Scribd Logo
Upload

Welcome to Scribd!

  • NF Iso 5725-5

    Uploaded by

    hlbi
    176 views63 pages
    NF ISO 5725-5

    Original Title

    NF ISO 5725-5

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document
    NF ISO 5725-5

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    176 views63 pages

    NF Iso 5725-5

    Uploaded by

    hlbi
    NF ISO 5725-5

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 63
    “1 ransaeea IssNox554 NF ISO 5725-5 norme frangaise cto 8 Indice de classement :X 06-041-5 iS Ics : 03,120.30 7 Application de la statistique Le Exactitude (justesse et fidélité) des résultats et méthodes de mesure Partie 5 : Méthodes alternatives pour la détermination de la fidélité dune méthode de mesure normalisée E: Application statistics — Accuracy (truenass and precision) of measurement methods and results — Part 5: Alternative methods for the determination of the precision of a standard measurement methods 1D: Gonauigkeit (Richtigkeit und Prazision) von Mefwvertahren und Meterge bnissen — Teil 8: Alternative Methoden fur die Ermitiung der Prazision eines versinheitichten MeBverfahrens réserves Norme francaise homologuée ppar décision du Directeur Général de I'AFNOR le 20 septembre 1998 pour prendre effet le 20 octobre 1998 Remplace en partie la norme homolaguée NF ISO $725, de décembre 1987 annulée en 1994 Correspondance ‘c prosex document reprocull intégralement la norma _internatonslo 180 S725 81008 @ © revon s909--tos 0 Analyse Dans la série des normes relatives & |'exactitude (justesse et fidélité) des résultats et méthodes de mesure, le present document fournit des méthodes altematives pour déterminer la fidélté dune méthode de mesure normalisée. Des exemples illustrent ‘ces méthodes, Descripteurs ——_Thésourus International Technique : statistique, analyse statisisque, méthode de mesure, resutats d essa, caractéisique de mesurage, exactitude, did, repro. ductibilte Modifications Par rapportav document pattielement remplacé, la révision stnicure en 6 panties le texte de lanormo, De nouveaux concepis sant abordkés — la partie 3 fournit des mesures intermédiaires de fdaiié — [a parte 4 introduit la notion de justesse (exprimée en terme de biais) ; — la partie 5 présente des méthodes alternatives aux méthodes de base pour la détermination de la ustesse et de la dale. Corrections Eaitée t cittusée par Assacation Frangalse dle Normalsaton {AFNOR), Tour Europe 92049 Pais Le Défense Cedex Tih. 01 42-81 95 55— TAL mtoeational | #39 1.22 91 56 55 © APNOR 1998 AFNOR 1898 1s trage 98-10 Méthodes statistiques AFNOR X06E Membres de la commission de normalisation Président : M PERRUCHET Secrétariat : MME MONTOYA — AFNOR M AUXERRE AFWOR MBARBIER AEROSPATIALE MME BOULANGER OHM AND HAAS FRNCE MME BOUVENOT AFWOR BRUNSCHWIG M = cazatgou FRANCE TELECOM mM GHEROUTE PREVOYANCE SYSTEMES M CHEVALIER SCHNEIDER ELECTRIC mM oAUON nape MME DESENFANT Une M FEINBERG mae M GALINDO RHODIA QUALITE SERVICES mM KoWB KODECE M LAURENT FILTRANTO SA M LEGEAY MME LENERE ESSILOR INTERNATIONAL MME NEUILLY RHODIA QUALITE SERVICES MME QUDIN DARRIBERE Mo PALSKY RHODIA QUALITE SERVICES u vAULT ™ rac M AMON M TOTAL RAFFINAGE DISTRIBUTION SA M— SAPORTA NaN MsiKoU RENAULT M WeniscH sare Mo ZANKeVIToH DRIRE Avant-propos national References aux normes frangaises La correspondance entre les normes mentionnées al‘artcle «Références normatives» et les normes frangaises identiques est a suivante 180 3534-1 ISO 3534.3 180 5726-1 180 5725-2 180 5725.3, 180 5725-4 180 8725-6 1) Enpréparation, NF (SO 3534-1 (indice de classement NF ISO 3534-3 (indice de classement NF ISO 5725-1 (indice de classement NF ISO 5725-2 (inaice do classement NF ISO 5725-3 (indice de classement NE (SO 5725-4 (indice de classement NF ISO 5725-6 {indice de classement X06-002-1) 06-002. X06-041-1) 2X 06-041-2) 1 X06-041-3) X06-041-4) X06-041-6) olso 1805725-5:1998(F) Sommaire 1 Domained' application 2 Référencesnormatives 3 Définitions 4 Plan & niveau fractions 4.1 Applications du plan a niveau fractionné 4.2 Disposition du plan & niveau factionné 4.3, Organisation d'une experience & niveau fractionné 44 Modéle statistique 4.5 Analyse statistique des données a’ une expérience a niveau fractionné 4.6 Examen des données en ce qui concerne la coherence et les valeurs aberrantes. 4.7 Report des résultats d'une expérience @ niveau fractionné 4.8 Exemple 1:Une expérience & niveau fractionné — Détermination de protéine 5 Plan pour un matériau hétérogene 5.1. Les applications du plan pour un matériau hétérogéne 5.2 Etablissement du plan pour un matériau hétéragene 5.3 Organisation duneoxpérience avec un matériau hétérogéne: 5.4 Modéle statistique pour une expérience avec un matériau hétérogane 5.5 Analyse statistique des données provenant d'une expérience avec un matériaw hélérogéne 5.6 Examen des données pour ta coherence et es valeurs aberrantes 5.7 Expression des résultatsd’une exoérience sur un matériau hétérogéne 5.8 Exemple 2: Une expérience sur un matériau hétérogene 5.9 Formules générales pour los caiculs avec le plan pour un matériau hétérogéne 5.10 Exemple 3: Une application des formules générales, 6 — Méthodes robustes pour 'analysedes dannées 6.1 Les applications des méthodes robusies d'analyse des données 6.2 Analyse robuste: Algorithme A 6.3 Analyse robuste: Algorithme $ 64 Formules: Analyse robuste pour Un niveau particulier d'un plan & niveau uniforme 6.5 Exemple 4: Analyse robuste pour un niveau particulier d’unplan & niveau uniforme 6.6 Formules: Analyse robuste pour un niveau particulier d’un plan niveau fractionné 6.7 Exemplo 8: Analyse robuste pour un niveau particufer d'un plan & niveau fractionné 6.8 Formules: Analyse robusta pour un niveau particulier d'une expérience sur un matériau hetérogene 6.9 Exemple 6: Analyse robuste pour un niveau particulier d'une expérionee sur un matériaw haterogéne Annexes A (normative) Symboles el abréviations utlisés dans ISO 5725 B (informative) Calcul des facteurs utlisés dans les algorithmes A et S € (informative) Calcul des équations ulllsées dans analyse robuste D (informative) Bibliographie ISO 5725-5:1998(F) e180 Avant-propos {ISO (Organisation intemationale de normalisation) est une fédération mondiale d'organismes nationaux ce ormatisation (comité membres de I1SO}, Llaboration des Normes intomationales est en général confige oux comités techniques de IISO. Chaque comité membre intéressé par une étude a le droit de falre partie du comite technique cr€é & cet effet. Les organisations internationales, gouvemementales et non gouvernementales, en liaison avec ISO participent également aux travaux. L'ISO collabore étroltement avec la Commission Glectrotechnique intemationale (CE!) en ce qui concerne la normalisation électrotechnique. Les projets de Normes intemationales adoptés par les comités techniques sont soumis 2ux comités membres pour vote. Leur publication comme Normes interrationales requiert ‘approbation de 75% au moins des comités membros votants, La Nore interationale ISO $725-5 a été élaborée par le comité technique ISO/TC 69, Application des méthodes statistiques, sous-comité SC 6, Méthodes et résuliats de mesure. L'ISO 5725 comprend les parties suivantes, présentées sous le titre général Exactiude (justesse et fddlité) des résultats et méthodes de mesure: Partie 1: Principes généraux etdéfinitions — Partie 2; Méthode de base pour la détermination de la répétabllté et de la reproductibilté d'une méthode de mesure normalise — Partie 3: Méthodes intermédiares de a faite d ‘une méthode de mesure normaliséo — Pare 4: Méthodes de base pour fa détermination de fa justesse ‘une méthode de mesure normailsée — Partie 5: Méthodes alternatives pour ia détermination de la fdélité d'une méthode de mesure normaliséo ~ Pani 6: Utisation dans la pratique des valours dexecttude L180 5726 parties 1 a 6 annule et cemplace I'1S0 5725, 2éme éditon 1986-09-05, quia été élendue pour tater de lajustesse (en supplément de la fidélité) et des conditions intermédiaires de fidélité (en supplement des conditions de répétabilté etde reproductibilié). L’annexe A fait partie intagrante de la présente partis ce ISO 5725, Les annexes 8, C et D sont données luniquement a ttre d’infermation, Iso 1SO 5725-5:1998(F) Introduction 0.1 La présente partie de 11S05725 utlise deux termes, justesse et fidélté pour décrire l'exactitude d'une méthode de mosure, La justesse se référe a''étoilesse de |'accord entre la valeur moyenne d'un grand nombre de résultats d'essai et la valeur de référence vraie cu accoptés, La fidéite se référe a letroitosse de |'accord entre les résultats d’essal 0.2 Les considérations générales sur ces grandeurs sont données dans |'ISO 5725-1 el ne sont donc pas répétées ici. Il convient de lite la présente partie de [1805725 conjointemant avec T1SO 5725-7, puisque les definitions sous-jacentes et les principes généraux y sont donnés, 0.3 L'ISO 8725-2 concerne 'estimation, au moyen d'essais interlaboratoires, de mesures normaliséos do la fidelte, & savoir los écarts-types de répétabilté ol de reproductiblté. Elle conne une méthode de base pour le faire, en utilisant le plan niveau uniforme. La présente partie de ISOS725 décrit des méthodes alternatives a cette méthode de base, ) Avec Ia méthode de base, il y a un risque qu'un opératour puisse lnissor le résuttat d'une mesure sur un chantilion influencer celui d'une mesure ultérieure sur un autre échantillon du méme matériau, entrainant un biais sur jes estimations des écarts-lypes ce répétabilté et do roprocuctblié. Quand ce risque est considéré comme séneux, le plan & niveau fractionné décrit dans la présente partic de l'iSO 5725 peut étre préférd, cari! réduit ce risque, b) La méthode de base requiert la préparation d'un certain nombre d'échantilons identiques du matériau, destinés a ttre utiisés dans l'expérience. Avec des malériaux hétérogénes, cela peut ne pas étre possible, ot |'utilsation do la méthode de base donne alors des estimations de l’écarttype de reproduclibilte augmentées par la variation entre échantilons. Le plan pour un materiau hétérogéne donné dans la présente partic de I'ISO 5725 fournit une information sur la variabilité entre échantilons qu'on ne peut obtenir par la méthode de base, et qui peut étre utiisée pour calculer une estimation ce la reproductibilté dol est éliminée [a variation entre échantillons, ©) La méthode de base requiert d utilserdos tests pour valeurs aberrantas afin d'identifer les données qui doivent tro exctues des calouls des écarts-types de répétabililé et de reproductbilé. L’exclusion des valeurs aberrantes peut parfois avoir un effet important sur les estimations des ecarts-types de répétabilté et de ‘eproductibiité, mais dans la pratique, en appliquant les tests pour valeurs aberrantes, l'analyste des données peut avoir & exercer son jugement pour décider quelies données il doil exclure. La présente partie de N1SO 5725 décrit des méthades robustes analyse des données permettant de calculer les écarts-lypes de repétabilté et de reproductibilité & partir de données contenant des valeurs aberrantes sans utiliser de tests Pour valews aberrantes afin d'exclure des données, de sorte que les résultats ne sont plus affoctés par le jugement de I'analyste des données. Page laissée intentionnellement blanche NORME INTERNATIONALE ©|1SO 1SO 5725-5:1998(F) —.gs $ eee Exactitude (justesse et fidélité) des résultats et méthodes de mesure — Partie 5: Méthodes alternatives pour la détermination de la fidélité d’une méthode de mesure normalisée 1 Domaine d’application La présente partie de I'S0 5725 fournit une description détallée d’altematives a la méthode de base pour déterminer les écaris-types de répétabilté et de reproductibilté d'une méthode de mesure normalisée, & savoir le plan a niveau fractionné et Un plan pour les matériaux hetérogenes, — déctit 'tiisation des méthodes robustes pour analyser les résultats dexpériences de fidélté sans recourir & des tests de valeurs absrranles pour exclure des données des calculs, et en particulier, 'utlisation détailée d'une de ces méthodes, La présente partie de 1'ISO5725 complate ISO 5725-2 en fournissant des plans alternatifs qui peuvent étro plus valables dans certaines situations quo le plan do base donné dans ISO 5725-2, et en fournissant une méthode robuste d’analyse qui donne des estimations des écarls-typas de répetabilté et de reproductbilité moins dependants du jugement de analyste des données que celles qui sont données par les méthodes décrites dans VSO 5725-2. 2. Références normatives Les normes suivantes contiennant des dispositions qui, par suite co la référence qui en est faite, constituent des dispositions valables pour la présente partie de ISO 9725. Au moment de la publication, les édltions indiquées elaient en vigueur, Toute norme est sujette révision et les parties prenantes das accords fondés sur la présente partio de ISO 5726 sont invitées a rechercher la possibilité d'appliquer les éditions les plus récentes des normes Indiquées ciaprés. Les membres de la CE! el de ISO possédent Ie registre des Normes internationales en vigueur ‘8 un moment donne. ISO 3594-1:1993, Statistique — Vocabulaire at symboles ~- Partie 1: Probabilité at tarmos statistiques généraux. 180 3534-3:1985, Statistique — Vocabulaire et symboles— Partie 3: Plans dexpérience. ISO $725-1:1994, Exactitude (justesse et fidélté) des méthodes et résultats de mesure -~ Partie 1: Principes ‘généraux et définitions, 180 5725-2:1994, Exactitude (justesse et fidéité) des méthodos et résultats de mesure — Partie 2: Méthode de base pour ta détermination de la répétabilté et de la reproductbilté dune méthode de mesure nosmalisée. ISO 725-5:1998(F) © 180 3. Définitions Pour les besoins de ia présente partie de (ISO 5725, les definitions données dans ISO 3534-1 et dans ISO 5725-1 s’appliquent Les symboles utlisés dans ''S0 6725 sont donnés dans l'annexo A. 4 Plan a niveau fractionné 4.1 Applications du plan a niveau fractionné 4.4.1 Le plan a niveau uniforme déerit dans iSO 5725-2 exige que doux échantilons identiques d'un matériau, ou davantage, soient essayés par chaque laboratoire participant et a chaque niveau de I'expérience. Avec ce plan ily ‘un risque qu un opérateur puisse Isisser le resultat d'une mesure sur un échentilon influencer le résultat d'une mosure ultérieure sur un autre échantilon du méme matériau. Si cela se produit, les résultats de lexpérience de idlité seront faussés — les estimations de écartype de répétabiite 6, diminueront et celles de lécart-type interiaboratoires 1 augmenteront. Dans le plan @ niveau fractionné, chaque laboratoire participant recolt un échantilon de chacun de deux malériaux similaires 8 chaque niveau de Vexpériance, et on dit aux opérateurs que les échantllons ne sont pas identiques, sans leur dire de combien is different. Le plan & niveau fractionné fournit ainsi une méthode de determination des écarts-tyoes ce répétabilté et de reproductbilte d'une méthode de mesure ormalisée d'une facon qui rédult le risque qu'un résultat d'essai cbtonu sur un échantilon influence celui cbtenu sur un autre échantilon dans l'experience. . 4.1.2. Les données obtenucs @ un niveau de l'expérience niveau fractionné peuvent étre utilisées paur établir un ‘graphique dans lequel les données obtenues pour un matériau sont représentées en fonction des données pour autre materiau, simiiaire. Un exemple est donné a la figure 1. De tels graphiques pouvent aider a identifier ceux des laboratoires qui ont le plus grand biais par rapport aux autres laboratoires. Cela est utile quand il ast possible de rechercher tes causes des plus grands biais de laboratoire, dans le but de décider une action corrective. 4.4.3 lest habitvel que les écarts-types de répétabiité et de reproductibiité d'une méthode d'assal dependent du niveau du materiau. Par exemple, quand le résultal d’essai est la proportion d'un élément, obtenue par analyse chimique. les écarts-ypes de répétabilté et de reproductibilté augmentent généralement quand augmente la proportion de Iélément. Il est necessaire, pour une expérience a niveau fractionné, que les deux matéiaux similaires utlisés a un niveau de l'expérience soient si semblables qu'on peut s‘allendre @ ce qu'ils donnent les mémes écarls-types de répétabilé et de seproductibilté. Pour les buts du plan a niveau fractionné, on accepte que les deux materiaux utiisés pour un niveau d'expérience donnent presque le méme niveau de résultats de mesure, et rien ne peut étre gagné en s'arrangeant pour quils diferent de fagon substantielle. Dans de nombreuses méthodes d’analyse chimique, la matrice contenant fe constituant considéré peut influencer la fidélité, de sorte que pour une expérience & niveau fractionné, il faut deux matériaux avec das matrices similares & chaque niveau de l'expérience. On pout parfois préperer un matériau suffisarmment simile en allongeant un matériau par une petite adjonction du constituent considéré. Quand le matériau est un produit naturel ou manufacturé, Il peut étre difcile de trouver deux produits suffisamment simileires pour les buts d'une expérience & niveau fractionné: une solution possible peut are d'utilser deux lots du méme praduil, ll faut se rappeler que Vobjectif du choix des matériaux pour le plan a niveau fractionné est de donner aux opérateurs des échantillons gu’ls nes’attendent pas a trouver identiques. 4.2. Disposition du plan a niveau fractionné 42.1 La disposition du plan 2 niveau fractionné est indiquée dans le tableau + Les p laboratoires participants essaient chacun deux échantillons q niveau. Les deux échantilons a un niveau donné sont notas @ et 2, ol 2 représente un échantiton d'un matériau, ot b représente un échantilon ce l'autre matériay, similaire, e180 42.2 Lesconnées d'uneexpérience & niveau fractionné sont représentées par die ou indice /représente le laboratoire (7 1,2, 4p; indice jreprésente le niveau = 4,2). gh Vindioe k représente I'échantilon (k= aou 8). 4,3. Organisation d'une expérience a niveau fractionné 4.3.1 Pour planifier une experience a niveau ‘ractionné, suivre les indications données @ article 6 de "ISO 8725-1:1994 Le paragraphe 6.3 de I'ISO $725-1:1994 contient un certain nombre de formules (jmpliquant une quantité notée généralement A) qui sont ullisées pour alder & décider combien de laboratoires inclure dans expérience. Les ‘ormules correspondantes pour fo plan & niveau fractionné sont indiquées ci-dessous. NOTE— Gos formutes ont été établles per la méthode décrte dans le NOTE 24 de ISO $725-1:1994, Pour évaluer fes inceritudes des estimations des écarts-types de répétabilté et de reproductibilté, calculer les quantités suivantes. Pour fa répétabilté 4, = 198//[2(p-9)] a Pour la reproductibilite if i 4} Joe Sile nombre de répétitions est éga!_& 2 dans les équations (9) et (10) de ISO 5725-1-1994, on peut alors voir que les equations (9} et (10) de I'ISO 5725-1:1994 sont les mémes que les Equations (1) et (2) ck-dessus, sauf que parfo's p—1 apparait ici la place de pdans [ISO 5725-1:1994. Ce n'est qu'une petite difference, de sorte que le tableau 1 et les figures 8.1 et B.2 de lISO 5726-1:1994 peuvent étre utilises pour évaluer T'incortitude des estimations des écarts-types de rénétabililé et de reproductblité dans une experience & niveau fractionné, 2) An = 196, 2 2 avecy= 9,46, Pour dvaluer lincertitude de estimation du biais de la méthodo do mesure dans une oxpérience @ niveau factionnd, caleuler la quantté A définia dans |'équation (13) de ISO 5725-1:1994 avec n= 2 (ou ulliser le tableau 2 ce I'ISO 725-1:1994) et utliser cette quantite comme déorit dans I'ISO5725-1 Pour évaluer incertitude de (‘estimation du biais d'unlaboratoire dans une expérience a niveau fractionné, calculer la quantite Aw définie par equation (16) de IISO $725-1:1984 avec m= 2, Comme le nombre de répétitions dans tune expérience @ niveau fractionnée est, en fat, ca nombre de 2, iln’est pas possble de réduire lincertitude de estimation du bisis de laboratoire en augmentant lo nambre de répdtiions. (Sil est nécessaire de réduire cette incorttude, i faut utiliser 4 fa place le plan a niveau uniforme,) 4.3.2. Suivre les indications données aux articles 5 et 6 6e [ISO 5725-2:1994 en ce qui concerne les détails de organisation d'une expérience & niveau fractionné. Le nombre de répétitions, dans ISO 5725-2:7994, peut dire pris égal au nombre de niveaux fractionnés dans un plan & niveau fractionné, c’esta-dire 2. 180 5725-5:1998(F) @180 Les échantilons @ doivent étre atfectés aux participants au hasard, et les échantilons b doivent également, dans une opération séparée, étre affectés aux participants au hasard, lest nécessaire dans une expérience @ niveau fractionné que I'expert statislicen solt capable de cire, quand on tui apporte les données, quel résultat a été obtenu sur unmatériau a et de méme pour un matériau b a chaque niveau de experience. Etiquater les échantilons pour que ce soit possible, Prendie soin de ne pas divulguer ces informations aux participants, 4.4 Modéle statistique 44.4 Le modéle de hase ullisé dans la présonte partie de 11SO 5725 est donne par 'équation (1) de 'atcle 5 de FISO 5725-1:1994. tly est précise que pour estimer Vexacttude (Justesse et fideite) c'une methode de mesure, if est utle de supposer que tout résultat de mesure est la somme de trois composants, Vix 2m, + By + ey 8) U, pour le matériau particulier essayé, my représente la moyenne générale (espérance mathématique) a un niveau donné +t représente Ja composante de laboraloire du biais sous des conditions de répétabilté dans un laboratoire donné/= 1, ....paunniveau donné j= 1, ug: jk feprésente Ferreuraléatoire du résultal de Vessai k des conditions de répetabilte 4, 8, obtenu dans le Laboratoire / au niveau j, sous 4.4.2 Pour une expérience 4 niveau fractionné, ce modéle devient: 4) Yin = M+ Bit ey Cela itfere de I'équation (3) en 44.1 sur fo sou! point suivant: indice k dans my implique que conformément & équation (4) la moyenne génévale peut maintenant dépendre du matériau a ou b(k= 1 0u2)2 Vintérieurdu niveau Uobsence d'indice k dans 8; implique qu’on suppose que le bisis assoclé a un laboratoire / ne dépend pas du matériay @ ou ba !intérieur d'un niveau. C est pourquoi il est important que les deux matériaux soient similares. 4.43 Dafiir los moyennes decellules par 94> Wa Mo) 2 ) et lesdiflrences de celluls par: Ds= Na Yip 6) 4.44 La moyenne générale pour un niveau j¢'une experience a niveau ‘raclionné peut étre détinie par m= (mating) /2 a 4.5 Analyse statistique des données d'une expérience a niveau fractionné 4.5.1 Arranger les données en un tableau comme présenié dans le tableau 1. Chaque combinaison d'un laberatoire et d'un niveau donne une «cellulen dans ce tableau, contenant deux unités de données, yi, et yoy e1so ISO 5725-5:1998(F) Calculer les différences de cellules D, et les introduire dans un tableau comme présenté dans te tableau 2. La méthode o’analyse exige que chaque diférence soit caleulée dane le méme sens a-b et qu’ontionne compte du signe de la différence. Caleuler les moyennes e cellules y, et les introduiro dans un tableau comme présenté dans fe tableau 3. 4.5.2 Si une cellule du tableau 1 ne contient pas deux résultats d'essai (par exemple, parce qu’ona gaspllé des échantilons, ou que des données ont été écariées a Ia suite de tests de valours aberrantes déerits plus loin), os cellules corespondantes des tableaux 2 et 3 doivent rester vides. 4.5.3 Pour chaque niveau jde 'expérience, calculer la moyenne 0, et écart-lype sy des différences de la colonne {cu tableau 2: y= EDP @) YEla-a¥F fo-9 ®) lel, ¥ représente la sommation sur tes taboratolres = 4, 2, ws B. $0 Siily @ des cellules vides dans le tableau 2, p est alors le nombre de cellules de la colonne j du tableau 2 qui contiennent des données et la sommation est représentée avec des cellules non vides, 4.5.4 Pour chaque niveau / de l'exnérience, calculer la moyenne jet "écart-type syjdes moyennes de la colonne / dutableau 3, avec: = Doi/P (10) Sbu-n) Ae ay Ici, © represente la sommation sur las laboratoiras (= 1,2, .. . Silly a des cellules vides dans le tableau 3, p est alors le nombre de cellules de la colonne j du tableau 3 contenant des données et la sommation est représentée avec des cellules non vides. 4.5.5. Utiiser les tableaux 2 6t3 et les statistiques calculées en 4.5.3 et 4.5.4 pour examiner les données en oe qui ‘coneerne la coherence et les valeurs abarrantes, comme décrit en 4.6. Sides données sont rejatées, recalculer les slatistiques. 4.5.8 Calculer les écarls-types de répétabiité set de reproductbilté sj par sq 50/12 (12) B18 /2 (13) 4.5.7 Examinor si 5, ot Spjdépendent de ta moyenne y; et si c’est le cas, déterminer les relations ‘onctionnelies en Utiisant les méthoded donviSes au paragraphe 7.5 de [180 §725-2:1994. ISO 5725-5:1998(F) iso Tableau 1 — Format recommandé pour la présentation des données pour le plan a niveau fractionné Niveau Laboratoire Tableau 2— Format recommandé pour la présentation des dif 8 niveau fractionné Niveau Laboratoire 1 2 Il il Tableau 3— Format recommandé pour la présentation des moyennes des cellules pour le plan 4 niveau fractionné Niveau Laboratoire 7 z T iSO ISO 5725-5:1998(F) 4.6 Examen des données en ce qui concerne la cohérence et les valeurs aberrantes 4.8.1 Examiner les données pour la cohérence en utilisant les statistiques f décrtes au parageaphe 7.3.1 de 1S §725-2:1994, Pour véter i cohérence des aiférences de colies, calcuer les statistiques comme suit j= [Dy~ Di /sy (14) Pour verifier la cohérence des moyennes de coliuies, caleuler les statistiques h comme suit f= bu-alfon (18) Pour révéler des laboratcires incohérents, établir un graphique des deux ensembles de ces statistiques en les Plagant dens l'erdre des niveaux, mais groupées par laboratoire, comme indiqué sur les figures 2 et 3. interpretation de ces graphiques est présontoo en détail au paragraphe 7.3.1 de IiSO 5725-2:1994. Si un laboratoire présente une répétabilté généralement moins bonne que ies aulres, cela se ravélera en montrant un nombre inhabituellament grand de statistiques fh dans le graphique concemant les différences de collules, Si un laboratoire parvient a des résultats généralement biaisés, cola se révélera par des statistiques f principalement dans une direction sur te graphique concernant les mayennes de cellules. Dans les deux cas, le laboratolre. doit étre Invite & faire des recherches et a présenter les résultats 3 l'organisateur de l'oxpérionco. 4.6.2. Examiner les données pour les valeurs douleuses et aberrantes en utilsant le test de Grubbs, décrit au paragraphe 7.3.4 de MSO 8725-21994 Pour tester les valeurs douteuses et aberrantes dans les différences de cellules, appliquer le test de Grubbs aux valeurs de chaque colonne du tableau 2 @ tour de rola, Pour tester les valeurs douteuses et aderrantes dans les moyennes de cellules, appliquer le test de Grubbs aux valeurs de chaque colonne du tableau 3 & tour de réle. interpretation de ces tests est exposée en détall au paragraphe 7.3.2 de IISO 6725-2:1994. Ils sont ulillsés pour identifier des résultats qui sont si incohérents avec le reste des données présentées dans lexpérience que leur inclusion dans le calcul des écarts-ypes de répétabiilé et de reproductiblté affecterait de fagon substantial les valeurs de ces statistiques. Habituellement, (es données révélées aberrantes sont exclues des calculs, et les données révélées douteuses sont incluses, a moins qu'iln’y ait une bonne raison de proceder autrement. Si les tests montrent qu'une valeur dans l'un des tableaux 2 ou 3 doit étre exclue du calcul des écarts-types de répétabiité et de reproductibilté, alors la valeur correspondante dans l'autre tableau doit tre aussi exclue des calculs, 4.7 Report des résultats d'une expérience niveau fractionné ATA Au paragraphe 7.7 de ISO 725-2:1904, des conseils sont donnés sur le report au panel des résultats de analyse statistique; — les décisions a prendre par le panel; et — {a préparation dun rapport complet 4.7.2 Des recommandations sur la forme a donner 4 une publication des écarls-types de répétabilté et de Feproductibilité d'une méthode de mesure normalisée sont données au paragraphe 7.1 de 'ISO5725-" 1994 Iso 5725« 1998(F) e180 4.8 Exemple 1: Une expérience a niveau fractionné — Détermination de protéine 4.8.1 Le tableau 4 contiant les données provenant d'une experiance [5] qui a impliqué la determination de protéine dans des fourrages par combustion, Ily avait neuf laboratoires participants et expérience comportait 14 niveaux Dans chaque niveau. deux fourrages étaient ullisés, ayant des niveaux similaires de protéine, 48.2 Les tableaux 5 et 6 montrent les moyannes et différences de cellules, caleulées comme indiqué au paragraphe 4.5.1, uniquement pour le niveau 14 j= 14) ae l’expérience Utlisant les equations (8) et (9) en 4.5.3, les differences dutableau 5 donnent Dw 34 Sora = 0,436 1% et en appliquant les equations (10) et (11) en 4.5.4 aux moyennes du tableau 6, on obtient: Vag = 85,46% Sq = 0.8534 % de sorte que les écars-lypes de répétablité et de reproductibilta sont, on utlisant les equations (12) et (13) en 4.5.6: san = 0.31% Spe = 0,50 % Le tableau 7 donne les résultats des calouls pour los autres niveaux. 4.8.3 La figure 1 montre les résultats pour les échantilons a provenant du tableau 4 en fonction des résultats carrespondants pour les échantifons 6, pour le niveau 14 dans un «graphique de Youden». Le laboratoire 0” 5 donne un point en bas ct @ gauche du graphique, et le laboratoire n° 1 donne un point en haut et a droite: ceci indique que les données du laboratoire n* 5 ont un bials négali notable sur les échantllons a et 6, et que les données du: laboratoire rn 1 ont un biais posit notable sur les deux échantilons. lest courant de trouver cette sorte de configuration quand on représente les données provenant dun plan a niveau ‘ractionné, comme dans la figure 7. La figure indique également que les résultats au laboratoire n° 4 sont inhabituels puisque le point pour ce laboratoire est éloigné de Ia ligne centrale pour fos deux échantilons. Les autres laboratoires forment un groupe au milieu du graphique. Cette figure fournit cone une raison pour rechercher les causes de biais des (ois laboratoires, NOTE— Pour de pius amples informations sur Interprétaion de agraphiques de Youden», voir les réferences (7) et (8 4.8.4 Les valours des statistiques h, calculées comme décrit en 4.6.1, sont présentées dans les tableaux 5 ot 6, pour le seu! niveau 14. Les valeurs pour tous les niveaux sont représenteas dans les figures 2 et 3 Dans la figure 3, les statistiques f pour les moyennes da caluies montrent que le laboratoire 5a donné des stalstiques hnégatives pour tous les niveau, ind quant un Bias négatf notable dans ses connées. Dans la meme figure, les laboratoires 8 et 9 ont donné ces statistiques “h presque loutes postives, indiquant ces biais posts nolables dans lours données. (mats plus pets que lo bis négat# du laboratoie 6), Egalement, les statistiques fh pour les laboratores 1, 2 et 6 indquent un bias qui change avec ie niveau pour chacun de ces laboratoies. Oe {eles inleractions entre les Iaboratoires & les riveaux pevvant fourie des indications. quant aux causes dos biais de ‘aboratores, Lafigure 2 ne révéle aucune configuration digne «etre notée, 4.8.5 Les valours des statistiques de Grubbs sont données dans le tableau 8. Ces tests indiquent & nouveau ave les données du laboratoire 5 sont suspectes @1so ISO 5725-5:1998(F) 4.8.6 A ce point de lanalyse, "exper slalisticien doit entreprendre une recherche au laboratoire 5 sur les causes possibles des données suspectes, avant de continuer I'analyse des données. Sila cause ne peut élre identi C'est ici un cas oi il faut exclure toutes les données du laboratolre 5 des calculs des écarts-types de répétabilté ot de reproductibilté, L’analyse doit alors continuer avec examen de possibles relations fonclionnelles entre les Ecarts-types de répéiabilté et de reproductbilté et fa moyenne générale, Cela ne soulbve pas de problémes qui aiant pas deja été traités dans I'S 5725-2, aussi on n’enparlera pas ici. ‘Tableau 4— Exemple 1: Détermination de la quantité de protéine dans les fourrages, exprimée en pourcentage | L Laoratore | i 2 5 i Deters pe Tela Tes cat Tosa aa] faze | tea | 1079 | 7000 | 1609 maar a4 _| 118 | tos | 1400 | sare | 1046 | 1905 | 1569 | 3 Toss | toss | tos1 | tae | vero | vase | sare | 1608 4 roar | 116 | 995 | 301 | sate [tase | 1208 | 15.08 5 10,31 10,88 | 1019 | 1324 13,33. 13,32 12,59 | 15,02 eI ier | i281 | ieee | ror | 1366 | 1400 | v9.64 | 1643 7 { 40,6 [ 11,98 [ 1044 | 1294 | 1244 | 13,63 | 13,06 | 15,75 H ost | v1.92 [oes | 1909 | 1976 | 1905 | 1949 | 1500 2 vi2r | vias | asa | ies | 1446 | 1396 | 1377 | 1681 Niveau Laboratoire é 7 8 2 0 at[»f«fs}=s]»|=s» [ets]. i Za,i | tere | 2055 | coce | seas | wae | e205 | a9a0 | esea | sot 2 e25 | 2025 | 206 | 1954 | see | ase | 1.04 | 4001 | 05a | 5010 a zo4a”| 19.6 | 20.56 | 20.11 | 46.90 | 2456 | 22,10 | 4090 | 0605 | sas 2 21s4 | 2006 | 2064 | 2096 | «73a | 4520 | 5179 | 056 | 6599 | 5293 5 1900 | 1966 | 2056 | i908 | saa | 2)/2 veg = busi (24) ©) Je moyenne générale et|'écsrt-type des moyennes de cellules, pour le niveau j n= Daye" es - san fSu-a) for 2) aii la sommaton es sur les lboratokes I= 1.2, 9 5.5 Analyse statistique des données provenant d'une expérience avec un matériau hétérogéne 5.5.1 On considéro ici on détail le cas ususl ou deux échantilons sont préparés pour chaque laboratoire @ chaque iveau, el ob on abtient deux résullals d'essai sur chaque échantillon, (Le cas général est traité en 5.9 et 5.10.) Rassembler les données dans un tableau comme montré dans le tableau 9. Chaque combinaison d'un laboratoire et d'un niveau donne une «cellule» dans ce lebleau, contenant quatre résultats d'essai En utiisant les équations (21) & (26) données en 5.4.2 a) colculer les étendues entre résultats dessai et les enlrer dans un tableau comme montré dans le tableau 10; b) colcular les étendues entre échantilons et les entrer dans un tableau comme montré dans le tableau 11; ©) calevier les moyennes de celluies et les entrer dans un tableau comme montré dans|e tableau 12. Enregistrer les étendues comme valeurs positives (c’est-8-dre ignorer le signe). Tableau 9 — Format recommandé pour la présentation des données d'un pian pourun matériau hétérogene Niveau t Niveau 2 [Niveau Niveau g Echantition ‘Numéro du résultat essai i 2 i 2 1 z 7 z 7 7 2 2 7 Hi 7 2 ° 1 { 2 A Lo ISO 5725-5:1998(F) ©1s0 Tableau 10— Format recommandé pour la présentation des étendues entre résultats d’essai pour {e plan concernant un matériau hetérogéne Laboratoire | Echantilion | Niveaut | Niveau? Niveau / Niveau g 7 | 4 2 2 7 T Tableau 11— Format recommandé pour la présentation des étendues entre échantillons pour le plan concernant un matériau hétérogéne Laboratoire Niveau Nivesu2 | Niveau j Niveau g ee t— Tableau 12— Format recommandé pour la présentation des moyenne: le plan concernant un matériau hétérogene 1s de collules pour wt Niveau 2 Niveau / Niveau @ 18 aso ISO 5725-5:1998(F) 5.5.2 Si une callule du tableau 9 contient moins de quatre résultats essai (par exemple, parce que dos échantilons ont été gaspillés, ou qu’on a écarlé des données a la suite de application des tests de valeurs, aberrantes déctites ci-dessous), alors: a) ou bien utiliser les formules. données plus loin pour le cas général, b) ou bien ignarer toutes les données de la cellule. option a} doit étre préférée, L'option b) écarte des données, mais permet d’utiliser les formules simples, 5.5.3 Pour chaque niveau / de expérience, calouler ce qut suit a) La somme des carrés des étendues entre résuitats d’essal dans la colonne j du tableau 10 (sommant sur p’laboratoires at deux échantllons): 2 85, = 530g en b) La samme des carrés des élendues entre échantilans dans la colonne j du tableau 14 (sommant sur aboratoires) Sw? (28) 5 ©) La moyenne et |'écarttype des moyennes de celuies dans la colonne/ du tableau 12, en utilisant les equations (25) et (28) en 6.4.2. 55 5.5.4 Ulliser les tableaux 10, 11 et 12 et les slatistiques calculées en 5.5.3 pour examiner les données en ce qui conceme la coherence et los valeurs aberrartas, comme décrit en 5.6. Sides données sont écartées, recaiculer les statistiques. 5.5.5 Calculer 'écarttype de répétabillé s, et celui de reproductibilté sp, par: a = SS¢/(4p") (29) shi = 349 (85 ~ S54) /(4P) 0) Si ceta donne SASS et) alors prendre 5qj= 5 82) Calculer une estimation de I éearype qui mesure la variation entre Sohantlons 5 par 18, = 554 [21-85 |(6r') @) NOTES 1 lI pout @ire Intérossant de pratiquer un tost de signification pour vor si la variation entre échantilons est statisiquement significative, ce n'est copondant pas une parte névossaire de l'analyse. n‘est pas correct d’utliser un tel test poor decider si la variation enire échantifons peut &ire ignorée cans l'analyse (de sorle que les résultats d'essei dans chaque cellule sont 19 ISO 5725-5:1998(F) @180 ‘rates comme ‘ls avaient été tous obtenus sur le méme échantillon), Cela inadulvat un biais dans Vestimation de Iécarttype de répétabiits, parce que trouver que la variation ent échantllons rest pas stalistiquement significative ne prouve pas que la variation entra échantitons est négigeate, 2 Dans le cas décrt en 5.1.5 (quand les tcis facteurs sont «laboratoiresn, tests dans les laboratoires» et «déterminations dans les essals»), les écarts-types de répetabilté et de reproductbite dowvent etre caloulés comme: = 35g 20) By 208 + 54 (60) (Ces formulas s‘appliquentquard le résutat d'essai est calculé comme moyenre de 2 déterminations. 5.5.6 Examiner si s)et sq dependent de la moyenne générale y; et, si c'est le cas, déterminer les relations fonctionnelles, en utilisant les méthodes décrites au paragraphe 7.5 de ISO 6725-2:1994, 5.6 Examen des données pour la cohérence et les valeurs aberrantes 5.6.1 Examiner Jes données pour la cohéronce on utilsant los statistiques fr et k, décrites au paragraphe 7.3.1 de ViSO 9725-2:1994 Pour vétfer la cohérence des moyennes de celles, colouler les statisliques h par: ba — si) ee Faire un graphique de ces statistiques pour faire ressortr les laboratolres incohérents, en reportant les statistiques dans ordre des niveaux, mais groupées par laboraloire. hy Pour verifier la cohérencedes étendues entre échaniilions, calculer les statistiques k par: wy / {584i ?" (35) Faire un graphique de ces statistiques pour faire ressortir les laboratoires incohérents, en reportant les statistiques ‘ans [ordre des niveaux, mais groupées par laboratorre. Ky ‘i Pour verifier fa cohérence des étendues entre les résultats d'essal, calculer les statistiques & par: ig = wp STE (38) Faire un graphique de ces statistiques pour faire ressortir les laboratoires incohérents, en reportant les statistiques: dans ordre des niveaux, mais groupées par laboratoire, également interpretation de ces graphiques est présentée en detail au paragraphe 7.3.1 de (ISO 6725-21994, Si un laboratoire foumit des résultats générelement biaisés, la plupart dos statistiques f pour ce laboratoire, dans le graphique issu des moyennes de cellulas, seront élavées et dans la méme direction, Si un laboratoire ne pratique pas les essais a l'intérieur des niveaux sous des conditions de répétabllité (et permet 2 des facteurs extemies «‘augmenter la vatiation entre échantilons), alors on verra sur le graphique issu des étendues entre échantillons es statistiques & anormalement élevées, Si un faboratolre obtient une mauvaise répetabilté, il donnera sur le ‘graphique issu des étendues entre résultats dessa des statistiques kanormalement élevées. 5.6.2. Examiner les données pour les valeurs douteuses et aberrantes en uilisant les tests de Cochran et de Grubbs tels que deécrits aux paragranhas 7.3.3 et 7.3.4 del'1S0 5725-2:1994. Pour lester les valeurs douleuses et aberrantes dans les dtendues enlre résultats d’essai, calculer la statistique de Cochran pour chaque niveau / par 20 @1s0 ISO 5725-5:1998(F) C= when S55 ar OU Winer 08t la plus grande des étendues entre résultats d’essai uy pour le niveau j Pour utiliser la table des valeurs critiques cu paragraphe 8.1 de I''SO 5728-2:19%4, entrer dans la table la ligne correspondant & p= 2p’ dans la marge de gauche et dans la colonne n= 2. Pour tester les valeurs douteuses et abertantes dans les élendues entre échaniilons, calculer la statistique de Cochran pour chaque niveau j par: C= wan /SShu (33) 011 gg, @St maintenant la plus grande des étendves entre échantilons w, pour le niveau / Pour uliliser Ia table des valeurs critiques de I!SO §725-2:1994, enter dans la table @ la ligne correspondant @ p=" dans la marge de gauche et dans la colonne n= Pour tester Jes valeurs douteuses el aberrantes dans les moyennes de callules, calculer fa statistique de Grubbs & partir des moyennes de cellules comme montré au paragraphe 7.3.4 de IIS 5725-2:1994 pour chaque niveau j {ou ‘sdans ISO 5725-21994 est les, céfini par !équation (26) en 5.4.2) Uinterprétation de ces tests est présentée en détail au paragraphe 7.3.2 de IISO 5752-2:1984, Dans une expérience sur un matériau hétérogéne, les résultats découlant de ‘application de cos tests doivent étre traités dans [ordre suivant, On doit d’abord appliquer le test de Cochran aux étendues entre résultats d'essai. Si on decide, sur la base de ce test, qu'une étendue entre résultats d'essai est aberrante ot doit Giro exclue, alors tos deux résuitats d'essai qui donnent I'étendue aberrante doivent étre exclus du calcul des écarts-types de répétabilts et de reproductibilté (mais on doit garder les autres résultats d'essai do la callule). Ensuite appliquer le test de Cochran aux étencues entre échantilons, et enfin appliquer le test ce Grubbs aux moyennes de cellules. Si on décide qu'une étendue entre échantilions est aberranle, ou guiune moyenne de cellule est aberrante, el que les résultats qui procuisent une telle valeur aberrante doivent &tro exclus, alors exclure tous les résultals dessai de la cellule appropriée du calcul des écarts-types de répétabilté ei de reproductibilté 5.7 Expression des résultats d'une expérience sur un matériau hétérogéne Les rélérences données en 4.7 s‘appliquent également & une expérience sur un matériau hétérogéne. 5.8 Exemple 2: Une expérience sur un matériau hétérogéne 5.8.1 Les granulats utilsés dans les matériaux (és au ciment ou au bitume) formant les surfaces des pistes daéroports et des routes doivent étre aptes A supporter Veauet le gel. Une méthode utilise pour mesurer cette aptitude est essai de résistance au sulfate de magnésiun™, dans lequel une portion d'essai du granulst est soumise & un certain nombre de cycles c'immersion dans une solution saturée do sulfale do magnésium, suvi de séchage. Au début, a portion d’essai est préparée de sorte quelle est enticement retenue sur le tamis de 10,0 mm. Le traitement dans l'essai entraine ‘2 dagradation des particules, et lo résultat d'essal ast le pourcantage ce laportion d’essai (en masse) qui passe au lamis de 10,0 mim a la fin de l'essal. Un résultat d'essai élevé (plus de 10% @ 20 %) inclque un granulat de faible résistance. 5.8.2 Los données préseniges dans le tableau 13 ont été obtenues dans une expérience dane laquelle des pares céchantillons de huil granulats ont &t@ adressées a onze laboratoires, et oi deux résullats d'essai de résistance au sulfate de magnésium ont até obtenus sur cnaque échantilon, Les échantilons avaiant une masse d'enviran 100 kg (is servaient 4 un certain nombre d'autres essais), et les portions d’essaiavaient une masse d'environ 350 g 5.83 Los tableaux 14, 15 et 16 monirent les éterdues entre résultats d’esssi, les élendues entre échantilons et ies moyennes de cellule, calculées on utilisant los equations (21) 4 (24) en 5.42, uniquement pour le niveau 6 de Yoxpériones., 24 ISO 5725-5:1998(F) e180 En utilisant les équations (27) et (28) en 5.5.3, les étenduos entre résultats d’essai du tableau 14 et les étendues ‘entre échantifons du tebleau 18 donnent: SS S8yq = 160,5300 (%)" Appliquant tes équations (25) et (26) en 5.4.2 aux moyennes de callules du tableau 16, on obtient Ya = 19,0 % (moyenne générale) Sys = 5.03% ‘ainsi, utlisant les équations (20) & (33) en §.5.5, les écarts-types de répétabilté el de reproductibilté, et ’écart-lype {qui mesure la variation entre échantillons, sont: 107 2.95% eg = 8.51% sie =172 % Letableau 17 donne les résultats des calculs pour les autres niveaux. 5.8.4 La figure 4 monire les histogrammes des étendues entre résultats d’essai, des étendues entre échantilons et des moyennes ce cellules, pour le niveau 6. Les graphiques de ce type connent une image facile @ comprencre de la quantité de variation provenant des différentes sources (entre résultats d’essai, entre échantilons, et entre laboratoires), La figure 4 monte que, dans celle experience, au niveau 6, ily @ une grande variation entre les moyennes de callules, de sorte quo, sila méthode d’essai devait tre ullisée dans une specification, il ost probable que des discussions s’éléveraient entre fournisseurs et clients en raison des différences dans leurs résultats. Les étendues entre @chantilons sont plus potites que les étendues entre résultats d'essai, ce qui suggére que le variation entre échantilons n‘est pas importante au niveau 6. 5.8.5 Les valeurs des statistiques h et &, calculées comme décrit en 5.6.1, sont également préseniges dans les tableaux 14, 15 et 16, pour le niveau 6. Les valeurs pour tous les niveaux sont repartées sur les figures a7 (Dans ces figures, les niveaux ant été réarrangés pour que les moyennes. générales soient en ordre croissant — comme montré dans je tableau 17) La {gure 5 monire que le laboratoire 6. cbtenu plusieurs statistiques _k élevées pour les etencues entre résultats d'essal, indiquant quil a ure répétabilté moins bonne que les autres laboratoiros. La figure 6 montre que trois laboraioires (1, Get 19) onl obtenu des statistiques h élevées pour les élencues entre échantilons; cela pourrait étre parce qu'ils n’ont pas suivi strictement les procédures recommandées pour la préparation de portions d’essaia partir des échantilons primaires. La figure 7 montve des statistiques f nettement positives cu négatives dans la plupart des laboratoires (les laboratoires 1, 6 et 10 atteignant encore les valeurs les plus élevées). Cola incique une forte présomption quily a des biais notables dans la plupart des laboratoires, indiquant que la méthode d’essai n’est pas convenablement spéciiée 5.8.6 L’application des tests de Cochran et de Grubbs aux données, comme décrit en 5.6.2, donne ies résultats présentés dans le tableau 18, Deux valeurs aberrantes cont identifiées. En ‘absence d'autre information, las données responsables de ces valeurs doivent étre écartées et les calculs répétés. L’analyse peut étre alors Poursuivie par une recherche des relalions ‘enctionnelies, de a méme fagon qu’avec le plan & niveau uniforme présenté dans ISO 5725-2. 22 180 180 5725-5:1998(F) i : : . “ 7 : o | 4B : | : : 4568 1264 AB boratoires 10 et 11 Figure 4 — Exemple 2: des étondues et moyennes des tableaux 14, 15¢t 16 pour le niveau 6 HY Uh na | 1 i bof I al cll t Vi ble i wl fll AAT AUA li a M Figure 5 — Exemple 2: Vérification de 1a cohérence sur les étendues entre résultats d’essai (groupées par laboratoire) 23 ” 0 Lavoratoie (Groupes par laboratcire) B 7 ol. a= 5 Peet 3 3 Peres eee eee —F =)" RE Es} ie 2 a8 -=1.8 58 = Foesse| 2 RR at 55 == =| 5 ——[ cece = = 7 — Seeeeee eee ese z g a ==. | ; = § 2 Figure 7— Exemple 2: Verification de la cohérence sur les moyennes de cellule 24 3 24 @180 Tableau 13— Exemple 2: Détermination de la résistance au sulfate de magnésium (% ISO 5725-5:1998(F) Niveaot Tiveau Niveau iveaus Laboratoire | Echantitlon Numéro du résultat d'essai earner gece ne ae 7 7 [aaa | a0 ato 2 | or m7 | co 57 _| as i1_| aso tae z 7 ees re 2__| saz 420 | ists | aa 3 + [sarees | 638 [2420 | taro 2_| or mz | a7 ss | 21 a3 (| 79 a 7 7 [a8 Saaiaerset iiteathiciiriatitltacetiteeg 2 [ws me | 47 oe | oe 23 | tor 77, 5 + [asa eaa | ae 41] ta 08] ara 2 | eso ear | er ai_| 07 t7_| aa ar 5 + [sos] ea 81] 8087] tases 2_| mamas | 23 10s | 4 96 | 132 198 7 a 2 | oo es | 77 30 | es a4 _| tnt ag a 1 [eta ens | aaa nse] a 2 | ee oss | ce o7_| a7 28 | co 55 ; ciate Pere] See EeePC DEE Pee =eeT 2 = = _ -— | ow a7 49 6a | a a 1 2 Al 52,7, 39 87, i 1 [708782 a8 72 2 | me ea2 ei 74 | Niveau § | Laboratoire | Echantition ! cane el f 1 1 7A 42 at | Ee) teeta an a4 2 1 35 32 8a 2 aa 1728 5 1 31 ar aT 2 so 2s a2 | vei ra_| as 88 ns i ai] 202182] mos | 20 22 A ze | 20 iia | os er | 3223, 5 i ta | t38 et] a6r 8S |e 2 is [ive 133 | zs et | os a7 = i az] as any] aaa aos] 98 tas a as_| oto ies | a2 ea | us as 7 7 3a] a2 aaa | aap 2 ss | ote zr _| ose pa | ae 0 5 1 zz | ise 10] e070} 08 28 2 so_| ise te7_| 097 ae | a6 a7 3 i ae [mrt | saa) te 2 ze_| ote tes | os sz | 25 18 7 7 30] ait ae] 85a aes | os 48 2 as_| 20 22s | 130 192 _| 20 an 7 i ze] 101A] e038 P8138 ste ttta ze_| ies er _| asa _aaa_| 21 50 2 e180 | Etendue entre Laboratoire | Echantilon | résutatsdessai | Statistique & % 7 7 ] 26 Onze 2 | on oyo2e 2 7 1 0,284 2 | 25 0.800 3 7 | 78 7.828 2 | 14 9,336 7 7 40 0,960 2 81 1,985 5 1 13 0.312 2 18 0.832 é 7 a4 1,056 2 | 24 0.508 7 1 ] 39 0.986 2 12 0.268 @ 1 18 0.364 2 4 0.264 = 1 08 O48 2 i 46 1104 70 1 { 22 0828 2 I 55 1320 7 7 1 74 177 2 | 81 1.988 Tableau 15— Exemple 2: Etendues entre Tableau 16— Exemple 2: Moyennes de cellule échantillons pour lo nivoau 6 pour le niveau 6 Eiendus entre Mayenne Laboratoire | échantiions | statistique k Laboratoire deceliule | Statistique % [Eee 167 i 25,425 Tae 2 1152 2 13,750 m.048 3 0.262 3 21,000 0,387 4 0.589 4 17,075 0,382 5 0.597 S 13,425, = a.A08 6 0.668) é 21,205 0,442) 7 0.625 7 23675 0929 8 0877 [se 14,475 0.889 2 028s 2 18,250, = 0,148 10 1.818 10 26,275 7886 Fa 0.668 rn 73,425 108 6 @Iso ISO 5725-5:1998(F) Tableau 17— Exemple 2: Valeurs des moyennes, des sommes des carrés des étendues et des écarts-fypes calculés sur les données pour les 8 niveaux du tableau 13, (sauf les cellules @ données manquantes) T Nombre de | Moyenne ‘Sommes des Ee Niveau | iaboratoires | générale carrés des étendues Ecarts-types SHEE Hee 4% 3559? | S5y%® | 4% 54% oR 44% 2 |" a7 | ease | eeares | 262 | 17 | 256 | 165 iota etd 40 wave inasso | va | oa | 201 | 094 2 {| © aa [15588 |zeaes | ao | ta7_ | 392 | 000 Serre eEeA0. 30 | east |esears | 195 [1 | 223 | oar 2 " a2 | is. assrrs | aio | 17a | sa7_ | 000 es | 730 | 88166 _froneso0 | 503 | 205 | S51 172 7 7 aes | esas fecsarrs | 728 | seo | 178 | 258 1 10 ara | sea7r[ seas | ara | see | 708 | 000 a e180 Tableau 18— Exomple 2: Valours des statistiques de Cochran ot de Grubbs niveau ‘Nombre de] saistiques de Cochran pourles | Statistiques de Cochran pour es fi . Stencues entre résuilate essai | étandues entre schantilons 3 ud 7 0664 (i) 5 1 ore 8 1 0465 [2 0 i 0238 4 5 i 560 5 5 0.901 7 } n = 0,536, 1 [ 10 I 0,660" (6) Siatietiques do Grube pour les mayennes de ceule Nombre de Lapluspetite | Lesdeuxpius | Lesdeuxplus | La plus grande Niveau laborstoires petites ‘andes i 3 | EE) 0,970, 0,791 0,098"* (1; 2219 sp 1395 0,709 0302 2256 2 7 ca8o = = 26497) 2 ra 1255 oe 385 17 @ 7H 1.290 3683 9208 2082 3 # 1.108 3,700 0478 Tia 7 7 19 1862 0488 16875 feces 0 1.608 345 0.590 1476 NOTE — Las nombree entre parentheses inéiquent les laboratoires qui ont produit ies valeurs douteuses ou aberrantes. Les valeurs ertiques sont les suivante Test statistique Appliqué & Nombre de indice dansle Valeur Valeur leboratoies tabloaudans —douteuse.——aberrante M180 5725-2 a P a eo Test de Cochran Etendues entre résutats 10 20 0.989 0480 dossais 1" 22 0.365 9.450 Test de Cochran Etendues entce 10 10 0.602 0718 échanilions 1" " 0570 0684 Test de Grubbs pour une Moyennes de cellule 10 19 2290 2482 valeur aberrante unique 1 " 23385 2564 Test de Grubbs pour une Moyennes de cellule 10 10 0,186.4 0.1150 paire de valeurs 1 " 0.2013 0,144.8 aberrantes: 28 e180 5.9 Formules générales pour les calculs avec le plan pour un matériau hétérogene Calculer les statistiques suivantes chaque niveau j a) b) 3 4) °) O) ® hy La moyenne générale (avec sommation sur i fet): LL Dw/ (9) ol 9, est le nombre de résultats d’essalinclus dans la somme. Les effets de faboraloire pour chaque /(avec sommation Sur fot 8 = LY (rine } lng (40) = moyenne do faboratoire - moyonne généralo ol nyest fe nombre de résultats d’essal inclus dans la somme. Les effets d'échantillon pour chaque jet t (avec sommation sur k): Ha = Sri —— Bi} “ = moyenne «'chantllon- moyenne de laboratro oid ny ost lo nombre de rsutats dessa inlus dans la somme. Les résidus pour chaque i, Let k eye = Sie — mj — By — Hip (42) résultat d’essai- moyenne d’échantilon La somme des carrés pour fes laboratolres (avec sommation sur f): Ley a (43) La somme des carrés pour les échantilons (avec sommation sur et): LY iia La somme des carrés pour la répétabilié (avec sommation sur i, tt A = DD Ye (45) Les degrés de iberta: Sy S54 vy Pit ¥eg = 8) PF Yq eM 8y (as) ou 1}, est le nombre de laboratoires qui présentent au moins un résuat essai 49, estle nombre g'échantiions pour lesquels au moins un résultat essai est présentés 1, estle nombre total de résulats desea 29 ISO 5725-5:1998(F) @180 1) Les facteurs pour chaque / (avec sommation sur #) ma So “ Ky Deg 48) i) Les facteurs (avec sommation sur 9 naLe “ KD “. Kye Kym a k) L'ecarttype de répétablité sy 'écart-type entre échantilons sy, l'écartype entre laboraloires sy et I"écartype de reproductibiité se, en utilisant: Fos5/¥4 2 88 = [Sq-m « 3) (5-81) i 38 = [55 —(ar- aim) «hvu « of) Cn5- Kirn) ) eked (65) NOTE— Les formules ci-dessus ont 626 établies en utllsant la théone statistique éiable par Schetfé [4]. 5.10 Exemple 3: Une application des formules générales 5.10.1 Los donnéos de l'exemple 2, niveau 4, sont utilisées pour fourir un oxomple de I'application des formules générales en omettant certains résultats d’essai (voir tableau 19). Les formules présentées en 5.9 donnent la moyennie générale indiquée sous le tableau 19et les sommes de carrés, degrés de liberté et facteurs indiqués sous les tableaux 20, 21 et 22. 5.10.2 application des écuations (62) a (55) dans I’étape k) du paragraphe §.9 donne: 55 554 /%q = 36,895 0/16 %* eeu sy 162% ot 1B =[sa~ vine? ] ln — 9) =[e0.007 5-9x1,5185°]/(26~19.807) x? 30 @ Iso ISO 5725-5:1998(F) sou 54 = 0.75 % et : 2 21 Hy — x =f) x soy x sf / ly ~Airn) [o72.8531- (19.666 7-68.36) x 0.74877 -10 x 151857]/(96-130/06) doo su ot ‘sey = 4522 $3,272 = 361% Tableau 19— Exemple 3: Détermination de la résistance au sulfate de magnésium pour leniveau 4 Laboratoire Echantition Résultat cessai Résultat d'essai i: : kad | 7 = 101 2 13,9 13.8 2 7 — Pees 2 83 48 3 7 = 7.0 ] 2 - 12,0 4 1 Be = 2 i = 3 1 a 63 2 38 37 6 ci 165 12,8 2 13,2 16.8 7 7 75 38 2 at a3 8 1 87 68 2 43 55 | @ 1 68 7.0 | 2 4a 63 %0 1 55 38 2 39 87 1 1 25 72 2 at Ta i ‘Moyenne générale: m= 8111 1% Nombre de résultats dessai: nj = 95 a ISO 5725-5:1998(F) 32 Tableau 20 — Exemple 3: Calcul de la somme des carrés pour les laboratoires Laboratoire | taboratoire : | essai TMoyenne de | Nombre de résultats | __Effet de laboratoire Facteur Ki 72600 6.550 3500 9,400 4,250 14700 9,050 [5700 6.200 5.208 3050 Somme des catrés pour les laboratcires: Degrés de liberé pour les laboratoires: Facteur: y= 19.6687 ‘Tableau 21 — Exomple 3: Calcul de la somme des carrés pour los échantillons. [7 Laboratoire Echantiion Mayenne Nombre de Efiets d'échantitlon | résultats d'essai_ | d'échantilion i : ni Hig im % 7 7 1010 T 2,500 2 13.85 2 1.250 2 1 = ° ray i 2 555, 2 2,000 3 7 7,00 1 = 2,500 2 12,00 1 2503 4 1 940 1 0,000 2 = o 7 5 7 2 0780 2 2 0780 6 7 2 = 0,300 2 2 9,300 7 qe 2 = 0,850 2 2 0,880 8 7 2 0,550 2 2 0,550 3 7 T 2 0,800 2 | 2 =9,500 10 7 2 0.425 2 2 = 0,425 7 1 2 0,300 2 l 2 =0,300 ‘Somme des carrés pour les Gchantilons: S54 Degrés de iiberté pour les échantillons: e180 e180 ISO 5725-5:1998(F) Tableau 22— Exemple 3: Calcul de la somme des carrés pourla répéta {—Taboratore | Eshantiion —]— Rébuttat @essal [| Résunar essa] f : ret nee & 3 7 7 7 G00 2 005 005 > 7 S = ] 2 1,75 1,75 3 7 7 200 2 S 2.09 z 7 30 = 2 a a = 7 a i 2 ~020 020 i + 210 “a0 2 = 10 __t80 7 i =a90 3.20 2 140 =140 3 7 T0868 a6 2 Toss | as 3 7 “oz 220 2 “070 oro 7 7 =0.15 018 | 2 “090 oo | 7 7 718 Tis 2 os ro3s ‘Somme des carrés pourla répstabllté: 55, = 35,505 2° | Degrés de ibené pourla sépeabé: yy 38-20 = 18 6 Méthodes robustes pour I’analyse des données 6.1 Les applications des méthodes robustes d’analyse des données 6.1.1 Dans ISO 5725-2, lest recommandé de pratiquer deux tests pour valeurs aberrantes (les tests de Cochran el de Grubbs) aux données obtenues dans une experience do fidéile, et d’écarter (@ moins que le statisticien art lune Dorne raison de les ratenir) toutes les données qui conduisent une statistique de test, dans I'un ou Mautre de ces tests, excédant la valeur crlique du test au niveau de signification de 1 %, Dans la pratique, celte procédure est souvent pas facile & anpliquer. Si on considére les résultats des tests de valeurs aberrantes de I'exemple 1 du paragraphe 4.8, qul sont donnés cans le tableau 8 le laboratoire 5 donne une seule moyenne de cellule (au niveau 10) suffisamment extreme pour étre classée comme aberrante par le test de Grubbs, mais trois autres valeurs douteuses, el une forte indication dans la figure 3 que quelque chose ne va pas dans ce laboratoire. Le statisticion, dans cotte situation, doit décider entre: a) _retenir toutes les données du laboratotre 5 b) écarter seulement les données au niveau 10 du laboratoire 5; ©) écarter toutes les données du laboratoire 5. Sa décision aura une influence substantielle sur les valeurs calculées des écarts-ypes de répétabilite et de Feproductibilté. C'est une oxpérience courante, quand on analyse des donnees d'expériences de Tdelite, de trouver des données qui sont 4 la frontiere entre valeurs douteuses et valeurs aberrantes, de sorte que l'analyste des données doit exercer un jugament cui affects les résultats du calcul. Cela peut ne pas étre satisfaisant. Les méthodes robustes décrites dans cet arlicle pormattont danalyser les données de telle fagon que lanalyste des 33 1SO 5725-5:1998(F) e180 Sonnées n'a pas & prendre de décisions qui affectent les résultats de ces calculs. Ainsi, s'ily @ des raisons de S‘atlencre & cp que les résultats d’une exoérience de fidéité contiennent des valeurs aberrantes, on doit préférer les méthodes robustes, 6.1.2 La méthode de base présontée a article 5 de I'SO 5726-1:1994 contiont I hypothése qu lest justiie d‘établir tune valeur commune pour Vecarttype de répétabillé pour tous les laboratoires utilisant la méthode de mesure, En pratique, on trouve souvent que certains laboratcires réalisent une moins bonne répetablité que d'aulres — voir, par exemple, la figure 5 de exemple 2 en 5.8. Le laboratoire 6 a de fagon évidente réalisé une répétabllté bien plus mauvaise que le laboratoira 9 dans cetle expérience, de sorte que I'typothese quills réalisent une répétabilté similaire ne patait pas vraie dans cette situation. Certains participants & une expérience de fidélité peuvent réaliser une mauvaise répetabilié quand on soumet pour la premibre fois une méthode de mesure A une experience de fidéite, ou lorsqu'ls ont peu d’expérience de la méthode de mesure, et ce sont des situations oi I'ullisation de méthodes robustes sera particuliérement appropriée. 6.1.3 Llobjectif de remploi de méthodes robustes !, quand on analyse les données d'une expérience de fidélts, est de caleuler les valeurs pour les écarts-types de répétabillé et de reproductiblté de telle fagon qu’ellos ne sont pas influencées par des valeurs aberrantes. Si les particirants l'expérience peuvent tre considérés comme ivisés en deux classes, ceux qui produisent des données de bonne qualé, et ceux qui produisent des dennees de mauveise qualité, alors les méthodes robustes conduiront des valeurs pour les écarts-ypes de répétabilté at de reproductilité qui sont valables pour a classe des données de bonne qualité, et non affeciées par les données de mauvaise qualité (pourvu que la classe des données de mauvaise qualité ne soit pas trop importante) 6.1.4 L’emploi de méthodes robustes d'analyse des données n’aifecte pas la planification, organisation ou Vexécution d'une experience de fidélité, La cécision d'utiser solt ces méthodes robustes soit des méthodes qui ‘exigent d'écarter les valeurs aberrantes doit re prise par ‘expert statisticien el annoncée au panel. Quand on utlise cles méthodes robustes, on doit appliquer aux données les tests de valeurs aberrantes et les vérificalions de cohérence décrits dans ISO 8725-2 oul ISO 5725-5, eton doit rechercher les causes de toute valeur aberrante ou configuration dans les statistiques het k Cependant, on ne dit pas exclure de données & la suite de ces tests et verifications. 6.1.5 Les dénominatours des statistiques h et ksont des écarts-types cui, selon les méthodes de calcu ce oss slalistiques décrites dans ISO 5725-2 ou '!SO 5725-5, sont calculés avec les données telles que présentées, Si das valours aberrantes sont présentes parmi les données, elles augmenteront les dénominateurs. ot produiront un effet deformant dans les graphiques de ces statistiques. Par exemple, sia un niveau de l'expérience, un laborato're donne une moyenne de cellule qui est une valeur aberrante, beaucoup plus extréme que toute autre valeur aberrante & ce niveau, cela conduira sur le graphique des statistiques f une valeur de h exceptionnellement Slevée pour ce niveau. Toutefols, les statistiques /n pour tous les aulres laboratoires pour ce riveau seront paties, méme si cortains co ces autres laboratoires donnent des valeurs aberrantes. L'emploi de la moyenne générala dans le calcul des stalisliques fh peut conduire un effet semblable. L'emploi c'estimations robusies des écarls- types comme dénominateurs dans ies statistiques het ket estimations robustes des moyennes générales dans le calcul des statistiques hevite celle déformation. Il est recommandé de les ulliser a cette fin. 6.1.6 Les données d'une experience de fidsité permettent de calculer deux types de statistique: a) des moyennes de cellule, dot on peut calculer un écarttype qui donne une mesure de la variation entre laboratoires; b) das écarts-types ou élendues (ou différences dans un plan & niveau fractionné) qui sont combinés. pour donner une mesure de fa variation intra-laboratoire. Les méthodes robustes décrites ici fournissent des moyens altematifs de combinaison des moyennes de coliule, ou les écartstypes, étendues ou différences pour obtenir les statistiques utlisées pour calculer les écarts-tyoes ce répétablité et de reproductibilite Par exemple, avec les données provenant ¢’un niveau du plan & niveau uniforme présenté dans VSO 5725-2, a premi@re étape de l'analyse est de calculer la moyenne at 'écart-type des résultats de mesure de chaque callule Les moyennes de cellule sont ensuite ulilisées pour calculer un écarttype qui est une mesure dela vanation entre laboratoires, Quand on emploie les méthodes robustes du présent article, ce calcul est effectué en utlisant 34 ©180 1SO 5725-5:1998(F) [elgorithme Av et on n’exciut pas du calcul des moyonnes de cellule la suite de I'application du test de Grubbs, Egalement dans ce plan, les écaris-types de cellules sont combinés pour donner une estimation de'écarttype de répétabillé. Avec l'analyse robuste, cect est praliqué en utlsant I'wAlgorithme S» et on n’exelut pas decarts-types de_cellule a la suite de t'application du test de Cochran. Avec l'une cu l'autre approche (celle décrite dans 11805725-2 cu celle décrite ici), les deux mesures sont alors utlisées pour calculer de la méma fagon des estimations des écarts-types de répétabilté et de reproductibilé Un exemple plus compliqué est le plan erbollé a six facteurs danné dans I'annexe C de ISO 5725-3:1994, Aves ce plan, la premiére étape de l’analyse est de calculer ia moyenne des données pour chaque laboratoire (& chaque niveau), notée yin, -., yg. et une série dtendues, notes W,3, .. Wysy. Qui Contlennent une information sur la variabillé attribuable aux avers facteurs examinés dans experience. Pour analyser les données en utilisant les méthodes robustes décrites ici, on applique «Algorithme A» aux moyennes de cellule, ot «Algorithme S» & chaque série des étendves & tour ce role. Les statistiques obtenues par ces opérations sont ensutte utllsées pour obtenir des estimations des écarts-lypes de répétabilté, de fidSlte inteiméciaire el de reproductibillé, de la méme acon que si on empioyait la méthode d’analyse déorte dans 10 5725-3. 6.1.7 Los méthodes robustes qui font partic de la présente partie de 11805725 sont choisies du fait quelles peuvent sappliquer a ous tes plans d'expérience donnés dans les parties 2, 3, 4 et § de [1SO 5725 et également parce qu’elles demandent des calculs re'ativement simples. lt est & noter cependant qu'elles fournissent le moyen de combiner, de maniére robuste, des moyennes de cellules, des écartstypes de cellules et des étendues de cellules, Elles ne combinant pas de résultats Individuels d'essai de maniére robuste, c’est-a-cire elles commencent par les moyennes arithmétiquos de collulas et los écarts-typos de collules. ll existe des méthades robustes qui combinent des résultats d'essai intra-celules de maniére robuste mais, en pratique, elles seraient plus compliquées a appliquer. 6.2 Analyse robuste: Algorithme A 6.2.4 Cet algorithme conne des valeurs robustes de la moyenne et de I'écarttype des données aurquelles on applique, et est appliqué aux; a) _moyennes de cellules, quel que soit le plan: b) aitférences de cellules, pour le plan & niveau fractionné, 6.2.2 Désigner les p éléments de données, rangés en ordre croissant, par: NID. se Mees Xp Désigner par x et 5 la moyenne robusle el |’écarl-type robuste de ces données. 6.2.3 Calculerles valeurs iniiales de x et s' par X = inédiane de x, (1.2052) 66) 8 = 1,483. médiano do y=] (I= 4,2, ) 6 6.2.4 Metre 2 jour los valours de x’ ot s* comme suit Calculer: ° (se) 35, ISO 5725-5:1998(F) e180 Pour chaque valour (/= 1,2, ., p) ealeuer: xtg si yextoe xg si aoxtte 63 5) autrement Caleuler les nouvelles valeurs de »* et s* par: Davie (60) 5 vee =P /e-9 en) = 6.2.5 Les estimations robustes x" et s° peuvent etre déduites d'un calcul par itération, c’esta-dire en répétant plusieurs fois les calculs du paragraohe 6.2.4, jusqu’a ce que le changement dans tes estimations de x* et s' d'un calcul au) suivant sott faible. C’est une méthode facile & programmer sur un ordinateur. 6.2.6 Une méthode allemative, qui n‘implique pas ditération, et peut ainsi étre plus facile a appliquer si les calculs sont faits a la main, découle du fail que les équations (60) et (61) en 6.2.4 peuvent s"éecrita: tex $15 x (mya )s "(pm my) (62) (547? = (pm, mp9) x WP /[(p 1901942 -15%(pr, + pay — 4u,ay)/(P- a, -u)] (63) oa 4, este nombre des données x, pour lesquelles x/x° + @: x’els’ sont lamoyenneet I'écart-ype des (p - 4 - uy) données x; pour lesauelles |x/- x] 9, Ces relations peuvent étre ullisées pour calculer directement x’ et s* si on connait u, et uy Une approche est CTessayer les différentes possibilités dans un ordre systématique (c'est-i-dire essayer u = 0, uy = 0; puis = 0, uy 1; puis u,= 1, uy = 0: puis uw, ~ 1, Yy= fret ainsi de suite) jusqu’® trouver une solution valable dans laquelle es nombres réels de données différant de x de plus de 1,5s' sant égaux aux valeurs de u, et uy utilises pour calouler x ets’. En pratique, l'analyste pourra uiliser des histogrammes tels que ceux de la figure 4 pour identifier Jes valeurs qui, probablement, different de x ce plus de 1,65", et ainsi trouver la solution en évaluant un petit nombre de cas, Une autre possibilté est d'utliser la méthode ltérative pour trouver une solution approchée, puis de résoucre les 4quations (62) et (63) pour trouver la solution exacte. C'est I'approche qui est utiisée dans les exemples qui suivent, 6.3 Analyse robuste: Algorithme S 6.3.1 Cet algorithme est appliqué aux écarts-types intra-laboratoire (ou aux étendues intraaboratoire) quei que soit fe plan. I fournit une valeur combinge robuste des écarts-types au étendues auxquels il est applique. 36 @1so ISO 5725-5:1998(F) 6.3.2 Designer les p éléments de données, rangés par ordre croissant, par: Wey 1 Wo, (ce peut @tre des étendues ou des écarts-typas}. Désignar parw* la valeur combinée robuste at los degrés de liberté associés & chaque w; par v (Quand w ost une étendue, v= 1. Quand west I’écart-type de n résullats d'essai, v= n- 1.) Oblenir les valeurs de & et nnécessaires pour Falgorithme dans letableau 23, 6.3.3. Celculer une valeur intiale de w par: ») (64) w" = médiane dew, 6.3.4 Mettre ajour la valeur de w* comme suit Cateuler yenxw (65) Pour chaque Ww (7= 1,2, .. 0), caleuler: ly si wow {& Sumerian (66) Calculer la nouvelle valeur de w par: (sr) 6.3.8 L’estimation robuste w* peut éire déduite par un calcul par itération, en répétant les calcul du paragraphe 6.3.4 plusieurs fois jusqu’ ce que le changement de I'estimation de w* soit faible d'un calcul au suivant Crest une méthode facile 2 programmer sur un ordinateur 6.3.6 Une méthode alternative, qui rvimplique pas d‘tévation, et peut ainsi tre plus facile & utiliser si les caleuls sont fats a la main, est semblable a celle décrite en 6.2.6. L€quation (67) en 6.3.4 peut etre éoste comme sult 52a] = [Eo eau = tors] we ot fest fa sommation sur les w; pour lesquels = y Ly 95t le nombre dos w pour lesquels 4 > v. Caci pout atre rasclu on essayant uy =0, uy = 1, uy 2, et ainsi de suite @ tour de role, jusqu’a obtenir une solution valable dans laquelle le nombre réel de w; Qui suroassent 1 x

    You might also like