Ce que les M&M’s peuvent nous apprendre sur la confiance dans les données
Presque tout le monde aime les M&M’s. Et l’analyse des données ? C’est une autre histoire. Pour beaucoup de gens, cela peut sembler abstrait ou intimidant.
Mais ces petits bonbons s’avèrent être un moyen étonnamment efficace de rendre les données concrètes, visuelles et faciles à comprendre.
Pour commencer, nous avons utilisé le test d’hypothèse approprié dans Minitab Solution Center, qui vous guide étape par étape en fonction de votre objectif et de votre type de données. À partir de là, le processus fut simple : peser quelques sacs. Compter ce qu’il y a à l’intérieur. Repérer les couleurs. Rechercher les erreurs d’impression. Très rapidement, nous répondions à de vraies questions avec de vrais chiffres.
Le poids des sachets est-il exact ?
Chaque sachet de M&M’s est étiqueté comme pesant 49,3 grammes.
Pour vérifier si cette affirmation est exacte, nous avons pesé 30 sachets et appliqué un test t à un échantillon dans Minitab pour comparer le poids moyen à 49,3 grammes.
Nos résultats ont montré que le poids moyen était de 52,040 grammes et que notre valeur-p était de 0,000. Comme la valeur-p est bien inférieure à 0,05, nous pouvons conclure en toute confiance que le poids moyen des sachets n’est pas de 49,3 grammes.
Dans ce cas précis, c’est une bonne nouvelle. Les sacs étaient en moyenne plus lourds, ce qui signifie que les consommateurs obtiennent plus que ce qui est indiqué sur l’étiquette.
Deux personnes obtiendraient-elles les mêmes mesures ?
Si deux personnes pèsent exactement les mêmes 30 sachets à l’aide de la même balance, leurs résultats seront-ils identiques ?
Nous avons fait l’expérience à l’aide d’un test t apparié.
La valeur-p (0,394) étant supérieure à 0,05, il n’existe aucune différence significative entre les deux ensembles de mesures. En d’autres termes, les mesures sont cohérentes et reproductibles.
Combien de M&M’s ont un « m » mal imprimé ?
Chaque M&M est estampillé du « m » familier. Compte tenu de la surface inégale d’un M&M à la cacahuète, il n’est pas surprenant que certains soient imparfaitement imprimés.
Supposons que l’exigence est que le pourcentage de bonbons avec un « m » mal imprimé ne soit pas supérieur à 15 %.
La valeur-p étant bien supérieure à 0,05, nous n’avons aucune preuve que le taux d’erreurs d’impression dépasse 15 %. Le niveau de qualité semble répondre aux exigences.
Toutes les couleurs sont-elles représentées de manière égale ?
Nous avons compté les couleurs de notre échantillon de 622 bonbons et avons utilisé le générateur de graphiques pour créer un diagramme en secteur :
Si toutes les couleurs étaient distribuées de manière égale, nous devrions avoir environ 104 bonbons de chaque couleur.
Test du khi-deux de la qualité de l’ajustement obtenu :
La valeur-p (0,000) indique que la distribution des couleurs n’est pas uniforme. Certaines couleurs apparaissent beaucoup plus fréquemment que d’autres dans notre échantillon.
Plus de bonbons signifie-t-il plus de poids ?
Il semble logique que les sacs avec plus de M&M’s pèsent plus lourd. Pour vérifier cette intuition, nous avons examiné la relation entre le nombre et le poids.
Le nuage de points montre une tendance nette à la hausse : à mesure que le nombre de bonbons augmente, le poids augmente également.
Le système de mesure est-il fiable ?
Nous avons également mené une étude Gage R&R en mesurant 10 sacs deux fois dans un ordre aléatoire.
La variation totale du Gage R&R était de 1,14 %. Étant donné que cette variation est bien inférieure à l’indice de référence de 10 %, le procédé de mesure lui-même génère très peu de variation. Le système de mesure est considéré comme acceptable.
Prêt à appliquer ce niveau de clarté au secteur de la santé ?
Cet exemple simple montre comment les bons outils peuvent vous guider rapidement d’une question à une réponse défendable.
Imaginez maintenant que la même approche structurée s’applique à la qualité clinique, aux performances opérationnelles ou aux résultats pour les patients.
Contactez un expert Minitab pour découvrir comment Minitab Solution Center peut soutenir des décisions concernant les soins de santé plus intelligentes et fondées sur les données.
