Tests d’hypothèse : moyennes, proportions, variances et taux

Utilisez le mode « Comparer A × B » : collez les mesures de A et de B et indiquez lequel est meilleur (plus grand ou plus petit). La page choisit le test, montre la différence B − A avec son intervalle de confiance et dit si elle est réelle, si elle est assez grande pour compter et si l’échantillon était suffisant. Dans l’exemple du temps de cycle, la nouvelle méthode est plus rapide d’environ 2,2 s et tout l’intervalle est au-delà de 1 s : l’amélioration est donc réelle et significative en pratique.

Qu’une différence de la taille observée serait rare (moins de 5 % de probabilité) si A et B étaient identiques. Elle ne dit pas si la différence est grande : avec des échantillons énormes, des différences minuscules deviennent significatives. C’est pourquoi la page montre aussi l’intervalle de confiance et la bande de la différence qui compte.

Quand la même pièce, le même lot ou le même opérateur apparaît dans les deux conditions, comme la même pièce mesurée avec deux instruments ou le même lot avant et après un traitement. Le test apparié élimine la variation entre pièces et détecte souvent des différences que le test à 2 échantillons ne voit pas. Pièces différentes en A et en B : utilisez le test à 2 échantillons.

Seulement si tout l’intervalle de confiance tient dans la bande verte de la différence qui compte. Si l’intervalle est large, le résultat n’est pas concluant : l’échantillon était trop petit. La courbe de puissance montre la probabilité qu’avait le test de voir la différence et combien d’échantillons manquent pour atteindre 80 %.

Pour comparer deux proportions de défectueux (avant × après, équipe × équipe), utilisez 2 proportions : la page fait le test Z et le test exact de Fisher, valable même avec peu de défauts. Pour des comptages de défauts par pièce, de pannes par mois ou d’arrêts par équipe, utilisez les taux de Poisson.

À comparer la dispersion (stabilité) de deux processus sans supposer des données normales. Les tests F et du khi-deux ne sont exacts qu’avec des données normales et se trompent souvent avec des queues épaisses. Un processus B de même moyenne mais d’écart-type plus faible est aussi une amélioration : moins de pièces hors spécification.

Parce que chaque regard est une nouvelle occasion de fausse alarme. En regardant 5 fois à 5 %, la probabilité réelle de « trouver » une différence qui n’existe pas atteint près de 14 %. Fixez la taille d’échantillon à l’avance, ou indiquez combien de fois vous avez regardé : la page montre l’α réel et le seuil de p corrigé pour chaque regard.