Quand une droite est le mauvais modele
Les comptages ("combien de défauts sur ce poste ?") ne se modélisent pas par une droite : elle prédit des comptages négatifs et suppose une dispersion constante. La régression de Poisson utilise un lien log ; l'effet se lit comme un taux — 1,30 signifie +30% d'événements attendus par unité de X.
Piège : Poisson suppose variance = moyenne. Les données de défauts réelles le sont rarement ; les erreurs-types deviennent trop petites et des effets inexistants paraissent significatifs. SenSight mesure la dispersion et corrige (quasi-Poisson).
Pour les courbes, l'ajustement compare à la droite via l'AIC, qui pénalise déjà les paramètres supplémentaires : une courbe ne gagne que si la forme existe vraiment.
Piège : Poisson suppose variance = moyenne. Les données de défauts réelles le sont rarement ; les erreurs-types deviennent trop petites et des effets inexistants paraissent significatifs. SenSight mesure la dispersion et corrige (quasi-Poisson).
Pour les courbes, l'ajustement compare à la droite via l'AIC, qui pénalise déjà les paramètres supplémentaires : une courbe ne gagne que si la forme existe vraiment.
Essayer dans l'application
Counts (Poisson) / Curve Fit