République Algérienne démocratique et populaire

Ministre de l’enseignement supérieure de la recherche scientifique

Université Frères Mentouri Constantine -1-
Faculté de science de la nature et de la vie
Département de biochimie
 L’homogénéité des variances :
Les variances de la variable dépendante au sein des groupes comparés doivent être plus ou moins
égales. Le contraste des moyennes dépend de l’homogénéité des variances, c’est pourquoi il est
nécessaire de s’assurer que celle-ci est respectée. Voici à présent quelques tests qui permettent de
comparer cette homogénéité des variances:

 test de Levene. : L'homogénéité des variances

 test F de Fisher.
test de Barlett.

Test
Test dede Fisher
levene :

Test de Bertlet
Le test de Levene est donc utilisé pour tester l'hypothèse nulle selon laquelle les
échantillons à comparer proviennent d'une population ayant la même variance. Dans
ce cas, les éventuelles différences de variance ne sont que le fruit du hasard, puisque
Test de Levene
les différences sont faibles dans chaque échantillon. Si la valeur p du test de Levene
est supérieure à 0,05, alors les variances ne sont pas significativement différentes les
unes des autres (c'est-à-dire que l'hypothèse d'homogénéité de la variance est
satisfaite). Si la valeur p du test de Levene est inférieure à 0,05, alors il existe une
différence significative entre les variances.

 H0: Les groupes ont des variances égales

Dirigé par : Réaliser par :
 H1: Les groupes ont des variances différentes
Mme.zeghdar
- Il est important de noter que les valeurs moyennes des groupes
Sahliindividuels
Aminan'ont
aucune influence sur le résultat, elles peuvent différer. Un grand avantage du
 Bouali
test de Levene est qu'il est très stable face aux violations Anfel
de la distribution
normale. Par conséquent, le test de Levene est utilisé Boumaza
dans de nombreuxSamar
programmes de statistiques.
- En outre, l'égalité de la variance peut également être vérifiée graphiquement,
généralement à l'aide d'un diagramme en boîte groupé ou d'un nuage de points.

En statistique, le Test de Levene est une statistique déductive utilisée pour -

évaluer l'égalité de variance pour une variable calculée pour deux groupes ou
.plus[1]

Certaines procédures statistiques courantes supposent que les variances des

populations à partir desquelles différents échantillons sont prélevés sont égales. Le
test de Levene évalue cette hypothèse. Il teste l'hypothèse nulle que les variances de
Année universitaire : 2023-2024
population sont égales (appelées « homogénéité de la variance » ou
homoscédasticité). Si la valeur p résultante du test de Levene est inférieure à un
niveau de signification (typiquement 0,05), il est peu probable que les différences
obtenues dans les variances d'échantillon se soient produites sur la base d'un
échantillonnage aléatoire d'une population à variances égales. Ainsi, l'hypothèse
nulle d'égale variance est rejetée et il est conclu qu'il existe une différence entre les
variances dans la population.

:Quelle est utilisée le teste levene

L'hypothèse nulle est que les variances sont égales et l'hypothèse alternative est que
les variances ne sont pas égales. Utilisez le test de Levene lorsque les données sont
.issues de lois de distribution continues, mais pas nécessairement normales

:comment calculer le teste levene

Pour chaque traitement d'une expérience, le test modifié de Levene utilise le calcul
de l'écart absolu entre les observations et la médiane du traitement. Il compare
ensuite les moyennes de ces écarts pour tous les traitements afin de déterminer si
elles sont égales.

:Test De Fisher

En statistique, le test exact de Fisher est un test statistique exact utilisé pour l'analyse
des tables de contingence. Ce test est utilisé en général avec de faibles effectifs mais
il est valide pour toutes les tailles d'échantillons. Il doit son nom à son inventeur,
Ronald Fisher. C'est un test qualifié d'exact car les probabilités peuvent être calculées
exactement plutôt qu'en s'appuyant sur une approximation qui ne devient correcte
qu'asymptotiquement comme pour le test du (X)2 utilisé dans les tables de
contingence.Les calculs à la main ne sont raisonnables que pour les tables 2 × 2 mais
le principe du test peut s'étendre au cas général et certains logiciels de statistique
permettent le calcul pour le cas général.Fisher aurait conçu le test à la suite d'un
commentaire de Muriel Bristol, qui prétendait pouvoir détecter si le thé ou le lait
avait été ajouté en premier à sa tasse[1]. Il a testé sa revendication dans une
.» expérience appelée « lady tasting tea

Soit un tableau de contingence entre deux variables qualitatives A et B. La première *

étape consiste à formuler l'hypothèse nulle d'indépendance entre ces deux variables
qualitatives. Si ces deux variables sont indépendantes, on peut alors calculer la
probabilité de chaque modalité A1, A2... La probabilité de présenter A1 et B1 est
alors égale à P(A1) × P(B1). On peut ainsi calculer la probabilité de se trouver dans
chaque case du tableau. Enfin, on peut calculer la probabilité, si l'hypothèse nulle est
.vraie, d'observer un tableau de contingence donné
La deuxième étape consiste alors à calculer, pour tous les tableaux de contingence
possibles dont celui étudié, la possibilité d'observer ce tableau de contingence si
l'hypothèse nulle est vraie. On range alors les tableaux de contingence en deux
catégories : ceux qui sont plus compatibles avec l'hypothèse nulle que le tableau
étudié (leur probabilité est plus élevée sous l'hypothèse nulle), et ceux qui sont
.autant ou moins compatibles

La p-value est obtenue en sommant les probabilités associées à chaque tableau de

.contingence au moins aussi improbable que le tableau étudié

:Quand en utilise le teste du ficher

Lorsque l'un des effectifs théoriques est inférieur à 5 ou lorsque les sommes
marginales du jeu de données réel sont très déséquilibrées, il est préférable de se fier
au test exact de Fisher. Le test du khi² a une puissance plus importante que le test
.exact de Fisher

:Comment fair un teste de fisher

Pour réaliser ce test il est nécessaire d'avoir un échantillonnage aléatoire de chaque

individu et que les ces deux échantillons suivent une loi Normale. On utilise pour
tester cette hypothèse la fonction var. La p-value est supérieur à 0.05 on ne rejette
.donc pas l'hypothèse de normalité

:comment itarpréter le teste du fisher

On obtient une p-value que l'on compare avec 0,05 (ou tout autre seuil). Si elle est
supérieure, on ne rejette pas H0. En cas de variances parfaitement égales, TEST. F
donne 1 ; en revanche, plus les variances sont dissemblables, plus la p-value tend vers
zéro.

:Bartlete

En statistique, le test de Bartlett du nom du statisticien anglais Maurice Stevenson

Bartlett (18 juin 1910 – 8 janvier 2002) est utilisé en statistique pour évaluer si k
échantillons indépendants sont issus de populations de même variance (condition
dite d'homoscédasticité). C'est un test paramétrique.Tout comme le test de Fisher, le
test d'égalité des variances de Bartlett s'effondre totalement dès que l'on s'écarte,
même légèrement, de la distribution gaussienne]. Cependant, le test de Levene et le
test de Brown-Forsythe sont plus robustes, c'est-à-dire moins sensibles aux écarts par
rapport à l'hypothèse de normalité, et sont des alternatives crédibles au test de
.Bartlett et au test de Fisher
 :Comment interpréter le teste betlate

Les valeurs élevées (proches de 1, 0) indiquent généralement qu'une analyse

factorielle peut être utile avec vos données. Si la valeur est inférieure à 0,50, les
résultats de l'analyse factorielle ne seront probablement pas très utiles.
 -

Réaliser par :
Dirigé par :
Mme.zeghdar  Sahli Amina
 Bouali Anfel
 Boumaza Samar

Année universitaire : 2023-2024