Académique Documents
Professionnel Documents
Culture Documents
Tests
Erreurs classiques en planification expérimentale
M. Bailly-Bechet
(et une importante contribution de M-L Delignette-Muller)
Automne 2012
Graphes
Tests
Objectifs du cours
Graphes
Tests
Graphiques statistiques
Un sujet trop long pour être abordé ici en détails. . . vous trouverez
de nombreux exemples là :
http://pbil.univ-lyon1.fr/members/mbailly/Biologie_
Modelisation/R_graphiques.pdf
est très bien, mais vous serez parfois contraints (ou heureux)
d’utiliser autre chose.
88
80
86
60
84
Poids [kg]
Poids [kg]
82
40
80
78 20
76
0
Figure: Poids de l’individu 37, avant et après Figure: Poids de l’individu 37, avant et après
le traitement révolutionnaire MegaSlim le traitement révolutionnaire MegaSlim
Contre-exemple 2 : contexte
Contre-exemple 2 : contexte
Contre-exemple 2 : contexte
j ●
c
d i ●
b
h ●
e
g ●
a
f ●
e ●
f
j d ●
c ●
g
i b ●
h
a ●
0 2 4 6 8 10 12 14
Notions de daltonisme
Graphes
Tests
5
0.8
4
Fréquence
Fréquence
3
0.4
2
1
0.0
0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0
n=1 n=20
40
12
30
Fréquence
Fréquence
8
20
6
4
10
2
0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0
n=100 n=1000
Distribution d’échantillonnage
0.4
Densité de probabilité
0.3
0.2
0.1
0.0
µ
Moyenne observée de l'échantillon x
0.3
0.2
0.1
0.0
µ0 x
0.3
0.2
0.1
0.0
µ0 x
0.3
0.2
0.1
0.0
−3.29 −1.96 −1.29 0 1.29 1.96 3.29
x−µ
σ2
n
0.4 H0 H1 ex. 1
Densité de probabilité
0.3
0.2
0.1
0.0
−4 −2 0 2 4 6
x−µ
σ2
n
0.4 H0 H1 ex. 1
Densité de probabilité
0.3
0.2
0.1
α α
2 2
0.0
−4 −2 0 2 4 6
x−µ
σ2
n
0.4 H0 H1 ex. 1
Densité de probabilité
0.3
0.2
0.1
α α
β
2 2
0.0
−4 −2 0 2 4 6
x−µ
σ2
n
0.4 H0 H1 ex. 2
Densité de probabilité
0.3
0.2
0.1
α α
β
2 2
0.0
−4 −2 0 2 4 6
x−µ
σ2
n
En résumé
Réalité inconnue
H0 H1
Choix H0 OK 1 − α Erreur de type II β
H1 Erreur de type I α OK 1 − β
On appelle 1 − β la puissance du test, i.e sa sensibilité. Un test
puissant sera moins spécifique, et aura un plus grand α.
On a (presque) le même problème que pour une démarche
expérimentale, avec choix entre sensibilité (peu de faux négatifs) et
spécificité (peu de faux positifs). En stats on prend un petit α.
0.4
Densité de probabilité
0.3
0.2
0.1
0.0
µ0 x
0.4
Densité de probabilité
0.3
Aire rouge=
0.2
p−valeur
0.1
0.0
µ0 x
Test unilatéral
H1 : µ 6= µ0 H1 : µ > µ0
0.4 0.4
Densité de probabilité
0.3 0.3
0.2 0.2
0.1
α α 0.1
α
2 2
0.0 0.0
−4 −2 0 2 4 −4 −2 0 2 4
Attention à la latéralité
Supposons que l’on veuille montrer que les garçons et les filles
n’ont pas la même consommation de cigarettes.
I On pose alors l’hypothèse nulle H0 : il n’y a pas de différence
entre les deux échantillons
I Et l’hypothèse alternative H1 : les deux sexes ne fument pas la
même quantité de cigarettes.
I On fait le test.
●●
32 32 ●
●
●
30 30
●
Hauteur abattu (m)
28 ●
28
Hauteur (m)
●
●
● ●
26
26
24
24
22 ●
22
20
20
Abattu Debout 20 22 24 26 28 30 32
Paramétrique ou non-paramétrique ?
Ex1 :
Taille de 237 étudiants
0.04
Density
0.02
0.00
150 160 170 180 190 200
I Regarder la distribution des données ! Taille [cm]
Paramétrique Non-Paramétrique
t de Student Wilcoxon Mann-Whitney
t de Student apparié Wilcoxon apparié
χ2 Test exact de Fisher
Corrélation r de Pearson ρ de Spearman
Paramétrique Non-Paramétrique
ANOVA Kruskal-Wallis
Graphes
Tests
Exemple 1
avant traitement baisse significative de la
température rectale sur un
échantillon de 40 porcs malades
après 2 jours d’un traitement
donné
le traitement induit une
après traitement diminution significative de la
température rectale (p = 0.02)
La même baisse de
température aurait peut-être
été observée sans traitement
M.L. Delignette-Muller, VetAgro Sup 5
1. Planification
Exemple 2
comparaison de 2 Fréquence de
protocoles opératoires sur complications
des césariennes de vaches significativement plus
faible avec le protocole
en 1998 : 55 vaches opérées P2 (p < 0.001)
selon le protocole P1 meilleure efficacité du
protocole P2
en 1999 : 57 vaches opérées
selon le protocole P2 Les deux groupes ne sont
pas comparables (effet
« année » possible)
Exemple 3
case 1 Comparaison des gains
de poids moyens sur 2
produit échantillons randomisés
1 de 10 porcs : p = 0.003
effets significativement
case 2 différents des 2 produits
produit 1:
produit 2:
Administration
des 2 produits
randomisée au
sein de chaque
case
Exemple 3 bis
produit 1 produit 2
Comparaison de 2
échantillons de 40
observations
Attention, ici l’unité
expérimentale est la
case
comparaison de 2
échantillons de 4
observations
M.L. Delignette-Muller, VetAgro Sup 12
1. Planification
Exemple 4
comparaison de 2 Gains de poids à J30:
traitements anti- lot1 (n=15): m1=25 kg
parasitaires sur la 1=19 kg
croissance de bovins lot2 (n=15): m2=18 kg
2=17 kg
randomisation des 2 Différence entre les 2
traitements sur 30 moyennes non
jeunes bovins significative (p > 0.05)
A retenir
Un essai doit être comparatif avec des
groupes comparables au départ et tout au
long de l’essai
La définition de l’unité expérimentale
dépend du plan d’expérience
Les effectifs doivent être équilibrés et si
possible calculés a priori en vue d’atteindre
la puissance souhaitée
Exemple 13
Une étude comparant un traitement A à un placebo
face au traitement d’une pathologie donnée reporte
un taux de guérison significativement plus élevé pour
le traitement A (p=0.02).
Une autre étude réalisée indépendamment sur la
même pathologie compare les résultats obtenus avec
un traitement B et le même placebo et reporte un
taux de guérison significativement plus élevé avec le
traitement B (p=0.001).
de la variabilité intra-groupe
À retenir