Académique Documents
Professionnel Documents
Culture Documents
RévisionsTests Statistiques
RévisionsTests Statistiques
Hypothèses
H0 : l’échantillon suit une distribution
normale
H1 : l’échantillon ne suit pas une p > alpha = 0,05, donc on ne peut pas rejeter H0 les
distribution normale données suivent une loi normale
Fisher-Snedecor vérifier si les deux échantillons ont des Aucune Fonction sur R : var.test(e1, e2)
variances égales
Hypothèses
H0 : les variances des deux échantillons
sont égales S12 = S22H1 : les variances
des deux échantillons sont différentes S12
≠ S22
Echantillons Comparer la moyenne de deux Si N1 > 30 et N2 > 30, Fonction sur R: t.test(e1, e2)
indépendants échantillons indépendants E1 et E2 aucune
Résultats du test:
Echantillons Test de Student pour deux échantillons Si N > 30, aucune t.test(e1, e2, paired = TRUE)
appariés* appariés Si N < 30, il faut que la
différence entre les deux
H0 : La différence entre les deux mesures échantillons suivent une loi
est nulle , μD = 0 normale
H1 : La différence entre les deux mesures
n’est pas nulle, μD ≠ 0
*Rappel sur la notion d’appariementDeux échantillons sont dit appariés si chaque observation d’un échantillon E1est liée à une observation
d’un échantillon E2
Par exemple on test l’effet d’un médicament sur le taux de cholestérol,en lemesurant chez des patients avant et après la prise du
médicament.Chaque patient est donc mesuré deux fois →données appariés
Autre exemple, on dose le taux de protéines sanguines de plusieurs échantillons selon deux méthodes différentes.Là aussi, chaque
échantillon est mesuré deux fois données →appariés
Test Non Paramétriques
Kolmogorov-S Tester si un échantillon suit une distribution Fonction sur R: ks.test(x, “loi_theorique”, parametres_de_la_loi)
donnée
mirnov
Hypothèses H0 : La variable suit la distribution
donnée
(↔H 0 : F1(x) = F2(x))
On simule des données normales → p >
H1 : La variable ne suit pas la distribution
alpha, donc, on ne peut pas rejeter H0
donnée
( H ↔ 1 : F1(x) ≠ F2(x))
Mann-Whitney Tester si deux échantillons sont issus de la Fonction sur R: wilcox.test(e1, e2)
même distribution (et, par extension, ont la
-Wilcoxon même médiane et la même moyenne)
Hypothèses
H0 : Les distributions sont identiques H1 : Les
distributions sont différentes → On observe p > alpha, donc on
ne peut pas rejeter H0, ce qui signifie que les deux échantillons ont des
distributions identiques
Kruskal-Wallis Tester si, parmi k échantillons sont issus de la Fonction sur R: kruskal.test(donnees, groupes)
même distribution (et, par extension, ont la
même médiane et moyenne) Exemple : Une usine veut comparer les performances de 3 réglages
différents de machines dans la production de comprimés : un réglage
Comparaison de >2 échantillons indépendants standard, et 2 autres types de réglages. La variable d'intérêt est le nombre de
comprimés produits dans une unité de temps
Hypothèses
H0 : Il n’y a pas de différence entre les
échantillons
H1 : Au moins un échantillon est différent des
autres
→ On observe p < alpha, donc on rejette H0, ce qui signifie qu’au moins un
réglage est différent des autres, a priori, il s’agit de la modification 2
Wilcoxon Comparer la moyenne de deux échantillons Fonction sur R : wilcox.test(e1, e2, paired = TRUE)
appariés
Hypothèses
H0 : Les deux échantillons ont des moyennes
identiques
H1 : Les deux échantillons ont des moyennes
différentes
→ On observe p > alpha, donc on ne peut pas rejeter H0, ce qui signifie que
les deux échantillons sont identiques