Académique Documents
Professionnel Documents
Culture Documents
Tests :
- Test paramétrique : comparaison de 2 moyennes, échantillons indépendants
o Condition : X et Y normales dans P1 et P2 (de même variance) ou taille échantillon ≥ 30
- Test non paramétrique : Wilcoxon-Mann-Whitney
o Condition : X et Y = même caractère quantitatif continu
Hypothèses de tests Pour un test non paramétrique :
Hypothèse nulle (Ho) : X et Y ont la même distribution
Hypothèse alternative (H1) : 3 possibilités :
1. les valeurs de X sont globalement plus faibles que celles de Y
- la distribution de X se situe à gauche de celle de Y
- X Y (unilatérale gauche)
2. Les valeurs de X sont globalement plus élevées que celles de Y
- La distribution de X se situe à droite de Y
- X Y (unilatérale droite)
3. Les valeurs sont X sont globalement différentes de celles de Y
- La distribution de X est différente de celle de Y
- X / Y (bilatérale)
Seuil de risque = 5%
Vérification de la Sur jamovi : vérification visuelle de l’histogramme et vérifier avec la statistique de test de Shapiro -Wilk ou Anderson-Darling
normalité - Mesure des écart des observations à Ho
+ symétrie - On redonne le contexte : population, variable, échantillons de la mesure, hypothèses (suit loi normale, ne suit pas) =
(toujours bilatérale)
- Statistique de test : Test de Shapiro Wilk : W(obs) = … et (obs) = … et = 5%
- Conclusion à donner : il existe un écart significatif à la normalité du (variable) dans P au risque max = 5% et au risque
minimum (obs) = …%
permet de définir si utilisation de test paramétrique ou non paramétrique
Vérification de la symétrie :
- Coefficient d’asymétrie : (coeff asymétrie) / erreur standard
- Doit être compris entre -2 et 2 pour = symétrie
Degré de Règle de décision : si (obs) < on rejette Ho et on valide H1 au risque = 5% et au risque d’erreur de 2nd espèce
signitfication inconnu
/ p- valeur Sinon inverse
2. Cas 2
Une population P constitués d’individus de taille N inconnue
2 variables, mesures répétées du même caractère quantitatif (continu)
- X quantitative pour la première mesure dans P
- Y quantitative pour 2ème mesure dans P
Un échantillon d’individus de taille n’ =
Vérification de la
normalité Test de normalité de la différence D et coefficient de symétrie
+ symétrie
Statistique de test Test paramétrique
- Test de Student + condition = D normale dans P
- Approximation normale + condition = n’ ≥ 30
Tests non paramétrique Pour hypothèse
Test du signe = test de comparaison de la médiane de D à 0 - Ho : D = 0 et H1 : D … 0 (dans le même sens que X)
Condition = D variable quantitative continue - Ho : p = 0,5 et H1 : p > ou < ou ≠ 0,5
Sur jamovi = test binomial : décision avec (obs) ou
approximation par Khi-deux (pour n ≥ 30) et on divise (obs) p+ proportion de signes + et p- de signes –
par 2 car chi est bilatéral quand H1 est unilatérale Calcul de la fréquence de signes + dans E, f (obs) = s (obs) / n
F = fréquence et s = nb de signes dans E
Coefficient de
corrélation -1 < (X, Y) < 1
> 0 = liaison positive X et Y varient dans le même sens
< 0 = liaison négative X et Y varient dans des sens contraires
= 0 indépendance des 2 variables ou liaison non linéaire
Condition
Echantillon ≥ 30
Vérification des nuages de points : doivent être homogènes autour de droite de régression
Si homogène et linéaire appliquer Spearman
Si non linéaire appliquer Pearson
Conditions
Les Yi sont indépendants 2 à 2
Linéarité du nuage de point
Dispersion homogène (même variance) = homoscédasticité au niveau du nuage de point
Y gaussien ou grand échantillon (30) : avec Shapiro wilk
Décomposition de la variabilité
totale de Y (SCT) SCT = (n-1) s2y* (ddl = n-1)
SCE (somme des carrés expliqués) = … (ddl = 1)
Sur jamovi : ds régression, SCR (somme des carrés résiduels) = … (ddl = n-2)
coefficient mod et cocher test
ANOVA
Estimation des erreurs Valeur prévue pour l’individu i ajusté par la droite : (donner la droite y)
Résidus pour l’individu i : i^ = ei = yi – y^i
Sur jamovi ds menu
régressioin : sauvegarder et
cocher valeurs prédites et
résidus
Condition
Echantillon ≥ 30
Vérification des nuages de points : doivent être homogènes autour de droite de régression
Si homogène et linéaire appliquer Spearman
Si non linéaire appliquer Pearson