Académique Documents
Professionnel Documents
Culture Documents
- 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.
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.
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.
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).
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…
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
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
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.
Ces effectifs sont probablement peu réalistes, mais les conclusions de cette étude également…
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
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.
és à des témoins
mper en concluant
es : 41 sujets
proportions")
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%
10.1
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
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%
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%
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
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
ANALYSE DE VARIANCE
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
F F limite 5% p
1.72 2.70 0.1691
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
Représentations graphiques
Test d'homogénéité des variances
Analyse de variance
Calcul de la puissance
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
ANALYSE DE VARIANCE
Source ddl SCE
Traitements 4 1035.1
Résiduelle 76 7343.8
Totale 80 8378.9
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
CM F F limite 5% p
28.0 0.89 2.49 0.4748
31.5
71%
ruskal & Wallis : 68%
Rapport Limite
des var. rapport tolérable
2.53 3.54