Vous êtes sur la page 1sur 5

LES TECHNOLOGIES DE LABORATOIRE - N1 - 2006 15

I. Introduction
Lobjet de cet article est de donner un aperu sur les
mthodes statistiques applicables lanalyse dans le
but doptimiser soit les erreurs de mesure (alatoires
ou systmatiques) pour apprcier au mieux la
prcision et lexactitude des rsultats trouvs lors
dune analyse, soit pour satisfaire ltude des critres
de validation dans le cas de la mise au point dune
nouvelle mthode danalyse (quand les normes
lexigent: cas de lindustrie pharmaceutique). On
donnera dans cet article un brve aperu des tests
statistiques les plus couramment utiliss en analyse
avec des exemples dapplications.
II. Les mthodes statistiques (cas des
petits chantillons)
Pour estimer les erreurs (systmatiques ou
alatoires) affectant des analyses effectues par des
exprimentateurs ou pour dfnir les critres permettant
de valider une mthode danalyses, il est ncessaire
deffectuer plusieurs analyses afn dapprcier
notamment les effets alatoires ou imprvisibles.
Chaque effet alatoire est estim par un paramtre
de dispersion qui est la variance ou son cart-type
associ (racine carre de la variance).
Ce paramtre est tabli partir de plusieurs mesures
individuelles (y
i
) supposes tre indpendantes, de
caractre alatoire et de distribution normale (la
vrifcation de la normalit et de lindpendance
peut tre effectue par le test de
2
qui ne sera pas
dcrit dans cet article).
II.1. Distribution normale centre rduite
Une variable alatoire (Y) est de distribution normale
lorsque les diffrentes valeurs individuelles (y
i
),
que peut prendre cette variable, apparaissent selon
OUtils statistiqUes
pOUr lanalyse
resUMe : Il est important, pour un exprimentateur, de savoir si le rsultat dune mesure
peut tre accept avec confance ou sil faut au contraire le rejeter parce quil est faux. Il
est important aussi pour un exprimentateur de savoir si une mthode danalyse convient
lemploi prvu. Enfn, il est important pour un chercheur analyste de savoir si on peut faire
confance une nouvelle mthode mise au point et quels sont les critres ou les conditions
respecter pour sassurer de sa validit cest ce quon appelle les critres de validations.
Loutil statistique nous permet davoir une meilleure approche de tous ce qui prcde.
Mots Cls : Tests statistiques, student, Fischer Snedecor, prcision, exactitude.
Digua Khalid
1
et Abdelaziz Bouklouze
2
E-mail : K.digua@univh2m.ac.ma
1 Laboratoire de Gnie des Procds et de Dpollution, Facult des Sciences et Techniques Mohammedia
2 Laboratoire de Pharmacologie et Toxicologie, Facult de Mdecine et de Pharmacie de Rabat
16 LES TECHNOLOGIES DE LABORATOIRE - N1 - 2006
une probabilit (p) dfnissant une courbe en forme
de cloche dite Courbe de Gauss dquation
rduite :
( )
)
2
(
2
2
1
u
e u p

aprs un changement de
variable :

y y
u

Loi Normale Centre Rduite


II.2. Variance et cart-type
Soit V (X) = variance de la variable alatoire X
S
X
= cart-type estim de la variable alatoire X
( ) ( )
1 1
1
1
1
1
2
1
2
1
2
2

]
]
]
]
]
]
,
,
,
,

,
(
,
\
,
(
j

n
SCEx
n
X
X
n
X X
n
S X V
n
i
n
i
i
i
n
i
i
X
Avec
X
: moyenne des X
i
soit
n
X
X
n
i
i

1
;
CV = 100*S
x
/
X

n : taille du prlvement ou nombre de X
i
prlevs
SCEx : Sommes des Carrs des Ecarts la
moyenne
CV: Coeffcient de variation
II.3. Les Tests dhypothses
Les tests dhypothses ont pour but de vrifer
si les donnes exprimentales sont conformes
certaines hypothses thoriques.
1) lhypothse nulle que lon symbolise par H
0

considre que les deux lments ou sries dlments
sont gaux.
2) la deuxime tape consiste la mesure de lcart
entre les diffrentes caractristiques.
3) la troisime tape consiste calculer la
probabilit P davoir un tel cart si H
0
est vraie.
4) la quatrime tape consiste tirer les conclusions
qui simposent :
si P est grand, on admet que H
0
est plausible, par
contre si P est petit, lcart est incompatible avec
H
0
. La valeur limite de P que lon se fxe pour
dterminer si P est grand ou petit est le niveau de
confance ou le seuil de signifcation (gnralement
on choisit P = 0,95 comme niveau de confance
( = 0,05 comme seuil de signifcation).
Quatre situations sont possibles :
- acceptation de H
0
vraie
- rejet de H
0
vraie : erreur de premire espce ()
- acceptation de H
0
fausse : erreur de deuxime
espce ()
- rejet de H
0
fausse
II.4. Test de Student
La loi de Student est notamment utilise pour :
-la dtermination de lintervalle de confance
dune moyenne
( ) ( )
n
S
t X m
n
S
t X
p p
+
, ,
bilatral (avec
p = 1 -
2

; : risque de 1
re
espce)
- la comparaison dune variable (ex.
moyenne) une valeur de rfrence donne
(A)
( ) , p
t
S
A X

(avec p = 1 ; avec = risque


de 1
re
espce)
- la comparaison de deux variables
( )
2
,
1 2
2
2
1
2 1

p
t
S S
X X

(avec p = 1 ; avec = risque de 1


re
espce)
: nombre de degr de libert de S ;
1
et
2
:
nombre de degr de libert de
2
1
S et
2
2
S .
a) Test bilatral
LES TECHNOLOGIES DE LABORATOIRE - N1 - 2006 17
Dtermination de t : t(, ) est lu sur la table
de Student en fonction du risque et du degr de
libert . est le risque de premire espce, cest-
-dire le risque de dclarer lhypothse nulle fausse
alors que dans la ralit elle est vraie. est souvent
pris gal 0,05, 1 = P niveau de confance.

II.5. Test de Fisher
En gnral, la loi de Fisher est utilise :
- pour des tests intervenant dans lanalyse
de la variance ;
- pour la dtermination de lintervalle de
confance dun rapport de deux variances ;
- pour la comparaison de deux variances
une donne
Dans notre cas, le test de Fisher consiste valider
un rsultat statistique un risque choisi en
comparant deux variances indpendantes
2
1
S
et
2
2
S

selon lingalit suivante :
( )
2
,
1
, 2
2
2
1

F
S
S
>
: risque de premire espce souvent pris gal 5 %

1
: degr de libert de
2
1
S
;
2
: degr de libert
de
2
2
S

La valeur de F(
1,

2
) est lue sur la table de Fisher
Snedecor
Le test de Fisher est signifcatif lorsque lingalit
ci-dessus est vrife.
II.6. Test de lhomognit des variances
Le test de Cochran permet de vrifer ( un risque
choisi) lhomognit des variances des valeurs
individuelles, cest--dire de vrifer que ces
variances sont peu diffrentes entre elles.
Le test de Cochran consiste comparer le critre de
Cochran de ces variances avec celui lu sur la table
correspondante un risque .
Soit un ensemble de p variance S
i
2
, toutes calcules
partir du mme nombre n de rsultats de rplique,
le critre de Cochran est :

p
i
i
S
S
C
1
2
2
max
2
i
S
: Variance calcule partir de n rsultats dun
mme groupe i
2
max
S
: Ecart-type maximal de lensemble des p S
i
2
Le critre de Cochran ne teste que la plus forte
valeur dun ensemble de variances (ou ses cart-
types associs) et est donc un test unilatral de
valeur aberrante.
Le test de Cochran correspond vrifer lingalit
suivante :
C < C(n,p)
C(n,p) est lu sur la table de Cochran en fonction
du risque = 5 % du nombre de rptitions (n) et
du nombre de groupe p.
Remarque :
En pratique, le nombre n de rptitions peut
lgrement varier dun groupe un autre en
raison des donnes manquantes, redondantes ou
aberrantes.
Dans le cas dune validation, on admet cependant
que dans une exprience correctement organise,
de telles variations sont limites et peuvent tre
ignores.
Le critre de Cochran est alors appliqu en
prenant pour n la moyenne arrondie des nombres
dobservations n
j
des P groupes (ou sries de
valeurs).
III. Quelques exemples dapplications des
tests statistiques courants
III.1. Evaluation de la prcision (fdlit)
et de lintervalle de confance
La prcision est une grandeur caractristique de la
dispersion des rsultas autour de la moyenne. Elle
est souvent caractrise par lcart type, la variance
ou le coeffcient de variation (CV) dune srie de
mesure.
La prcision dun dosage peut tre dfnie au
sein dune mme srie danalyse dun chantillon
homogne dans des conditions prescrites ou dune
srie lautre. La prcision peut tre dfnie par trois
niveaux. La rptabilit, la prcision intermdiaire,
et la reproductibilit (voir dfnitions plus loin).
La rptabilit exprime la prcision sous les mme
conditions opratoires dans un intervalle de temps
18 LES TECHNOLOGIES DE LABORATOIRE - N1 - 2006
assez court (parfois appele prcision intra-essai).
La prcision intermdiaire exprime la prcision
dans des conditions intra laboratoire diffrentes (ex.
techniciens diffrents, quipements diffrents, jours
diffrents). La reproductibilit exprime la prcision
entre laboratoires.
On sait que la moyenne dune srie de mesures,
composs chacune de n rsultats (ce que lon peut
identifer une srie de valeurs extraites dune
population quelconque de moyenne m et dcart
type sigma) suit une loi dautant plus voisine de la
loi normale que le nombre de mesures est grand.
On calcule les estimateurs de la moyenne X et
de lcart type S et on dtermine un intervalle de
confance 95 %. La table de student fournit un
coeffcient t pour N= n - 1 et P = 0,95 (ou = 0,05) :
la valeur moyenne 95 % de chance de se trouver
dans les limites :
( ) ( )
n
S
t X m
n
S
t X
p p
+
, ,
La diffrence existant entre lcart type (S ) et lcart
moyen (S
m
= S/n ) rside dans le fait que lun
affecte un rsultat isol et lautre une moyenne.
Exemple: considrons, par exemple, une solution
de Ca
+
que lon analyse par spectromtrie
dabsorption atomique. En rptant la mesure 10
fois de suite, on obtient les valeurs suivantes pour
labsorbance A
i
: 0,152 ; 0,152 ; 0,157 ; 0,157 ;
0,156 ; 0,156 ; 0,156 ; 0,154 ; 0,154 ; 0,154.
La moyenne = 0,155, la variance S
2
= 3,5 10
-6
est
lcart type
3
1,89.10 S

0,002.
Le coeffcient de variation CV = 100*1,89*10
-3

/0,155 = 1,22%. Les limites de confance peuvent
tre fxes par la formule :
S t A Ai S t A ) (p, ) (p, +

pour toute nouvelle mesure
n
S
t A
n
S
t A ) (p, ) (p, + m
pour la moyenne
t tant le facteur de confance (o t
cr
= t critique)
pour lequel les valeurs utiliser sont donnes dans
la table de student (en fonction du nombre de degrs
de libert N = (n
i
) - 1 et de la probabilit P (ou
pour un risque )).
Ainsi, pour 10 essais, il y a 95 % de chance que
toute nouvelle mesure tombe dans lintervalle ( A
2,26 S) soit (0,155 0,004) et 95 % de chance
(si n est grand) pour que la moyenne tombe dans
lintervalle ( A 2,26 S/10) soit (0,155 0,001).
Remarque : si la population dorigine nest pas
normale, on peut en extraire de petits chantillons
et prendre les moyennes respectives. La distribution
de ces moyennes tend trs vite vers une distribution
normale. On peut donc appliquer ces moyennes les
tests statistiques bass sur la distribution normale.
III.2. Evaluation dune mthode de dosage
(tests t et F)
Dans le cadre de la validation dune mthode interne
de dosage de lacidit totale dune boisson, les
rsultats suivants ont t obtenus avec une boisson
de rfrence interne :
Exprimentateur A
Mthode interne 5,65 5,60 5,58 5,61 5,55 5,63 5,61 5,50
Mthode de rfrence 5,50 5,55 5,56 5,50 5,58 5,65
Exprimentateur B
Mthode interne 5,70 5,65 5,75 5,80 5,60 5,65 5,71 5,80
On utilisant un produit de rfrence certif qui a une
acidit totale de 5,55 0,02, les rsultats suivants
ont t obtenus en utilisant la mthode interne :
Exprimentateur A 5,50 5,55 5,56 5,51 5,45 5,60 5,64
On se propose dans un premier temps, de traiter
statistiquement ces rsultats (estimation des
variances, comparaison de moyennes).
III.2.1. Calcul des moyennes et des variances
exprimentateur a : boisson de rfrence interne
Mthode Moyenne DDl Variance ecart
type
interne 5,591250 7 0,002269 0,047640
rfrence 5,556667 5 0,003147 0,056095
exprimentateur B : boisson de rfrence interne
Mthode Moyenne DDl Variance ecart type
interne 5,707500 7 0,005307 0,072850
Produit de rfrence Certif
exprimentateur Moyenne DDl Variance ecart type
a 5,544286 6 0,004095 0,063994
III.2.2. Comparaison des variances : Prcision
ou fdlit (test F)
LES TECHNOLOGIES DE LABORATOIRE - N1 - 2006 19
III.2.2.1. Prcision de la mthode interne/
rfrence (exprimentateur A)
La valeur trouve :
721 , 0
2
2
int

rfrence
erne
S
S
F
;
la valeur de la table : F
(95,7,5)
= 4,88
F< F table : la diffrence entre la prcision
de la mthode interne et celle de la m-
thode de rfrence nest pas signifcative
(P=0,95 ; =0,05) pour lexprimentateur A
III.2.2.2. Comparaison des deux variances
internes
La valeur trouve
4275 , 0
2
int
2
int

erne b
erne a
S
S
F
;
la valeur de la table : F
(95,7,7)
= 3,79
F < F table : les deux variances internes ne
sont pas signifcativement diffrentes. La
fdlit de lexprimentateur A est similaire
celle de lexprimentateur B.
On peut estimer lcart type interne
0615 , 0
14
7 7
2
int
2
int
int

+

erne b erne a
erne
S S
S
III.2.3. Comparaison des Moyennes (test t)
Critre t :
2
) (
2
) ( b m a m
b a
S S
x x
t
+

;
a : Exprimentateur A ;
b : Exprimentateur B
Comparaison des moyennes trouves par la mthode
interne par les exprimentateurs A et B.
778 , 3
8 / 005307 , 0 8 / 002269 , 0
591250 , 5 707500 , 5

t ;
t table : t
(95,14)
= 2,14
t trouv > t table : la diffrence entre les
deux moyennes trouves, par les deux ex-
primentateurs A,B, par la mthode interne
est signifcative
III.2.4. Evaluation de la justesse (exactitude)
Critre t :
) (a m
vraie a
S
x x
t

;
Calcul de t : 23 , 0
7 / 004095 , 0
55 , 5 544286 , 5

t ;
Valeur de la table t : t
(95,6)
= 2,447
t trouv < t table, la diffrence entre la val-
eur trouve par lexprimentateur A et la
valeur de rfrence nest pas signifcative
III.2.5. Conclusion
On peut conclure quon se fant uniquement
lexprimentateur A, la mthode interne de dosage
est bonne et le rsultat trouv est exacte.
IV. Conclusion gnrale
Dans cet article de synthse, nous avons ni le temps
ni la prtention de donner tous les outils statistiques
ncessaire au traitement statistique des donnes
analytiques, mais nous esprons et nous souhaitons
que le lecteur a pris conscience de lintrt de loutils
statistique dans le domaine analytique (qualit des
analyse, contrle qualit et validation analytique
etc.).
Rfrences
1) Les plans dexpriences : De lexprimentation
lassurance qualit
Gilles Sado et Marie Christine Sado
AFNOR, Edition 2000
2) Guide de validation analytique : Rapport dune
commission de SFSTP
I. Mthodologie.
J.Caporal-Gautier, J.M. Nivet, P. Algranti, M. Guilloteau,
M. Histe, M. Lallier, J.J. NGuyen-Huu et R. Russotto.
STP Pharma Pratiques 2 (4) 205-226 1992.
3) Analytical Method Development and Validation
M.E. Swartz et Ira S. Krull
Marcel Dekker, 1997.