CAROLINE GIROD-LABIANCA

IÈRE ANNÉE DE THÈSE

DERNIÈRE MISE À JOUR : 28/07/2022 16:47

ANALYSE STATISTIQUE DES

RÉSULTATS
 SOMMAIRE

Analyse statistique des résultats_________________________________________________1

.1 Définitions :_________________________________________________________________1

.2 Étude d’une série de résultats :_________________________________________________2

.2.1 Méthodologie :__________________________________________________________________2
.2.2 Formulaire :____________________________________________________________________2
.2.2.1 Recherche de l’aspect aléatoire de la série : Test des suites :____________________________2
.2.2.1.1 Premier type de test des suites :______________________________________________2
.2.2.1.2 Deuxième type de test des suites : Cas des grands échantillons :____________________3
.2.2.2 Recherche du caractère de normalité :_____________________________________________3
.2.2.2.1 Test de la droite d’Henry pour une ou plusieurs dizaines de résultats :_______________3
.2.2.2.2 Test de Shapiro :_________________________________________________________3
.2.2.3 Recherche des valeurs aberrantes : Test de Dixon :___________________________________4
.2.2.3.1 Pour les valeurs inférieures :________________________________________________4
.2.2.3.2 Pour les valeurs supérieures :_______________________________________________5
.2.2.4 Évaluation des paramètres de la série de n valeurs :___________________________________5

.3 Comparaison d’une série de résultats par rapport à une valeur connue (valeur
conventionnellement vraie (VCV)) :_________________________________________________6
.3.1 Méthodologie :__________________________________________________________________6
.3.2 Formulaire  Comparaison de las série à la Valeur Conventionnellement Vraie (VCV) ::_________6

.4 Comparaison de deux séries :__________________________________________________7

.4.1 Méthodologie :__________________________________________________________________7
.4.2 Formulaire : Comparaison des deux séries :___________________________________________7
.4.2.1 Comparaison des variances (dispersions) des deux séries : Test de Snédécor :______________7
.4.2.2 Comparaison des moyennes des deux séries :________________________________________8
.4.2.2.1 Si Fcal<Ftable  Test de Student bilatéral pour variances inconnues égales :___________8
.4.2.2.2 Si Fcal>Ftable  Test de Welch pour variances inconnues inégales :__________________8
.4.2.3 Test d’homogénéité des variances intra-séries : Test de Cochran :_______________________9

.5 Comparaison d’une droite y=a+bx à un modèle y=A+Bx, par regression linéaire, pour
une série de couples (x ;y) :_________________________________________________________9
.5.1 Méthodologie :__________________________________________________________________9
.5.2 Formulaire :___________________________________________________________________10
.5.2.1 Calcul de A, B et R :__________________________________________________________10
.5.2.1.1 Calcul de l’ordonnée à l’origine A :_________________________________________10
.5.2.1.2 Calcul du coefficient directeur B :___________________________________________10
 .5.2.1.3 Calcul du coefficient de corrélation r :_______________________________________10
.5.2.2 Comparaison des ordonnés à l’origine de la droite expérimentale A et de la droite de régression
A : 10
.5.2.3 Comparaison des coefficients directeurs de la droite expérimentale B et de la droite de
régression B :______________________________________________________________________11
.5.3 Conclusion : Comparaison des deux droites :_________________________________________12
.5.3.1 Comparaison de y=a+bx à y=A+Bx :_____________________________________________12
.5.3.2 Comparaison de y=bx à y=Bx :__________________________________________________12
.5.3.3 Comparaison du modèle théorique Aétalon=Alu à la droite de régression Aétalon=A+B.Alu :______12

.6 Comparaison d’une droite y=a1+b1x à une droite y=a2+b2x, pour deux séries de couples
(xi ; yi) : Comparaison des pentes :_________________________________________________12
.6.1 Méthodologie :_________________________________________________________________12
.6.2 Formulaire :___________________________________________________________________12
.6.2.1 Calcul de la variance des pentes :________________________________________________12
.6.2.2 Comparaison de la variance des pentes : Test de Snédécor :___________________________13
.6.2.2.1 Classement des écarts types des pentes par ordre croissant :______________________13
.6.2.2.2 Calcul du rapport des variances Fcal :_________________________________________13
.6.2.2.3 Lecture de Ftable dans les tables de F unilatérales pour un risque α donné :___________13
.6.2.2.4 Comparaison des variances des pentes :______________________________________13
.6.2.3 Comparaison des pentes b1 et b2 dans le cas où les variances des pentes ne sont pas
significativement différentes___________________________________________________________13
.6.2.3.1 Calcul de la variance commune aux deux pentes :______________________________13
.6.2.3.2 Calcul de la variance des pentes à partir de la variance commune :_________________13
.6.2.3.3 Calcul de tobs :___________________________________________________________14
.6.2.3.4 Lecture de ttable dans les tables de Student bilatérales pour un risque α donné :________14
.6.2.3.5 Comparaison de ttable et tobs :________________________________________________14
.6.2.4 Comparaison des pentes b1 et b2 dans le cas où les variances des pentes sont significativement
différentes : Test de Welch :___________________________________________________________14
.6.2.4.1 Calcul de la variance commune aux deux pentes :______________________________14
.6.2.4.2 Calcul de la variance des pentes à partir de la variance commune :_________________14
.6.2.4.3 Calcul de tobs :___________________________________________________________14
.6.2.4.4 Lecture de ttable dans les tables de Student bilatérales pour un risque α donné :________15
.6.2.4.5 Comparaison de ttable et tobs :________________________________________________15
CAROLINE GIROD-LABIANCA 28/07/2022

ANALYSE STATISTIQUE DES RÉSULTATS

.1 DÉFINITIONS :

 Erreur absolue : Écart entre mesurage et valeur (conventionnellement) vraie de la

grandeur.
 Erreur aléatoire : Composante de l’erreur de mesure qui, lors de plusieurs
mesurages du même mesurande, varie de façon imprévisible.
 Erreur de justesse d’un instrument de mesure : Composante systématique de
l’erreur d’un instrument de mesure.

 Erreur relative :

 Erreur systématique : Composante de l’erreur de mesure qui, lors de plusieurs

mesurages du même mesurande, varie de façon prévisible, et reste constante.
 Exactitude : Étroitesse de l’accord entre le résultat du mesurage et la valeur
conventionnellement vraie (VCV) de la grandeur mesurée.
 Fidélité d’un instrument de mesure : Aptitude d’un instrument de mesure à donner
des réponses très voisine lors de l’application répétée d’un signal d’entrée.
 Justesse d’un instrument de mesure : Aptitude d’un instrument de mesure à donner
des indications exemptes d’erreur de justesse.
 Mesurage : Ensemble des opérations ayant pour but de déterminer la valeur de la
grandeur.
 Mesurande : Valeur de la grandeur particulière soumise au mesurage (mesurande
exacte=étalon).
 Répétabilité des mesurages : Étroitesse de l’accord entre les résultats des mesurages
successifs du même mesurande, effectuées avec la même méthode de mesure, le
même observateur, le même instrument de mesure, le même lieu, les même conditions
d’utilisation, la même répétition sur une courte durée…
 Reproductibilité des mesurages : Étroitesse de l’accord des résultats des mesurages
du même mesurande, dans le cas où les mesurages individuels sont effectués en
faisant varier les conditions telles que : la méthode de mesure, l’observateur,
l’instrument de mesure, le lieu, les conditions d’utilisation, le temps.

Analyse Statistique des Résultats 1/19

CAROLINE GIROD-LABIANCA 28/07/2022

.2 ÉTUDE D’UNE SÉRIE DE RÉSULTATS :

.2.1 MÉTHODOLOGIE :

 Vérification de l’aspect aléatoire d’une suite : Test des suites

 Vérification de la normalité d’une suite : Test de la droite d’Henry
 Élimination des valeurs aberrantes : Test de Dixon
 Évaluation des paramètres d’une série de n valeurs :
 Valeur moyenne estimée de la population à partir de l’échantillon
 Écart type estimé (s) de la population à partir de l’échantillon
 Intervalle de confiance bilatéral pour un risque d’erreur α donné
 Expression probabiliste du résultat d’une série

 Coefficient de variation :

.2.2 FORMULAIRE :

.2.2.1 Recherche de l’aspect aléatoire de la série : Test des suites :

Ce test est utilisé pour vérifier l'indépendance des observations.

On dira qu'il y a 7 suites :

La statistique de test dépend donc du nombre de résultats inférieurs à la médiane (n1), du

nombre de supérieurs à la médiane (n2) et du nombre de suites ( ).

.2.2.1.1 Premier type de test des suites :

 Nombre de valeurs total :n

 Classement de la série dans l’ordre croissant
 Évaluation de la médiane :

 Pour n pair :

 Pour n impair :

Analyse Statistique des Résultats 2/19

CAROLINE GIROD-LABIANCA 28/07/2022

 Partage des n valeurs en deux catégories n1 et n2, tel que :

 n1=nombres de valeurs inférieures à la médiane
 n2=nombres de valeurs supérieures à la médiane
 Rappel de l’ordre de sorti des valeurs
 Classement par suite de la série de résultats dans leur ordre d’apparition (une suite
s’arrête dès qu’on passe la médiane)  Obtention d’un nombre Rcalculé de suite
 Lire dans les tables donnant R en fonction de n1 et n2 la valeur Rtable  si
Rtable0.025<Rcalculé< Rtable0.975, alors les valeurs sont sorties de façon aléatoire.

.2.2.1.2 Deuxième type de test des suites : Cas des grands échantillons :

Dans le cas de grands échantillons, on peut tester, avec une table de loi normale réduite, la
quantité :

Avec :

L'application de ce test à l'examen des résidus est aisée. Notons toutefois qu'il ne tient compte
que de leur signe et non pas de leur grandeur. Pour un nombre de +et de -donné, l'hypothèse
de répartition aléatoire des résidus est rejetée si le nombre de suites ne se situe pas entre les
bornes données dans la table.

.2.2.2 Recherche du caractère de normalité :

.2.2.2.1 Test de la droite d’Henry pour une ou plusieurs dizaines de résultats :

Test graphique (non traité ici).

.2.2.2.2 Test de Shapiro :

 Classement des valeurs de la série de résultats par ordre croissant

 Calcul de la moyenne de cette série de mesures :

 Calcul du nombre Tn défini par :

Analyse Statistique des Résultats 3/19

CAROLINE GIROD-LABIANCA 28/07/2022

 Calcul des différences suivantes :

d1 = yn - y1

d2 = yn-1 - yn-2

di = yn-i+1 - yi

NB : Si n = 2p (n pair), on aura p différences et si n = 2p + 1 (n impair) on aura aussi p

différences, l'observation médiane n'intervenant pas.

 Calcul du nombre W défini par : (où les coefficients aj sont

données par une table).

 Choit d’un risque α (5 % ou 1 %) et on compare la valeur de W à une valeur Wcrit,
(dite valeur critique), lue dans la table de Shapiro et Wilk.
 Estimation de la normalité de la série :

 Si W > Wcrit on accepte, au risque choisi, l'hypothèse de normalité de la série de

mesure.
 Si W < Wcrit on rejette l'hypothèse de normalité de la série de mesure.

.2.2.3 Recherche des valeurs aberrantes : Test de Dixon :

.2.2.3.1 Pour les valeurs inférieures :

 Rappel du classement par ordre croissant

 Établir rn (si suite de n=6 valeurs, rn=r6)
 Lire la valeur de rn dans les tables, pour un risque α donné
 Calculer le rapport rcal pour la valeur inférieure :

 Si n≤10,

 Si 10≤n≤30,

 Comparer rcal à rtable :

 Si rcal>rtable, la valeur inférieure est aberrante et doit être éliminée

Analyse Statistique des Résultats 4/19

CAROLINE GIROD-LABIANCA 28/07/2022

 Si rcal<rtable, la valeur inférieure n’est pas aberrante et doit être gardée

NB : Si une valeur a été éliminée, il faut recommencer le test pour la nouvelle valeur
inférieure.

.2.2.3.2 Pour les valeurs supérieures :

 Rappel du classement par ordre croissant en ne prenant pas en compte les valeurs
éventuellement éliminées précédemment
 Établir rn (si suite de n=6 valeurs, rn=r6)
 Lire la valeur de rn dans les tables, pour un risque α donné
 Calculer le rapport rcal pour la valeur supérieure :

 Si n≤10,

 Si 10≤n≤30,

 Comparer rcal à rtable :

 Si rcal>rtable, la valeur supérieure est aberrante et doit être éliminée
 Si rcal<rtable, la valeur supérieure n’est pas aberrante et doit être gardée
NB : Si une valeur a été éliminée, il faut recommencer le test pour la nouvelle valeur
supérieure.

.2.2.4 Évaluation des paramètres de la série de n valeurs :

 Calcul de la valeur moyenne :

 Évaluation de l’écart type expérimental :

 Si n≤10  méthode de l’étendue : , avec :

  = l’étendue = valeur max. - valeur min.

 Cn lu dans les tables de Cn (= si série de n=5 valeurs, Cn=C5)

 Si n≥10  (n-1 sur calculette)

 Évaluation de l’intervalle de confiance bilatéral pour un risque α donné :

 Si n≤10  méthode de l’étendue : (où k1 est lu dans les
tables de k1 en fonction de n)

Analyse Statistique des Résultats 5/19

CAROLINE GIROD-LABIANCA 28/07/2022

 Si n≥10  (où t(bi ;ddl=n-1 ;α) lu dans table de

Student pour un risque bilatéral α donné)

 Expression probabiliste du résultat de la série :

.3 COMPARAISON D’UNE SÉRIE DE RÉSULTATS PAR RAPPORT À UNE

VALEUR CONNUE (VALEUR CONVENTIONNELLEMENT VRAIE (VCV)) :

.3.1 MÉTHODOLOGIE :

 Recherche de l’aspect aléatoire de la série

 Recherche de la normalité de la série
 Recherche des valeurs aberrantes de la série
 Évaluation des paramètres de la série :
 Calcul de la valeur moyenne
 Calcule de l’intervalle de confiance unilatéral pour un risque α donné
 Comparaison de la moyenne à la VCV
 Test de signification de l’écart type par rapport à l’intervalle de confiance unilatérale
 Conclusion

.3.2 FORMULAIRE  COMPARAISON DE LAS SÉRIE À LA VALEUR CONVENTIONNELLEMENT

VRAIE (VCV) ::

 Si n≤10  Méthode de l’étendue : Évaluation de l’intervalle unilatéral pour un

risque α donné : (où k2 est lu dans les tables de k2 pour un
risque α donné)
 Si n≥10  Évaluation de l’intervalle unilatéral pour un risque α donné :

(où t(uni ;ddl=n-1 ;α) lu dans table de Student pour un

risque unilatéral α donné)

 Comparaison de xmoy à la VCV :

Analyse Statistique des Résultats 6/19

CAROLINE GIROD-LABIANCA 28/07/2022

 Si xmoy>VCV ou xmoy>VCV+I.C.(uni ;ddl= ;α), xmoy>VCV significativement 

, sinon, inexactitude=0.

 Si xmoy<VCV ou xmoy<VCV+I.C.(uni ;ddl= ;α), xmoy<VCV significativement 

, sinon, inexactitude=0.

.4 COMPARAISON DE DEUX SÉRIES :

.4.1 MÉTHODOLOGIE :

 Pour chacune des deux suites, il faut :

 Recherche de l’aspect aléatoire de la série
 Recherche de la normalité de la série
 Recherche des valeurs aberrantes de la série
 Évaluation des paramètres de la série :
 Comparer les variances (dispersions) : Test de Snédécor
 Comparer les moyennes : Test de Student bilatéral ou test de Welch

.4.2 FORMULAIRE : COMPARAISON DES DEUX SÉRIES :

.4.2.1 Comparaison des variances (dispersions) des deux séries : Test de Snédécor :


Classement des variances telles que sA2>sB2


Évaluation de


Lire dans les tables de F pour un risque unilatéral α

Comparaison de Fcal et Ftable
 Si  les variances des deux séries ne sont pas
significativement différentes  on fait un test de Student bilatéral pour

Analyse Statistique des Résultats 7/19

CAROLINE GIROD-LABIANCA 28/07/2022

comparer leurs moyennes  les répétabilités des deux séries ne sont pas
significativement différentes
 Si  les variances des deux séries sont
significativement différentes  on fait un test de Welch si n1>9 et n2>9 pour
comparer leurs moyennes  les répétabilités des deux séries sont
significativement différentes

.4.2.2 Comparaison des moyennes des deux séries :

.4.2.2.1 Si Fcal<Ftable  Test de Student bilatéral pour variances inconnues égales :

 Calcul de la différence des moyennes :

 Estimation de l’écart type commun

 Calcul de l’écart type de la différence

 Calcul du degré de liberté commun

 Lecture de la valeur de dans la table de Student bilatéral pour un risque α

donné et un degré de liberté ddlc

 Calcul de la plus petite différence significative

 Si d≤PPDS  les moyennes des deux séries ne sont pas significativement

différentes
 Si d≥PPDS  les moyennes des deux séries sont significativement différentes

.4.2.2.2 Si Fcal>Ftable  Test de Welch pour variances inconnues inégales :

 Calcul de la différence des moyennes :

 Calcul de l’écart type de la différence

 Calcul du coefficient

 Lire dans la table de Welch pour un risque α donné et des ddlA et ddlB

 Calcul de la plus petite différence significative

Analyse Statistique des Résultats 8/19
CAROLINE GIROD-LABIANCA 28/07/2022

 Si d≤PPDS  les moyennes des deux séries ne sont pas significativement

différentes
 Si d≥PPDS  les moyennes des deux séries sont significativement différentes

.4.2.3 Test d’homogénéité des variances intra-séries : Test de Cochran :

Permet de comparer les variances de p séries. Nécessite que les ddl soient identiques ou
proches. Si les ddl diffèrent trop, il faut utiliser le test de Bartlett (cf. fasicule Analyse
Statistique).

Évaluer la variance de chaque série : si2

Évaluer la somme des variances :

Rechercher la variance la plus élevée : smax2


Calculer


Comparer Ccal à la valeur de la table Ctable lu pour un risque α donné, un nombre p
d’estimations (séries) et un ddl
 Si Ccal< Ctable, on accepte l’hypothèse d’homogénéité des variances. Ces p
estimations peuvent être mise en commun pour aboutir à l’établissement d’un

écart type plus précis, avec un ddl .

 Si Ccal> Ctable, on rejette globalement l’hypothèse d’homogénéité des variances.

On effectue alors un test de recherche de valeurs aberrantes (test de Dixon) sur
la série de variance la plus élevée. Après élimination des valeurs aberrantes, on
recommence le test de Cochran.

.5 COMPARAISON D’UNE DROITE y=a+bx À UN MODÈLE y=A+Bx, PAR

REGRESSION LINÉAIRE, POUR UNE SÉRIE DE COUPLES (x ;y) :

.5.1 MÉTHODOLOGIE :

 Calcul de l’ordonnée à l’origine A, du coefficient directeur B et du coefficient de

corrélation r de la droite de régression
 Calculs sur A :

Analyse Statistique des Résultats 9/19

CAROLINE GIROD-LABIANCA 28/07/2022

 Calcul de la variance de A
 Calcul de l’écart type de A
 Comparaison du coefficient directeur de la droite de régression au
coefficient directeur de la droite expérimentale
 Calculs sur B :
 Calcul de la variance de B
 Calcul de l’écart type de B
 Comparaison du coefficient directeur de la droite de régression au
coefficient directeur de la droite expérimentale

.5.2 FORMULAIRE :

.5.2.1 Calcul de A, B et R :

.5.2.1.1 Calcul de l’ordonnée à l’origine A :

.5.2.1.2 Calcul du coefficient directeur B :

.5.2.1.3 Calcul du coefficient de corrélation r :

.5.2.2 Comparaison des ordonnés à l’origine de la droite expérimentale A et de la droite

de régression A :

 Calcul de la variance , avec :

Analyse Statistique des Résultats 10/

10/19
CAROLINE GIROD-LABIANCA 28/07/2022

 Calcul de l’écart type

 Calcul de

 Lecture de ttable dans les table de Student unilatérale, pour un risque α donné et un
ddl=n-2
 Si  les ordonnées à l’origine de la droite de régression A et de la
droite expérimentale a ne sont pas significativement différentes pour un risque α
donné
 Si  les ordonnées à l’origine de la droite de régression A et de la
droite expérimentale a sont significativement différentes pour un risque α donné
NB : Si la droite y=a+bx expérimentale passe par l’origine, alors a=0, donc A=0

.5.2.3 Comparaison des coefficients directeurs de la droite expérimentale B et de la droite

de régression B :

 Calcul de la variance

 Calcul de l’écart type

 Calcul de

 Lecture de ttable dans les table de Student unilatérale, pour un risque α donné et un
ddl=n-2
 Si  les coefficients directeurs de la droite de régression B et de
la droite expérimentale b ne sont pas significativement différentes pour un
risque α donné
 Si  les coefficients directeurs de la droite de régression B et de
la droite expérimentale b sont significativement différentes pour un risque α
donné

Analyse Statistique des Résultats 11/

11/19
CAROLINE GIROD-LABIANCA 28/07/2022

.5.3 CONCLUSION : COMPARAISON DES DEUX DROITES :

.5.3.1 Comparaison de y=a+bx à y=A+Bx :

Si A et B ne sont pas significativement différents de a et b, alors la droite de régression

y=A+Bx (modèle) est applicable au cas expérimental concret dont la droite est y=a+bx. On
peut donc utiliser l’équation y=A+Bx au lieu de l’équation y=a+bx.

.5.3.2 Comparaison de y=bx à y=Bx :

 Vérifier que A et a ne sont pas significativement différents de 0.

 Vérifier que B n’est pas significativement différent de b.
 La droite de régression y=Bx (modèle) est applicable au cas expérimental concret dont la
droite est y=bx.

.5.3.3 Comparaison du modèle théorique Aétalon=Alu à la droite de régression

Aétalon=A+B.Alu :

 Vérifier que A n’est pas significativement différent de 0

 Vérifier que B n’est pas significativement différent de 1
 Le modèle Aétalon=Alu n’est pas significativement différent du modèle Aétalon=A+B.Alu. On
peut donc appliquer l’équation Aétalon=Alu à la place de l’équation expérimentale
Aétalon=A+B.Alu.

.6 COMPARAISON D’UNE DROITE y=a1+b1x À UNE DROITE y=a2+b2x, POUR

DEUX SÉRIES DE COUPLES (xi ; yi) : COMPARAISON DES PENTES :

.6.1 MÉTHODOLOGIE :

.6.2 FORMULAIRE :

.6.2.1 Calcul de la variance des pentes :

Analyse Statistique des Résultats 12/

12/19
CAROLINE GIROD-LABIANCA 28/07/2022

.6.2.2 Comparaison de la variance des pentes : Test de Snédécor :

.6.2.2.1 Classement des écarts types des pentes par ordre croissant :

.6.2.2.2 Calcul du rapport des variances Fcal 

cal :

.6.2.2.3 Lecture de Ftable dans les tables de F unilatérales pour un risque α donné :

On lit la valeur de Ftable grâce aux ddl 1 et 2

.6.2.2.4 Comparaison des variances des pentes :

 Les variances des pentes ne sont pas significativement différentes 

on fait un test de Student pour comparer les pentes des deux droites
 Les variances de pentes sont significativement différentes  on fait
un test de Welch pour comparer les pentes des deux droites

.6.2.3 Comparaison des pentes b1 et b2 dans le cas où les variances des pentes ne sont pas
significativement différentes

.6.2.3.1 Calcul de la variance commune aux deux pentes :

.6.2.3.2 Calcul de la variance des pentes à partir de la variance commune :

.6.2.3.3 Calcul de tobs 

obs :

Analyse Statistique des Résultats 13/

13/19
CAROLINE GIROD-LABIANCA 28/07/2022

.6.2.3.4 Lecture de ttable dans les tables de Student bilatérales pour un risque α donné :

Lecture de ttable dans les tables de Student bilatérales pour un risque α donné, et pour un ddl

.6.2.3.5 Comparaison de ttable et tobs 

obs :

 Si les pentes ne sont pas significativement différentes

 Si les pentes sont significativement différentes

.6.2.4 Comparaison des pentes b1 et b2 dans le cas où les variances des pentes sont
significativement différentes : Test de Welch :

.6.2.4.1 Calcul de la variance commune aux deux pentes :

.6.2.4.2 Calcul de la variance des pentes à partir de la variance commune :

.6.2.4.3 Calcul de tobs 

obs :

Analyse Statistique des Résultats 14/

14/19
CAROLINE GIROD-LABIANCA 28/07/2022

.6.2.4.4 Lecture de ttable dans les tables de Student bilatérales pour un risque α donné :

Lecture de ttable dans les tables de Student bilatérales pour un risque α donné, et pour un ddl

.6.2.4.5 Comparaison de ttable et tobs 

obs :

 Si les pentes ne sont pas significativement différentes

 Si les pentes sont significativement différentes

Analyse Statistique des Résultats 15/

15/19