<\/p>\n\n\n\n
Lean Hamburrger est un restaurant fastfood servant des\nhamburgers parmi d\u2019autres produits. Le restaurant affirme que la teneur moyenne\nen graisse des hamburgers est de 15 grammes.<\/p>\n\n\n\n
Cette \u00e9tude de cas traite La section, la premi\u00e8re\nsection d\u00e9crit bri\u00e8vement la phase de\nd\u00e9finition. La section 2 illustre la phase de mesure avec des instructions\nd\u00e9taill\u00e9es pour l\u2019utilisation de Minitab\u00ae. La phase d’analyse est bri\u00e8vement\nd\u00e9crite \u00e0 la section 3. La section 4 illustre la phase d’am\u00e9lioration avec des\ninstructions d\u00e9taill\u00e9es pour l’utilisation de Minitab\u00ae. Enfin, la phase de\ncontr\u00f4le est bri\u00e8vement d\u00e9crite \u00e0 la section 5.<\/p>\n\n\n\n
R\u00e9cemment, quelques clients se sont plaints aupr\u00e8s du\nresponsable du fast food que la teneur\nen graisse des hamburgers semblait \u00eatre sup\u00e9rieure \u00e0 celle de 15 grammes\nr\u00e9clam\u00e9e par le restaurant. Le responsable souhaite utiliser des intervalles de\nconfiance de 95% pour v\u00e9rifier si la r\u00e9clamation du restaurant de 15 grammes\n(moyenne) de graisse dans les hamburgers est correcte. Il souhaite \u00e9galement\nv\u00e9rifier son hypoth\u00e8se selon laquelle l’\u00e9cart type de la teneur en graisse est\ninf\u00e9rieur \u00e0 1 gramme.<\/p>\n\n\n\n
On s\u00e9lectionne au hasard 20 hamburgers et mesure la teneur\nen mati\u00e8res grasses (en grammes) dans chacun d\u2019entre eux de la mani\u00e8re\nsuivante: , 15,6, 13,5, 14,0, 16,5, 19,0 et 18,6.<\/p>\n\n\n\n
Le tableau contenant les donn\u00e9es ci-dessus. Avant de construire un intervalle de confiance pour les donn\u00e9es ci-dessus, il est important de v\u00e9rifier si les donn\u00e9es sont sous contr\u00f4le statistique. <\/p>\n\n\n\n
\u00c9tant donn\u00e9 que chaque num\u00e9ro correspond \u00e0 un hamburger, les\ncartes de contr\u00f4le appropri\u00e9es sont des cartes I-MR (plage individuelle et\nplage mobile). La figure 1 montre comment s\u00e9lectionner des graphiques I-MR dans\nMinitab\u00ae. <\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n Le patron du restaurant v\u00e9rifie ensuite l’hypoth\u00e8se selon laquelle l’\u00e9cart type de la teneur en mati\u00e8re grasse est inf\u00e9rieur \u00e0 1 gramme. Il proc\u00e8de par d\u00e9terminer si la variance ou l\u2019\u00e9cart type de l\u2019\u00e9chantillon diff\u00e8re de 1gramme. <\/p>\n\n\n\n Test et limites de confiance pour 1 variance : Graisse<\/p>\n\n\n\n M\u00e9thode<\/p>\n\n\n\n Statistiques descriptives<\/p>\n\n\n\n Avant de passer \u00e0 la phase d\u2019am\u00e9lioration, le patron\nsouhaite v\u00e9rifier le nombre de clients insatisfaits. \u00c0 cette fin, il\ns\u00e9lectionne au hasard 1 000 clients qui ont achet\u00e9 des hamburgers et constate\nque 83 d\u2019entre eux sont m\u00e9contents de la qualit\u00e9 des aliments. Il construit\nensuite un intervalle de confiance pour la proportion de tous les clients\ninsatisfaits.<\/p>\n\n\n\n Test et IC pour 1 proportion<\/p>\n\n\n\n M\u00e9thode<\/p>\n\n\n\n Statistiques descriptives<\/p>\n\n\n\n Test<\/p>\n\n\n\n Test et IC pour 1 proportion<\/p>\n\n\n\n M\u00e9thode<\/p>\n\n\n\n Statistiques descriptives<\/p>\n\n\n\n Test<\/p>\n\n\n\n Quelle lecteur peut-on faire de la proportion maximale dans\nun intervalle de confiance de 95% qui ne sont pas satisfait<\/p>\n\n\n\n Le patron analyse le processus et d\u00e9couvre que la teneur en\ngraisse et ses variations sont fortement influenc\u00e9es par la quantit\u00e9 d’huile\nutilis\u00e9e par les employ\u00e9s sur les trois diff\u00e9rentes grilles utilis\u00e9es pour la\nfabrication des hamburgers.<\/p>\n\n\n\n Le patron normalise le processus de sorte que l\u2019utilisation\nde l\u2019huile sur les trois diff\u00e9rentes grilles soit contr\u00f4l\u00e9e. Une machine\nautomatique est achet\u00e9e et install\u00e9e pour distribuer de l’huile sur un gril\nchaque fois qu’un hamburger est fabriqu\u00e9.<\/p>\n\n\n\n Afin de v\u00e9rifier si le processus s’est vraiment am\u00e9lior\u00e9, le\nresponsable des op\u00e9rations s\u00e9lectionne au hasard 20 hamburgers et mesure la\nteneur en mati\u00e8res grasses (en grammes) dans chacun d’entre eux de la mani\u00e8re\nsuivante: <\/p>\n\n\n\n 14,9 15,0 15,4 15,3 15,2 15,1 14,9 14,8 15,6 14,5 15,3 15,8\n15,0 15,0 14,3 15,3 15,2 14,7 15,1 14,7<\/p>\n\n\n\n les donn\u00e9es ci-dessus Avant de construire un intervalle de confiance pour les donn\u00e9es ci-dessus, il est important de v\u00e9rifier si les donn\u00e9es sont sous contr\u00f4le statistique. \u00c9tant donn\u00e9 que chaque num\u00e9ro correspond \u00e0 un hamburger, les cartes de contr\u00f4le appropri\u00e9es sont des cartes I-MR (plage mobile individuelle).<\/p>\n","protected":false},"excerpt":{"rendered":" Lean Hamburrger est un restaurant fastfood servant des hamburgers parmi d\u2019autres produits. Le restaurant affirme que la teneur moyenne en graisse des hamburgers est de 15 grammes. Cette \u00e9tude de cas traite La section, la premi\u00e8re section d\u00e9crit bri\u00e8vement la phase de d\u00e9finition. La section 2 illustre la phase de mesure avec des instructions d\u00e9taill\u00e9es […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_crdt_document":"","footnotes":""},"categories":[1],"tags":[],"class_list":["post-252","post","type-post","status-publish","format-standard","hentry","category-non-classe"],"_links":{"self":[{"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/posts\/252","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/comments?post=252"}],"version-history":[{"count":4,"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/posts\/252\/revisions"}],"predecessor-version":[{"id":439,"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/posts\/252\/revisions\/439"}],"wp:attachment":[{"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/media?parent=252"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/categories?post=252"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/tags?post=252"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}\n Graisse\n <\/td><\/tr> \n 15,5\n <\/td><\/tr> \n 12,3\n <\/td><\/tr> \n 15,4\n <\/td><\/tr> \n 16,5\n <\/td><\/tr> \n 15,9\n <\/td><\/tr> \n 17,1\n <\/td><\/tr> \n 16,9\n <\/td><\/tr> \n 14,3\n <\/td><\/tr> \n 19,1\n <\/td><\/tr> \n 18,2\n <\/td><\/tr> \n 18,5\n <\/td><\/tr> \n 16,3\n <\/td><\/tr> \n 20\n <\/td><\/tr> \n 19\n <\/td><\/tr> \n 15,6\n <\/td><\/tr> \n 13,5\n <\/td><\/tr> \n 14\n <\/td><\/tr> \n 16,5\n <\/td><\/tr> \n 19\n <\/td><\/tr> \n 18,6\n <\/td><\/tr> \n \n <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n \n \u03c3: \u00e9cart type de Graisse\n <\/td><\/tr> \n La m\u00e9thode de Bonett est valide\n pour toute loi de distribution continue.\n <\/td><\/tr> \n La m\u00e9thode du Khi deux est valide\n uniquement pour la loi normale.\n <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n \n N\n <\/td> \n EcTyp\n <\/td> \n Variance\n <\/td> \n Borne\n sup\u00e9rieure
\n \u00e0 95% pour \u03c3
\n utilisant Bonett\n <\/td>\n Borne\n sup\u00e9rieure \u00e0
\n 95% pour \u03c3
\n utilisant Khi deux\n <\/td><\/tr>\n 20\n <\/td> \n 2,11\n <\/td> \n 4,43\n <\/td> \n 2,81\n <\/td> \n 2,89\n <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n \n p : proportion d’\u00e9v\u00e9nement\n <\/td><\/tr> \n La m\u00e9thode de l’approximation\n selon la loi normale est utilis\u00e9e pour cette analyse.\n <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n \n N\n <\/td> \n Ev\u00e9nement\n <\/td> \n P\n \u00e9chantillon\n <\/td> \n Borne
\n sup\u00e9rieure \u00e0
\n 95% pour p\n <\/td><\/tr>\n 1000\n <\/td> \n 83\n <\/td> \n 0,083000\n <\/td> \n 0,097350\n <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n \n Hypoth\u00e8se nulle\n <\/td> \n H\u2080 : p = 0,5\n <\/td><\/tr> \n Hypoth\u00e8se alternative\n <\/td> \n H\u2081 : p < 0,5\n <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n \n p : proportion d’\u00e9v\u00e9nement\n <\/td><\/tr> \n La m\u00e9thode de l’approximation\n selon la loi normale est utilis\u00e9e pour cette analyse.\n <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n \n N\n <\/td> \n Ev\u00e9nement\n <\/td> \n P\n \u00e9chantillon\n <\/td> \n Borne
\n sup\u00e9rieure \u00e0
\n 95% pour p\n <\/td><\/tr>\n 1000\n <\/td> \n 83\n <\/td> \n 0,083000\n <\/td> \n 0,097350\n <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n \n Hypoth\u00e8se nulle\n <\/td> \n H\u2080 : p = 0,5\n <\/td><\/tr> \n Hypoth\u00e8se alternative\n <\/td> \n H\u2081 : p < 0,5\n <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n Phase d’analyse<\/h1>\n\n\n\n
Phase d\u2019am\u00e9lioration<\/h1>\n\n\n\n