Avancées).
|
 TABLES DE
FRÉQUENCES, TRIS CROISÉS, ANALYSE DE
RÉPONSES MULTIPLES. Diverses
fonctionnalités vous permettent de croiser des variables
continues, catégorielles, et à
réponses ou dichotomies multiples. De nombreuses options
vous permettent de contrôler la mise en forme et le format
des tableaux. Ainsi, pour des tableaux avec des variables de
réponses ou dichotomies multiples, les effectifs marginaux
et pourcentages peuvent être calculés à
partir du nombre total de répondants ou de
réponses, les variables à réponses
multiples peuvent être traitées par couples, et
vous pouvez comptabiliser (ou ignorer) les valeurs manquantes de
diverses manières. Les tables de fréquences
peuvent également être calculées en
utilisant des filtres de sélection logiques (d'une
complexité quasi-illimitée, utilisant toute
variable du fichier de données) pour affecter les
observations à des catégories du tableau. Tous
les tableaux peuvent être personnalisés et mis en
forme (habillés) pour produire des comptes-rendus de
qualité. Par exemple, des tableaux "de synthèse
à plusieurs entrées" peuvent être
produits avec une organisation hiérarchique des facteurs ;
dans les tableaux croisés, vous pouvez reporter le
pourcentage de chaque cellule par rapport au total en ligne, en colonne
ou à l'effectif total ; vous pouvez utiliser des
étiquettes pour décrire les catégories
de votre tableau, ou encore mettre les effectifs supérieurs
à un certain seuil en surbrillance dans le tableau, etc...
Le programme peut reporter les effectifs cumulés et
relatifs, les effectifs transformés Logit et Probit, les
effectifs normaux théoriques (ainsi que les tests de
Kolmogorov-Smirnov, Lilliefors et Shapiro-Wilk), les effectifs
théoriques et les résidus dans les tableaux
croisés, etc... Divers tests statistiques vous sont
proposés pour les tableaux croisés, notamment les
tests du Chi2 de Pearson, du
Maximum de Vraisemblance et de Yates (corrigé), le Chi2
de McNemar, le test exact de Fisher
(unilatéral et bilatéral), le Phi,
et le r tétrachorique ; ou encore le tau
(a, b) de
Kendall, Gamma, r de Spearman, D
de Sommer, coefficients d'incertitude, etc...
Graphiques. Diverses options graphiques vous sont également proposées, en particulier des histogrammes simples, catégorisés (multiples), ou en 3D, des histogrammes croisés (pour chaque "section" d'un tableau élémentaire, à double entrée, ou d'ordre multiple), ainsi que de nombreux autres graphiques, y compris un "tracé d'interaction des effectifs" qui synthétise les effectifs d'un tableau croisé complexe (sur le même principe que les tracés de moyennes dans l'ANOVA). Vous pouvez visualiser des cascades de graphiques même complexes (par exemple, catégorisation multiple, ou interactions) de façon interactive. Voir aussi la section sur les Statistiques de Blocs, ci-dessus, et la description des modules Analyse Log-Linéaire et Analyse des Correspondances (tous deux proposés dans le produit complémentaire STATISTICA Statistiques Avancées).
|
  RÉGRESSION
MULTIPLE. Le module Régression Multiple
propose diverses techniques de régression
linéaire, en particulier des régressions simples,
multiples, pas-à-pas (ascendante, descendante, ou par
blocs), hiérarchiques, non-linéaires (en
particulier polynomiale, exponentielle, logarithmique, etc...), des
régressions Ridge, avec ou sans ordonnée
à l'origine (c'est-à-dire passant ou non par
l'origine), et modèles de moindres carrés
pondérés ; d'autres méthodes
avancées sont proposées dans le module Modèles
Généraux de Régression (GRM)
(par exemple, recherche exhaustive du meilleur modèle,
régression pas-à-pas multivariée pour
plusieurs variables dépendantes, avec des modèles
pouvant comporter des effets de facteurs catégoriels ;
synthèse statistique des échantillons
utilisés pour la validation et la prévision,
hypothèses personnalisées, etc...). Le module Régression
Multiple permet de calculer divers diagnostiques et
statistiques, notamment la table complète de la
régression (y compris les erreurs-types de B, Bêta
et de l'ordonnée à l'origine, le R2
et le R2 ajusté
pour les modèles avec ou sans ordonnée
à l'origine et la table ANOVA de la régression),
la matrice des corrélations partielles, les
corrélations et covariances des coefficients de
régression, la matrice sweep (inverse), le d
de Durbin-Watson, les distances de Mahalanobis et de Cook, les
intervalles de confiance autour des valeurs prévues , etc...
Valeurs prévues et résidus. De nombreux tracés tels que nuages de points, histogrammes, tracés de normalité (droite de Henry, normalité par moitié, écarts à la normalité), tracés de corrélations partielles, etc..., vous permettent de poursuivre l'analyse des résidus et des points atypiques plus avant. Les résultats de chaque observation peuvent être représentés graphiquement à l'aide des tracés exploratoires de figures et autres graphiques multidimensionnels intégrés, accessibles directement depuis les feuilles de données. Les résidus et les valeurs prévues peuvent être automatiquement ajoutées au fichier de données. Une routine de prévision permet à l'utilisateur d'effectuer des analyses conditionnelles, et de calculer de façon interactive les valeurs prévues pour des valeurs spécifiques des prédicteurs. Analyses par Groupes ; procédures associées. D'autres procédures de régression permettent de traiter des modèles extrêmement importants. Une option vous permet de réaliser des régressions multiples décomposées selon une ou plusieurs variables catégorielles (régression multiple par groupe) ; d'autres procédures permettent encore de traiter des modèles avec plusieurs milliers de variables, de calculer des régressions par les Moindres Carrés à deux Étapes, ainsi que des transformations Box-Cox et Box-Tidwell avec des graphiques. Le produit complémentaire STATISTICA Statistiques Avancées, contient également divers modules généraux d'estimation non-linéaire (Estimation Non-Linéaire, Modèles Linéaires/Non-Linéaires Généralisés (GLZ), Modèles Généraux PLS) qui permettant d'estimer pratiquement tout type de modèle non-linéaire personnalisé, en particulier Logit, Probit, etc... Ce produit complémentaire contient également un module généraliste de Modélisation d'Équations Structurelles et d'Analyse de Causalité (SEPATH), qui vous permet d'analyser des matrices de corrélations, de covariance ou des moments, très importantes (pour des modèles avec ordonnée à l'origine).
|
  TESTS
NON-PARAMÉTRIQUES. Le module Tests
Non-Paramétriques CONTIENT toute une gamme de
statistiques descriptives et inférentielles, avec les tests
les plus courants et certaines procédures
spéciales. Parmi les procédures statistiques
disponibles, citons le test des séries de Wald-Wolfowitz, le
test U de Mann-Whitney (avec les
probabilités exactes [et non les approximations Z]
pour les petits échantillons), les tests de
Kolmogorov-Smirnov, le test de Wilcoxon pour des
échantillons appariés, l'ANOVA par rangs de
Kruskal-Wallis, le test de la médiane, le test des signes,
l'ANOVA par rangs de Friedman, le test Q de
Cochran, le test de McNemar, le coefficient de concordance de Kendall,
le tau (b, c)
de Kendall, le R de Spearman, le test exact de
Fisher, les tests du Chi2,
le V2, Phi,
Gamma, le d de Sommer, les
coefficients de contingence, etc... (des statistiques et tests
non-paramétriques spécialisés sont
également disponibles dans d'autres modules, par exemple Analyse de Survie,
, etc..., ou dans le module Analyse
de Processus) Tous les tests (basés sur
des rangs) permettent de tenir compte des ex-aequos et appliquent des
corrections pour les petits n ou les ex-aequos.
Comme dans tous les autres modules de STATISTICA,
des graphiques sont intégrés à tous
les tests (notamment des nuages de points, boîtes
à moustaches spécialisées,
tracés curvilignes, histogrammes, et autres graphiques en 2D
ou 3D).
|
| ANOVA/MANOVA.
Le module ANOVA/MANOVA ne contient qu'une partie des
fonctionnalités proposées dans le module Modèle
Linéaire Général et peut
réaliser des analyses de variance univariées et
multivariées sur des plans factoriels avec ou sans mesures
répétées (ce moduile peut traiter au
maximum un facteur de mesure répétée).
Pour des modèles linéaires plus complexes avec
des variables prédictives catégorielles ou
continues, des effets aléatoires, et plusieurs facteurs de
mesures répétées, vous devez utiliser
le module Modèle Linéaire
Général (le module Modèles
Généraux de Régression (GRM)
offre diverses options d'analyse pas-à-pas et de
sélection du meilleur modèle). Dans le module
ANOVA/MANOVA , vous pouvez spécifier tous les
modèles de manière extrêmement simple,
en termes fonctionnels de variables et niveaux (et
non pas en termes techniques, par exemple, en spécifiant des
matrices de codes), et même les utilisateurs les moins
familiarisés avec l'ANOVA peuvent analyser des
modèles très complexes avec STATISTICA.
Interface-utilisateur. Comme dans le module Modèle Linéaire Général, le module ANOVA/MANOVA offre trois interfaces-utilisateur alternatives pour spécifier les modèles : (1) Un Assistant Analyse qui vous guide pas-à-pas pour spécifier votre modèle, (2) une interface-utilisateur simplifiée qui vous permet de spécifier votre modèle en sélectionnant les variables, les codes, les niveaux, et d'autres options du modèle dans une boîte de dialogue de spécifications rapides, et (3) un Éditeur de Syntaxe qui vous permet de spécifier vos modèles et leurs options grâce à des mots-clé et une syntaxe commune. Méthodes de calcul. Par défaut, le programme utilise une paramétrisation sigma-restreint pour les modèles factoriels et applique l'approche de l'hypothèse efficace (voir Hocking, 19810) lorsque le modèle n'est pas équilibré ou s'il est incomplet. Il est possible de calculer les hypothèses (standard) de type I, II, III, et IV ; les hypothèses de type V et de type VI permettent de réaliser des tests dans la logique des analyses-type des plans factoriels fractionnaires utilisés dans les applications industrielles et d'amélioration de la qualité (voir aussi la description du module Plans d'Expériences). Résultats. Le module ANOVA/MANOVA n'est pas limité en termes de routines de calcul ce qui vous permet d'accéder à l'ensemble des outils analytiques disponibles dans le module Modèle Linéaire Général (voir la description du module Module Linéaire Général (GLM) pour plus d'informations) ; parmi les résultats standard, vous retrouverez les tableaux de synthèse de l'ANOVA, les résultats univariés et multivariés des facteurs de mesures répétées à plus de 2 niveaux, les ajustements de Greenhouse-Geisser et Huynh-Feldt, les tracés d'interactions, des statistiques descriptives détaillées, diverses statistiques sur les résidus, les comparaisons planifiées et tests post-hoc, des tests d'hypothèses et termes d'erreur personnalisés, diverses statistiques et tracés diagnostiques détaillés (par exemple, un histogramme des résidus intra, tests d'homogénéité des variances, tracés des moyennes en fonction des écarts-types, etc...).
|
  AJUSTEMENT
DE DISTRIBUTIONS. Les options du module Ajustement
de Distributions vous permettent de comparer la distribution
d'une variable en fonction de nombreuses distributions
théoriques. Vous pouvez ajuster vos données par
une distribution Normale, Uniforme,
Exponentielle, Gamma, Log-normale,
du Chi2, Weibull,
Gompertz, Binomiale, de Poisson,
Géométrique, ou de Bernoulli.
Vous pouvez ensuite évaluer l'ajustement par un test du Chi2
ou par un test de Kolmogorov-Smirnov (avec contrôle des
paramètres d'ajustement) ; les tests de Lilliefors et
Shapiro-Wilk sont également proposés (voir
ci-dessus). Vous pouvez évaluer l'ajustement d'une
distribution particulière à une distribution
empirique grâce à des histogrammes
personnalisés (standard ou cumulés) avec
superposition des fonctions sélectionnées ; vous
pouvez produire des graphiques curvilignes et en bâtons des
effectifs théoriques et observés, ou des
divergences et autres résultats dans toutes les feuilles de
données de résultats. D'autres options
d'ajustement de distributions sont proposées dans le module STATISTICA Analyse de
Processus, où l'utilisateur peut estimer
les paramètres par le maximum de vraisemblance pour les
distributions Bêta, Exponentielle,
Valeur Extrême (Type I, Gumbel), Gamma,
Log-normale, Rayleigh, et Weibull.
Ce module vous permet également de sélectionner
et ajuster automatiquement la meilleure distribution à vos
données, ou encore d'ajuster des distributions
générales par les moments (à l'aide
des courbes de Johnson et de Pearson). Des fonctions
personnalisées en 2 et 3 dimensions peuvent
également être représentées
et superposées sur les graphiques. Les fonctions peuvent
faire référence à de nombreuses
distributions comme la distribution Bêta,
Binomiale, de Cauchy, du Chi2,
Exponentielle, Valeur
Extrême, du F, Gamma,
Géométrique, Laplace,
Logistique, Normale, Log-normale,
de Pareto, de Poisson, Rayleigh,
du t (Student), ou de Weibull,
ou leurs intégrales et inverses. D'autres
fonctionnalités permettant d'ajuster des fonctions
prédéfinies ou personnalisées d'une
complexité quasi-illimitée à vos
données sont décrites dans le cadre du module Estimation
Non-Linéaire (disponible dans le produit
STATISTICA Statistiques Avancées).
|
STATISTICA Cartes de Contrôle Qualité
STATISTICA Cartes de Contrôle Qualité vous propose une large gamme de techniques de contrôle qualité (avec des cartes de contrôle de grande qualité), d'une souplesse et d'une richesse incomparables. Ce produit est idéal, pour les systèmes de contrôle qualité automatisés en atelier, quel que soit le type et le niveau de complexité (voir aussi le descriptif des Systèmes Entreprise de STATISTICA, comme pour les systèmes sophistiqués d'analyse et de recherche d'amélioration de la qualité. Diverses options d'automatisation et raccourcis d'interface-utilisateur vous permettent de simplifier encore vos tâches routinières ; en outre, la plupart des options de mise en forme graphique et spécifications peuvent être modifiées de façon permanente (enregistrées sous forme de paramètres par défaut du système ou de modèles réutilisables). Enfin, STATISTICA Cartes de Contrôle Qualité met à votre disposition diverses fonctionnalités puissantes et simples à utiliser pour créer de nouvelles procédures analytiques et les ajouter de façon permanente à votre application, et ces options s'avèrent particulièrement utiles lorsque des analyses de contrôle qualité doivent s'intégrer dans des systèmes de collecte des données et de suivi.
Cartes standard. Le programme vous permet de créer des diagrammes de Pareto, des cartes X-barre, R, S, S2 (variance), des cartes C, Np (effectifs binomiaux), P (proportions binomiales), U, Cusum (somme cumulée), des cartes d'étendues mobiles, des cartes individuelles (pour des observations individuelles), des cartes MA (moyenne mobile) et EWMA (moyenne mobile pondérée exponentiellement). Ces cartes peuvent être basées sur des valeurs personnalisées ou sur des paramètres (moyennes, étendues, proportions, etc...) calculés à partir des données. La plupart des cartes de contrôle aux variables peuvent être construites à partir des observations individuelles (par exemple, cartes d'étendues mobiles) ou d'échantillons constitués de plusieurs observations. Vous pouvez spécifier des limites de contrôle en termes de sigma (par exemple, 3 * sigma), de probabilités normales ou non (courbes de Johnson) (par exemple, p=0,01, 0,99), ou encore de constantes. Pour des échantillons de tailles différentes, les cartes de contrôle peuvent être calculées avec des limites de contrôle variables ou des limites basées sur des valeurs centrées-réduites. Pour la plupart des cartes, vous pouvez utiliser plusieurs ensembles de spécifications sur une même carte (par exemple, les limites de contrôle de tous les nouveaux échantillons peuvent être calculées à partir d'un sous-ensemble d'échantillons antérieurs, etc...). Comme pour tous les graphiques STATISTICA, les cartes de contrôle STATISTICA sont ultra-personnalisables ; vous pouvez ajouter des titres, des commentaires, tracer des traits ou des droites ou ancrer dynamiquement certaines zones spécifiques à des valeurs particulières de l'échelle , ou étiqueter les différents échantillons à l'aide de dates, d'identifiants, etc...
| Haut de la Page |
Balayage
analytique interactif et étiquetage des points. Différents
outils de balayage analytique généralistes,
"intelligents" et complets vous permettent, de manière
interactive, de supprimer ou étiqueter des points aberrants
(ou réaliser des analyses conditionnelles) sur des cartes
individuelles ou sur des ensembles de cartes. L'utilisateur peut
sélectionner des échantillons individuels ou des
groupes d'échantillons sur la base des critères
actuellement spécifiés pour la carte (limites de
contrôle, tests des séries), et les exclure des
calculs de la carte (mais en continuant à les faire
apparaître sur la carte) ou même les
éliminer totalement de la carte. Vous pouvez utiliser les
mêmes critères d'inclusion/exclusion
d'échantillons sur plusieurs cartes ; de cette
manière, vous pouvez réaliser un balayage de
plusieurs cartes simultanément (par exemple, un point exclu
d'une carte X-barre et d'une carte R
sera simultanément exclu de tous les histogrammes).
L'utilisateur peut également demander à
représenter toutes les observations individuelles pour les
échantillons sélectionnés (ou tous les
échantillons).
Assigner des causes et des actions. L'utilisateur
a la possibilité d'assigner des causes, des actions, et/ou
des commentaires aux points aberrants ou à tout autre point
de la carte, dans la plupart des cartes. Vous pouvez affecter des
étiquettes de causes et d'actions à l'aide d'un
balayage interactif, mais vous pouvez également laisser le
programme détecter et sélectionner les
échantillons hors-contrôle pour vous.
Un système
flexible et personnalisable de notification d'alarmes. De
nombreuses options vous permettent de spécifier vos propres
critères personnalisés pour définir
les conditions hors-contrôle ou les
"événements notables" (par exemple, violation
d'un test des séries, observation individuelle en dehors des
limites de spécifications, etc...). Vous pouvez configurer
le système de notification d'alarmes pour
déclencher divers types de "réponses" lorsqu'un
événement particulier se produit ; par exemple,
vous pouvez mettre en place un système qui va
automatiquement se déclencher en cas
d'échantillon hors-contrôle. STATISTICA
Cartes de Contrôle va alors (par exemple)
automatiquement demander à l'opérateur de
renseigner une cause, puis exécuter un programme STATISTICA
Visual Basic qui va calculer diverses statistiques ou
exécuter une application externe pour envoyer un e-mail aux
ingénieurs en charge de superviser le processus
correspondant et appeler le superviseur sur son pager.
Vous pouvez sauvegarder les notifications d'alarmes dans un fichier de
configuration (et l'utiliser pour de nouvelles cartes), ou utiliser ces
notifications d'alarmes par défaut pour toutes vos nouvelles
cartes.
Mode
superviseur et opérateur ; protection par un mot de passe. Toutes
les fonctions d'édition des cartes en atelier (en
particulier, l'affectation de causes, d'actions, le balayage, la
notification d'alarme, etc...), les spécifications des
cartes ou le fichier de données lui-même peuvent
être protégés par un mot de passe, afin
de créer un mode opérateur
personnalisé avec un accès limité aux
cartes ou à leurs données. Les cartes peuvent
être enregistrées (par exemple, par le
superviseur), et ouvertes par l'opérateur en
accès limité.
Organisation des données. Pour
la plupart des cartes, vous pouvez organiser les données de
telle sorte qu'elles s'adaptent au format dans lequel elles sont
collectées par les applications de contrôle
qualité. Vous pouvez identifier les différents
échantillons en utilisant un identifiant ou un code, mais
vous pouvez aussi spécifier un nombre constant de mesures
par échantillon (et par gamme, voir ci-dessous).
| Haut de la Page |
Cartes petites
séries. La plupart des cartes de
contrôle standard aux mesures (X-barre, R,
S, S2, MA,
EWMA) et aux attributs (C, U,
P, Np) peuvent être
utilisées pour des séries courtes (cartes
petites séries pour plusieurs gammes ou machines).
Pour les cartes de contrôle petites séries aux
mesures (variables), vous pouvez spécifier des valeurs cible
nominales uniquement (carte nominale ou carte
cible), ou des valeurs cible et des valeurs de dispersion
pour des cartes petites séries
centrées-réduites. Vous avez à votre
disposition, diverses options pour trier les points
d'échantillons dans les cartes respectives, et les
représenter en fonction du numéro
d'échantillon, de la gamme, ou dans l'ordre chronologique
où les échantillons respectifs ont
été tirés. Diverses statistiques
détaillées sont calculées par gamme et
par échantillon. Les identifiants respectifs des
échantillons et des gammes pour chaque mesure peuvent
être issus du fichier de données et/ou vous pouvez
affecter un certain nombre constant d'observations successifs
à des échantillons et/ou à des gammes
consécutives. Remarque : toutes les options et statistiques
des cartes (indices de capabilité et de performance, tests
des séries, etc...) habituellement reportées sur
les cartes standard sont également disponibles pour les
cartes petites séries. | Haut de la Page |
Statistiques et options des cartes. De
nombreuses autres statistiques de contrôle qualité
sont également proposées. Vous pouvez calculer
des indices de capabilité et de performance du processus
(par exemple, les indices Cpk,
Ppk, etc... pour des
distributions normales, les indices Cpk,
Ppk, etc... pour des
distributions non-normales), produire les histogrammes des
caractéristiques de qualité respectives, ou
réaliser automatiquement l'un des sept tests des
séries disponibles. Les cartes de contrôle
standard aux mesures sont produits par défaut sous la forme
de graphiques composés ; par exemple, les cartes X-barre,
R (ou S, ou S2)
sont représentées avec éventuellement
les histogrammes des moyennes, étendues, proportions, etc...
respectifs, sur la même carte. Les points atypiques
(échantillons situés au-delà des
limites de contrôle) ou les segments de données
successives identifiées par un test des séries
vont automatiquement apparaître en surbrillance (dans une
couleur différente) dans les tracés. Vous pouvez
également ajouter des droites d'alerte, tracer des courbes
de moyennes mobiles ou de moyennes mobiles exponentiellement
pondérées, ou encore des droites
représentant les spécifications du processus.
Limites de contrôle et indices de
capabilité/performance du processus non normaux. Pour
les cartes de contrôle aux mesures, outre les statistiques et
cartes habituels basés sur la Loi Normale, le programme va
également calculer des cartes pour des mesures qui ne sont
pas distribuées normalement (par exemple, pour des mesures
distribuées de façon très
asymétrique). Ces options sont très importantes
lorsque vous travaillez avec des tailles d'échantillon
faibles (et où par conséquent, des
écarts à la normalité pourraient
conduire à sur-estimer ou sous-estimer les taux d'erreur si
les statistiques basées sur la Loi Normale
étaient utilisées). Le programme calcule des
limites de contrôle sur la base de l'ajustement des courbes
de Johnson aux quatre premiers moments des données
observées ; vous pouvez également utiliser des
valeurs personnalisées pour les moments. Les indices de
capabilité du processus peuvent être
calculés sur la base de l'ajustement des courbes de Johnson
ainsi que sur celles Pearson. Remarque : il est également
possible de calculer des indices de capabilité sur la base
de distributions spécifiques dans le module Analyse
de Processus.
Autres
résultats et tracés. Pour la plupart
des cartes (y compris la carte R), vous pouvez
calculer et représenter les courbes d'efficacité
respectives. Outre les cartes, les valeurs respectives
(représentées sur les cartes) peuvent
également être affichées dans des
feuilles de données, ce qui vous permet de visualiser les
valeurs précises des droites et des points qui sont
représentés. Vous pouvez imprimer des cartes
personnalisées (vierges) que l'ingénieur pourra
ultérieurement "compléter" à la main
s'il le souhaite. Remarque : comme tous les autres graphiques de STATISTICA,
les graphiques produits par STATISTICA Cartes de
Contrôle peuvent être
personnalisés à façon et
enregistrés pour d'autres analyses et/ou personnalisations.
| Haut de la Page |
Système
de contrôle qualité en temps réel ;
source de données externes. La plupart des
graphiques et cartes de contrôle de STATISTICA
Cartes de Contrôle peuvent être
automatiquement liés aux données et
actualisés dès que les données sont
mises à jour. Afin de faciliter le transfert des
données, deux applications STATISTICA
(facultatives) puissantes sont disponibles : STATISTICA
Entreprise/QC et STATISTICA Entreprise.STATISTICA Entreprise. STATISTICA Entreprise est une version groupware de STATISTICA, totalement intégrée, avec un data warehouse (entrepôt de données) centralisé puissant. STATISTICA Entreprise constitue une interface généraliste efficace avec les systèmes existants de stockage des données dans l'entreprise et permet un partage des projets et de l'information entre les différents utilisateurs (autorisés) du système (fonctionnalité groupware avancée).
STATISTICA Entreprise/QC. STATISTICA Entreprise/QC est un logiciel intégré multi-utilisateurs offrant un accès complet à des fonctionnalités de MSP (Maîtrise Statistique des Procédés) à l'échelle de l'entreprise. STATISTICA Entreprise/QC est organisé autour d'une base de données centralisée, et offre tous les outils nécessaires pour traiter et gérer des données issues de différentes sources, et pour coordinonner le travail de différents opérateurs, ingénieurs qualité et superviseurs. STATISTICA Entreprise/QC comme STATISTICA Entreprise vous offre des fonctionnalités très souples pour créer une intégration efficace entre les procédures proposées dans le produit STATISTICA Cartes de Contrôle et les données contenues dans vos bases de données existantes, et élaborer des systèmes de suivi de la qualité à l'échelle de l'entreprise.
| Haut de la Page |
STATISTICA Plans d'Expériences
Plans d'Expériences. STATISTICA Plans d'Expériences offre une gamme très complète de procédures pour construire et analyser divers plans d'expériences utilisés en recherche industrielle (qualité) : plans factoriels 2**(k-p) avec blocs (pour plus de 100 facteurs, y compris des algorithmes de recherche spécifiques, très efficaces pour trouver des plans avec un minimum d'aberrations et un maximum d'effets non confondus, où l'utilisateur peut spécifier les effets d'interaction devant être non confondus), plans de sélection (criblage) (pour plus de 100 facteurs, en particulier les plans de Plackett-Burman), plans factoriels 3**(k-p) avec blocs (en particulier les plans de Box-Behnken), plans de mélange, plans composites centrés ou surfaces de réponse (en particulier les petits plans composites centrés), Carrés Latin, plans robustes de Taguchi (matrices orthogonales), plans de mélange et plans de surfaces triangulaires, sommets et centroïdes pour des surfaces et mélanges sous contraintes, et plans D- et A-optimaux pour les plans factoriels, de surfaces, et de mélanges. Divers modèles de plans spécifiques sont disponibles, et nous décrirons les méthodes permettant de les générer et de les analyser dans les paragraphes suivants.
Analyse de
Plans d'Expériences : Principales fonctionnalités.
Les options permettant d'analyser les plans factoriels, surfaces de
réponse, et plans de mélange sont de nature
généraliste. Elles permettent de manipuler des
plans non équilibrés et incomplets, et donnent
à l'utilisateur un contrôle total sur le choix des
modèles à ajuster aux données. Le
programme calcule l'inverse généralisé
de la matrice X'X (où X
représente la matrice du modèle) pour
déterminer les effets estimables, et les effets
aliassés des autres effets. Le programme donne aussi
automatiquement la table des alias et estime les paramètres
de tous les effets non-redondants. Vous pouvez également
introduire ou exclure manuellement certains effets
spécifiques de votre modèle (rapidement et
simplement), et observer l'effet obtenu sur l'ajustement global. Toutes
les analyses peuvent porter sur les valeurs originales ou
recodifiées des facteurs et de nombreuses options permettent
de représenter les paramètres estimés,
le tableau de l'analyse de la variance, etc... D'autres options
permettent d'explorer les moyennes prévues
(ajustées), surfaces de réponse, etc... ; ces
options sont décrites plus en détail ci-dessous
dans le cadre des plans respectifs.
Analyses des
résidus et transformations. De nombreux graphiques
et options de sorties permettent d'approfondir l'analyse des
résidus à partir d'un modèle
donné. Plus précisément, le programme
calcule les valeurs prévues (ajustées), les
résidus et leurs erreurs-types, les intervalles de
prévision personnalisés et les intervalles de
confiance autour des valeurs prévues (ajustées),
les valeurs centrées-réduites des valeurs
prévues et des résidus, les résidus
studentisés, les résidus supprimés,
les résidus studentisés supprimés, les
distances de Mahalanobis et de Cook, les valeurs DFFIT
et DFFIT centrées-réduites,
etc... Toutes ces statistiques sur les résidus peuvent
être enregistrées en vue de poursuivre l'analyse
dans d'autres modules de STATISTICA (par exemple,
pour analyser l'autocorrélation des erreurs dans le module Séries
Chronologiques). En outre, ces statistiques sur les
résidus pour chaque observation peuvent être
examinées par numéro croissant d'observations, ou
selon l'importance des résidus ; ainsi, vous pouvez
identifier rapidement les points atypiques. Pour évaluer
l'ajustement du modèle respectif, et identifier les points
atypiques, vous pouvez tracer divers histogrammes des
résidus (et des résidus supprimés) ou
des valeurs prévues, des nuages de points des
résidus (supprimés) en fonction des valeurs
prévues, ou des tracés normalité,
normalité par moitié, ou tracés des
écarts à la normalité (des
résidus supprimés). Pour contrôler
l'autocorrélation des résidus, vous pouvez aussi
représenter les valeurs des résidus
(supprimés) en fonction des numéros
d'observations. Dans tous les tracés d'observations
individuelles (par exemple, résidus des observations), les
points sont associés au numéro ou au nom de
l'observation respective, ce qui vous permet d'identifier
très facilement les points atypiques dans le fichier de
données. Enfin, les valeurs lambda du
maximum de vraisemblance peuvent être calculées
pour la transformation Box-Cox des variables de réponse ; le
tracé de la somme des carrés des
résidus en fonction de lambda, avec la limite de confiance
de lambda, accompagne les résultats dans
le tracé de la transformation de Box-Cox.
| Haut de la Page |
Optimisation d'une ou
plusieurs variables de réponse : Profil de
réponse (désirabilité). Un
ensemble d'options spécifiques permettent à
l'utilisateur d'optimiser de façon interactive une ou
plusieurs variables de réponse, compte tenu du
modèle actuel. Tout d'abord, pour des modèles de
surface de réponse du second ordre et pour des
modèles de surface de mélange, le programme va
calculer les réglages des facteurs associés au
minimum, au maximum, ou au point selle la surface respective
(c'est-à-dire, déterminer la valeur critique de
la surface, avec les valeurs propres et les vecteurs propres
respectifs, pour indiquer la courbure et l'orientation de la surface de
réponse quadratique). Remarque : pour les plans de
mélange, les options du profil de
désirabilité ne sont pas basées sur un
simple reparamétrage du modèle de
mélange vers un modèle de surface sans
contraintes (pouvant conduire à des résultats
erronés, où les paramétrages de
facteurs optimaux sont des mélanges incorrects). Tous les
calculs sont en revanche basés sur le véritable
modèle de mélange (ajusté sous
contraintes). Ainsi, lorsque vous recherchez les
paramétrages optimaux des facteurs, compte tenu de la
fonction de désirabilité d'une ou plusieurs
variables de réponse, seule la région
expérimentale sous contraintes (mélange) sera
prise en compte, garantissant ainsi que les paramétrages
obtenus des facteurs vont spécifier un mélange
correct. De nombreuses options graphiques permettent de
représenter les valeurs prévues d'une ou
plusieurs variables de réponse en fonction des
différents facteurs de l'analyse, tout en maintenant
constants les autres facteurs à des valeurs
données. Plus précisément, si vous
avez plusieurs variables de réponse, vous pouvez
spécifier une fonction de désirabilité
reflétant la valeur la plus désirable de chaque
variable de réponse, et l'importance de chaque variable dans
la désirabilité globale. Vous pouvez ensuite
représenter les profils de la fonction de
désirabilité (calculée à
partir des valeurs prévues de chaque variable de
réponse) pour un nombre défini de niveaux sur
chaque facteur. En outre, vous pouvez représenter les
profils de chaque variable de réponse individuelle sur un
même graphique avec les intervalles de confiance. 
La
fonction de désirabilité peut être
représentée sous la forme de surfaces de
réponse ou de courbes d'isoréponse (de
désirabilité), et vous pouvez produire des
tracés matriciels de tous les facteurs de l'analyse (voir
l'illustration ci-contre). Vous pouvez rapidement modifier les
paramètres comme la grille factorielle ou la fonction de
désirabilité et ainsi réaliser des
analyses interactives (par exemple, vous pouvez rapidement exclure
certaines variables spécifiques de l'analyse, et observer
l'effet résultant sur la fonction de
désirabilité globale). Vous pouvez
également enregistrer les spécifications de
fonctions complexes de désirabilité pour
plusieurs variables de réponse dans un fichier, puis les
récupérer rapidement pour analyser d'autres
expériences avec les mêmes variables de
réponse. Enfin, vous avez la possibilité de
déterminer la valeur optimale de la fonction de
désirabilité, soit en utilisant une grille de
recherche sur la région expérimentale, soit en
utilisant un algorithme efficace et généraliste
d'optimisation de fonctions (particulièrement utile pour
optimiser des fonctions de désirabilité dans des
expériences faisant appel à de nombreux
facteurs). Remarque : vous retrouverez également ces options
de profils de désirabilité dans les modules
suivants : Modèle
Linéaire Général (GLM),
Modèles
Généraux de Régression (GRM)
et Modèles
Généraux d'Analyse Discriminante (GDA)
(pour des réponses catégorielles). 
Plans factoriels
fractionnaires à deux niveaux 2**(k-p) avec blocs (Plans de
Box-Hunter-Hunter avec minimum d'aberration. STATISTICA
Plans d'Expériences vous propose toute la gamme
des les plans standard, également
dénommés "avec minimum d'aberrations" (comme dans
des ouvrages de référence de Box et Draper, 1987
; Box, Hunter et Hunter, 1978 ou encore dans l'ouvrage de Montgomery,
1991). Vous pouvez afficher les plans dans une feuille de
données ; vous pouvez randomiser les essais (par blocs ou
globalement), et ajouter des colonnes vierges à votre
feuille de données. Des options vous permettent de
spécifier les niveaux inférieurs et
supérieurs des facteurs, et vous pouvez afficher et
enregistrer le plan en termes de niveaux codés des facteurs
ou en conservant la métrique originale des facteurs. Vous
pouvez également demander des réplications,
ajouter des points centraux au plan, ou ajouter des replis au plan
original. Vous pouvez également afficher les
générateurs de plans fractionnaires et les
générateurs de blocs du plan, ainsi que la
matrice des alias des effets principaux et des interactions. STATISTICA
Plans d'Expériences va automatiquement
réaliser une ANOVA complète du plan.
L'utilisateur a un contrôle total sur les effets et les
interactions à inclure dans le modèle, et peut
examiner les corrélations entre les colonnes de la matrice
du modèle (X) ou l'inverse de la matrice X'X
(c'est-à-dire, les matrices de covariance et de
corrélations des paramètres estimés).
Le programme estime les paramètres de l'ANOVA et leurs
erreurs-types ainsi que les intervalles de confiance, les coefficients
des valeurs des facteurs recodifiés (-1, +1)
avec leurs erreurs-types et les intervalles de confiance, ainsi que les
coefficients (erreurs-types, intervalles de confiance) des facteurs non
transformés. Sur la base de ces estimations, le programme
peut calculer les valeurs prévues (erreurs-types,
intervalles de confiance) pour des niveaux personnalisés des
facteurs.| Haut de la Page |
Le
programme va calculer la table ANOVA complète, en utilisant
la moyenne des carrés de l'erreur, ou, lorsque le plan est
au moins partiellement répliqué, sur en utilisant
une estimation de l'erreur pure. Si une estimation de l'erreur pure est
disponible, le programme va effectuer un test de manque d'ajustement
global ; si le plan contient des points centraux, le programme
réalise un contrôle global de courbure.
L'utilisateur peut visualiser la table des moyennes et les moyennes
marginales, et leurs intervalles de confiance. De nombreuses options
vous permettent de représenter les résultats sous
une forme graphique : le diagramme de Pareto des effets, les
tracés de normalité et de normalité
par moitié des effets, des tracés
carrés et cubes, des tracés de moyennes et
d'interactions (avec intervalles de confiance des moyennes marginales),
des surfaces de réponse, et des courbes
d'isoréponse. En outre, toutes les
fonctionnalités décrites ci-dessus (sous les
intitulés Plans d'Expériences,
Analyse de Plans d'Expériences : Principales
fonctionnalités, Analyse des
résidus et transformations et Optimisation
d'une ou plusieurs variables de réponse : profil de
réponse (désirabilité)) vous
permettent d'étudier en détail les
résidus, mais aussi d'évaluer la
qualité d'ajustement du modèle, et de trouver les
réglages optimaux des facteurs, compte tenu d'une ou
plusieurs variables de réponse. 
Plans factoriels
fractionnaires 2**(k-p) avec blocs et minimum d'aberration et maximum
de non confondus : Recherche générale de plans.
Outre les plans standard 2**(k-p), STATISTICA Plans
d'Expériences offre une option
généraliste de recherche de plans permettant de
générer des plans factoriels fractionnaires avec
un minimum d'aberration (le moins confondus possibles), avec ou sans
blocs, avec jusqu'à 100 facteurs et plus de 2.000 essais.
Ces plans particulièrement efficaces ont
été découverts récemment et
ils vous permettent de tester un plus grand nombre d'interactions
(spécifiques) entre les facteurs par rapport aux plans
standard de Box-Hunter. STATISTICA Plans
d'Expériences est actuellement le seul programme
sur le marché à vous offrir cette
fonctionnalité. Pour une résolution
donnée, vous pouvez également réaliser
une recherche complète de tous les groupes
(non-isomorphiques) de générateurs, ou
spécifier des ensembles particuliers d'interactions
à garder non confondues pour la résolution
respective. Outre le critère habituel de recherche de
"minimum d'aberrations", vous pouvez aussi choisir le
critère du "maximum non confondus" qui permettra de trouver
le plan contenant le plus grand nombre possible d'effets non confondus
(avec les autres effets, pour une résolution
donnée du plan). Comme pour les plans standard 2**(k-p)
décrits au paragraphe précédent, ces
plans peuvent être améliorés (en
ajoutant des réplications, des points centraux, des replis,
etc...). Toutes les options analytiques décrites
précédemment s'appliquent également
à ces plans (ou tout plan arbitraire 2**(k-p)).| Haut de la Page |
Plans de Criblage
[ou de sélection] (Plackett-Burman). STATISTICA
Plans d'Expériences permet à
l'utilisateur de construire et d'analyser des plans de criblage pour un
grand nombre de facteurs. Le programme permet de
générer des plans de Plackett-Burman (matrice de
Hadamard) et des plans factoriels fractionnaires saturés
avec jusqu'à 127 facteurs. Comme pour les plans 2**(k-p),
l'utilisateur peut demander des réplications du plan,
ajouter manuellement des points centraux, et imprimer ou enregistrer le
plan. Les mêmes options sont disponibles pour l'analyse des
plans de criblage que celles décrites pour l'analyse des
plans 2**(k-p) (voir les paragraphes précédents).
Plans factoriels à différents niveaux (mixtes). Le programme permet également de produire des plans avec des niveaux mixtes (tels qu'il sont décrits par le Bureau National Américain de Normalisation, Département du Commerce). Les options de création et d'analyse disponibles pour ces plans sont identiques à celles décrites pour les plans 3**(k-p) (voir le paragraphe précédent).
Plans factoriels
fractionnaires à trois niveaux 3**(k-p) avec blocs et plans
de Box-Behnken. STATISTICA Plans
d'Expériences offre tous les plans 3**(k-p)
standard (avec blocs). Les plans standard de Box-Behnken sont
également disponibles. Comme pour tous les autres plans,
l'utilisateur a la possibilité d'afficher et d'enregistrer
ces plans dans un ordre standard ou aléatoire, de demander
des réplications ou ajouter des essais individuels, ou
encore d'examiner le plan et les générateurs de
bloc, etc... Le programme réalise une analyse
complète des plans 3**(k-p). L'utilisateur a un
contrôle total sur les effets à inclure dans
l'analyse. Les effets principaux sont divisés en effets
linéaires et quadratiques, et les interactions en effets
linéaire-linéaire,
linéaire-quadratique, quadratique-linéaire et
quadratique-quadratique. L'utilisateur peut visualiser la matrice de
corrélations de la matrice du modèle (X)
ainsi que l'inverse de X'X. Le programme calcule
les estimations standard des paramètres de l'ANOVA
(erreurs-types, intervalles de confiance, significativité
statistique, etc...), les coefficients des facteurs
recodifiés (-1, 0, +1) et les
coefficients des facteurs non recodifiés. Sur la base de ces
valeurs, le programme permet de calculer les valeurs prévues
(et les erreurs-types, intervalles de confiance) pour des valeurs
personnalisées des facteurs. La table ANOVA reporte les
tests des composantes linéaires et quadratiques pour chaque
effet. Si le plan comporte des réplications, l'estimation de
l'erreur pure pourra être utilisée pour l'ANOVA et
pour tester la significativité ; dans ce cas un test global
de manque d'ajustement sera également
réalisé.
Pour vous aider à interpréter les résultats, le programme calcule la table des moyennes (et les intervalles de confiance) ainsi que les moyennes marginales (et les intervalles de confiance) des interactions. Les options graphiques disponibles incluent les tracés de moyennes et de moyennes marginales (avec les intervalles de confiance), le diagramme de Pareto des effets, ainsi que les tracés de normalité et de normalité par moitié des effets, ou les surfaces de réponse et courbes d'isoréponse. En outre, toutes les fonctionnalités décrites ci-dessus (sous les intitulés Plans d'Expériences, Analyse de Plans d'Expériences : Principales fonctionnalités, Analyse des résidus et transformations et Optimisation d'une ou plusieurs variables de réponse : profil de réponse (désirabilité)) vous permettent d'étudier en détail les résidus, mais aussi d'évaluer la qualité d'ajustement du modèle, et de trouver les réglages optimaux des facteurs, compte tenu d'une ou plusieurs variables de réponse.
| Haut de la Page |
Plans composites
centrés (surface de réponse). Vous avez
à votre disposition tous les plans standard, notamment de
petits plans composites centrés (basés sur les
plans de Plackett-Burman). Outre les options standard disponibles pour
tous les plans (ajouter des essais, randomisation,
réplications, paramétrages inférieurs
et supérieurs des facteur, etc... ; reportez-vous
à la description des plans 2**(k-p) pour plus
d'informations), vous pouvez choisir des points étoiles
centrés, ou qui sont calculés pour obtenir
l'isovariance par rotation, l'orthogonalité, ou les deux.
Les options d'analyse sont voisines de celles décrites pour
les plans 3**(k-p) et 2**(k-p) ci-dessus. L'utilisateur peut calculer
les paramètres de l'ANOVA, les coefficients des valeurs des
facteurs recodifiés, et les coefficients des facteurs non
transformés. Vous pouvez également calculer les
valeurs prévues pour des valeurs personnalisés
des facteurs. Vous avez un contrôle total sur les effets
à inclure dans le modèle, et vous pouvez
représenter la matrice de corrélations de la
matrice du modèle (X) et de l'inverse de X'X.
S'il existe des réplications, la table ANOVA reportera
l'estimation de l'erreur pure et un test global de manque d'ajustement.
Parmi les graphiques standard, citons le diagramme de Pareto des
effets, les tracés de probabilité des effets, les
surfaces de réponse et courbes d'isoréponse (s'il
existe plus de deux facteurs, pour des valeurs
personnalisées des facteurs supplémentaires). En
outre, toutes les fonctionnalités décrites
ci-dessus (sous les intitulés Plans
d'Expériences, Analyse de Plans
d'Expériences : Principales fonctionnalités,
Analyse des résidus et transformations et
Optimisation d'une ou plusieurs variables de
réponse : profil de réponse
(désirabilité)) vous permettent
d'étudier en détail les résidus, mais
aussi d'évaluer la qualité d'ajustement du
modèle, et de trouver les réglages optimaux des
facteurs, compte tenu d'une ou plusieurs variables de
réponse. Carrés Latins. L'utilisateur peut choisir entre différents Carrés Latin, comportant jusqu'à neuf niveaux. Chaque fois que c'est possible, le programme construit des Carrés Greco-Latin et des Carrés Hyper-Greco Latin. Lorsque plusieurs Carrés Latins distincts sont disponibles, le programme en choisi un au hasard, mais l'utilisateur peut toujours sélectionner le ou les Carrés Latin souhaités. Vous pouvez afficher les plans dans une feuille de données, randomisés l'ordre, ou ajouter des colonnes vierges pour créer de nouvelles variables dépendantes. Vous pouvez également enregistrer le plan sous la forme d'un fichier de données STATISTICA. Une fois que vous avez ajouté les données observées dans le fichier de données, vous pouvez aisément analyser l'expérience. Outre la table ANOVA complète, STATISTICA Plans d'Expériences calcule les moyennes de tous les facteurs, et vous pouvez représenter ces moyennes dans un tracé de synthèse.
Plans
robustes de Taguchi. STATISTICA Plans
d'Expériences peut produire des matrices
orthogonales comportant jusqu'à 31 facteurs, et vous pouvez
analyser des plans jusqu'à 65 facteurs. Comme pour tous les
types de plans, vous pouvez randomiser les essais, et ajouter des
colonnes vierges à la feuille de données afin
d'accueillir les données des variables
dépendantes. Vous pouvez aussi étudier les alias
des interactions d'ordre deux. STATISTICA Plans
d'Expériences calcule automatiquement les ratios
standard signal/bruit (S/B) pour des
problèmes du type : (1) L'optimum est un minima,
(2) L'optimum est la nominale, (3) L'optimum
est un maxima, (4) Critère
ciblé, (5) Fraction
défectueuse et (6) Nombre de
défauts par intervalle (analyse
d'accumulation). Vous pouvez également analyser
des données non transformées ; ainsi, vous pouvez
produire tout type de ratio S/B
personnalisé grâce au langage de programmation | Haut de la Page |
Plans de
mélanges et surfaces triangulaires. Cette
procédure offre un certain nombre d'options pour construire
des plans simplexes et simplexes centrés sur des variables
de mélange. Ces plans peuvent être
améliorés en ajoutant des points
intérieurs et un centroïde. Vous pouvez
spécifier des limites inférieures pour chaque
facteur, et le programme va alors construire automatiquement le plan
respectif dans un sous-simplexe défini par les contraintes.
Vous pouvez ajouter plusieurs contraintes supérieures et
inférieures grâce aux fonctionnalités
généralistes de construction de plans dans des
régions expérimentales sous contraintes (voir
ci-dessous). Vous pouvez ajouter des essais individuels ou des
réplications, et afficher puis enregistrer le plan dans un
ordre standard ou randomisé. Le programme calcule les
coefficients des pseudo-composantes et des composantes dans leur
métrique originale, avec les erreurs-types, intervalles de
confiance, et tests de significativité statistique.
(Remarque : le module Modèle
Linéaire Général (GLM)
offre également des fonctionnalités pour analyser
des plans de mélange. Ces options sont
particulièrement utiles pour analyser les plans combinant
à la fois des variables de mélange et d'autres
variables dans des plans complexes). L'utilisateur a un
contrôle total sur les termes à inclure dans le
modèle ; les modèles standard sont les
modèles linéaires, quadratiques, cubiques
spéciaux et cubiques complets. La table ANOVA reporte les
tests d'ajustement incrémentiel des différents
modèles, et si le plan comporte des essais
répliqués, un test de défaut
d'ajustement basé sur l'estimation de l'erreur pure sera
également calculé. Parmi les résultats
standard, citons la table des moyennes, les corrélations des
colonnes de la matrice du modèle (X),
l'inverse de la matrice du modèle X'X (la
matrice de variance/covariance des paramètres
estimés), le diagramme de Pareto, les tracés de
normalité des paramètres estimés,
etc... L'utilisateur peut aussi calculer des prévisions en
utilisant des valeurs personnalisées des facteurs.
Différents graphiques spécialisés
permettent de synthétiser les résultats des
expériences de mélange sous forme de
tracés de réponse pour des mélanges
personnalisés de référence, ainsi que
des surfaces triangulaires et courbes d'isoréponse. S'il
l'expérience comporte plus de 3 composantes, vous pouvez
produire des surfaces de réponse et courbes
d'isoréponse pour des valeurs personnalisées
d'autres composantes. Enfin, toutes les fonctionnalités
décrites ci-dessus (sous les intitulés Plans
d'Expériences, Analyse de Plans
d'Expériences : Principales fonctionnalités,
Analyse des résidus et transformations et
Optimisation d'une ou plusieurs variables de
réponse : profil de réponse
(désirabilité)) vous permettent
d'étudier en détail les résidus, mais
aussi d'évaluer la qualité d'ajustement du
modèle, et de trouver les réglages optimaux des
facteurs, compte tenu d'une ou plusieurs variables de
réponse. Remarque : les options du profil de
réponse (désirabilité) disponibles
pour les plans de mélange ne se limitent pas à un
simple reparamétrage du modèle de
mélange en modèle de surface sans contraintes ;
en revanche, tous les calculs sont réalisés sur
la base du véritable modèle de mélange
(ajusté). Ainsi, lorsque vous recherchez les
réglages optimaux des facteurs compte tenu d'une fonction de
désirabilité pour une ou plusieurs variables de
réponse, seule la région expérimentale
sous contrainte (mélange) est étudiée,
et vous avez ainsi la certitude que les réglages obtenus
pour les facteurs décrivent un mélange valide.
| Haut de la Page |
Plans de
mélanges et surfaces sous contraintes. STATISTICA
Plans d'Expériences contient un certain nombre de
procédures permettant de calculer des points sommets et
centroïdes pour des surfaces et mélanges sous
contraintes définis par des contraintes
linéaires. Vous pouvez spécifier les limites
inférieures et supérieures des facteurs, ainsi
que toute autre contrainte linéaire (de la forme A1*x1
+ ... + An*xn + A0
>= 0) concernant les valeurs des facteurs. Le programme va
calculer ensuite les points sommets et les points centroïdes
éventuels de la région sous contraintes. Les
contraintes sont traitées de façon
séquentielle et les contraintes inutiles sont ises en
évidence et écartées. De nombreuses
autres options permettent d'examiner les caractéristiques de
la région sous contraintes. Vous pouvez
représenter les points sommets et centroïdes dans
des nuages de points triangulaires (pour les mélanges) ou en
3D. Vour pouvez aussi calculer la matrice de corrélations
des colonnes de la matrice X du modèle
pour différents types de plans ainsi que l'inverse de la
matrice X'X (c'est-à-dire, la matrice
de variance/covariance des paramètres estimés).
Vous pouvez ainsi évaluer les caractéristiques du
plan, sur la base des points sommets et centroïdes. Ces points
peuvent ensuite être soumis aux fonctionnalités de
plan optimal (voir ci-dessous), pour construire des plans avec un
nombre minimum d'essais. 
Plans
D- et A-optimaux. Le programme contient différents
algorithmes permettant de construire des plans optimaux. Vous pouvez
choisir entre le critère d'optimalité D
(déterminant) et le critère
d'optimalité A (ou trace), et avez la
possibilité de spécifier des modèles
de surfaces de réponse et de mélanges. Vous
pouvez spécifier manuellement la liste de points candidats
du plan, ou récupérer cette liste à
partir d'un fichier de données STATISTICA
(par exemple, un plan que vous auriez
précédemment créé
grâce aux fonctionnalités de calcul des points
sommets et centroïdes pour des surfaces sous contraintes et
des mélanges, voir ci-dessus). Vous pouvez forcer
l'inclusion ce certains points candidats spécifiques dans le
plan final, ce qui vous permet d'améliorer ou de
"réparer" des expériences existantes. Le
programme offre tous les algorithmes de recherche les plus courants
pour construire des plans D- et A-optimaux
: la procédure séquentielle de recherche de
Dykstra, la procédure d'échange simple de
Wynn-Mitchell, la procédure DETMAX
(échange avec excursions), la procédure de
permutation simultanée de Fedorov, ainsi qu'une
procédure de permutation simultanée
modifiée. Pour le plan final, le programme va calculer le
déterminant de X'X et les
efficacités D, A et G.
Vous pouvez également examiner la matrice de
corrélations des colonnes de la matrice du plan final (X),
et l'inverse de la matrice X'X (la matrice de
variance/covariance des estimations de paramètres). Les
points du plan final peuvent être
représentés sous la forme de nuages de points en
3D et de surfaces triangulaires (pour les mélanges). Autres procédures pour analyser des données collectées au cours d'expériences. STATISTICA met à votre disposition de nombreuses méthodes statistiques pour analyser des données collectées au cours d'expériences et pour ajuster des modèles de type ANOVA/ANCOVA à des variables continues ou catégorielles. Plus précisément, STATISTICA contient les modules suivants :
- Modèle Linéaire Général (GLM) et Modèles Généraux de Régression (GRM) (tous deux proposés dans ce produit) avec des procédures sophistiquées de construction de modèles (sélection pas-à-pas des prédicteurs et recherche exhaustive du meilleur modèle).
- Modèles Linéaires/Non-Linéaires Généralisés (GLZ) (proposé dans ce produit), qui permet également de sélectionner les prédicteurs pas-à-pas et d'effectuer une recherche exhaustive du meilleur modèle dans des plans de type ANOVA/ANCOVA, pour différentes alternatives aux modèles linéaires des moindres carrés, comme les modèles logit, logit multinomial et probit.
- Modèles Généraux d'Analyse Discriminante (GDA) (proposé dans ce produit), qui vous permet d'utiliser des plans d'expériences de type ANOVA/ANCOVA pour des classifications, et d'utiliser une sélection pas-à-pas des prédicteurs ou par recherche exhaustive du meilleur modèle ; le module GDA offre également un profil de désirabilité et diverses méthodes d'optimisation des réponses, permettant de mettre en évidence les combinaisons, niveaux et/ou valeurs de facteurs qui vont maximiser les probabilités de classification a posteriori d'une ou plusieurs catégories de la variable dépendante.
- Modèles d'Arbres de Classification et de Régression et Modèles CHAID, tous deux proposés dans le produit STATISTICA Data Miner), qui vous permettent d'évaluer l'efficacité des plans d'expériences de type ANOVA/ANCOVA pour construire des arbres de classification or de régression hiérarchiques avec une forte non-linéarité.
| Haut de la Page |
STATISTICA Analyse de Processus
STATISTICA Analyse de Processus est constitué de deux modules vous permettant d'utiliser les techniques d'analyses de processus, les analyses de répétabilité et de reproductibilité, l'analyse de Weibull, les plans d'échantillonnage, et les techniques de décomposition de la variance pour des effets aléatoires ; chacune de ces techniques est décrite dans les paragraphes suivants.
Analyse
de capabilité du processus. STATISTICA
Analyse de Processus vous offre un certain nombre d'options
pour calculer des indices de capabilité sur des
données groupées ou non (par exemple, Cp,
Cr, Cpk,
Cpl, Cpu,
K, Cpm,
Pp, Pr,
Ppk, Ppl,
Ppu), des
limites de tolérance normales ou non, avec les
tracés de capabilité du processus correspondants
(histogramme avec l'étendue du processus, limites de
spécification, courbe normale). En outre, au lieu des
indices et statistiques basés sur la Loi Normale,
l'utilisateur peut choisir des estimations (par exemple, Cpk,
Cpl, Cpu
basés sur la méthode des centiles) en utilisant
des distributions non-normales généralistes
(ajustement des courbes de Johnson et Pearson par les moments), ou
d'autres distributions continues, comme les distributions Bêta,
Exponentielle, Valeur Extrême
(Type I, Gumbel), Gamma, Log-Normale,
Rayleigh et Weibull. Le
programme estime les paramètres de ces distributions par le
maximum de vraisemblance, et offre de nombreuses options pour
évaluer la qualité de l'ajustement de la
distribution respective aux données, notamment la
répartition des effectifs avec les effectifs
observés et théoriques, la statistique d
de Kolmogorov-Smirnov, divers histogrammes, tracés de
Probabilité-Probabilité (P-P)
et tracés Quantiles-Quantiles (Q-Q). Une
option vous permet également d'ajuster automatiquement
toutes les distributions, et de retenir celle qui ajuste le mieux les
données.
| Haut de la Page |
 Analyses
de
Répétabilité/Reproductibilité
(R&R). Vous pouvez produire et analyser des plans de
répétabilité/reproductibilité
avec un ou plusieurs essais. Les données de l'analyse R&R
peuvent être organisés sous forme de
données brutes ou être mis en tableau dans un
format standard de feuille de données de R&R
utilisée dans de nombreuses publications de la
Société Américaine de
Contrôle Qualité ainsi que dans les ouvrages du
Groupe d'Action Automobile). Les résultats produits vous
permettent d'estimer les composantes de la variance
(répétabilité ou variation de
l'équipement, de l'opérateur ou variation de
l'estimation, variation des pièces, variation
opérateur-par-pièce, etc...), en utilisant la
méthode des étendues, ou la table ANOVA. Si vous
utilisez la table ANOVA, les intervalles de confiance des composantes
de la variance seront également estimés. D'autres
statistiques vous permettent d'estimer les composantes de la variance,
notamment le pourcentage de tolérance, la variation du
processus, et la variation totale. Le programme calcule
également les statistiques descriptives par
opérateur/pièce, des cartes d'étendue
et sigma par opérateurs/pièces, diverses
boîtes à moustaches, et des tracés de
synthèse R&R. Remarque :
d'autres méthodes vous permettent d'estimer les composantes
de la variance pour des effets aléatoires dans le module
spécialisé STATISTICA
Décomposition de la Variance (proposé
dans cette application, voir ci-dessous), ainsi que dans le module Modèle
Linéaire Général,
disponible dans ce produit.
|
 Analyse
de Weibull. Les options de l'analyse de Weibull offrent un
certain nombre de techniques graphiques puissantes permettant
d'exploiter la puissance et le caractère
généraliste de la distribution Weibull qui peut
trouver son application dans différents domaines.
L'utilisateur peut produire des tracés de
probabilités Weibull et estimer les paramètres de
la distribution, ainsi que les intervalles de confiance de la
fiabilité. Les tracés de probabilités
peuvent être produits pour des données
complètes, mono-censurées, ou
multi-censurées, et les paramètres peuvent
être estimés pour des tracés de risque
des ordres d'échec. Les méthodes d'estimation
disponibles sont le maximum de vraisemblance (pour des
données complètes et censurées), des
facteurs de pondération basés sur des techniques
d'estimation linéaire pour des données
complètes et mono-censurées, ainsi que les
Estimateurs Modifiés des Moments, qui offrent des
estimations non-biaisées de la moyenne et de la variance.
Des intervalles de confiance sont calculés pour les
paramètres de forme, d'échelle, et de position,
ainsi que pour les centiles. Le programme comporte des tests graphiques
de qualité d'ajustement, ainsi que les tests d'ajustement de
Hollander-Proschan, Mann-Scheuer-Fertig, et Anderson-Darling. Remarque
: le module Modèles
Linéaires/Non-Linéaires
Généralisés offre
diverses options pour ajuster des modèles
linéaires généralisés issus
de la famille des distributions exponentielles à des
données normales et non normales.
|
 Plans
d'échantillonage. Vous pouvez produire des plans
d'échantillonnage fixes et séquentiels pour des
moyennes normales et binomiales, ou des fréquences de
Poisson. Parmi les résultats produits, citons les tailles
d'échantillons, les courbes d'efficacité, les
tracés des plans séquentiels avec ou sans
données, la période opérationnelle
moyenne (H0/H1).
Remarque : le produit STATISTICA Puissance de Test
offre également diverses options pour calculer les
estimations de tailles d'échantillon requises et de la
puissance de test pour un grand nombre de modèles (par
exemple, ANOVA) et de type de données (par exemple, pour des
effectifs binaires, des données censurées de
temps à l'échec, etc...).
|
Puissance de Test
![[Captures]](images/power_ss.gif)
L'utilisation du module Puissance de
Test lors de la conception et l'analyse de vos
problèmes de recherche, vous assure de toujours utiliser vos
ressources le plus efficacement possible. Il n'a en effet rien de plus
décevant que de constater que vos travaux de recherche
manquent de fiabilité parce que la taille des
échantillons que vous avez utilisée est trop
faible. De même que l'utilisation d'échantillons
surdimensionnés peut constituer une perte de temps et
d'argent. Le module Puissance de Test va vous aider
à déterminer la taille idéale pour vos
échantillons et va enrichir vos travaux de recherche avec
une variété d'outils pour estimer les intervalles
de confiance et mener des analyses complètes de puissance de
tests.
| Haut de la Page |
Le module Puissance de Test est un outil généraliste complet pour vous aider dans vos tâches de conception et d'analyse de travaux de recherche, vous permettant par exemple de déterminer si la taille de votre échantillon est appropriée à l'objectif de votre étude. Il offre également une grande variété d'outils pour analyser tous les aspects des calculs de puissance de test et de taille d'échantillon.
Pourquoi Le module Puissance de Test est-il le programme le plus moderne et le plus puissant de ce type ?
![[Boîte de dialogue des options]](images/pow_startup.gif)
- Parce qu'aucun autre programme de calcul de puissance de test ne réunit autant de possibilités que le module Puissance de Test.
- Parce que le module Puissance de Test est de loin le plus rapide et le plus simple à utiliser.
- Parce que le module Puissance de Test est le seul programme de ce type disponible sur le marché qui va au-delà des simples tests standards de "l'effet zéro", et qui intègre des méthodes modernes utilisant la technologie des estimations d'intervalles. Le programme peut calculer les intervalles de confiance exacts des tailles des effets et les utiliser pour construire les intervalles de confiance exacts de la puissance de test et des tailles d'échantillons.
- Parce que le module Puissance de Test
offre des routines de calcul d'une précision et d'une
puissance sans égal. Les algorithmes de calcul sont
extrêmement précis et maintiennent cette
précision à travers une plus large gamme de
paramètres que les autres applications de puissance de
tests.
![[Calculateur du t]](images/t_calc.gif)
![[Calculateur du F]](images/fcalc.gif)
Examinez les captures d'écran ci-dessus qui illustrent la manière dont le module Puissance de Test peut traiter des calculs extrêmement lourds sur des distributions non centrées. Un programme d'analyse de puissance de test va produire un message d'erreur et refuser de produire les calculs de l'exemple du F non centré, avec un message "Échec de Vérification des Limites". Un autre programme va produire, sans autre commentaire, des résultats totalement faux pour l'exemple du t non centré.
- Parce qu'en appuyant sur quelques boutons, le programme va produire automatiquement des graphiques élégants et professionnels, représentant la puissance de test en fonction de la taille d'échantillon, la puissance de test en fonction de la taille des effets, la puissance de test en fonction de alpha. Des menus pour personnaliser l'étendue des graphiques sont immédiatement disponibles, ce qui vous permet de définir délimiter la zone à étudier et de produire rapidement plusieurs graphiques à la suite. Le programme produit tout le détail de la procédure, décrivant le calcul sous une forme pouvant être transférée directement dans votre rapport final, publication, etc...
- Comparaison d'une moyenne à un standard
- Test-t de comparaison de 2 moyennes dans des échantillons indépendants
- Test-t de comparaison de 2 moyennes dans des échantillons appariés
- Contrastes Planifiés
- ANOVA à 1 facteur (effets fixes ou aléatoires)
- ANOVA à 2 facteurs
- Test du Chi2 sur une seule variable
- Test F de comparaison de 2 variances
- Test-Z (ou test du Chi2) de comparaison d'une proportion à un standard
- Test-Z de coimparaison de 2 proportions indépendantes
- Test de Mcnemar sur 2 proportions appariées
- Test-F de significativité du R2
- Test-t de significativité du coefficient de corrélation
- Test-t de comparaison de 2 coefficients de corrélation indépendants
- Test des Log-rangs de l'analyse de survie
- Test d'égalité de survie exponentielle, avec période cumulée
- Test d'égalité de survie exponentielle, avec une période cumulée et abandons
- Test de significativité du Chi2 en modélisation d'équations structurelles
- Tests d'ajustement en analyse factorielle confirmatoire dans la modélisation d'équations structurelles
| Haut de la Page |
Estimation des Intervalles de Confiance. La pratique statistique moderne a donné un nouvel élan à l'estimation des intervalles de confiance, non seulement pour la conception des études, mais également pour leur interprétation. Le module Puissance de Test est le seul programme de ce type à calculer les intervalles de confiance pour un certain nombre de grandeurs statistiques importantes comme la taille des effets centrés-réduits (dans les tests t et l'ANOVA), les coefficients de corrélation, la corrélation multiple au carré, une proportion dans un échantillon et la différence entre les proportions de plusieurs échantillons (indépendants ou appariés). Ces possibilités peuvent être utilisées à la fois pour construire les intervalles de confiance sur les valeurs telles que la puissance du test ou les tailles d'échantillons, permettant ainsi à l'utilisateur de construire à partir de données issues d'une étude particulière, un intervalle de confiance exact sur la taille d'échantillon requise pour une autre étude.
Calculateurs de Distributions Statistiques. Outre, le large choix de distributions disponibles dans tous les modules de STATISTICA, le module Puissance de Test offre des procédures spécifiques particulièrement utiles pour réaliser des calculs de puissance de test. Ces routines, qui incluent les distributions non centrées de Student, du F et du Chi2, la distribution binomiale, les distributions exactes des coefficients de corrélation et du coefficient de corrélation multiple au carré, se caractérisent par leurs faculté à produire une solution lorsqu'un paramètre reste inconnu, et à traiter des cas "non-nuls".
Par exemple, le programme peut non seulement calculer le coefficient de corrélation de Pearson p en fonction de r et de N pour rho=0, mais aussi pour d'autres valeurs de rho. En outre, il peut déterminer la valeur exacte de rho pour un r donné à un pourcentage particulier, et pour une taille d'échantillon N donnée.
![[Boîte de dialogue des résultats]](images/pow_example.gif)
Exemple d'Application.
Imaginons que vous souhaitiez produire une ANOVA à un
facteur pour étudier l'effet d'un médicament.
Avant de concevoir l'étude, vous réalisez qu'une
étude similaire a déjà
été réalisée
précédemment. Cette étude
particulière était basée sur 4
groupes, avec N = 50 observations par groupe, et a donné une
valeur du F égale à 15,4.
À partir de cette information, vous pouvez (a)
évaluer l'importance de l'effet dans la population avec un
intervalle de confiance exact, (b) utiliser cette information pour
définir la taille minimum de votre échantillon
pour cette nouvelle étude. Saisissez simplement les données dans la boîte de dialogue appropriée, et les résultats sont calculés instantanément comme vous pouvez le constater à gauche.
Dans cet exemple, nous constatons que l'intervalle de confiance à 90% de l'effet quadratique moyen centré-réduit (RMSSE), est compris entre 0,398 et 0,686. Avec des effets de cette ampleur, il n'est pas étonnant que l'intervalle de confiance à 90% de la puissance du test soit compris entre 0,989 et presque 1. Nous pouvons utiliser cette information pour construire l'intervalle de confiance du N désiré afin d'obtenir la puissance de test cible (dans ce cas, 90%). Cet intervalle de confiance est compris entre 12 et 31. Ainsi, sur la base de l'étude précédente, nous pouvons être sûr à 90% qu'une taille d'échantillon n'excédant pas 31 aurait été suffisante pour obtenir une puissance de test de 0,90.
![[Premier graphique]](images/power1.gif)
![[Second graphique]](images/power2.gif)
Revenons
à notre étude, et supposons que nous cherchions
à examiner la relation entre la puissance de test et la
taille de l'effet pour une taille d'échantillon
égale à 31. Le premier graphique (à
gauche) indique clairement que tant que la taille de l'effet du
médicament demeure dans l'intervalle de confiance
défini dans l'étude
précédente, la puissance du test reste
importante. En revanche, si la taille de l'effet de notre
médicament est de l'ordre de 0,25, la puissance du test
deviendrait clairement inadaptée. De la même
manière, si nous utilisions la même taille
d'échantillon que dans l'étude
précédente (c'est-à-dire 50 individus
par groupe), nous constaterions que la puissance de test reste
raisonnable, même pour des effets de l'ordre de 0,28 (voir le
graphique à droite). Avec le module Puissance de
Test, toute cette analyse ne prendrait guère plus
qu'une minute ou deux.
| Haut de la Page |
Configuration minimum :
- Système d'exploitation : Windows XP ou ultérieur
- RAM : 256 Mo
- Processeur : 500 MHz
Configuration recommandée :
- Système d'exploitation : Windows XP ou ultérieur
- RAM : 1 Go
- Processeur : 2,0 GHz
Versions natives en 64-bits et versions optimisées pour les ordinateurs multiprocesseurs disponibles.
Didacticiels en anglais
N'hésitez pas à consulter notre série de didacticiels en anglais sur YouTube ou sur notre site Web. Vous trouverez des vidéo-clips décrivant pas-à-pas différentes opérations que vous pouvez réaliser à l'aide de STATISTICA. Si vous souhaitez voir aborder un thème particulier, merci de nous écrire.