![\"\"](\"https:\/\/excelop.net\/exo\/wp-content\/uploads\/2019\/06\/IM11.png\")
<\/figure>\n\n\n\nIl souhaite \u00e9galement v\u00e9rifier si les donn\u00e9es sont\nnormalement distribu\u00e9es avant de s’appuyer sur l’intervalle de confiance. Pour\nse faire <\/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 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 On proc\u00e8de au test statistique suivant et on obtient les r\u00e9sultats\nsuivants :<\/p>\n\n\n\n Test T \u00e0 2 \u00e9chantillons et IC : avant; apr\u00e9s<\/p>\n\n\n\n M\u00e9thode<\/p>\n\n\n\n Les\nvariances ne sont pas suppos\u00e9es \u00e9gales pour cette analyse.<\/em><\/p>\n\n\n\n Statistiques descriptives<\/p>\n\n\n\n Estimation de la diff\u00e9rence<\/p>\n\n\n\n Test<\/p>\n\n\n\n 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. R\u00e9cemment, quelques clients se sont plaints aupr\u00e8s du responsable du fast food que la teneur en graisse des hamburgers semblait \u00eatre sup\u00e9rieure \u00e0 celle de 15 grammes r\u00e9clam\u00e9e […]<\/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-254","post","type-post","status-publish","format-standard","hentry","category-non-classe"],"_links":{"self":[{"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/posts\/254","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=254"}],"version-history":[{"count":3,"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/posts\/254\/revisions"}],"predecessor-version":[{"id":368,"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/posts\/254\/revisions\/368"}],"wp:attachment":[{"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/media?parent=254"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/categories?post=254"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/excelop.net\/exo\/wp-json\/wp\/v2\/tags?post=254"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}![\"\"](\"https:\/\/excelop.net\/exo\/wp-content\/uploads\/2019\/06\/IM22.png\")
<\/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>\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>\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>\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>\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>\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>\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>\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>\n\n\n\n Phase d’analyse<\/h1>\n\n\n\n
Phase d\u2019am\u00e9lioration<\/h1>\n\n\n\n
\n \u03bc\u2081 : moyenne de avant\n <\/td><\/tr> \n \u00b5\u2082 : moyenne de apr\u00e9s\n <\/td><\/tr> \n Diff\u00e9rence : \u03bc\u2081 – \u00b5\u2082\n <\/td><\/tr><\/tbody><\/table>\n\n\n\n \n Echantillon\n <\/td> \n N\n <\/td> \n Moyenne\n <\/td> \n EcTyp\n <\/td> \n ErT
\n moyenne\n <\/td><\/tr>\n avant\n <\/td> \n 20\n <\/td> \n 16,61\n <\/td> \n 2,11\n <\/td> \n 0,47\n <\/td><\/tr> \n apr\u00e9s\n <\/td> \n 20\n <\/td> \n 15,055\n <\/td> \n 0,359\n <\/td> \n 0,080\n <\/td><\/tr><\/tbody><\/table>\n\n\n\n \n Diff\u00e9rence\n <\/td> \n IC \u00e0 95%
\n pour la
\n diff\u00e9rence\n <\/td><\/tr>\n 1,555\n <\/td> \n (0,559;\n 2,551)\n <\/td><\/tr><\/tbody><\/table>\n\n\n\n \n Hypoth\u00e8se nulle\n <\/td> \n H\u2080 : \u03bc\u2081 – \u00b5\u2082 = 0\n <\/td><\/tr> \n Hypoth\u00e8se alternative\n <\/td> \n H\u2081 : \u03bc\u2081 – \u00b5\u2082 \u2260 0\n <\/td><\/tr><\/tbody><\/table>\n\n\n\n \n Valeur
\n de T\n <\/td>\n DL\n <\/td> \n Valeur
\n de P\n <\/td><\/tr>\n 3,26\n <\/td> \n 20\n <\/td> \n 0,004\n <\/td><\/tr><\/tbody><\/table>\n","protected":false},"excerpt":{"rendered":"