Puissance et effectif de l'échantillon pour 1 variance
Planifie un test de 1 variance de la dispersion d'un procédé par rapport à une cible ou à une valeur historique. Saisissez deux éléments parmi l'effectif de l'échantillon, le rapport (écart-type réel divisé par écart-type hypothétique) et la puissance, et l'outil résout le troisième par un calcul exact du khi-deux. Il suppose des données normales et est sensible à la non-normalité. Fournit un tableau de résultats avec la puissance réelle et une courbe de puissance.
Dernière révision
Point clé
Power and Sample Size for 1 Variance planifie un test du khi-deux sur l'écart-type d'un procédé par rapport à une cible, en résolvant l'effectif de l'échantillon, la puissance ou le rapport détectable entre écart-type réel et hypothétique.
Sur cette page
Objectif
Power and Sample Size for 1 Variance planifie un test de l'écart-type (ou de la variance) d'un procédé par rapport à une cible ou à une valeur historique. Il répond à la question du nombre de mesures nécessaires pour détecter une augmentation ou une diminution donnée de la dispersion, de la puissance qu'offre un échantillon prévu, ou du plus petit changement de dispersion qu'un échantillon donné peut détecter. Le changement est saisi sous forme de rapport entre l'écart-type réel et l'écart-type hypothétique, il n'est donc pas nécessaire de saisir l'écart-type lui-même. Saisissez deux éléments parmi l'effectif de l'échantillon, le rapport et la puissance, et l'outil résout le troisième. Utilisez-le avant un test de 1 variance, par exemple pour vérifier qu'une modification du procédé n'a pas aggravé la dispersion.
Principales fonctionnalités
- Résout l'effectif de l'échantillon, la puissance ou le rapport : laissez vide celui que vous voulez.
- Plusieurs valeurs à la fois, p. ex. des rapports « 1.25 1.5 2 » et des valeurs de puissance « 0.8 0.9 », donnent une ligne par combinaison.
- Hypothèses alternatives bilatérale (Ratio ≠ hypothesized ratio) ou unilatérales (inférieure à, supérieure à), au niveau de confiance que vous choisissez.
- Calcul exact du khi-deux, sans approximation normale.
- Courbe de puissance en fonction de l'effectif de l'échantillon pour chaque rapport, avec les points résolus repérés.
Méthodes statistiques
Le test sous-jacent au calcul est le test du khi-deux pour une variance : avec n mesures issues d'une population normale, (n − 1)·S²/σ₀² suit une distribution du khi-deux à n − 1 degrés de liberté lorsque l'écart-type réel est égal à la valeur hypothétique σ₀. Si l'écart-type réel est σ = r·σ₀, la même statistique vaut r² fois une variable du khi-deux, de sorte que seul le rapport r compte. Le seuil de signification est α = 1 − niveau de confiance / 100.
Pour l'hypothèse alternative « supérieure à », puissance = P(χ²ₙ₋₁ > c₁₋α / r²), où c₁₋α est la valeur critique supérieure du khi-deux. Pour « inférieure à », puissance = P(χ²ₙ₋₁ < c_α / r²). Pour le test bilatéral, les deux queues comptent, avec c_α/2 et c₁₋α/2. L'effectif de l'échantillon correspondant à une puissance cible est trouvée numériquement et arrondie à l'entier supérieur, et la puissance à cet entier est fournie comme puissance réelle. Lors de la résolution du rapport, l'outil cherche en dessous de 1 pour l'hypothèse alternative « inférieure à » et au-dessus de 1 sinon.
Le test du khi-deux suppose des données normales et est sensible aux écarts à la normalité ; vérifiez donc la forme des données lorsque vous exécutez le test. Détecter un changement de dispersion demande plus de données que la plupart des gens ne le pensent : de petits rapports comme 1.25 nécessitent de grands échantillons.
Champs de saisie et options
Champ | Description |
Sample sizes | Séparées par des espaces ou des virgules, p. ex. « 10 20 30 ». Laissez vide pour résoudre l'effectif de l'échantillon. |
Ratio(s) | Séparés par des espaces ou des virgules, p. ex. « 1.5 2 ». Rapport entre l'écart-type réel et l'écart-type hypothétique que vous voulez détecter. Laissez vide pour le résoudre. |
Power values | Séparées par des espaces ou des virgules, p. ex. « 0.8 0.9 ». Laissez vide pour résoudre la puissance. |
Confidence level | Par défaut 95 (α = 0.05) ; de 75 à 100. |
Alternative hypothesis | Ratio ≠ hypothesized ratio (par défaut), Ratio < hypothesized ratio ou Ratio > hypothesized ratio. |
Power curve | Coché par défaut : trace la puissance en fonction de l'effectif de l'échantillon. |
Title | Titre affiché sur les résultats et sur la courbe de puissance. |

Figure 1 — Résolution de l'effectif de l'échantillon : Ratio(s) = 1.5, Power values = 0.8 0.9, unilatéral (Ratio > hypothesized ratio) à un niveau de confiance de 95%.
Description des résultats
- Settings — ce qui a été résolu, le niveau de confiance et l'hypothèse alternative.
- Results — une ligne par combinaison : rapport, effectif de l'échantillon, et puissance cible et réelle lors de la résolution de l'effectif de l'échantillon, ou puissance lors de la résolution de la puissance, ou rapport lors de la résolution du rapport.
- Power Curve — puissance en fonction de l'effectif de l'échantillon pour chaque rapport, avec les points calculés repérés.
- Export PDF via Download.

Figure 2 — Résultats de l'exemple : 19 comprimés pour 80% de puissance et 27 pour 90% de puissance afin de détecter une augmentation de 50% de l'écart-type.
Exemple résolu
Une presse à comprimés a un écart-type de poids à long terme de 2 mg. Après la pose d'un nouveau jeu de poinçons, l'équipe qualité veut vérifier que la dispersion n'a pas augmenté, et une hausse à 3 mg (un rapport de 1.5) poserait problème. Seule une augmentation importe, elle choisit donc Ratio > hypothesized ratio. Elle laisse Sample sizes vide et saisit Ratio(s) = 1.5 et Power values = 0.8 0.9, à un niveau de confiance de 95%.
L'outil exige 19 comprimés pour 80% de puissance (puissance réelle 0.802) et 27 comprimés pour 90% de puissance (puissance réelle 0.900). Un contrôle rapide de 10 comprimés n'a qu'une puissance de 0.583. L'ampleur du changement compte beaucoup : détecter un rapport de 1.25 (2.5 mg) avec 80% de puissance exige 61 comprimés, alors qu'un doublement de l'écart-type n'en exige que 8. Un test bilatéral à un rapport de 1.5 exige 24 comprimés pour 80% de puissance.
Questions fréquentes
Pourquoi le changement de dispersion est-il saisi sous forme de rapport ?
Le test du khi-deux pour une variance utilise (n - 1) fois S au carré divisé par la variance hypothétique. Si l'écart-type réel vaut r fois l'écart-type hypothétique, cette statistique vaut r au carré fois une variable du khi-deux, de sorte que seul le rapport r compte. Vous saisissez donc le rapport entre écart-type réel et hypothétique, et non l'écart-type lui-même.
Combien d'échantillons faut-il pour détecter un changement d'écart-type ?
Détecter un changement de dispersion demande plus de données que la plupart des gens ne le pensent. Dans un exemple résolu, détecter une augmentation de 50 % de l'écart-type (rapport 1.5) avec un test unilatéral à un niveau de confiance de 95 % exige 19 éléments pour 80 % de puissance et 27 pour 90 %. Un rapport de 1.25 exige 61 éléments pour 80 % de puissance, alors qu'un doublement n'en exige que 8.
Quelles sont les hypothèses du calcul de puissance pour 1 variance ?
Il suppose que les mesures proviennent d'une population normale, car le test du khi-deux pour une variance repose sur la normalité et est sensible aux écarts à celle-ci. Vérifiez la forme des données lorsque vous exécutez le test. Le calcul lui-même est exact, il utilise la distribution du khi-deux plutôt qu'une approximation normale.
Le test de 1 variance doit-il être unilatéral ou bilatéral ?
Choisissez une hypothèse alternative unilatérale lorsque seule une augmentation, ou seule une diminution, de la dispersion importe, par exemple pour vérifier qu'une modification du procédé n'a pas aggravé la variation. Un test bilatéral exige plus de mesures : dans l'exemple résolu, un rapport de 1.5 exige 19 éléments pour 80 % de puissance en unilatéral, mais 24 éléments en bilatéral.
