[vc_row][vc_column width=\u00a0\u00bb1\/4″][vc_column_text][\/vc_column_text][\/vc_column][vc_column width=\u00a0\u00bb3\/4″]
Statgraphics Centurion 19 est une mise \u00e0 jour majeure contenant de nombreuses nouvelles fonctionnalit\u00e9s dont :<\/p>\n
[\/vc_column_text][vc_column_text css=\u00a0\u00bb.vc_custom_1643104989694{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Nouvelle interface graphique<\/strong><\/p>\n La s\u00e9lection des proc\u00e9dures et des options est maintenant pilot\u00e9e par des rubans et une barre d’acc\u00e8s rapide.<\/p>\n Les rubans rendent plus facile l’acc\u00e8s \u00e0 la proc\u00e9dure souhait\u00e9e et la barre d’acc\u00e8s rapide permet de s’affranchir des menus lors de l’utilisation des proc\u00e9dures favorites.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4481″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643104981925{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n La fen\u00eatre d’analyse peut \u00eatre affich\u00e9e sous la forme de multiples sous-fen\u00eatres (comme dans les pr\u00e9c\u00e9dentes versions) ou sous la forme d’une unique fen\u00eatre contenant \u00e0 la fois les tableaux et les graphiques.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4484″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_single_image image=\u00a0\u00bb4486″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643104581741{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n L’affichage dans une unique fen\u00eatre combine les tableaux et les graphiques dans le format habituel d’un rapport.<\/p>\n Comme montr\u00e9 dans ces images, les en-t\u00eates des lignes et des colonnes des tableaux peuvent \u00eatre affich\u00e9s dans des couleurs et des polices personnalisables.<\/p>\n [\/vc_column_text][vc_column_text css=\u00a0\u00bb.vc_custom_1643104693839{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Tableau de bord<\/strong><\/p>\n Un ‘Tableau de bord’ a \u00e9t\u00e9 ajout\u00e9 aux fen\u00eatres du StatFolio permettant d’afficher c\u00f4te \u00e0 c\u00f4te des tableaux et des graphiques provenant de diff\u00e9rentes analyses. Pour des proc\u00e9dures comme les cartes de contr\u00f4le, les analyses d’aptitude, les \u00e9tudes R&R, les r\u00e9gressions et les graphiques boursiers, la couleur de fond d’un tableau ou d’un graphique peut \u00eatre color\u00e9e en vert, jaune ou rouge pour indiquer les statuts d’indices s\u00e9lectionn\u00e9s, des larges variations et ou des r\u00e9sidus non usuels.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4488″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643104729573{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n M\u00e9langes gaussiens univari\u00e9s<\/strong><\/p>\n La proc\u00e9dure ‘Ajustement de lois (Mod\u00e8les de m\u00e9langes univari\u00e9s)’ ajuste une loi de probabilit\u00e9s \u00e0 des donn\u00e9es num\u00e9riques continues constitu\u00e9es d’un m\u00e9lange de deux lois normales univari\u00e9es ou plus. Les composants du m\u00e9lange peuvent repr\u00e9senter diff\u00e9rents groupes dans l’\u00e9chantillon utilis\u00e9 pour ajuster la loi globale ou le mod\u00e8le de m\u00e9lange peut approximer une loi ayant une forme compliqu\u00e9e. La proc\u00e9dure ajuste la loi, affiche des graphiques et calcule des aires sous la courbe et des valeurs critiques. Des outils sont disponibles pour d\u00e9terminer combien de composants sont n\u00e9cessaires pour repr\u00e9senter ad\u00e9quatement les donn\u00e9es de l’\u00e9chantillon.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4489″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643129686224{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n M\u00e9langes gaussiens bivari\u00e9s<\/strong><\/p>\n La proc\u00e9dure ‘Ajustement de lois (Mod\u00e8les de m\u00e9langes bivari\u00e9s)’ ajuste une loi de probabilit\u00e9s \u00e0 des donn\u00e9es num\u00e9riques continues qui sont constitu\u00e9es d’un m\u00e9lange de deux lois normales bivari\u00e9es ou plus. Les composants du m\u00e9lange peuvent repr\u00e9senter diff\u00e9rents groupes dans l’\u00e9chantillon utilis\u00e9 pour ajuster la loi globale ou le mod\u00e8le de m\u00e9lange peut approximer une loi ayant une forme compliqu\u00e9e. La proc\u00e9dure ajuste la loi, affiche des graphiques et calcule des aires sous la courbe et des valeurs critiques. Des outils sont disponibles pour d\u00e9terminer combien de composants sont n\u00e9cessaires pour repr\u00e9senter ad\u00e9quatement les donn\u00e9es de l’\u00e9chantillon.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4496″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643129790952{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n R\u00e9gression lin\u00e9aire par morceaux<\/strong><\/p>\n La proc\u00e9dure ‘R\u00e9gression lin\u00e9aire par morceaux’ est con\u00e7ue pour ajuster un mod\u00e8le de r\u00e9gression dans lequel la relation entre la variable \u00e0 expliquer Y et la variable explicative X est une fonction continue constitu\u00e9e de deux morceaux lin\u00e9aires ou plus. La fonction est estim\u00e9e en utilisant les moindres carr\u00e9s non lin\u00e9aires. L’utilisateur pr\u00e9cise le nombre de morceaux et les valeurs initiales des positions auxquelles les morceaux se rejoignent. La proc\u00e9dure estime les pentes, les modifications des pentes et les positions auxquelles les pentes se modifient.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4498″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643129862424{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Etudes de stabilit\u00e9<\/strong><\/p>\n Les \u00e9tudes de stabilit\u00e9 sont couramment utilis\u00e9es par l’industrie pharmaceutique pour estimer le taux de d\u00e9gradation d’un m\u00e9dicament et d\u00e9terminer une dur\u00e9e de conservation. Les mesures sont classiquement effectu\u00e9es sur des \u00e9chantillons provenant de plusieurs lots pr\u00e9lev\u00e9s \u00e0 diff\u00e9rents instants. Le but premier est d’estimer l’instant auquel la limite de pr\u00e9vision inf\u00e9rieure du mod\u00e8le de d\u00e9gradation croise la limite de sp\u00e9cification inf\u00e9rieure pour le m\u00e9dicament. En fonction de la structure des donn\u00e9es, les lots peuvent \u00eatre trait\u00e9s comme un facteur fixe ou un facteur al\u00e9atoire.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4499″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643129927951{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n R\u00e9gression quantile<\/strong><\/p>\n La proc\u00e9dure ‘R\u00e9gression quantile’ ajuste des mod\u00e8les lin\u00e9aires pour d\u00e9crire la relation entre des quantiles s\u00e9lectionn\u00e9s de la variable \u00e0 expliquer Y et une ou plusieurs variables explicatives X. Les variables explicatives peuvent \u00eatre quantitatives ou qualitatives. A la diff\u00e9rence de la proc\u00e9dure de r\u00e9gression multiple dans laquelle le mod\u00e8le est utilis\u00e9 pour pr\u00e9voir la r\u00e9ponse moyenne, le mod\u00e8le de r\u00e9gression quantile peut \u00eatre utilis\u00e9 pour pr\u00e9voir tout centile. La r\u00e9gression m\u00e9diane est un cas sp\u00e9cial dans lequel le centile \u00e0 pr\u00e9voir est le 50\u00e8me centile.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4501″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643129982934{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Plans d’exp\u00e9riences alias-optimaux<\/strong><\/p>\n Ces nouveaux plans d’exp\u00e9riences cr\u00e9\u00e9s par l’assistant pour les plans d’exp\u00e9riences consid\u00e8rent non seulement la pr\u00e9cision dans les coefficients estim\u00e9s du mod\u00e8le mais \u00e9galement le biais potentiel dans ces estimations caus\u00e9 par des effets actifs non pr\u00e9sents dans le mod\u00e8le suppos\u00e9. Un crit\u00e8re comme la D-optimalit\u00e9 ne prend pas en compte la structure d’alias cr\u00e9\u00e9e par les effets omis. Parfois des plans D-optimaux alternatifs peuvent avoir des structures d’alias tr\u00e8s diff\u00e9rentes. D’autres fois, une petite r\u00e9duction de l’optimalit\u00e9 du plan s\u00e9lectionn\u00e9 peut provoquer une large r\u00e9duction du biais.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4502″ img_size=\u00a0\u00bblarge\u00a0\u00bb alignment=\u00a0\u00bbcenter\u00a0\u00bb css=\u00a0\u00bb.vc_custom_1643130087645{background-color: #f4f4f4 !important;}\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130114168{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Augmentation optimale d’un plan d’exp\u00e9riences<\/strong><\/p>\n Une nouvelle fonctionnalit\u00e9 a \u00e9t\u00e9 ajout\u00e9e \u00e0 l’assistant pour les plans d’exp\u00e9riences pour ajouter des essais \u00e0 un plan d’exp\u00e9riences existant de fa\u00e7on \u00e0 am\u00e9liorer un crit\u00e8re d’optimalit\u00e9. L’utilisateur s\u00e9lectionne d’abord le nombre d’essais \u00e0 ajouter puis compl\u00e8te le bo\u00eete de dialogue montr\u00e9e ci-dessous.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4504″ img_size=\u00a0\u00bblarge\u00a0\u00bb alignment=\u00a0\u00bbcenter\u00a0\u00bb css=\u00a0\u00bb.vc_custom_1643130154070{background-color: #f4f4f4 !important;}\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130210440{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Tests d’\u00e9quivalence – Comparer des variances<\/strong><\/p>\n De nouvelles proc\u00e9dures ont \u00e9t\u00e9 ajout\u00e9es pour d\u00e9montrer l’\u00e9quivalence ou la non-inf\u00e9riorit\u00e9 de variances de populations. Une proc\u00e9dure compare la variance d’un unique \u00e9chantillon \u00e0 une valeur cible et l’autre compare les variances de deux \u00e9chantillons provenant de deux populations diff\u00e9rentes. Dans ce second cas, les \u00e9chantillons sont consid\u00e9r\u00e9s comme \u00e9quivalents si le rapport des variances respectives appartient \u00e0 un intervalle donn\u00e9 autour de 1.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4506″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130309143{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Etudes R&R – M\u00e9thode GLM<\/strong><\/p>\n La m\u00e9thode GLM estime la r\u00e9p\u00e9tabilit\u00e9 et la reproductibilit\u00e9 d\u2019un syst\u00e8me de mesure en se basant sur une \u00e9tude dans laquelle m op\u00e9rateurs mesurent n pi\u00e8ces r fois. Elle estime \u00e9galement d\u2019importantes quantit\u00e9s comme la variation totale, le rapport pr\u00e9cision sur tol\u00e9rance, l\u2019\u00e9cart-type de l\u2019erreur de mesure et les pourcentages des contributions de divers composants \u00e0 l\u2019erreur. En plus de la variation introduite par les op\u00e9rateurs et les pi\u00e8ces, des facteurs additionnels peuvent \u00e9galement \u00eatre inclus. Ces facteurs additionnels peuvent \u00eatre consid\u00e9r\u00e9s comme des effets fixes ou al\u00e9atoires. Note : Cette proc\u00e9dure prend en charge le cas de donn\u00e9es non \u00e9quilibr\u00e9es.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4508″ img_size=\u00a0\u00bblarge\u00a0\u00bb alignment=\u00a0\u00bbcenter\u00a0\u00bb css=\u00a0\u00bb.vc_custom_1643131719330{background-color: #f4f4f4 !important;}\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130358681{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n For\u00eats al\u00e9atoires d\u00e9cisionnelles<\/strong><\/p>\n La proc\u00e9dure ‘For\u00eats al\u00e9atoires d\u00e9cisionnelles’ impl\u00e9mente une m\u00e9thode d\u2019apprentissage machine pour pr\u00e9voir des observations \u00e0 partir de donn\u00e9es. Elle cr\u00e9e des mod\u00e8les de deux formes : [\/vc_column_text][vc_single_image image=\u00a0\u00bb4509″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130434246{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n R\u00e9gression \u00e0 inflation de 0<\/strong><\/p>\n La proc\u00e9dure ‘R\u00e9gression \u00e0 inflation de 0’ est con\u00e7ue pour ajuster un mod\u00e8le de r\u00e9gression dans lequel la variable \u00e0 expliquer est constitu\u00e9e de comptages. Le mod\u00e8le de r\u00e9gression ajust\u00e9 relie Y \u00e0 une ou plusieurs variables pr\u00e9dictrices X qui peuvent \u00eatre quantitatives ou qualitatives. Elle est similaire aux proc\u00e9dures ‘R\u00e9gression de Poisson’ et ‘R\u00e9gression binomiale n\u00e9gative’ sauf qu\u2019elle contient une composante additionnelle qui repr\u00e9sente les occurrences d\u2019un plus grand nombre de z\u00e9ros que ce qui est attendu dans de tels mod\u00e8les. Les donn\u00e9es qui contiennent ces grands nombres de z\u00e9ros sont tr\u00e8s fr\u00e9quentes, comme par exemple le nombre de jours d\u2019absence d\u2019un \u00e9tudiant \u00e0 l\u2019\u00e9cole, le nombre de r\u00e9clamations d’assurance au sein d’une population o\u00f9 tout le monde n’a pas d’assurance, le nombre de d\u00e9fauts dans un produit manufactur\u00e9 et les comptages d\u2019animaux sauvages.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4511″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130493038{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Diagrammes de Venn et Euler<\/strong><\/p>\n Cette proc\u00e9dure cr\u00e9e des diagrammes affichant des fr\u00e9quences d\u2019occurrences d\u2019\u00e9v\u00e9nements. Elle affiche des r\u00e9gions circulaires qui repr\u00e9sentent les fr\u00e9quences d\u2019\u00e9v\u00e9nements sp\u00e9cifiques dans lesquelles les intersections cercles indiquent des occurrences simultan\u00e9es de plus d\u2019un \u00e9v\u00e9nement.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4512″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130544486{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Diagrammes en cascade<\/strong><\/p>\n Trois types de diagrammes en cascade ont \u00e9t\u00e9 ajout\u00e9s dans la version 19 : un diagramme ordonn\u00e9, un diagramme s\u00e9quentiel et un diagramme 3D. Le diagramme en cascade ordonn\u00e9 est fr\u00e9quemment utilis\u00e9 pour montrer comment une variable d\u2019int\u00e9r\u00eat augmente ou diminue dans un \u00e9chantillon d\u2019individus. Les donn\u00e9es sont tri\u00e9es et affich\u00e9es dans un diagramme en b\u00e2tons ayant habituellement une ligne de base \u00e0 0. Une ligne de r\u00e9f\u00e9rence peut \u00eatre ajout\u00e9e dans le diagramme pour afficher une valeur cible.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4513″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130610438{background-color: #f4f4f4 !important;}\u00a0\u00bb]Le diagramme en cascade s\u00e9quentiel est fr\u00e9quemment utilis\u00e9 pour illustrer l\u2019effet cumul\u00e9 de contributions positives et n\u00e9gatives dans la d\u00e9croissance d\u2019une valeur totale. Les b\u00e2tons repr\u00e9sentent chacune des contributions ainsi que les totaux et sous-totaux. Parmi les usages possibles de ce diagramme : finance, inventaire, analyse de performance, recrutement, analyse d\u00e9mographique.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4514″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130685845{background-color: #f4f4f4 !important;}\u00a0\u00bb]Le diagramme en cascade 3D est fr\u00e9quemment utilis\u00e9 pour afficher plusieurs colonnes de donn\u00e9es par rapport \u00e0 une variable commune. Un exemple courant d\u2019utilisation est le trac\u00e9 de d\u00e9croissance spectrale cumulative dans lequel un spectre est affich\u00e9 \u00e0 plusieurs instants pour visualiser les modifications de son amplitude en fonction de la fr\u00e9quence et du temps. En g\u00e9n\u00e9ral, ces graphiques sont utilis\u00e9s pour montrer les modifications dans une variable quantitative en fonction du temps et d\u2019un autre facteur.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4516″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130738367{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Interface Python<\/strong><\/p>\n La version 19 ajoute une interface avec le langage de programmation Python qui est similaire \u00e0 l’interface avec R ajout\u00e9 dans la version 18. Des proc\u00e9dures ont \u00e9t\u00e9 ajout\u00e9es pour rendre ais\u00e9 le transfert des donn\u00e9es entre Statgraphics et Python. Les scripts Python peuvent \u00e9galement \u00eatre \u00e9crits et ex\u00e9cut\u00e9s dans Statgraphics.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4517″ img_size=\u00a0\u00bblarge\u00a0\u00bb alignment=\u00a0\u00bbcenter\u00a0\u00bb css=\u00a0\u00bb.vc_custom_1643131083434{background-color: #f4f4f4 !important;}\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130801112{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Classification par les K-moyennes<\/strong><\/p>\n La proc\u00e9dure ‘Classification par les K-moyennes’ impl\u00e9mente un technique d\u2019apprentissage machine permettant de cr\u00e9er des groupes ou classes d\u2019observations caract\u00e9ris\u00e9s par des donn\u00e9es quantitatives multivari\u00e9es. Les classes sont cr\u00e9\u00e9es en regroupant les observations qui sont proches dans l\u2019espace des variables de donn\u00e9es. Les calculs sont effectu\u00e9s en utilisant le module ‘Scikit-Learn’ de Python.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4518″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130881472{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Nouvelles lois de probabilit\u00e9s<\/strong><\/p>\n Plusieurs nouvelles lois de probabilit\u00e9s ont \u00e9t\u00e9 ajout\u00e9es \u00e0 la liste des lois disponibles pour ajuster des donn\u00e9es et g\u00e9n\u00e9rer des nombres al\u00e9atoires : [\/vc_column_text][vc_single_image image=\u00a0\u00bb4520″ img_size=\u00a0\u00bblarge\u00a0\u00bb alignment=\u00a0\u00bbcenter\u00a0\u00bb css=\u00a0\u00bb.vc_custom_1643131096140{background-color: #f4f4f4 !important;}\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643130964333{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Analyse de conformit\u00e9 pour les analyses d’aptitude d’attributs<\/strong><\/p>\n L’analyse de conformit\u00e9 a \u00e9t\u00e9 ajout\u00e9e aux proc\u00e9dures pour d\u00e9terminer des indices d’aptitude pour des donn\u00e9es de type attribut. L\u2019analyse de conformit\u00e9 peut \u00eatre utilis\u00e9e pour d\u00e9terminer si le process est conforme aux sp\u00e9cifications d\u00e9finies en termes d\u2019items non conformes dans un lot.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4521″ img_size=\u00a0\u00bblarge\u00a0\u00bb css=\u00a0\u00bb.vc_custom_1643131008213{background-color: #f4f4f4 !important;}\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643131127616{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Nouveaux tests statistiques<\/strong><\/p>\n Plusieurs nouveaux tests statistiques ont \u00e9t\u00e9 ajout\u00e9es \u00e0 des proc\u00e9dures d\u00e9j\u00e0 pr\u00e9sentes : [\/vc_column_text][vc_single_image image=\u00a0\u00bb4523″ img_size=\u00a0\u00bblarge\u00a0\u00bb alignment=\u00a0\u00bbcenter\u00a0\u00bb css=\u00a0\u00bb.vc_custom_1643131170805{background-color: #f4f4f4 !important;}\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643131196868{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n MSP – Cartes de contr\u00f4le<\/strong><\/p>\n Le nombre de points auxquels les limites de contr\u00f4le peuvent \u00eatre recalcul\u00e9es a \u00e9t\u00e9 port\u00e9 de 4 \u00e0 9.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4525″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643131267845{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Graphique des donn\u00e9es manquantes<\/strong><\/p>\n Un graphique a \u00e9t\u00e9 ajout\u00e9 dans la proc\u00e9dure ‘Visualiseur de donn\u00e9es’ pour indiquer les positions des donn\u00e9es manquantes dans un fichier de donn\u00e9es.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4526″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643131321734{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Diagramme multiple en b\u00e2tons<\/strong><\/p>\n Une ligne optionnelle peut \u00eatre ajout\u00e9e dans le diagramme multiple en b\u00e2tons.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4527″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643131371646{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ral (GLM)<\/strong><\/p>\n La s\u00e9lection pas \u00e0 pas des variables a \u00e9t\u00e9 ajout\u00e9e dans la proc\u00e9dure GLM \u00e0 la fois pour les variables quantitatives et les variables qualitatives. De plus, l’entr\u00e9e des interactions et d’autres termes d’ordres \u00e9lev\u00e9s a \u00e9t\u00e9 simplifi\u00e9e.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4528″ img_size=\u00a0\u00bblarge\u00a0\u00bb alignment=\u00a0\u00bbcenter\u00a0\u00bb css=\u00a0\u00bb.vc_custom_1643131411498{background-color: #f4f4f4 !important;}\u00a0\u00bb][vc_single_image image=\u00a0\u00bb4529″ img_size=\u00a0\u00bblarge\u00a0\u00bb alignment=\u00a0\u00bbcenter\u00a0\u00bb css=\u00a0\u00bb.vc_custom_1643131471675{background-color: #f4f4f4 !important;}\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643131438717{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Comparaison d’\u00e9chantillons appari\u00e9s<\/strong><\/p>\n Deux nouveaux graphique de diagnostics ont \u00e9t\u00e9 ajout\u00e9s \u00e0 la proc\u00e9dure de comparaison d’\u00e9chantillons appari\u00e9s. Le premier est un graphique diagonal qui affiche les valeurs appari\u00e9es avec une ligne diagonale. Le second graphique affiche les r\u00e9sidus autour de la ligne Y=X.<\/p>\n [\/vc_column_text][vc_single_image image=\u00a0\u00bb4530″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_single_image image=\u00a0\u00bb4531″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643131573799{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n Autres modifications<\/strong><\/p>\n De nouvelles options ont \u00e9t\u00e9 ajout\u00e9es dans le logiciel :<\/p>\n – Possibilit\u00e9 de d\u00e9faire plusieurs op\u00e9rations cons\u00e9cutives dans l’\u00e9diteur des donn\u00e9es. [\/vc_column_text][\/vc_column][\/vc_row]<\/p>\n","protected":false},"excerpt":{"rendered":" [vc_row][vc_column width=\u00a0\u00bb1\/4″][vc_column_text][\/vc_column_text][\/vc_column][vc_column width=\u00a0\u00bb3\/4″][vc_empty_space][\/vc_column][\/vc_row][vc_row][vc_column width=\u00a0\u00bb1\/4″][vc_empty_space][vc_btn title=\u00a0\u00bbNouveaut\u00e9s de la version 19.7.02″ size=\u00a0\u00bbsm\u00a0\u00bb align=\u00a0\u00bbcenter\u00a0\u00bb link=\u00a0\u00bburl:https%3A%2F%2Ffrancestat.com%2Findex.php%2Fcenturion19702%2F|title:Nouveaut%C3%A9s%20de%20la%20version%2019.7.02″][vc_empty_space][vc_btn title=\u00a0\u00bbNouveaut\u00e9s de la version 19.5.02″ size=\u00a0\u00bbsm\u00a0\u00bb align=\u00a0\u00bbcenter\u00a0\u00bb link=\u00a0\u00bburl:https%3A%2F%2Ffrancestat.com%2Findex.php%2Fcenturion19502%2F|title:Nouveaut%C3%A9s%20de%20la%20version%2019.5.02″][vc_empty_space][vc_btn title=\u00a0\u00bbNouveaut\u00e9s de la version 19.4.04″ size=\u00a0\u00bbsm\u00a0\u00bb align=\u00a0\u00bbcenter\u00a0\u00bb link=\u00a0\u00bburl:https%3A%2F%2Ffrancestat.com%2Findex.php%2Fcenturion19404%2F|title:Nouveaut%C3%A9s%20de%20la%20version%2019.4.04″][vc_empty_space][vc_btn title=\u00a0\u00bbNouveaut\u00e9s de la version 19.3.03″ size=\u00a0\u00bbsm\u00a0\u00bb align=\u00a0\u00bbcenter\u00a0\u00bb link=\u00a0\u00bburl:https%3A%2F%2Ffrancestat.com%2Findex.php%2Fcenturion19303%2F|title:Nouveaut%C3%A9s%20de%20la%20version%2019.3.03″][vc_empty_space][vc_btn title=\u00a0\u00bbNouveaut\u00e9s de la version 19.2.02″ size=\u00a0\u00bbsm\u00a0\u00bb align=\u00a0\u00bbcenter\u00a0\u00bb link=\u00a0\u00bburl:https%3A%2F%2Ffrancestat.com%2Findex.php%2Fcenturion19202%2F|title:Nouveaut%C3%A9s%20de%20la%20version%2019.2.02″][vc_empty_space][vc_btn title=\u00a0\u00bbPr\u00e9sentation r\u00e9sum\u00e9e des nouveaut\u00e9s de la version 19 (pdf)\u00a0\u00bb size=\u00a0\u00bbsm\u00a0\u00bb align=\u00a0\u00bbcenter\u00a0\u00bb…<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-4473","page","type-page","status-publish","hentry","description-off"],"yoast_head":"\n
\n– Mod\u00e8les d\u00e9cisionnels qui d\u00e9coupent les observations en groupes bas\u00e9s sur les caract\u00e9ristiques observ\u00e9es.
\n– Mod\u00e8les de r\u00e9gression qui pr\u00e9voient la valeur d\u2019une variable \u00e0 expliquer.
\nLes mod\u00e8les sont \u00e9labor\u00e9s en construisant un grand nombre d\u2019arbres de d\u00e9cision et en faisant la moyenne des pr\u00e9visions obtenues \u00e0 partir de ces arbres. De nombreux arbres sont construits en utilisant une proc\u00e9dure similaire \u00e0 celle des arbres de d\u00e9cision et de r\u00e9gression avec optimisation al\u00e9atoire des noeuds et agr\u00e9gation de bootstrap (bagging).<\/p>\n
\n– la loi de Poisson \u00e0 inflation de 0.
\n– la loi binomiale \u00e0 inflation de 0.
\n– la famille des lois de Johnson SB, SL et SU.<\/p>\n
\n– Test de Levene modifi\u00e9 pour comparer les variances de plusieurs \u00e9chantillons.
\n– Test de Wald-Wolfowitz pour tester l’hypoth\u00e8se que deux \u00e9chantillons ind\u00e9pendants proviennent de la m\u00eame population.
\n– Test post-hoc de Games-Howell pour les comparaisons multiples dans l’analyse de la variance \u00e0 un facteur.<\/p>\n
\n– Possibilit\u00e9 d’inverser l’ordre des lignes dans la feuille des donn\u00e9es.
\n– Possibilit\u00e9 d’enregistrer les images contenues dans la StatGallery dans des fichiers images.
\n– Possibilit\u00e9 d’enregistrer des graphiques avec une couleur de fond transparente.
\n– Possibilit\u00e9 de modifier la taille des points lors de l’enregistrement des graphiques.
\n– Limites unilat\u00e9rales de pr\u00e9vision dans les mod\u00e8les d’\u00e9talonnage.
\n– Lignes optionnelles pour s\u00e9parer les classes dans les dendrogrammes.
\n– Possibilit\u00e9 d’optimiser uniquement les variables s\u00e9lectionn\u00e9es dans l’assistant pour les plans d’exp\u00e9riences.
\n– Graphique de normalit\u00e9 ajout\u00e9 dans de nombreuses proc\u00e9dures.
\n– Possibilit\u00e9 d’entrer les donn\u00e9es sous la forme de plusieurs colonnes ou de deux colonnes donn\u00e9es et codes dans le graphique radar.
\n– Importation directe des projets Minitab, des fichiers SAS Transport et SPSS Portable.<\/p>\n