Académique Documents
Professionnel Documents
Culture Documents
1. PROBLEMATIQUE
Tests statistiques = Comparaison de 2 ou plusieurs groupes
Population
A priori : P1 P2
Mais : La différence peut être due au hasard
Test statistique
Variable à plus de 2 modalités
Profession
TEST STATISTIQUE
Traitement A B
Résultat Effectif % Effectif %
Succès 43 79,6 31 67,4
Echec 11 20,4 15 32,6
Total 54 100 46 100
% de succès avec A (PA) > % de succès avec B (PB)
Hasard ????
Test d’hypothèse :
- Proportions de succès avec A et B identiques ou différentes ?
- Existe –il une liaison entre le succès et le traitement
H0 :
- Le traitement et le résultat produit sont indépendants
- Il n’existe pas de relation entre le traitement et le résultat produit
- Le résultat du traitement A n’est pas différent du résultat
du traitement B
- Il n ya pas de différence entre les résultats des deux trainements
H0 : PA = PB
Test d’hypothèse = Probabilité p
p = Probabilité que le hasard puisse expliquer les résultats
z = e/s
z = 1,96 ; IC à 95 %
Calculer l’écart-réduit z
z = | P – P0 | / s
| P – P0 |
z =
PQ/n
Si z 1,96, Différence statistiquement significative
Si z < 1,96, Différence statistiquement non significative
Seuil de signification : Table de l’écart-réduit
Conditions d’application :
nP et nQ 5
Calculer l’écart-réduit z :
z = | x – x0 | / s | x – x0 |
z =
nPQ
Exemple :
P = 0,2
Q = 1 – P = 0,8
n = 100
P0 = 0,14
1. Position du problème et choix
du test statistique :
Il s’agit de la comparaison d’un pourcentage observé
à un pourcentage théorique
2. Hypothèse nulle :
4. Application :
| P – P0 |
z =
PQ/n
| 0,2 – 0,14 |
z = = 1,5
0,2 x 0,8 / 100
5. Résultat :
z = 1,5 < 1,96
Il n y a pas de différence statistiquement significative
L’hypothèse nulle est retenue
6. Conclusion :
La substance en question n’a pas d’effets sur le cancer
Utilisation des fréquence absolues :
x = 20
x0 = 14
| 20 - 14 |
z = = 1,5
0,2 x 0,8 x 100
4.2. Comparaison de deux pourcentages observés
Calculer l’écart-réduit z :
z = | PA – PB | / s | PA – PB |
z =
P Q / n A + P Q / nB
Si z 1,96, Différence statistiquement significative
Si z < 1,96, Différence statistiquement non significative
Seuil de signification : Table de l’écart-réduit
Conditions d’application :
nAP , nAQ, nBP et nBQ 5
Exemple :
On sélectionne deux groupes de 200 et de 400 sujets qui reçoivent
respectivement deux traitements A et B. Les pourcentages de succès
respectifs sont de 30 % et de 45 %.
L’action des deux traitements est-elle différente?
nA= 200
nB = 400
PA= 0,30
QA = 1 – PA = 0,70
PB = 0,45
QB = 1 – PB = 0,55
Estimation de P et de Q :
xA = 0,30 x 200 = 60
xB = 0,45 x 400 = 180
P = xA + xB / nA + nB = 60 + 180 / 200 + 400 = 0,4
P = 0,4
Q = 0,6
1. Position du problème et choix
du test statistique :
Il s’agit de la comparaison de deux pourcentages observés
2. Hypothèse nulle :
H0 :
| PA – PB |
z = < 1,96
PQ / nA + P Q / nB
3. Vérification des conditions d’application :
nA p = 200 x 0,4 = 80
nA q = 200 x 0,6 = 120
nB p = 400 x 0,4 = 160
nB q = 400 x 0,6 = 240
4. Application :
| PA – PB |
z =
P Q / n A + P Q / nB
| 0,35– 0,40|
z = = 3,5
0,4 x 0,6/ 200 + 0,4 x 0,6 / 400
5. Résultat :
z = 3,5 > 1,96
L’hypothèse nulle est rejetée
La différence est statistiquement significative
Le seuil de signification < 1 p. 1000
6. Conclusion :
L’action des deux traitement est différente (p < 1 p. 1000)
5. LIAISON ENTRE UNE VARIABLE
QUALITATIVE ET UNE VARIABLE
QUANTITATIVE
5.1. Comparaison d’une moyenne observée
à une valeur théorique :
| m – m0 |
z =
s/n
Conditions d’application :
- n 30
Exemple :
Sur un échantillon de 250 sujets, on observe une glycémie moyenne
de 1,17 g/l avec un écart-type de 0,32 g/l.
Cette mesure doit être considérée comme normale en adoptant
la valeur théorique de 1,26 g/l ?
n= 250
m0 = 1,17
s = 0,32
m = 1,26
H0 : m0 = m
H0 :
| m – m0 |
z = < 1,96
s/n
3. Vérification des conditions d’application :
n = 250 > 30
4. Application :
| m – m0 |
z=
s/n
| 1,26 – 1,17 |
z= = 4,5
0,32 / 250
5. Résultat :
z = 4,5 > 1,96
L’hypothèse nulle est rejetée
La différence est statistiquement significative
Le seuil de signification < 1 p. 100000
6. Conclusion :
La mesure observée n’est pas considérée comme normale
en adoptant une valeur théorique de 1,26 g/l (p < 1 p. 1 00000)
5.2. Comparaison de deux moyennes observées
Calculer l’écart-réduit z
z = | mA – mB | / s
| mA – mB |
z =
s2A / nA + s2B / nB
Si z 1,96, Différence statistiquement significative
Si z < 1,96, Différence statistiquement non significative
Seuil de signification : Table de l’écart-réduit
Conditions d’application :
nA et nB 30
Exemple :
Le taux moyen de cholestérol sanguin chez un groupe
de 150 diabétiques est de 1,46 g/l avec un écart-type
de 0,28 g/l. Celui d’un groupe de 300 sujets non diabétiques est
de 1,45 g/L avec un écart-type de 0,25 g/l.
Existe-il une relation entre l’hypercholestérolémie et le diabète?
nA= 150
nB = 300
mA= 1,46
sA = 0,28
mB = 1,45
sB = 0,25
1. Position du problème et choix
du test statistique :
Il s’git de la comparaison de deux moyennes observées
2. Hypothèse nulle :
Il n y a pas de relation entre le diabète et l’hypercholestérolémie
H0 : mA = mB
H0 :
| mA – mB |
z = < 1,96
s2A / nA + s2B / nB
3. Vérification des conditions d’application :
nA = 150 > 30
nB = 300 > 30
4. Application :
| mA – mB |
z =
s2A / nA + s2B / nB
| 1,46 – 1,45|
z = = 3,8
(0,28)2 / 150 + (0,25)2 / 300
5. Résultat :
z = 3,8 > 1,96
L’hypothèse nulle est rejetée
La différence est statistiquement significative
Le seuil de signification < 1 p. 1000
6. Conclusion :
Il y a une relation entre le diabète et l’hypercholestérolémie
(p < 1 p. 1000)