Comment calculer et interpréter la valeur de p ?
La valeur de p est souvent utilisée dans les tests d'hypothèses. Minitab affiche automatiquement les valeurs de p pour la plupart des tests d'hypothèses. Toutefois, vous pouvez également utiliser Minitab pour calculer "manuellement" une valeur de p.
Que sont les tests de Poisson à un ou deux échantillons ?
Les tests de Poisson à un ou deux échantillons permettent d’effectuer une inférence statistique sur des données issues de lois de Poisson.
Qualité dans le domaine de la santé : Faire la différence avec les données
En quoi les statistiques et l'analyse des données permettent-elles d'améliorer les résultats dans les établissements de soins de santé ? William H. Woodall, professeur de statistiques à l'université Virginia Tech, mène des recherches sur la question depuis plus de dix ans.
Transformation de la qualité des soins de santé
Le centre Joint Commission Center for Transforming Healthcare aide les établissements de santé à améliorer la qualité et la sécurité pour les patients, à l'aide des logiciels Minitab.
Réaliser une simulation de Monte-Carlo à l'aide de Minitab Statistical Software
La simulation de Monte-Carlo utilise un échantillonnage aléatoire répété pour simuler les données d'un modèle mathématique donné et évaluer les résultats.
Comment modéliser les données pour réaliser une analyse de fiabilité ?
Pour effectuer une analyse de fiabilité, vous devrez choisir une distribution qui vous permettra de modéliser vos données. Plus la distribution sélectionnée s’ajustera bien à vos données, plus les estimations statistiques issues de la modélisation décriront avec précision la performance réelle de votre produit.
Comment identifier les variables les plus importantes dans un modèle de régression
Après une régression linéaire multiple pour générer un modèle avec plusieurs variables significatives, vous vous demandez : « Quelle est la variable la plus importante ? »
En quoi la transformation Box-Cox peut vous être utile
Pour une analyse de capabilité, l’hypothèse de normalité des données est cruciale. La non-normalité peut biaiser les estimations de la capabilité de votre procédé.