Test non paramétriques

Qu’est ce qu’un : test non paramétrique

test paramétrique

Un test non paramétrique compare globalement la répartition des

observations
-pas de connaissance de la loi de la population
-On utilise des statistiques ( ex: U, D, W) ne dépendent pas des paramètres
tels que: moyenne , variance , écart type  , , 2
Un test est dit paramétrique si
-les hypothèses sont relatives à un paramètre statistique (µ, σ,…) associé
à la loi de probabilité décrivant la variable étudiée
-Il nécessite généralement des conditions de validité (en particulier, une
distribution gaussienne de la variable) 1
A-Exemples et conditions de validité
Test paramétrique
Test de Student non apparié
Test t de Student apparié
Analyse de variance
Corrélation linéaire
Test non paramétrique
Test de Mann-Whitney
Test de Wilcoxon
Test de kruskall et Wallis*
Test de Spearman

*Cas particulier de 2 variables

Conditions de validité /cas d’utilisation des tests non paramétriques

-Variables quantitatives continues (peu importe leur distribution qu’elle soit normale
ou non)
Ou variables quantitatives discrètes, Ou variables qualitatives ordinales
Test de Man Withney
Test de Wilcoxon
Test t de Coefficient de corrélation de Spearman
Test sur les signes
-variables nominales
Test de qui deux
2
Test de Fischer exact
B-Procédure d’un test statistique
• Formulation de l’hypothèse
• H0 ex: moyenne échantillon m = mp moyenne population; distribution
1 de 2 var est identique
• H1 m # mp; la distribution de deux échantillon n’est pas identique
• On suppose que H0 est vraie
2

• On calcule la statistique (U,D,W)

• (Ou l fonction discriminante )T, Z, F, 
2
3

• on fixe le seuil de signification

4 • Risque 

• On décide
• Ex: U calculée < U dans la table: H0 est rejetée
5
• si U calculée > U table : Ho est acceptée

3
 Application des Tests non paramétriques
1. Test de Mann-Whitney
Cas N<30
On remplace les variables par leurs rangs
2 échantillons indépendants (non appariés)
ech1 39 41 39 33 35 33 40 38
ech2 35 26 40 27 29 31 32 30 35

1) H0 : La distribution des variables ech1 et ech2 est identique

H0: Me1=Me2 la concentration de polluant dans la population1 ,source d’info: ech1
est identique à celle dans la population 2, ech2
H1: la distribution des variables n’est pas identique
Ou H1 : Me2< Me2 test unilatéral
M: concentration de polluant en mg/KG
2) On suppose que H0 est vraie

3) On calcule la statistique U comment ?

4) On fixe le seuil de signification
5) On décide 4
 3) Calcul de U
a-Ordonner en ordre croissant les deux échantillons
b-Affecter des rangs aux variables de deux échantillons
Si 2 ou plus variables xi sont égales on répète le même rang divisé par le
nombre de répétition
c-calculer la somme des rangs comme l’indique le tableau suivant

Xi 26 27 29 30 31 32 33 33 35 35 35 38 39 39 40 40 41 so
mm
e
origi 2 2 2 2 2 2 1 1 2 2 1 1 1 1 2 1 1
ne
Rang 7,5 7,5 10 12 13. 13. 15. 17 96.
de 5 5 5 5
prél1
rang 1 2 3 4 5 6 10 10 15. 56.
de 5 5
prél2

5
d- calculer N(N+1)/2 pour chaque échantillon
e- calculer U1 et U2 de deux échantillons U = somme des rangs- (N(N+1)/2)
g- calculer U= min( U1, U2)
Somme des rang 96.5 56.5
N 8 9
N*(N+1)/2 36 45
U=somme des 60.5 11.5
rang-N(N+1)/2
Umin 11.5

4) On fixe le seuil alpha = 5%

test unilatéral U table =18
5) On décide
11.5<18 U cal < Uα (U table )
H0 est rejeté: la distribution des variables de deux échantillons n’est pas
identique

6
Table de Mann-Whitney

7
 Condition d’application de test de Mann-Whitney
U = min(U1 ; U2)
On note U la variable aléatoire associée.
• Pour n1 et n2 quelconques, on lit dans les tables du test de Mann et Whitney le nombre
mα tel que, sous (H0), P( U ≤ mα) = α. On rejette (H0) au risque d'erreur α si U ≤ mα.
Autrement on accepte (H0).
• Si n1 et n2 sont assez grands (≥ 20 en général), sous (H0), U suit approximativement la loi
normale N(µ; σ) avec
n1n2 n1n2 (n1  n2  1)
 
2 12
On lit Uα dans la table de l'écart réduit de la loi normale tel que P(val absolu( loi
N) ≥ Uα) = α, on calcule
U 
Stat 

Et on rejette H0 au risque d’erreur alpha si Stat appartient à ]-U α;U α[
Autrement on accepte H0
8
Table de Mann-Whitney-complet (test unilatéral)

9
Table de Mann-Whitney-complet (test bilatéral)

10
2. Test de Wilcoxon –test de la médiane: test de signe de rang
Introduction
Applicable au nombre d’échantillon n < 30
Applicable à des variables appariées :
- le même échantillon subit un test ou traitement : échantillons appariés
-on dispose des variables avant et après
Procédure d’un test statistique
1) Formuler l’hypothèse

H0 : la médiane de nouveau échantillon est égale à celui de l’ancien échantillon mn= ma

H1: mn # ma

2) On suppose que H0 est vraie

11
Procédure d’un test statistique
3) Calcul de la statistique
Établir le tableau suivant : différence nouveau-ancien-> rang
Rq : pour nouveau Xi= ancien Xi on n’ affecte pas un rang
Ancien Xi Nouveau Xi Différence(nouveau |différence| rang
-ancien)
18.5 12.7 -5.6 5.6 8
13.3 11.1 -2.2 2.2 5
16.5 15.3 -1.2 1.2 3
12.6 12.7 0.1 0.1 1
9.5 10.5 1.0 1.0 2
13.6 15.6 2.0 2.0 4
8.1 11.2 3.1 3.1 6
8.9 14.2 5.3 5.3 7
10.0 16.2 6.3 6.3 9
8.3 15.5 7.2 7.2 10
7.9 19.9 12.0 12.0 11
8.1 20.4 12.3 12.3 12 12

13.4 36.8 23.4 23.4 13

Procédure d’un test statistique
3) Calcul de la statistique

Calculer la somme des rangs positifs et la somme des rangs négatifs

T    rangs  T    rangs 
T+=16 T-= 75
La statistique W= min(T-, T+) =16

La statistique W= min(T-, T+) =16

4) On fixe le seuil de signification  et on détermine W seuil de la

table

5) On compare et on décide
Wseuil = 17 au seuil de 0.05 pour N=13 (table)
16<17 => w calculée < wseuil
=> Rejet de l’hypothèse Ho : mn # ma
13
Valeurs critiques du test
des rangs pour
échantillons appariés
De Wilcoxon

14
 Condition d’application de test de Wilcoxon

• Si N ≤ 25, on lit dans la table du test de Wilcoxon (ci-dessous) le nombre Wα tel

que, sous (H0), P (W ≥ wα) = α.
On accepte (H0) au risque d'erreur α si W≥ Wα. Autrement on rejette (H0).
• Si N > 25, sous (H0), W suit approximativement la loi normale N(µ; σ) avec

N ( N  1) N ( N  1)(2 N  1)
 
4 24
on calcule donc la valeur de
W 
Stat 

et on la compare à Zα lu dans la table de la loi normale centrée réduite. On conclut .

15