Calcul de la puissance :

- pour un test t de Student pour deux échantillons indépendants : feuille "2 éch indépdts"
- pour un test t de Student pour deux échantillons appariés : feuille "2 éch appariés"
- pour la comparaison de deux proportions : feuille "2 proportions"
- pour un coefficient de corrélation : feuille "Coef. corrélation"
N.B. La feuille suivante permet la comparaison de deux coefficients de corrélation indépendants
- pour une analyse de variance à une dimension dans le cas de 3, 4 ou 5 groupes : feuilles "ANOVA…
N.B. Les feuilles "ANOVA" réalisent également le test de l'homogénéité des variances
(test de Levene et test du Fmax), et fournissent le résultat de l'analyse de variance.

Le calcul de la puissance est très important lors de la planification de l'expérience :

1) Le calcul de la puissance permettra de fixer un effectif tel que l'on ait de bonnes chances
de vérifier son hypothèse : une puissance de 30% indique que si H0 est fausse, c'est à
dire s'il y a effectivement une différence, on ne la détectera que dans 30% des cas. C'est
à dire aussi que l'on risque de commettre une erreur de deuxième espèce
en déclarant à tort que la différence observée est due au hasard.
Comme la puissance augmente avec l'effectif, on pourra déterminer l'effectif à utiliser
pour obtenir une puissance convenable. Un consensus existe pour considérer qu'une
puissance de 80% est convenable pour un risque de première espèce ; en effet, une
exigence supérieure conduit souvent à des effectifs peu réalistes pour la plupart des
expérimentateurs. Toutefois, pour un risque de deuxième espèce, puisqu'il faut éviter de
se tromper en affirmant que deux moyennes ne diffèrent pas, on choisira plutôt l'effectif
qui confère une puissance de 95%.
2) Seule la puissance permet de savoir la confiance que l'on peut avoir dans le résultat
d'un test statistique, en particulier quand il renvoie "Non significatif".

A posteriori
Le calcul de la puissance doit se faire au moment de la planification de
l'expérience. Il est toutefois possible de réaliser le calcul après la collecte des
résultats, en particulier pour savoir la confiance que l'on peut avoir dans ses
conclusions, en particulier si l'on a trouvé une différence non significative. Si la
puissance était convenable, on a sans doute raison de conclure à l'inactivité du
traitement. Si par contre la puissance était faible, il reste très possible que le
traitement ait un effet et qu'on ne l'ait pas mis en évidence.
Ce calcul a posteriori permet aussi de se rendre compte si l'on était très loin des
effectifs qui auraient été nécessaires pour avoir confiance dans le résultat du test
statistique… ou de calculer les effectifs souhaitables pour une prochaine fois.

Calcul de la puissance pour un test t de comparaison de 2 moyennes indépendantes

(voir plus bas pour deux moyennes appariées et pour le coefficient de corrélation)
Il nécessite de connaître :
§ Le seuil alpha que l’on se fixe. Plus le seuil est élevé, meilleure est la puissance.
§ La taille de l’échantillon. Plus l’échantillon est grand, meilleure est la puissance.
On pourra utiliser l'utilitaire ci-joint pour trouver la taille d'échantillon
qui donne une puissance convenable.
En cas d'échantillons inégaux, l'utilitaire calcule l'effectif à utiliser dans le calcul de la puissance

§ L’amplitude de l’effet à partir de laquelle on considère que l’effet est "notable",

c'est à dire à partir de laquelle il faudrait que l’on trouve un effet significatif.
Plus cette amplitude est forte, meilleure est la puissance.
 On pourra fixer arbitrairement cette amplitude, ou utiliser des résultats antérieurs
ou encore des données de la bibliographie.
§ L’écart type des mesures. Comme pour l’amplitude, on pourra utiliser des données antérieures,
ou, si l'expérience
est déjà faite, l'écart type le plus grand trouvé.
Plus l'écart type sera faible meilleure sera la puissance.

On calcule : delta = [(m0-m1)/s] x racine(N/2)

où m0 - m1 est la différence minimale notable entre les moyennes des deux échantillons,
s est l’écart type de la population et N est l’effectif de chaque échantillon,
ou la moyenne harmonique des 2 effectifs en cas d’échantillons inégaux.

Connaissant delta on trouve dans une table la puissance correspondante selon le seuil alpha que l’on s’est fixé.

Concernant les tests non paramétriques, les auteurs des tests donnent en général
une indication de la puissance en pourcentage de celle du test t de Student ou du r de Bravais-Pearson.
Voir Siegel & Castellan.

Calcul de la puissance pour un test t de comparaison de 2 moyennes dépendantes (= "appariées")

Ce calcul est rarement effectué lors de la planification de l'expérience, car il

nécessite d'estimer la corrélation attendue entre les deux séries de valeurs, ce qui est
en général difficile. Il est toutefois fortement recommandé de réaliser le calcul à
l'issue d'une expérience, en particulier si on n'a pas trouvé de différence
significative, pour savoir si l'on a travaillé dans des conditions telles que l'on peut
faire confiance au résultat du test statistique.

La feuille 'éch appariés' ci-après permet ce calcul.

Il sera nécessaire de copier les deux séries de valeurs dans la feuille.

N.B. Le test non paramétrique de Wilcoxon généralement utilisé pour remplacer le t

de Student pour petits échantillons appariés à une puissance de 95% de celle du t de Student

Calcul de la puissance pour la comparaison de deux proportions

Dans la feuille 2 proportions :

On indiquera d'abord les valeurs des deux proportions p1 et p2 que l'on souhaite comparer,
en pourcentages : ne pas écrire 0.15 pour 15%, mais écrire 15
On indiquera ensuite les effectifs correspondants, qui seront généralement égaux pour p1 et p2.

Il suffit ensuite d'indiquer le seuil de risque alpha choisi : indiquer le numéro de votre choix

Avant l'étude, il est possible de faire varier les effectifs pour trouver l'effectif nécessaire
à une puissance convenable (80% la plupart du temps).

Calcul de la puissance pour un test de corrélation

Si on le réalise avant la collecte des données, ce calcul permettra de fixer l'effectif nécessaire
pour avoir de bonnes chances de trouver une corrélation significative, si elle existe.
Il faut alors décider de la valeur du coefficient de corrélation à partir de laquelle on estime
 qu'il y a un lien "notable" entre les deux variables. La feuille 'Coef. Corrélation' permet de trouver
l'effectif nécessaire pour une puissance de 80% par exemple.

Si on réalise le calcul après la collecte des données, notamment si on a trouvé une corrélation
non significative, la puissance permettra de savoir la confiance à accorder à la conclusion,
ou de trouver un effectif convenable pour une prochaine fois…

On trouvera également la puissance du test non paramétrique Rho de Spearman

qui doit être préféré au test classique de Bravais-Pearson quand l'effectif est inférieur à 50.

Calcul de la puissance pour une ANOVA à une dimension

Le test ne peut être effectué qu'après la collecte des données. Il sera particulièrement important
dans les cas où l'on a trouvé un effet non significatif.
Selon que vous disposez de 3, 4 ou 5 groupes, placez-vous dans la feuille adéquate
et collez vos valeurs dans les cases jaunes.
La feuille renvoie la puissance pour un risque alpha de p = 0.05.
La puissance est indiquée pour le test F (analyse de variance à une dimension)
et pour le test non paramétrique correspondant, le test de Kruskal & Wallis

Un graphique utilisant les médianes et quartiles est également créé.

Une alerte apparaît dans le cas où l'hétérogénéité des variances n'autorise pas l'ANOVA.

Réf. HOWELL D.C., 1998. Méthodes statistiques en sciences humaines, DeBoeck Université.
SIEGEL S. & CASTELLAN N.J., 1988. Nonparametric statistics for the behavioral sciences. McGraw-Hill, New York.
BOUYER J., HEMON D., CORDIER S.,DERRIENNIC F., STÜCKER I., STENGEL B. et CLAVEL J., 1995. Epidémiologie. Principes et
méthodes quantitatives. Editions INSERM, Paris.
Utilitaire réalisé par Gilles LE PAPE - Tours - Mai 2001-Mars 2006
 éch indépdts"

orrélation indépendants
oupes : feuilles "ANOVA…"
des variances

de la puissance
que l’on s’est fixé.

u t de Student

ux pour p1 et p2.

tif nécessaire
permet de trouver

une corrélation

ement important
Exemples numériques

Comparaison de deux échantillons indépendants

1. Les données sont déjà obtenues

N.B. Il est vivement conseillé de faire ces calculs avant l’expérience.

Dans une expérience de pharmacologie on a comparé le comportement de deux lots d'animaux :

- un lot témoin de 15 sujets : score moyen = 84 avec un écart type de 43
- un lot traité de 13 sujets : score moyen = 101 avec un écart type de 37

Moyenne 1 = 84
Moyenne 2 = 101
écart type le plus élevé trouvé = 43
effectif utile (moyenne harmonique des 2 effectifs) = 14
On se fixe un seuil de risque alpha de 0.10 du fait du faible effectif.

Vu les petits effectifs on utilisera le test non paramétrique de Mann & Whitney pour la comparaison des moyennes.
Avec cet effectif il a une puissance égale à environ 95% du test t de Student.
Le calcul de la puissance du t de Student est donc une bonne approximation.
Le résultat du calcul de la puissance indique : 26%

Cela signifie
1. Que si le produit a de l'effet, on n'a que 26% de chances d'arriver à le montrer dans ces conditions.
2. Que si on ne trouve pas un effet significatif, on ne peut conclure que le produit est sans effet.

La recherche de l'effectif nécessaire pour avoir une puissance de 80% indique :

- pour conclure valablement au seuil de 0.10 il faudrait 80 sujets
- pour conclure valablement au seuil de 0.05 il faudrait 101 sujets

Ces effectifs sont probablement peu réalistes, mais les conclusions de cette étude également…

2. Le protocole est en cours d'élaboration

On projette une étude de toxicologie dans laquelle des animaux traités seront comparés à des témoins
On sait que pour la mesure envisagée, le taux de référence est de 140 mg/l (donc M1 = 140)
et que l'on trouve habituellement un écart type de l'ordre de 15 pour cette mesure.
Des études antérieures nous indiquent qu'il faut considérer que le produit est toxique
s'il modifie la moyenne de plus de 10% [donc M2 = 154 (ou 126)]
Vu l'enjeu, on se fixe un seuil de risque alpha de 0.01

S'agissant d'un risque de deuxième espèce (on souhaite conclure que le produit n'est pas toxique)
on exige une puissance de 95% (pas plus de 5% de chances de se tromper en concluant
que les deux lots ne diffèrent pas).

On déduit l'effectif nécessaire pour avoir confiance dans le résultat des tests statistiques : 41 sujets

Comparaison de deux proportions

Selon les données de la littérature, le risque d'avortement spontané est de 15%.
Dans une population exposée on a trouvé une proportion de 30%.
L'effectif utilisé était de 50 femmes
On considère que la différence est significative si p < 0.05 (= choix 3 dans la feuille "2 proportions")

La puissance trouvée est de 44%

C'est très insuffisant pour avoir confiance dans le résultat du test statistique

Il est possible de rechercher l'effectif nécessaire à inclure dans l'étude pour travailler avec une puissance satisfaisante.
Avec 120 sujets la puissance atteint 80% et permet donc de comparer valablement ces deux proportions.
comparaison des moyennes.

montrer dans ces conditions.

e produit est sans effet.

és à des témoins

mper en concluant

es : 41 sujets
proportions")

vec une puissance satisfaisante.

s deux proportions.
 Calcul de la puissance pour un test de comparaison
de deux échantillons indépendants
N.B. Vous ne pouvez écrire que dans les cases jaunes

1. Calcul de delta
Effectifs si Effectif si
Moyennes
inégaux identique
Echantillon 1 25.2 60
Echantillon 2 35.3 Différence des moyennes =
Effacer dans la colonne inutile
Ecart type 5
N.B. Vous pouvez faire varier l'effectif jusqu'à trouver
delta = 11.06 celui qui vous permet d'obtenir
une puissance convenable ( 80% au moins )
2. Choix du seuil de risque alpha
0.10 = Choix n° 2
0.05 = Choix n° 3
0.02 = Choix n° 4
0.01 = Choix n° 5 Indiquez le numéro de votre choix : 3
3. Résultat
Puissance du test t de Student = 100%
Puissance du test de Mann & Whitney = 95%

Effectif à utiliser si inégaux = ….

Effectif utile 60
G. LE PAPE - Avril 2001
aison

10.1

l'effectif jusqu'à trouver

0% au moins )
 Calcul de la puissance pour un test de comparaison
de deux échantillons appariés
N.B. Vous ne pouvez écrire que dans les cases jaunes

Vous devez : 1. Placer vos valeurs ci-dessous dans les deux premières colonnes
2. Choisir un seuil de risque et inscrire le numéro correspondant dans la case jaune prévue
3. Indiquer l'effectif de votre échantillon (= nombre de paires de valeurs) dans la case jaune prévue en F23
4. La puissance s'affiche alors.
5. Vous pouvez modifier l'effectif dans la case jaune en F23 pour avoir une idée de l'effectif qui aurait été n

Mesure 1 Mesure 2 Différences Effectif : 10

38.5 38.2 0.3 Moyenne 1 : 38.350
37.9 37.8 0.1 Moyenne 2 : 38.140
39.2 38.9 0.3 Différence moy1 - moy2 : 0.210
39.9 39 0.9
37.6 37.2 0.4 Choix du seuil de risque alpha
38 37.6 0.4 0.10 = Choix n° 2
38.2 38 0.2 0.05 = Choix n° 3
38 39.2 -1.2 0.02 = Choix n° 4
37.7 37.6 0.1 0.01 = Choix n° 5
38.5 37.9 0.6 Indiquez le numéro de votre choix :
…..
….. Effectif = 10
…..
….. Puissance du t de Student
….. Puissance du test de Wilcoxon
…..
….. Avec cet effectif, préférez le test de Wilcoxon
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
….. diff moy 0.21
….. Moyenne 1 38.35
….. Moyenne 2 38.14
….. Ec type diff 0.550656174
….. calcul de d 0.381363199
…..
….. delta = 1.205976324
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
…..
raison

case jaune prévue

dans la case jaune prévue en F23

ne idée de l'effectif qui aurait été nécessaire…

méro de votre choix : 2

33%
31%

e test de Wilcoxon
 Calcul de la puissance pour un test de comparaison
de deux proportions
N.B. Vous ne pouvez écrire que dans les cases jaunes

1. Calcul de delta
Proportions
Effectifs
(en %)
p1 15% 50
p2 30% 50 Différence des proportions = 15%

N.B. Vous pouvez faire varier l'effectif jusqu'à trouver

delta = 1.82 celui qui vous permet d'obtenir
une puissance convenable ( 80% au moins )
2. Choix du seuil de risque alpha
0.10 = Choix n° 2
0.05 = Choix n° 3
0.02 = Choix n° 4 Indiquez le numéro de votre choix :
0.01 = Choix n° 5 3
3. Résultat
La puissance est de : 44%

Effectif à utiliser si inégaux =

Effectif utile 60
G. LE PAPE - Avril 2001
 Calcul de la puissance pour un test de corrélation

N.B. Vous ne pouvez écrire que dans les cases jaunes

1. Calcul de delta Avec un tel effectif, il faut préférer le test de Spearman

Coefficient
de corrélation Effectif
(valeur absolue)
0.8 15
N.B. Vous pouvez faire varier l'effectif jusqu'à trouver
delta = 2.99 celui qui vous permet d'obtenir
une puissance convenable ( 80% au moins )
2. Choix du seuil de risque alpha
0.10 = Choix n° 2
0.05 = Choix n° 3
0.02 = Choix n° 4
0.01 = Choix n° 5 Indiquez le numéro de votre choix : 3
3. Résultat
Puissance du test r de Bravais Pearson = 83%
Puissance du test rho de Spearman = 76%

Effectif à utiliser si inégaux = ….

Effectif utile 6
G. LE PAPE - Avril 2001
on

éférer le test de Spearman

l'effectif jusqu'à trouver

0% au moins )
 Comparaison de deux corrélations indépendantes
(C'est à dire mesurées sur deux échantillons indépendants)

N.B. Pour la comparaison les deux corrélations doivent être de même signe

Corrélation 1 Corrélation 2
Effectif 20 Effectif
Valeur absolue de r (entre 0 et 1) 0.80 Valeur absolue de r (entre 0 et 1)

Résultat
La différence est significative au seuil de 1% Non
La différence est significative au seuil de 5% Oui
La différence est significative au seuil de 10% Oui
ation 2
20
0.30
CALCUL DE LA PUISSANCE POUR UNE ANOVA A UNE DIMENSION
CAS DE TROIS GROUPES INDEPENDANTS

Placer vos valeurs dans les cases jaunes

(Effectif maximum = 100)
(Effectif minimum du groupe le plus grand
Moy Médianes
LOT 1 LOT 2 LOT 3 Lot 1 25.93333333 25
28 46 31 Lot 2 32.367 31.5
23 16 53 Lot 3 36.433 38
22 28 30 Ensemble 31.578
39 26 40
26 42 26 (SX)² 8076964
41 23 39 SC Total 8987.955556
Médianes et quartiles
30 32 50 SC Traitements 1681.755556
24 30 16 40SC erreur 7306.2
21 25 33 35
25 34 30 30
ddl Total 89
25 22 49 ddl Traitements 2
25
31 13 49 ddl Erreur 87
34 44 42 20
16 45 30 CM
15 Traitements 840.8777778
29 35 41 10CM erreur 83.97931034
23 37 38 F= 10.01
5
23 45 27
32 30 43 0 Phi' = 0.471708855
Lot 1 Lot 2 Lot 3
26 33 38 Phi = 2.583655804
23 15 24
28 61 44
15 36 32 Test de Levene sur les variances des groupes (utilisant les écarts aux
16 25 14
29 33 35 Source ddl SCE
35 30 42 Traitements 2 213.4
24 45 38 Résiduelle 87 2944.0
21 28 31 Totale 89 3157.4
25 33 26
17 31 54 L'hétérogénéité entre les variances est significative à 5%
27 28 48 L'ANOVA n'est donc pas possible

ANALYSE DE VARIANCE - TEST F

Source ddl SCE

Traitements 2 1681.8
Résiduelle 87 7306.2
Totale 89 8988.0

L'hétérogénéité entre les moyennes est significative à 5%

CALCUL DE LA PUISSANCE DU TEST F

Au seuil alpha de 0.05

Puissance du test F :
Puissance du test de Kruskal & Wallis :
 778 971 1093
605284 942841 1194649
30 30 30
20176.13333 31428.03333 39821.63333
 Effectifs Ec. Types Variances s.e.m. I.C. Rapport Rapport limite
30 6.32 39.93 1.15 2.31 des var. tolérable
30 10.38 107.69 1.89 3.79 2.70 2.40
30 10.21 104.32 1.86 3.73
90
Test de l'homogénéité des variances
31.85975309 Test du Fmax : si le rapport des variances
les 0.622345679 Moyennes et IC à 95% est supérieur au rapport limite tolérable
23.57641975 les variances sont significativement hétérogène
56.0585185240
35 Voir aussi plus bas le test de Levene
30
25
20
15
10
5
0
Lot 3 Lot 1 Lot 2 Lot 3

s groupes (utilisant les écarts aux médianes)

CM F F limite 5% p
106.7 3.15 3.10 0.0477
33.8

est significative à 5%

CM F F limite 5% p
840.9 10.01 3.10 0.0001
84.0

est significative à 5%

94%
90%
éité des variances
rapport des variances
port limite tolérable
ignificativement hétérogènes

s le test de Levene
 Q1 Q3 M-Q1 Q3-M
2 23 29 2 4
2 26.5 36.75 5 5.25
2 30 42.75 8 4.75
ANALYSE DE VARIANCE A UNE DIMENSION POUR 4 GROUPES INDEPENDANTS

Représentations graphiques
Test d'homogénéité des variances
Analyse de variance
Calcul de la puissance

Placer vos valeurs dans les cases jaunes

(Effectif minimum du groupe le plus grand = 5)

(Effectif maximum d'un groupe = 100) Moy Médianes Effectifs
Lot 1 26.56 26 25
LOT 1 LOT 2 LOT 3 LOT 4 Lot 2 32.24 32 25
28 46 31 31 Lot 3 35.84 38 25
23 16 53 53 Lot 4 37.95 38.5 22
22 28 30 30 Ensemble 33.00 97
39 26 40 40
26 42 26 26 (SX)² 1E+07 41.4736
41 23 39 39 SC Total Médianes et quartiles 0.5776
10196
30 32 50 50 SC Traitements 1793 8.0656
45
24 30 16 16 SC erreur 8403 24.547521
21 25 33 33 40 74.664321
25 34 30 30 35ddl Total 96
25 22 49 49 ddl30Traitements 3
31 13 49 49 ddl Erreur 93
25
34 44 42 42
16 45 30 30 CM20Traitements 597.66
29 35 41 41 CM erreur
15 90.355
23 37 38 38 F= 6.61
10
23 45 27 27
32 30 43 43 5 Phi' = 0.4545
26 33 38 38 0 Phi = 2.2382
23 15 24 54 Lot 1 Lot 2 Lot 3 Lot 4
28 61 44 44
15 36 32 32 Test de Levene sur les variances des groupes (utilisant les é
16 25 14
29 33 35 Source ddl SCE CM
35 30 42 Traitements 3 175.9 58.6
Résiduelle 93 3177.3 34.2
Totale 96 3353.2

L'hétérogénéité entre les variances n'est pas significative à 5

L'ANOVA est donc possible

ANALYSE DE VARIANCE

Source ddl SCE CM

Traitements 3 1793.0 597.7
Résiduelle 93 8403.0 90.4
Totale 96 10196.0

L'hétérogénéité entre les moyennes est significative à 5%

CALCUL DE LA PUISSANCE DE L'ANALYSE DE VARIANCE

Au seuil alpha de 0.05

Puissance du test F :
Puissance du test de Kruskal & Wallis :
 664 806 896 835
440896 649636 802816 697225
25 25 25 22
17635.84 25985.44 32112.64 31692.04545
NDEPENDANTS

Ec. Types Variances s.e.m. I.C. Moy - IC 95% Moy + IC 95% Rapport
6.58 43.26 1.32 2.63 23.93 29.19 des var.
11.04 121.77 2.21 4.41 27.83 36.65 2.82
10.07 101.39 2.01 4.03 31.81 39.87
9.78 95.66 2.09 4.17 33.78 42.13

Test de l'homogénéité des varianc

Test du Fmax : si le rapport des vari
tiles Moyennes et I.C. à 95%
est supérieur au rapport limite toléra
les variances sont significativement
40
35 Voir aussi plus bas le test de Leve
30
25
20
15
10
5
0
Lot 3 Lot 4 Lot 1 Lot 2 Lot 3 Lot 4

s groupes (utilisant les écarts aux médianes)

F F limite 5% p
1.72 2.70 0.1691

n'est pas significative à 5%

F F limite 5% p
6.61 2.70 0.0004
est significative à 5%

NALYSE DE VARIANCE

97%
93%
 Limite
rapport tolérable
3.29

t de l'homogénéité des variances

du Fmax : si le rapport des variances
supérieur au rapport limite tolérable
variances sont significativement hétérogènes

aussi plus bas le test de Levene

t Q1 Q3 M-Q1 Q3-M
2 23 30 3 4
2 25 37 7 5
2 30 42 8 4
2 30.25 43.75 8.25 5.25
ANALYSE DE VARIANCE A UNE DIMENSION POUR 5 GROUPES INDEPENDANTS

Représentations graphiques
Test d'homogénéité des variances
Analyse de variance
Calcul de la puissance

Placer vos valeurs dans les cases jaunes

Avec un tel effectif, utiliser le test de Kruskal & Wallis plu
(Effectif minimum du groupe le plus grand = 5)
(Effectif maximum d'un groupe = 100) Moy Médianes
Lot 1 31.89 32
Lot 2 27.90 25.5
LOT 1 LOT 2 LOT 3 LOT 4 LOT 5 Lot 3 31.94 32
46 28 46 31 31 Lot 4 37.54 39
16 23 16 53 53 Lot 5 37.95 38.5
28 22 28 30 30 Ensemble 33.96
26 39 26 40 40
42 26 42 26 26 (SX)² 8E+06
23 41 23 39 39 SC Total Médianes et quartiles
8378.9
32 30 32 50 50 SC Traitements 1035.1
45
30 24 30 16 16 SC erreur 7343.8
25 21 25 33 33 40
34 25 34 30 30 35ddl Total 80
22 22 49 49 ddl Traitements 4
30
13 13 49 49 ddl Erreur 76
44 44 42 42 25

45 45 30 CM
20 Traitements 258.77
35 35 41 CM erreur
15 96.629
37 37 38 F= 2.68
10
45 45 27
30 43 5 Phi' = 0.3909
33 38 0 Phi = 1.5735
54 Lot 1 Lot 2 Lot 3 Lot 4 Lot 5
44
32
Test de Levene sur les variances des groupes (utilisant l

Source ddl SCE

Traitements 4 112.0
Résiduelle 76 2392.9
Totale 80 2504.8

L'hétérogénéité entre les variances n'est pas significativ

L'ANOVA est donc possible

ANALYSE DE VARIANCE
Source ddl SCE
Traitements 4 1035.1
Résiduelle 76 7343.8
Totale 80 8378.9

L'hétérogénéité entre les moyennes est significative à 5%

CALCUL DE LA PUISSANCE DE L'ANALYSE DE VARIAN

Au seuil alpha de 0.05

Puissance du test F :
Puissance du test de Kruskal & Wallis :
 606 279 543 488 835
367236 77841 294849 238144 697225
19 10 17 13 22
19328.211 7784.1 17344.059 18318.769 31692.045
PES INDEPENDANTS

er le test de Kruskal & Wallis plutôt que le test F

Effectifs Ec. Types Variances s.e.m. I.C. 95% Moy - IC 95% Moy + IC 95%
19 9.79 95.77 2.25 4.49 27.40 36.38
10 6.94 48.10 2.19 4.39 23.51 32.29
17 10.37 107.43 2.51 5.03 26.91 36.97
13 11.03 121.60 3.06 6.12 31.42 43.66
22 9.78 95.66 2.09 4.17 33.78 42.13
81

4.2775593
nes et quartiles36.75952 Moyennes et I.C. à 95%
4.0876206
40
12.78419
15.932731 35
73.841621
30

25

20

15

10

0
Lot 3 Lot 4 Lot 5 Lot 1 Lot 2 Lot 3 Lot 4 Lot 5

ariances des groupes (utilisant les écarts aux médianes)

CM F F limite 5% p
28.0 0.89 2.49 0.4748
31.5

variances n'est pas significative à 5%

 CM F F limite 5% p
258.8 2.68 2.49 0.0380
96.6

moyennes est significative à 5%

NCE DE L'ANALYSE DE VARIANCE

71%
ruskal & Wallis : 68%
 Rapport Limite
des var. rapport tolérable
2.53 3.54

Test de l'homogénéité des variances

Test du Fmax : si le rapport des variances
est supérieur au rapport limite tolérable
les variances sont significativement hétérogènes

Voir aussi plus bas le test de Levene

t Q1 Q3 M-Q1 Q3-M
2 25.5 39.5 6.5 7.5
2 23.25 29.5 2.25 4
2 25 42 7 10
2 30 49 9 10
2 30.25 43.75 8.25 5.25