Résultats statistiquement significatifs par rapport à des résultats pratiquement significatifs dans l'assemblage SMT

Les amis,

Tous les jours, nous sommes exposés aux résultats d’enquêtes et de sondages.  Un exemple typique est celui du Président Obama qui devance Mitt Romney dans un sondage avec 48% contre 45%, mais les résultats ne sont pas statistiquement significatifs.  La question qui se pose alors est « Que signifie être statistiquement significatif ? »  

Pour déterminer la signification statistique, en général, le statisticien utilisera le critère selon lequel s'il y a seulement 5% de chance ou moins que la conclusion soit fausse, alors on considère que c'est statistiquement significatif. Donc, lorsqu'un autre sondage indiquera que le Président Obama est en tête avec 49% contre 44% et que cela est statistiquement significatif, il y a, statistiquement, moins de 5% de chance que la conclusion soit fausse. Le critère de 5% n’est pas figé. Parfois 10%, 1% ou même 0,1% peut être utilisé. Cependant, la tradition donne 5% comme valeur par défaut pour la « signification statistique ». Il est aussi utile de comprendre que, plus il y a de points de données dans l’échantillon, plus il est probable que les résultats soient statistiquement significatifs.    

Mais si certaines données sont statistiquement significatives, est-ce toujours « pratiquement » significatif ? Par exemple, disons que vous aimez vraiment le chocolat. Votre marque préférée fait partie d’un test de goût et obtient 9,6 sur 10 alors qu’un nouveau chocolat obtient 9,7 sur 10 et que les résultats sont statistiquement significatifs. L’inconvénient est que ne nouveau chocolat coûte 5 fois plus cher. Cela vaut-il le coup de payer plus pour le nouveau chocolat ? Dans ce cas, nous devons nous demander si la différence est pratiquement significative. La réponse. La réponse est, selon toute probabilité, non. Une différence de 0,1 point sur 10 est très faible et le goût est aussi subjectif. Ici, le résultat peut ne pas être pratiquement significatif. La subjectivité d’un test de goût peut signifier soit que vous ne pouvez pas faire la différence soit que vous préférez toujours votre chocolat favori.

Observons un autre exemple moins subjectif.  Supposez que, dans une application donnée, le vide de brasage  est un problème crucial.  Donc, vous mesurez le vide de deux pâtes de brasage. Après avoir collecté des centaines de points de données, vous trouvez que le vide moyen d’une pâte de brasage est de 8 % et que celui de l’autre est de 7 %.  L’analyse avec le logiciel Mintab® vous indique que la différence est statistiquement significative.  Mais la différence est-elle pratiquement significative ? Probablement pas.

Comment déterminez-vous la signification pratique ? En général, ce sera par une expérimentation ou, dans certains cas, par l’expérience.  dans notre exemple de vide de brasage, supposez que les expériences ont montré que tant que la moyenne de vide est en dessous de 30 %, il n’y aura pas de problème. A la lumière de cela, l’ingénierie peut définir une spécification précisant que le vide ne doit pas dépasser 25 % en moyenne.  (Toute cette discussion suppose que la diffusion ou la déviation standard des données n’est pas importante mais cela est le sujet d’une autre discussion.)  Donc, dans ce cas, la différence entre 7 et 8 % de vide peut être statistiquement significative mais pas pratiquement significative. Donc un ingénieur prudent doit sélectionner la pâte à 8 % si elle a d’autres caractéristiques souhaitées comme une meilleure réaction à la pause, ou une meilleure résistance à l’effet de graping, ou une amélioration du défaut de head-in-pillow.

Alors demandez-vous toujours : est-ce que la différence est à la fois statistique et pratique ?

L’image montre un effet de graping sur une soudure par brasage qui souvent un problème plus préoccupant qu’un vide.

Au plaisir,

Dr. Ron

Translation powered by Avalon Professional Translation