S’enregistrer  FAQ  Rechercher  Membres  Groupes  Profil  Se connecter pour vérifier ses messages privés  Connexion 


 ECOLE NATIONALE D'ADMINISTRATION 
l'histogramme

 
Poster un nouveau sujet  Répondre au sujet   ENA2008 Index du Forum » le tronc commun » les matières du tronc commun » statistique descriptive » sujets relatifs
Sujet précédent :: Sujet suivant  
Auteur Message
rachislam
Administrateur


Hors ligne

Inscrit le: 18 Nov 2008
Messages: 437
Localisation: salé

MessagePosté le: Ven 13 Mar - 22:54 (2009)    Sujet du message: l'histogramme Répondre en citant
salam
L’histogramme un outil pour la gestion de la qualité [modifier]
L’histogramme est un moyen simple et rapide pour représenter la distribution d’un paramètre obtenu lors d’une fabrication.
Exemples :
  • diamètre d’un arbre après usinage,
  • dureté d’une série de pièces après un traitement thermique,
  • concentration d’un élément dans la composition d’alliages produit par une fonderie,
  • masse de préparation alimentaire dans une boîte de conserve
  • répartition de la luminosité des pixels dans une photographie
  • etc.

L’histogramme est un outil « visuel » qui permet de détecter certaines anomalies ou de faire un diagnostic avant d’engager une démarche d’amélioration. Utilisé dans ce cadre, l’histogramme est un outil « qualitatif ». Pour pouvoir bien mener l’étude de la dispersion d’un paramètre à l’aide d’un ou de plusieurs histogrammes, il faut avoir une bonne connaissance du paramètre étudié. De même, il faut connaître les conditions de collecte des données : fréquence de mesure, outil de mesure utilisé, possibilité de mélange de lots, possibilité de tri etc.

Construction d’un histogramme [modifier]

Collecte des données [modifier]
La première phase est la collecte des données en cours de fabrication. Cette collecte peut être réalisée soit de façon exceptionnelle à l’occasion de l’étude du paramètre soit en utilisant un relevé automatique ou manuel fait lors d’un contrôle réalisé dans le cadre de la surveillance du procédé de fabrication.
Sans qu’il soit réellement possible de donner un nombre minimum, il faut que le nombre de valeurs relevées soit suffisant. Plus l’on dispose d’un nombre élevé de valeurs, plus l’interprétation sera aisée.

Nombre de classes [modifier]

Cet article ou cette section est sujet à caution car il ne cite pas suffisamment ses sources. (juin 2008)
Pour rendre l'article vérifiable, signalez les passages sans source avec {{Référence nécessaire}} et liez les informations aux sources avec les notes de bas de page. (modifier l'article)

La première opération est de déterminer le nombre de classes de l’histogramme. Généralement, dans le cadre d’une analyse de ce type, on utilise des classes de largeur identique.
Le nombre de classes dépend du nombre de valeurs N dont on dispose.
Le nombre de classes K peut être déterminé par la formule suivante :

ou plus simplement

Cependant, l’histogramme étant un outil visuel, il est possible de faire varier le nombre de classes. Ceci permet de voir l’histogramme avec un nombre différent de classes et ainsi de trouver le meilleur compromis qui facilitera l’interprétation. L’utilisation d’un logiciel dédié ou plus simplement d’un tableur facilite cette opération.

Intervalles de classe [modifier]
L’amplitude w de l’histogramme est

L’amplitude h théorique de chaque classe est alors :

Il faut arrondir cette valeur à un multiple de résolution de l’instrument de mesure (arrondi à l'excès).
Exemple : Soit la masse d’une préparation culinaire avant conditionnement. Le calcul d'amplitude de classe donne hth = 0,014 kg. La résolution de la balance utilisée est de 0,001 kg. On arrondit la valeur h à 0,015 kg.
Les classes peuvent être du type [limite [sub]inférieure[/sub] ; limite supérieure[ ou ] limite inférieure ; limite supérieure].
La valeur minimale de la première classe est donnée par la valeur minimale de la série moins une demi-résolution.
Exemple : la valeur la plus petite relevée lors de la fabrication de la préparation culinaire est de 0,498 g. La limite inférieur sera : 0,498 – (0,001 / 2) = 0,4975 kg.
Pour plus de facilité, il est préférable de prendre une valeurs « ronde » par exemple 0,495 kg

Exemple [modifier]
Soit la fabrication de rations alimentaires, la pesée des rations avant emballage donne la série de mesures suivantes en kg :
0,5470,5630,5320,5210,5140,5470,5780,5320,5520,5260,5340,5600,5020,5030,5160,565
0,5320,5740,5210,5230,5420,5390,5430,5480,5650,5690,5740,5960,5470,5780,5320,552
0,5540,5960,5290,5550,5590,5030,4990,5260,5510,5890,5880,5680,5640,5680,5560,523
0,5260,5790,5510,5840,5510,5120,5360,5670,5120,5530,5340,5590,4980,5670,5890,579

Les caractéristiques du relevé sont les suivantes :
  • Le nombre d'échantillons : N=64
  • L'étendue : w=0,098 kg
  • Valeur minimale : 0,498 kg
  • Valeur maximale : 0,596 kg


On en déduit les paramètres suivants pour l'histogramme :
  • Le nombre de classes est de 7 (en utilisant la formule avec le logarithme)
  • L'amplitude de classe est 0,098/7 = 0,014 kg que l'on arrondit à 0,015 kg (résolution de la balance : 0,001 kg)
  • La valeur minimale de la première classe est de 0,498 – (0,001/2) = 0,4975. Par souci de facilité pour l'interprétation, on peut arrondir cette valeur à 0,495 kg.

On obtient l'histogramme suivant



Interprétation d'un histogramme [modifier]

La distribution de beaucoup de paramètres industriels correspond souvent à une loi normale. On compare souvent l'histogramme obtenu au profil « en cloche » de la loi normale. Cette comparaison est visuelle et même si elle peut être une première approche, elle ne constitue pas un test de « normalité ». Pour cela, il faut exécuter un test dont un des plus classique est la droite de Henry.
Nota : la distribution suivant la loi normale, si elle est extrêmement fréquente, n'est pas systématique. On vérifiera que la distribution ne correspond pas à une distribution de défaut de forme (exemple : mesure de l'excentration dans un tube, position d'objets lancés dans la direction d'un mur dont certains rebondissent sur ce mur).
L'interprétation peut, par exemple, donner les résultats suivants :
Histogramme montrant un mélange de deux lots.Histogramme montrant un mélange de deux lots mais avec une moyenne proche. On veillera dans ce cas à faire aussi varier le nombre de classes pour vérifier qu'il ne s'agit pas d'un problème de construction.Histogramme montrant que le lot a subi un tri. Tous les éléments pour lesquels la valeur du paramètre mesuré était inférieure à A ont été supprimés.



















Nota : dans le cas d'histogramme montrant un mélange de deux lots ayant une moyenne différente, il existe des cas où la dispersion présente cet aspect sans pour autant incriminer un mélange. C'est par exemple le cas de la mesure d'une pièce cylindrique mais qui présente un défaut de type ovalisation. Les deux moyennes représentent alors le grand diamètre et le petit diamètre. C'est la connaissance du procédé et/ou du produit qui permet de réaliser ce type d'interprétation.

L'histogramme un outil pour estimer une densité [modifier]
Dans cette section, on utilise l'histogramme non pas comme un outil de visualisation, mais comme une estimation statistique de la distribution sous-jacente de l'échantillon. On dispose d'un échantillon
indépendamment et identiquement distribué selon une loi. On souhaite déduire de l'échantillon une estimation de la densitéinconnue, notée f.

Le cas discret [modifier]
On recherche les probabilités pi qui caractérisent la distribution. On note cette distribution f par abus. Un estimateur naturel est:

n(x) est le nombre d'observations de l'échantillon qui sont égales à x. Une manière alternative de noter cet estimateur est:

est la fonction indicatrice: elle vaut 1 lorsque son argument est vrai.

Le cas continu [modifier]
L'estimateur précédent n'est plus valable, car dans le cas continu, on ne peut plus compter le nombre d'observations exactement égales à x. Par contre, on peut considérer une boîte centrée en x, et de largeur h, paramètre positif. On peut compter le nombres d'observations approximativement (et non plus exactement) égales à x, en comptant les observations tombant dans ladite boîte. L'estimateur[1] devient:

où encore, en posant yi = (xix) / h:
.
Le paramètre h contrôle le niveau de lissage de l'estimation et doit être recherché avec soin. L'estimateur précédent présente de bonnes propriétés comparables à celle d'une densité continue:
  • il est positif ;
  • il s'intègre à l'unité.

Toutefois, il présente un gros défaut pour pouvoir estimer une densité: il n'est pas continue. Pour gagner la continuité, on utilisera l'estimateur de Parzen (ou à noyau). Le principe est simple: il suffit de remplacer la fonction indicatrice par une fonction réelle, qui attribue un poids d'autant plus important que les observations sont situées à proximité de x.


Ven 13 Mar - 22:54 (2009)
MSN
Auteur Message
Publicité




MessagePosté le: Ven 13 Mar - 22:54 (2009)    Sujet du message: Publicité
PublicitéSupprimer les publicités ?
Ven 13 Mar - 22:54 (2009)
Poster un nouveau sujet  Répondre au sujet   ENA2008 Index du Forum » sujets relatifs

Page 1 sur 1
Toutes les heures sont au format GMT

Montrer les messages depuis:

  

Sauter vers:  

Index | faire son forum | Forum gratuit d’entraide | Annuaire des forums gratuits | Signaler une violation | Conditions générales d'utilisation
Powered by phpBB © 2001, 2005 phpBB GroupTraduction par : phpBB-fr.com
Xmox 360 by Scott Stubblefield