Explorer les Livres électroniques
Catégories
Explorer les Livres audio
Catégories
Explorer les Magazines
Catégories
Explorer les Documents
Catégories
stw
Nous cherchons à savoir si les
deux espèces d’iris ont une PW
différente.
H0: iris setosa = iris versicolor
H1: iris setosa ≠ iris versicolor
Parfois les données sont déjà arrangées (par exemple comme dans une feuille
de données), et chaque colonne ou variable du fichier représente un groupe :
1,8
1,6
1,4
1,2
PW
1,0
0,8
0,6
0,4
0,2
0,0
setosa versicolor
Esp
Categ. Histogram: PW
40
35
30
25
20
No of obs
15
10
0
-0,2 0,2 0,6 1,0 1,4 1,8 -0,2 0,2 0,6 1,0 1,4 1,8
0,0 0,4 0,8 1,2 1,6 2,0 0,0 0,4 0,8 1,2 1,6 2,0
•T de Student. •Ratio de F.
•Très hautement significatif •Très hautement significatif
•Donc rejette H0 •Donc les deux variances sont différentes
•Les deux moyennes ne sont pas identiques
Tester l’homogénéité des
variances avec:
•Test de Levene : Pour chaque
variable dépendante, une analyse de
variance est réalisée sur les écarts
absolus des valeurs aux moyennes des
groupes respectifs. Si le test de
Levene est statistiquement
significatif,l'hypothèse d'homogénéité
des variances doit être rejetée
Test de Brown & Forsythe : Au
lieu de réaliser une ANOVA sur les
écarts à la moyenne, ce test effectue
cette analyse sur les écarts aux
médianes de groupes. Ce test est plus
robuste que le test de Levene.
Test t : deux échantillons indépendants, par variables
Dans certains cas, les données à comparer résident en 2 colonnes
Par exemple, les données de pression systolique des hommes
seraient dans une colonne et celles des femmes dans une autre
colonne. Dans ce cas, il faut employer le test t par variables.
Test t : deux échantillons appariés (dépendants)
!
DÉCOMPOSITIONS et ANOVA à 1 FACTEUR de
CLASSIFICATION
Cette procédure fait le calcul de statistiques descriptives d’une
variable de réponse mesurée sur plusieurs groupes définis par
d’autres variables du fichier, par exemple, des catégories d’age.
On veut ainsi comparer la distribution d’une réponse selon les
groupes. Cette analyse est typiquement de nature exploratoire
mais elle peut aussi être de nature inférentielle afin de savoir si
des différences significatives réelles existent entre les groupes.
Pour répondre à cette question on fait appel à l’analyse de la
variance dont le sigle ANOVA signifie ANalysis Of VAriance.
Celle méthode d’analyse compte parmi les méthodes les plus utiles
et les plus employées de l’analyse statistique des données. Le
module Statistiques Élémentaires présente le cas le plus simple
de cette analyse avec un seul facteur de classification. Les
modules ANOVA et MODÈLES LINÉAIRES présentent des
procédures pour traiter des cas de données ayant plusieurs
variables de classement.
DÉCOMPOSITIONS et ANOVA à 1 FACTEUR de
CLASSIFICATION
DÉCOMPOSITIONS et ANOVA à 1 FACTEUR de
CLASSIFICATION
DÉCOMPOSITIONS et ANOVA à 1 FACTEUR de
CLASSIFICATION
6,5
6,0
Values
5,5
5,0
4,5
setosa versicolor virginica
Esp
Tests non‐paramétriques :
Tests non‐paramétriques :
Si les conditions d’application du T de Student ne sont pas remplies
Tests non‐paramétriques :
Analyse en Composante Principale (ACP)
L’Analyse en Composante Principale (ACP) fait partie des
analyses descriptives multivariées. Le but de cette analyse est
de résumer le maximum d’informations possibles en en
perdant le moins possible pour :
• Faciliter l’interprétation d’un grand nombre de données
initiales
• Donner plus de sens aux données réduites
On choisit les
variables qui nous
paraissent les mieux
adaptées à l’analyse
en les sélectionnant
dans la partie de
droite puis en
cliquant sur OK.
Six boites de
dialogue d’options
s’offrent maintenant
à nous : que nous
allons maintenant
examiner une à une.
Analyse des résultats
5,0 95,78%
4,5
4,0
3,5
Dans notre exemple,
3,0
nous ne retenons que les
Eigenvalue
2,5
deux premiers axes.
2,0
1,5
1,0
0,5
3,03%
,93% ,22% ,03%
0,0
-0,5
0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0
Eigenvalue number
3. Interprétation des résultats
C’est la phase la plus délicate de l’analyse. On donne un sens à
un axe grâce à une recherche lexicale (ou recherche de mots) à
partir des coordonnées des variables et des individus. Ce sont
les éléments extrêmes qui concourent à l’élaboration des axes.
22
20
18
16
14
12
10
2
poids an
GRAPHIQUES DE LA BARRE DE MENU