Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année UE «Introduction à la biostatistique»

Dimension: px
Commencer à balayer dès la page:

Download "Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»"

Transcription

1 Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année UE «Introduction à la biostatistique»

2 Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences Utilisé pour comparer : Une moyenne observée à une moyenne théorique Deux moyennes Deux moyennes de deux séries appariées.

3 Principe du test de Z (1) 2 paramètres de 2 échantillons que l on désire comparer : H 0 : Les paramètres des populations d où sont issus les 2 échantillons sont identiques H 1 bilatérale : Les paramètres sont différents H 1 unilatérale : un des paramètres est inférieur (ou supérieur) à l autre

4 Principe du test de Z (2) On compare les 2 paramètres par leur différence est une variable aléatoire Si H 0 est vrai alors est proche de 0 : Si H 0 est vrai et que l échantillon est de taille suffisance La division de par son écart type suit une loi Z normale centrée réduite de moyenne 0 et d écart type 1

5 Le test de Z consiste : Principe du test de Z (3) à estimer l écart type de la différence s d à calculer l écart réduit z o = /s d à comparer cette valeur à la distribution théorique de la loi Z On utilise la table Z Condition d application : effectif de chaque échantillon 30

6 H 1 bilatérale : Interprétation du test de Z (1)

7 Interprétation du test de Z (2) α de 5%, H 1 bilatérale : Si la valeur observée z o < 1,96, on ne rejette pas H 0 On ne peut pas affirmer que les échantillons proviennent de populations différentes la différence entre les paramètres n est pas significative Si la valeur observée z o >1,96, on rejette H 0 On accepte H 1 en affirmant que les échantillons proviennent de populations différentes On affirme que la différence entre les paramètres est significative On recherche le degré de signification

8 Exemple (1) On veut comparer la fréquence du palu dans 2 régions d Afrique. La fréquence de la maladie a été mesurée dans 2 échantillons d individus tirés au sort dans chacune des deux régions. Le calcul du test a montré une valeur égale à z o =2,6 Formulez les hypothèses H 0 et H 1 Qu en concluez vous?

9 Exemple (2) H 0 : il n y pas de différence significative entre les fréquences des deux régions H 1 : Les fréquences sont différentes d une région à l autre z o >1,96 on rejette donc H o La valeur immédiatement inférieur à 2,6 correspond à une valeur α = 0,01 On affirme donc que la fréquence du palu est significativement différente entre les deux régions avec un degré de signification p<1%

10 Interprétation du test de Z (3) α de 5%, H1 unilatérale : On s intéresse au sens de la différence On postule que 1 des paramètres est supérieur ou inférieur à l autre on ne considère qu une seule extrémité de la distribution Z Le risque d erreur est deux fois moindre que l hypothèse bilatérale La valeur seuil pour un risque α =5% est de 1,645

11 Interprétation du test de Z (4) Valeur observée z o <1,645, on ne rejette pas H 0 : la différence entre les paramètres n est pas significative Valeur observée z o > 1,645, on rejette H 0 : On accepte H 1 en affirmant non seulement que la différence entre les paramètres est significative, mais en outre que l un des paramètres est inférieur ou supérieur à l autre On recherche le degré de signification p

12 Exemple (1) On désire étudier la supériorité d un nouveau médicament visant à réduire l HTA. Le nouveau produit A est administré à un groupe de malades hypertendus. L effet sur la pression artérielle est mesuré dans ce groupe et comparé à un groupe témoin de sujets hypertendus traités par un produit classique B. Le paramètre calculé est z o =1,82 Poser les hypothèses H 0 et H 1 Qu en concluez vous?

13 Exemple (2) H 0 : effet de A similaire à B H 1 : effet de A supérieur à B z o =1,82 z o >1,645 (risque α unilatéral) On rejette H 0 Pour une valeur z=1,82 on trouve un α=0,07. H 1 unilatéral, p est divisé par 2 : p=0,07/2 = 0,035 A possède un effet supérieur à B avec un degré de signification p<4%. il faut poser les hypothèse avant de faire les tests Si on avait pris un test bilatéral, on n aurait pas pu conclure (1,82<1,96)

14 Utilisation du test Z

15 Comparer moyenne observée à moyenne théorique On compare une moyenne observée dans un échantillon à une moyenne connue dans la population de référence Variable quantitative Paramètre étudié moyenne Taille de l échantillon >= 30 Hypothèses H 0 : M = µ H 1 bilatérale : M µ H 1 unilatérale : M > µ ou M < µ Formulation µ : moyenne théorique connue de la population de référence M : moyenne inconnue de la population d où est issu l échantillon m : moyenne observée de l échantillon s : écart type de l échantillon n : effectif

16 Conditions d applications Taille >= 30 (sinon : test de T) Principe du test : Si H 0 est vrai : m est l une des valeurs possibles d une variable normale centrée autour de M La différence Δ entre cette variable et µ suit une loi normale de moyenne 0 Le rapport de Δ sur l écart type de µ suit une loi Z normale centrée réduite L écart type de µ estimé par l écart type de la moyenne de l échantillon Test de Z z = m µ s n H 1 z Rejet H 0 Interprétation bilatérale < 1,96 Non M n est pas significativement différent de µ 1,96 Oui M diffère significativement de µ unilatérale < 1,645 Non M n est pas significativement supérieur (ou inférieur) à µ 1,645 Oui M est significativement supérieur (ou inférieur) à µ s n

17 Exercice (1) Lors d une enquête sur la durée de sommeil des enfants de 2 à 3 ans dans un département français, on a trouvé une moyenne du temps de sommeil par nuit de 10,2 heures dans un groupe de 40 enfants. L écart type est 2,1 heures. La moyenne du temps de sommeil est de 11,7 heures chez les enfants de cet âge. La durée de sommeil des enfants de ce département diffère-t-elle du temps de sommeil des enfants de cet âge?

18 Exercice (2) H 0 : les enfants de ce département dorment autant que ceux de la population H 1 bilatérale : la durée de sommeil des enfants de ce département est différente z =(11,7 10,2)/(2,1/ 40) = 4,5 4,5 > 1,96 On rejette H 0 z est encore inférieur à 4,5 pour un risque α = 0,00001 La population des enfants examinés présente un temps de sommeil significativement différent de la population générale ( p < 10-5 )

19 Comparaison de deux moyennes (1) On veut comparer les moyennes observées dans deux échantillons Paramètre étudié moyennes Taille de l échantillon >= 30 par échantillon Hypothèses H 0 : µ 1 =µ 2 H 1 bilatérale : µ 1 µ 2 H 1 unilatérale : µ 1 <µ 2 ou µ 1 > µ 2 Formulation µ 1 et µ 2 : moyennes inconnues des deux populations d où sont tirés les échantillons m 1 et m 2 : moyennes observées des 2 échantillons s 2 1 et s 2 2 : variances des 2 échantillons n 1 et n 2 : effectifs des 2 échantillons

20 Comparaison de deux moyennes (2) Conditions d application : effectif de chaque échantillon >=30 (sinon test de T) Principe du test : Si H 0 est vrai : m 1 et m 2 sont deux valeurs possible d une variable normale centrée autour de la moyenne commune au deux populations La différence Δ = m 1 -m 2 suit une loi normale de moyenne 0 Le rapport de cette différence sur son écart type suit une loi de Z

21 Comparaison de deux moyennes (3) Calcul : z = m m s s + n n 1 2 H 1 z Rejet H 0 Interprétation bilatérale < 1,96 Non µ 1 n est pas significativement différent de µ 2 1,96 Oui µ 1 diffère significativement de µ 2 unilatérale < 1,645 Non µ 1 n est pas significativement supérieur (ou inférieur) à µ 2 1,645 Oui µ 1 est significativement supérieur (ou inférieur) à µ 2

22 Exercice (1) On désire comparer la pression artérielle diastolique d un groupe de sujets sains et d un groupe de sujets atteints de drépanocytose. Une étude donne les résultats suivants : Formulez les hypothèses H 0 et H 1 Que concluez vous? Effectif (n) Pression artérielle diastolique Variance (s²) Sujets sains 88 70,1 10,8 Sujets drépanocytaires 85 61,8 6,9

23 Exercice (2) H 0 : les pressions artérielles sont identiques H 1 : la pression artérielle est différente chez les sujets drépanocytaires s d = (10,8/88) + (6,9/85) = 0,45 z = ( 70,1 61,8 ) / 0,45 = 18,4 18,4 > 1,96 : on rejette H 0 La pression artérielle des sujets drépanocytaires est significativement différente de celle des sujets sains p < 10-5

24 Comparaison de deux moyennes sur deux séries appariées (1) Chaque observation d un échantillon est liée à une observation homologue d un deuxième échantillon. Chaque couple de valeur constitue une paire On a un seul échantillon, mais 2 séries de valeurs observées et liée à des individus. Ex : comparer la moyenne du poids avant et après régime Paramètre étudié moyenne des différences entre sujet appariés Taille de l échantillon >= 30 Hypothèses H 0 : M δ =0 H 1 bilatérale : M δ 0 H 1 unilatérale : M δ >0 ou M δ <0

25 Comparaison de deux moyennes sur deux séries appariées (2) Formulation : x i et y i :valeurs observées dans chaque série d i : différence observée entre deux valeurs appariées s d2 : variance des différence m d : moyenne des différences entre sujets appariés s md : écart type de la moyenne des différences n : nombre de couples appariés (paires) Condition d application : Le nombre de paires n doit être >=30 Sinon test T de Student pour série appariées

26 Comparaison de deux moyennes sur deux séries appariées (3) Principe du test : On teste hypothèse que les différences individuelles entre sujets appariés sont nulles La moyenne des différences suit une loi Z normale centrée réduite de moyenne 0 et l écart-type 1 Intérêt du test : élimine la variabilité entre individus de la même série. On ne prend en compte que la variabilité des différences entre paires Ce test est plus puissant qu un simple test de comparaison de moyenne

27 Comparaison de deux moyennes sur deux séries appariées (4) Calculs Différence entre paire: Moyenne des différences : Variance des différences : Ecart type de la moyenne: Test de Z: z = m d s 0 md d i = m s s x 2 d i d = md y i n d i ( ) 2 di di = n = s n 2 d n 1 2

28 Comparaison de deux moyennes sur deux séries appariées (5) H 1 z Rejet H o Interprétation bilatérale < 1,96 Non Les moyennes des deux séries ne diffèrent pas significativement 1,96 Oui Les moyennes des deux séries diffèrent significativement unilatérale < 1,645 Non Les moyennes des deux séries ne diffèrent pas significativement 1,645 Oui La moyenne d une des deux séries est significativement supérieure (ou inférieure) à l autre

29 Exercice (1) Chez 58 personnes présumées diabétiques, on a pratiqué un test d'hyperglycémie provoquée par voie orale, et on a mesuré chez chaque sujet, dans les mêmes conditions techniques, la glycémie juste avant et 2 heures après l'ingestion de glucose. x i désigne la glycémie de départ, y i la glycémie 2 heures après. on a trouvé : Σ x i = 5646 Σ y i = 5722 Σ x i ² = Σ y i ² = Σ x i y i = Comparer les glycémies à jeun et au bout de 2 heures

30 Exercice (2) Comparaison de moyennes sur séries appariées n > 30 : H 0 : le différence moyenne est nulle M δ =0 H 1 : la différence moyenne est non nulle M δ 0 Σ d i = 76 m d = 76/58 = 1,31 Σ d i ² = s d ² = [41064 (76² / 58)] / 57= 719 z = 1,31 / ( 719 / 58) = 0,37 0,37 < 1,96 : on ne rejette pas H 0 la glycémie au bout de 2 heures n est pas significativement différente de la glycémie à jeun

31 Test de T

32 Test T de Student Lorsque la taille des échantillons est faible (n<30) le rapport entre les différences de leurs moyennes et l écart type ne suit pas une loi normale centrée réduite Z On utilise alors le test T de Student Le test de Student sert à comparer : Une moyenne observée à une moyenne théorique Les moyennes de 2 petits échantillons Les moyennes de 2 petites séries appariées

33 Principe du test T Principe : idem à Z On calcule la différence Δ entre les moyennes On estime l écart type s d de la différence Δ On calcule t o = Δ / s d On compare cette valeur à la distribution théorique de la loi T de Student On utilise la table de la loi T

34 Interprétation du test T H 1 bilatérale : t o < T 5% la différence entre les paramètres n est pas significative t o > T 5% la différence entre les paramètres est significative H 1 unilatérale : La valeur seuil pour un risque de 5% est donné par la valeur de T 10% t o < T 10% la différence entre les paramètres n est pas significative t o > T 10% la différence entre les paramètres est significative. L un des paramètres est inférieur (ou supérieur) à l autre Conditions d application : Utilisable si petits effectifs Mais la distribution de la variable dans les populations doit être normale Et les populations doivent avoir des variances identiques Soit on le sait Soit on le teste (test de F de comparaison des variances)

35 Utilisation de la table T (1) La table de T est plus difficile à utiliser que la table de Z Il y a autant de table de T que de degré de liberté ddl c est l effectif d un échantillon-1 Pour 1 échantillon : ddl = n-1 Pour 2 échantillons : ddl = (n 1-1) + (n 2-1) En ligne les valeurs possible de ddl En colonne les valeurs de α

36 Utilisation de la table T (2) Repérer la ligne correspondant au degré de liberté Repérer la valeur T 5% dans cette ligne H 1 bilatérale : Si la valeur calculée t o < à T 5%, on ne rejette pas H 0 Si la valeur calculée t o > à T 5%, on rejette H 0 et on accepte H 1 on recherche dans la même ligne la valeur de T immédiatement inférieure à t o La valeur correspondante lue dans la colonne α donne le degré de signification p

37 Utilisation de la table T (3) H 1 unilatérale : Si la valeur calculée t o < à T 10% on ne rejette pas H 0 Si la valeur calculée t o > à T 10% on rejette H 0 et on accepte H 1 on recherche dans la même ligne la valeur de T immédiatement inférieure à t o le p obtenu est divisé par 2

38 Exemple (1) Un test de T bilatéral de comparaison de moyenne a été effectué sur deux échantillons comportant chacun 3 sujets. Le calcul a abouti à un t o = 3,9 Calculez le ddl Lire T 5% Conclure ddl= (3-1)+(3-1)=4 H 1 bilatérale : T 5% = 2,776 t o > T 5% : on rejette H 0 p < 0,02

39 Valeur immédiatement inférieure à t o =3,9 Zone de rejet d H o Zone de non rejet d H o

40 Exemple (2) H 1 unilatérale : T 10% = 2,132 t o > T 5% : on rejette H 0 p = 0,02 / 2

41 Test T : comparaison moyenne observée à une moyenne théorique (1) On compare une moyenne observée dans un échantillon de petite taille à une moyenne connue dans une population de référence Variable quantitative Paramètre étudié moyenne Taille de l échantillon < 30 Hypothèses H 0 : M=µ H 1 bilatérale : M µ H 1 unilatérale : M>µ ou M<µ

42 Test T : comparaison moyenne observée à une moyenne théorique (2) Formulation µ : moyenne théorique connue de la population de référence M : moyenne inconnue de la population d où est issu l échantillon m : moyenne observée de l échantillon s : écart type de l échantillon n : effectif ddl : degré de liberté Condition d application : la distribution de la variable doit être supposée normale dans la population d où est issu l échantillon

43 Test T : comparaison moyenne observée à une moyenne théorique (3) Principe du test : Si H 0 est vrai, le rapport de la différence Δ= m- µ sur l écart type de µ suit une loi T de student de n-1 ddl m µ Test T de student : t = avec ddl = s n n -1

44 Test T : comparaison moyenne observée à une moyenne théorique (4) H 1 t Rejet H 0 Interprétation bilatérale < T 5% Non M n est pas significativement différent de µ T 5% Oui M diffère significativement de µ unilatérale < T 10% Non M n est pas significativement supérieur (ou inférieur) à µ T 10% Oui M est significativement supérieur (ou inférieur) à µ

45 Exercice (1) Dans un échantillon de 18 sujets suspects d être atteints de trypanosomiase, on mesure la quantité de protéines dans le liquide céphalorachidien. On trouve dans ce groupe une protéinorachie moyenne de 460 mg/l avec un écart type de 280 mg/l. Dans la population générale, la protéinorachie est en moyenne de 300 mg/l. On se demande si ce groupe de sujet présente une protéinorachie différente de normale? Formulez les hypothèses H 0 et H 1 Quel test utilisez-vous? Justifiez la réponse Que concluez vous?

46 Exercice (2) H 0 : la protéinorachie des sujets atteints de trypanosomiase ne diffère pas de celle de la population générale H 1 : la protéinorachie des sujets atteints de trypanosomiase est différente de celle de la population n < 30 : Test de T Condition d application : on suppose que la protéinorachie est distribuée normalement chez les sujets atteints de trypanosomiase t = ( ) / (280 / 18 ) = 2,4 ddl =17 T 5% pour 17 ddl = 2,11 2,4 > 2,11 : on rejette H 0 la protéinorachie des sujets atteints de trypanosomiase est significativement différente de celle de la population p < 0,03

47 Test de T pour comparer 2 moyennes (1) On veut comparer les moyennes dans 2 échantillons de petite taille Paramètre étudié moyennes Taille de l échantillon au moins un inférieur à 30 Hypothèses H 0 : µ 1 =µ 2 H 1 bilatérale : µ 1 µ 2 H 1 unilatérale : µ 1 <µ 2 ou µ 1 > µ 2 Formulation µ 1 et µ 2 : moyennes inconnues des deux populations d où sont tirés les échantillons m 1 et m 2 : moyennes observées des 2 échantillons s 2 1 et s 2 2 : variances des 2 échantillons n 1 et n 2 : effectifs des 2 échantillons ddl : degré de liberté

48 Test de T pour comparer 2 moyennes (2) Conditions d application : Les distributions de la variable dans les populations d où sont tirés les échantillons doivent être normales Les variances des deux populations d où sont tirés les échantillons doivent être égales Principe du test : Si H 0 est vraie, le rapport de la différence µ 1 -µ 2 sur son écart type suit une loi de T de Student lorsque les effectifs sont faibles

49 Test de T pour comparer 2 moyennes (3) par : Ecart type de la différence 2 1) ( 1) ( s variance commune aux 2 échantillons Estimation de la = + + = n n s n s n µ µ 2 n avec ddl m t Test T de Student : s d + = = + = n s m n s n s d

50 Test de T pour comparer 2 moyennes (4) H 1 z Rejet H 0 Interprétation bilatérale < T 5% Non µ 1 n est pas significativement différent de µ 2 T 5% Oui µ 1 diffère significativement de µ 2 unilatérale < T 10% Non µ 1 n est pas significativement supérieur (ou inférieur) à µ 2 T 10% Oui µ 1 est significativement supérieur (ou inférieur) à µ 2

51 Exercice (1) On a mesuré un marqueur biologique chez 2 séries de sujets, l une composée de sujets sains, l autre de sujets atteints d hépatite alcoolique. L étude a trouvé les résultats suivants: Effectif (n) Moyenne du marqueur (g/l) Ecart type Sujets sains 15 1,6 0,19 Sujets alcooliques 12 1,4 0,21 On veut comparer les 2 populations. Formuler les hypothèses Quel test choisissez vous? Quelles en sont les conditions d application? Que concluez vous?

52 Exercice (2) H 0 : la valeur moyenne du marqueur est identique dans les 2 populations H 1 : la valeur moyenne du marqueur est différente chez les sujets atteints d hépatite alcoolique n < 30 : test de T Condition d application : on suppose que : le marqueur se distribue normalement dans les 2 populations Les variances des 2 populations sont égales s² = [((15-1) * (0,19)² ) + ((12-1) * (0,21)² )] / ( )= 0,04 s d = (0,04 / 15) + (0,04 / 12) = 0,077 t = (1,6 1,4) / 0,077 = 2,60

53 Exercice (3) ddl = = 25 T 5% pour 25 ddl = 2,06 2,6 > 2,06 : on rejette H 0 Les malades atteints d hépatite alcoolique présentent une valeur du marqueur significativement différente de celle des sujets sains p < 0,02

54 Test de T pour comparer 2 moyennes sur séries appariées (1) On compare 2 séries d une variable quantitative provenant de deux petits échantillon et chaque observation d un échantillon est liée à une observation homologue de l autre échantillon Paramètre étudié moyenne des différences entre sujet appariés Taille de l échantillon < 30 Hypothèses H 0 : M δ =0 H 1 bilatérale : M δ 0 H 1 unilatérale : M δ >0 ou M δ <0

55 Test de T pour comparer 2 moyennes sur séries appariées (2) Formulation : x i et y i : valeurs observées dans chaque série d i : différence observée entre deux valeurs appariées s d2 : variance des différence m d : moyenne des différences entre sujets appariés s md : écart type de la moyenne des difference n : nombre de couples appariés Condition d application : les différences doivent être distribuées de façon normales

56 Test de T pour comparer 2 moyennes sur séries appariées (3) Principe du test : Sous H 0, les différences individuelles entres individus appariées sont nulles La moyenne des différence divisée par sont écart type suit une loi T de Student à n-1 ddl On élimine la variabilité entre individus de la même série. Le test apparié est plus puissant qu un simple test de comparaison de 2 moyennes.

57 Test de T pour comparer 2 moyennes sur séries appariées (4) Différence entre paires: Moyenne des différences: Variance des différences : Ecart type de la Test de T : t moyenne: = m d s 0 md d i = m s s 2 d avec d md x i = y i n d i ( d ) 2 i di = n = ddl = s n 2 d n -1 n 1 2

58 Test de T pour comparer 2 moyennes sur séries appariées (5) H 1 t Rejet H o Interprétation bilatérale < T 5% Non Les moyennes des deux séries ne diffèrent pas significativement T Oui Les moyennes des deux séries diffèrent significativement 5% unilatérale < T 10% Non Les moyennes des deux séries ne diffèrent pas significativement T 10% Oui La moyenne d une des deux séries est significativement supérieure (ou inférieure) à l autre

59 Exercice (1) On désire étudier l effet d une nouvelle stratégie de traitement du diabète sur la glycémie. On dose la glycémie chez 15 sujets avant le début du nouveau protocole (série A) et 3 mois après (série B) : A 2,47 3,09 2,14 2,47 3,06 2,72 2,29 1,90 2,34 2,75 2,67 2,80 2,51 2,23 2,20 B 2,30 2,96 2,23 2,34 2,84 2,59 2,15 1,88 2,32 2,65 2,68 2,58 2,43 2,02 2,17 Le nouveau protocole est-il efficace? Formuler les hypothèses Quel test choisissez vous? Quelles en sont les conditions d application? Que concluez vous?

60 Exercice (2) Comparaison de moyennes sur séries appariées : H 0 : les glycémies sont identiques avant et après le nouveau protocole H 1 : la glycémie est abaissée grâce au nouveau protocole n < 30 : test de T Condition d application : la différence de glycémie avant et après le traitement est distribuée de façon normale On calcule les différences : d i 0,17 0, ,13 0,22 0,13 0,14 0,02 0,02 0,1-0,01 0,22 0,08 0,21 0,03

61 Exercice (3) Σ d i = 1,5 m d = 1,5 / 15 = 0,10 Σ d i ² = 0,266 s d ² = [0,266 (1,5² / 15)] / 14 = 0,0083 t = 0,10 / ( 0,0083 / 15) = 4,25 ddl = 15 1 = 14 T 10% pour 14 ddl = 1,761 4,25 > 1,761 : on rejette H 0 La glycémie est abaissée significativement après administration de la nouvelle stratégie p < 0,0005

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014 Télécom Physique Strasbourg Module 2101 STATISTIQUES Cours I : Test d hypothèses Fabrice Heitz Octobre 2014 Fabrice Heitz (Télécom PS) Statistiques 2014 1 / 75 Cours I TESTS D HYPOTHÈSES Fabrice Heitz

Plus en détail

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction

Plus en détail

Analyse de la variance Comparaison de plusieurs moyennes

Analyse de la variance Comparaison de plusieurs moyennes Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction

Plus en détail

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2 UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 Master d économie Cours de M. Desgraupes MATHS/STATS Document 4 : Les tests statistiques 1 Généralités sur les tests

Plus en détail

11. Tests d hypothèses (partie 1/2)

11. Tests d hypothèses (partie 1/2) 11. Tests d hypothèses (partie 1/2) MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v1) MTH2302D: tests d hypothèses 1/30 Plan 1. Introduction 2. Hypothèses et erreurs 3. Tests d hypothèses

Plus en détail

Master 1 Informatique Éléments de statistique inférentielle

Master 1 Informatique Éléments de statistique inférentielle Master 1 Informatique Éléments de statistique inférentielle Faicel Chamroukhi Maître de Conférences UTLN, LSIS UMR CNRS 7296 email: chamroukhi@univ-tln.fr web: chamroukhi.univ-tln.fr 2014/2015 Faicel Chamroukhi

Plus en détail

Chapitre VI Échantillonages et simulations

Chapitre VI Échantillonages et simulations Chapitre VI Commentaires : Récursivement, les commentaires ne sont pas à l attention des élèves.. Fluctuation d échantillonnage Définition : En statistiques, un échantillon de taille n est la liste des

Plus en détail

3. COMPARAISON DE PLUS DE DEUX GROUPES

3. COMPARAISON DE PLUS DE DEUX GROUPES 3. COMPARAISON DE PLUS DE DEUX GROUPES La comparaison de moyennes de plus de deux échantillons se fait généralement par une analyse de variance (ANOVA) L analyse de variance suppose l homogénéité des variances

Plus en détail

Introduction à l analyse quantitative

Introduction à l analyse quantitative Introduction à l analyse quantitative Vue d ensemble du webinaire Le webinaire sera enregistré. Les diapositives et tous les autres documents seront envoyés aux participants après la séance. La séance

Plus en détail

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 I1 Connaissances préalables : Buts spécifiques : Outils nécessaires: Consignes générales : Test t de comparaison de moyennes pour

Plus en détail

Correction de l épreuve de Statistiques et Informatique appliquées à la Psychologie

Correction de l épreuve de Statistiques et Informatique appliquées à la Psychologie Université de Bretagne Occidentale Année Universitaire 2013-2014 U.F.R. de Lettres et Sciences Humaines CS 93837-29238 BREST CEDEX 3 Section : Psychologie - Licence 3è année Enseignant responsable : F.-G.

Plus en détail

La problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites

La problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur

Plus en détail

Loi normale ou loi de Laplace-Gauss

Loi normale ou loi de Laplace-Gauss LivreSansTitre1.book Page 44 Mardi, 22. juin 2010 10:40 10 Loi normale ou loi de Laplace-Gauss I. Définition de la loi normale II. Tables de la loi normale centrée réduite S il y avait une seule loi de

Plus en détail

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2 Test du Khi 2 Le test du Khi 2 (khi deux ou khi carré) fournit une méthode pour déterminer la nature d'une répartition, qui peut être continue ou discrète. Domaine d application du test : Données qualitatives

Plus en détail

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques

Plus en détail

Principe d un test statistique

Principe d un test statistique Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre

Plus en détail

Université d Orléans - Licence Economie et Gestion Statistique Mathématique

Université d Orléans - Licence Economie et Gestion Statistique Mathématique Université d Orléans - Licence Economie et Gestion Statistique Mathématique C. Hurlin. Correction du Contrôle de Décembre 00 Exercice Barème : 7 points Partie I : Test d hypothèses simples (0 points) Question

Plus en détail

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables

Plus en détail

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures) CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un

Plus en détail

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon PACES - APEMK UE 4 Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie

Plus en détail

Lois de probabilité. Anita Burgun

Lois de probabilité. Anita Burgun Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

Estimation et tests statistiques, TD 5. Solutions ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études

Plus en détail

Principe des tests statistiques

Principe des tests statistiques Principe des tests statistiques Jean Vaillant Un test de signification est une procédure permettant de choisir parmi deux hypothèses celles la plus probable au vu des observations effectuées à partir d

Plus en détail

T de Student Khi-deux Corrélation

T de Student Khi-deux Corrélation Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes

Plus en détail

TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc

TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc Lorsque cela n est pas précisé (explicitement ou implicitement), les tests sont réalisés à 5% en bilatéral QCM n 1 : Généralités sur les probabilités

Plus en détail

Introduction au cours STA 102 Analyse des données : Méthodes explicatives

Introduction au cours STA 102 Analyse des données : Méthodes explicatives Analyse des données - Méthodes explicatives (STA102) Introduction au cours STA 102 Analyse des données : Méthodes explicatives Giorgio Russolillo giorgio.russolillo@cnam.fr Infos et support du cours Slide

Plus en détail

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités

Plus en détail

Lot Quality Assurance Sampling. Elise Naoufal EVARISQ 15 septembre 2011

Lot Quality Assurance Sampling. Elise Naoufal EVARISQ 15 septembre 2011 Lot Quality Assurance Sampling LQAS Elise Naoufal EVARISQ 15 septembre 2011 1 LQAS Une question d efficacité? LQAS et santé Méthode et Fondements théoriques Détermination du couple (n,d n,d) Conclusion

Plus en détail

PROBABILITÉS STATISTIQUES

PROBABILITÉS STATISTIQUES PROBABILITÉS ET STATISTIQUES Probabilités et Statistiques PAES 0-03 L FOUCA Sommaire Chapitre Statistique descriptive 4 La statistique et les statistiques 4 Généralités sur les distributions statistiques

Plus en détail

Comparaison de Moyennes et de Variances Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHU Besançon

Comparaison de Moyennes et de Variances Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHU Besançon PACES - APEMK UE 4 Evalua0on des méthodes d analyses appliquées aux sciences de la vie et de la santé Comparaison de Moyennes et de Variances Prof Franck Bonnetain Unité de méthodologie & de qualité de

Plus en détail

Les statistiques descriptives et les intervalles de confiance

Les statistiques descriptives et les intervalles de confiance Les statistiques et les intervalles de Yohann.Foucher@univ-nantes.fr Equipe d Accueil 4275 "Biostatistique, recherche clinique et mesures subjectives en santé", Université de Nantes Master 2 - Cours #2

Plus en détail

VI. Tests non paramétriques sur un échantillon

VI. Tests non paramétriques sur un échantillon VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes

Plus en détail

ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat

ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat Objectifs du TP : Savoir utiliser Excel et Rstat pour calculer des moyennes pondérées, des variances pondérées et savoir faire des approximations

Plus en détail

9. Distributions d échantillonnage

9. Distributions d échantillonnage 9. Distributions d échantillonnage MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v3) MTH2302D: distributions d échantillonnage 1/46 Plan 1. Échantillons aléatoires 2. Statistiques et distributions

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

Statistique n 1 Susanna Davoust

Statistique n 1 Susanna Davoust CORRECTION de la Conférence du 28 Septembre 2010 Statistique n 1 Susanna Davoust Question de Statistiques Section I : -16. Statistique descriptive : estimation des paramètres d une population, intervalle

Plus en détail

23. Interprétation clinique des mesures de l effet traitement

23. Interprétation clinique des mesures de l effet traitement 23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d

Plus en détail

STA240 : Tests statistiques

STA240 : Tests statistiques STA240 : Tests statistiques 1 Règle de décision, seuil et p-valeur Dans un test, l hypothèse nulle H 0 est celle dont on choisit de maîtriser la probabilité de rejet à tort. C est celle à laquelle on tient

Plus en détail

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE Forum HH 05.02.2013 Ghislaine Gagnon Unité HPCI Qualitatif ou quantitatif? Les 2 méthodes peuvent être utilisées séparément ou en conjonction - le qualitatif

Plus en détail

Analyse de la variance à deux facteurs

Analyse de la variance à deux facteurs 1 1 IRMA, Université Louis Pasteur Strasbourg, France Master 1 Psychologie du développement 06-10-2008 Contexte Nous nous proposons d analyser l influence du temps et de trois espèces ligneuses d arbre

Plus en détail

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA Analyse de la variance ANOVA Terminologie Modèles statistiques Estimation des paramètres 1 Analyse de variance à un facteur Terminologie Modèles statistiques Estimation des paramètres 2 3 Exemple. Analyse

Plus en détail

Devoir Surveillé n 5 BTS 2009 groupement B

Devoir Surveillé n 5 BTS 2009 groupement B EXERCICE 1 (12 points) Devoir Surveillé n 5 BTS 2009 groupement B Les trois parties de cet exercice peuvent être traitées de façon indépendante. A. Résolution d une équation différentielle On considère

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

Relation entre deux variables : estimation de la corrélation linéaire CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence

Plus en détail

Analyse de la variance (ANOVA)

Analyse de la variance (ANOVA) Chapitre 7 Analyse de la variance (ANOVA) Introduction L analyse de la variance (ANOVA) a pour objectif d étudier l influence d un ou plusieurs facteurs sur une variable quantitative. Nous nous intéresserons

Plus en détail

5. Validité de la méta-analyse

5. Validité de la méta-analyse 5. Validité de la méta-analyse 5.1. Poids de la preuve d une méta-analyse Le poids de la preuve d un résultat scientifique quantifie le degré avec lequel ce résultat s approche de la réalité. Il ne s agit

Plus en détail

Christophe Fournier. Clinique de Thuys. Aunége - Christophe Fournier

Christophe Fournier. Clinique de Thuys. Aunége - Christophe Fournier Christophe Fournier Clinique de Thuys Aunége - Christophe Fournier 2 Table des matières Information sur l'échantillon 3 Structure de l'échantillon...4 Point méthodologique 6 Point méthodologique...7 Représentativité

Plus en détail

L analyse de variance à un critère de classification (ANOVA)

L analyse de variance à un critère de classification (ANOVA) Bio 041 L analyse de variance à un critère de classification (ANOVA) Pierre Legendre & Daniel Borcard, Université de Montréal Référence: Scherrer (007), section 14.1.1.1 et 14.1. 1 - Introduction Objectif:

Plus en détail

Ch.12 : Loi binomiale

Ch.12 : Loi binomiale 4 e - programme 2007 - mathématiques ch.12 - cours Page 1 sur 5 1 RÉPÉTITION D'EXPÉRIENCES INDÉPENDANTES Lancer plusieurs fois un dé et noter les résultats successifs. Ch.12 : Loi binomiale Prélever des

Plus en détail

Méthodes Statistiques Appliquées à la Qualité et à la Gestion des Risques - Le Contrôle Statistique

Méthodes Statistiques Appliquées à la Qualité et à la Gestion des Risques - Le Contrôle Statistique Méthodes Statistiques Appliquées à la Qualité et à la Gestion des Risques - Le Contrôle Statistique Jean Gaudart Laboratoire d Enseignement et de Recherche sur le Traitement de l Information Médicale jean.gaudart@univmed.fr

Plus en détail

Chacune des valeurs d une variable en est une modalité particulière.

Chacune des valeurs d une variable en est une modalité particulière. Psychologie générale Jean Paschoud STATISTIQUE Sommaire Rôle de la statistique Variables Échelles de mesure Résumer, décrire Comparer Rôle de la statistique La statistique est avant tout un outil permettant

Plus en détail

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,

Plus en détail

Test de Poisson à 1 échantillon et à 2 échantillons

Test de Poisson à 1 échantillon et à 2 échantillons Test de Poisson à 1 échantillon et à 2 échantillons Sous-menus de Minitab 15 : Stat>Statistiques élémentaires>test de Poisson à 1 échantillon Stat>Statistiques élémentaires>test de Poisson à 2 échantillons

Plus en détail

AOMI, IPS et rigidité de l aorte A.SALAHMANSOUR, L.IDIR, K.ABERKANE, M.BENSEDIK, A.HOUCHI, S.OUERDANE

AOMI, IPS et rigidité de l aorte A.SALAHMANSOUR, L.IDIR, K.ABERKANE, M.BENSEDIK, A.HOUCHI, S.OUERDANE AOMI, IPS et rigidité de l aorte A.SALAHMANSOUR, L.IDIR, K.ABERKANE, M.BENSEDIK, A.HOUCHI, S.OUERDANE Congrès SAMEV 2010 L artériopathie oblitérante des membres inférieurs Complication fréquente et redoutable

Plus en détail

L analyse de variance à deux critère de classification

L analyse de variance à deux critère de classification L analyse de variance à deux critère de classification Objectif : comparer l influence de chaque facteur sur la moyenne de plusieurs (k) groupes indépendants d observations La méthode détaillée ci-dessous

Plus en détail

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3

Plus en détail

Quelques notions de base de statistiques appliquées. à la biologie

Quelques notions de base de statistiques appliquées. à la biologie Quelques notions de base de statistiques appliquées à la biologie Etienne Roux Master Biologie cellulaire et physiopathologie UE initiation à la communication scientifique Laboratoire de Physiologie Cellulaire

Plus en détail

CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Probabilités Épreuve de Bernoulli, loi de Bernoulli.

CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Probabilités Épreuve de Bernoulli, loi de Bernoulli. 1 ère - 3 Chap.9 : Loi binomiale. Échantillonnage. 1 ère - Chapitre 9 : LOI BINOMIALE. ÉCHANTILLONNAGE. Textes officiels (30 septembre 2010) : CONTENU CAPACITÉ ATTENDUE COMMENTAIRE Probabilités Épreuve

Plus en détail

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent

Plus en détail

Evaluation générale de la qualité des données par âge et sexe

Evaluation générale de la qualité des données par âge et sexe Analyse démographique pour la prise des décisions. Tendances, et inégalités de mortalité et de fécondité en Afrique francophone : les outils en ligne de l UNFPA / UIESP pour l'estimation démographique.

Plus en détail

Cours de Tests paramétriques

Cours de Tests paramétriques Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.

Plus en détail

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre. Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences

Plus en détail

Lecture des différentes tables statistiques du PACES

Lecture des différentes tables statistiques du PACES Lecture des différentes tables statistiques du PACES Table de la loi normale centrée réduite Il s agit d une tabulation de la fonction de répartition de la LNCR (0,1). Elle fait correspondre à une valeur

Plus en détail

Document d orientation sur les allégations issues d essais de non-infériorité

Document d orientation sur les allégations issues d essais de non-infériorité Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette

Plus en détail

TUTORAT UE 4 2015-2016 Biostatistiques Séance n 5 Semaine du 19/10/2015

TUTORAT UE 4 2015-2016 Biostatistiques Séance n 5 Semaine du 19/10/2015 TUTORAT UE 4 2015-2016 Biostatistiques Séance n 5 Semaine du 19/10/2015 Tests statistiques 2 M. Molinari. Séance préparée par Cécile JOURDAN, Charlotte SILVESTRE, Brice LAVABRE, Julie DUSSAUT, Mathilde

Plus en détail

Master 1 de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( 2014/2015) -

Master 1 de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( 2014/2015) - Dominique Ferrieux - Université Paul Valéry - Montpellier III Master de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( /) - Deuxième partie : Plans :

Plus en détail

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques.

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques. L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques 1 BUTS DU COURS : se familiariser avec le vocabulaire statistique o variable dépendante, variable indépendante o statistique descriptive,

Plus en détail

Points méthodologiques Adapter les méthodes statistiques aux Big Data

Points méthodologiques Adapter les méthodes statistiques aux Big Data Points méthodologiques Adapter les méthodes statistiques aux Big Data I. Répétition de tests et inflation du risque alpha II. Significativité ou taille de l effet? 2012-12-03 Biomédecine quantitative 36

Plus en détail

Licence Pro Amélioration Végétale

Licence Pro Amélioration Végétale Analyse de données Licence Pro Amélioration Végétale Marc Bailly-Bechet Université Claude Bernard Lyon I France marc.bailly-bechet@univ-lyon1.fr 1 marc.bailly-bechet@univ-lyon1.fr Analyse de données Des

Plus en détail

Support di cours disponible à l adresse suivante http://sspsd.u-strasbg.fr/mdem22e-statistiques-cours-td.html

Support di cours disponible à l adresse suivante http://sspsd.u-strasbg.fr/mdem22e-statistiques-cours-td.html MDEM22E - Cours et TD de statistiques descriptives à partir de données d enquête Support di cours disponible à l adresse suivante http://sspsd.u-strasbg.fr/mdem22e-statistiques-cours-td.html Objectif du

Plus en détail

INTRODUCTION A LA RECHERCHE QUANTITATIVE

INTRODUCTION A LA RECHERCHE QUANTITATIVE INTRODUCTION A LA RECHERCHE QUANTITATIVE Deuxième partie : de la base de données aux résultats Juin 2010 Julien Gelly, Caroline Huas, Josselin Le Bel Plan 2 1. Introduction 2. Saisie des données : Epi

Plus en détail

Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014

Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline

Plus en détail

Analyse de la variance

Analyse de la variance M2 Statistiques et Econométrie Fanny MEYER Morgane CADRAN Margaux GAILLARD Plan du cours I. Introduction II. Analyse de la variance à un facteur III. Analyse de la variance à deux facteurs IV. Analyse

Plus en détail

STATISTIQUES 2 : MOYENNE, MEDIANE, ECART-TYPE

STATISTIQUES 2 : MOYENNE, MEDIANE, ECART-TYPE Chapitre 4bis STATISTIQUES 2 : MOYENNE, MEDIANE, ECART-TYPE BAC PRO 3 Objectifs (à la fin du chapitre, je dois être capable de ) : - Calculer une moyenne - Calculer une médiane (caractère discret) - Tracer

Plus en détail

Annexes du cours de l UE 4. PACES et APEMR

Annexes du cours de l UE 4. PACES et APEMR Annexes du cours de l UE 4 PACES et APEMR RAPPELS et TABLES STATISTIQUES Dérivées usuelles Domaine de définition Fonction Domaine de dérivabilité Dérivée Condition ou remarque Cas n = 1 de x n Cas n =

Plus en détail

Statistiques inférentielles : tests d hypothèse

Statistiques inférentielles : tests d hypothèse Statistiques inférentielles : tests hypothèse Table es matières I Tests hypothèse 2 I.1 Test bilatéral relatif à une moyenne...................................... 2 I.2 Test unilatéral relatif à une moyenne.....................................

Plus en détail

UE4 Comparaison de moyennes

UE4 Comparaison de moyennes UE4 Comparaison de moyennes Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Janvier 2011 Plan 1 Comparaison d une moyenne à une référence Contexte

Plus en détail

Conditions d application des méthodes statistiques paramétriques :

Conditions d application des méthodes statistiques paramétriques : Conditions d application des méthodes statistiques paramétriques : applications sur ordinateur GLELE KAKAÏ R., SODJINOU E., FONTON N. Cotonou, Décembre 006 Conditions d application des méthodes statistiques

Plus en détail

Activité Intitulé de l'activité Volume horaire

Activité Intitulé de l'activité Volume horaire Informations de l'unité d'enseignement Implantation IPL Cursus de Bachelier en chimie Introduction à la statistique C1110 Cycle 1 Bloc 1 Quadrimestre 2 Pondération 1 Nombre de crédits 4 Nombre d heures

Plus en détail

Chapitre 3 L assortiment indépendant des gènes. Des génotypes supérieurs de cultures telles que le riz ont révolutionné l agriculture.

Chapitre 3 L assortiment indépendant des gènes. Des génotypes supérieurs de cultures telles que le riz ont révolutionné l agriculture. Chapitre 3 L assortiment indépendant des gènes Des génotypes supérieurs de cultures telles que le riz ont révolutionné l agriculture. La variation de deux caractères Croisements monohybrides: entre 2 individus

Plus en détail

Analyse Statistique pour Le Traitement d Enquêtes

Analyse Statistique pour Le Traitement d Enquêtes DAT 104, année 2004-2005 p. 1/90 Analyse Statistique pour Le Traitement d Enquêtes Mastère Développement Agricole Tropical Stéphanie Laffont & Vivien ROSSI UMR ENSAM-INRA Analyse des systèmes et Biométrie

Plus en détail

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Université Paris1, Licence 00-003, Mme Pradel : Principales lois de Probabilité 1 DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Notations Si la variable aléatoire X suit la loi L, onnoterax

Plus en détail

Savoir Faire Excel Niveau 2. 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr

Savoir Faire Excel Niveau 2. 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr Savoir Faire Excel Niveau 2 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr Ce qu on sait faire Entrer et recopier des données numériques Les fonctions de base (somme, moyenne, nb, si) Faire

Plus en détail

Simulation Examen de Statistique Approfondie II **Corrigé **

Simulation Examen de Statistique Approfondie II **Corrigé ** Simulation Examen de Statistique Approfondie II **Corrigé ** Ces quatre exercices sont issus du livre d exercices de François Husson et de Jérôme Pagès intitulé Statistiques générales pour utilisateurs,

Plus en détail

PREMIERE ANNEE COMMUNE DES ETUDES DE SANTE. Faculté de Médecine Lyon Est Année Universitaire 2010-2011 UE4. Epreuve du jeudi 16 décembre 2010

PREMIERE ANNEE COMMUNE DES ETUDES DE SANTE. Faculté de Médecine Lyon Est Année Universitaire 2010-2011 UE4. Epreuve du jeudi 16 décembre 2010 PREMIERE ANNEE COMMUNE DES ETUDES DE SANTE Faculté de Médecine Lyon Est Année Universitaire 2010-2011 UE4 Epreuve du jeudi 16 décembre 2010 Dr Claire BARDEL, Dr Marie-Aimée DRONNE, Dr Delphine MAUCORT-BOULCH

Plus en détail

Evaluation d un test diagnostique - Concordance

Evaluation d un test diagnostique - Concordance Evaluation d un test diagnostique - Concordance Michaël Genin Université de Lille 2 EA 2694 - Santé Publique : Epidémiologie et Qualité des soins michaelgenin@univ-lille2fr Plan 1 Introduction 2 Evaluation

Plus en détail

TESTS D'HYPOTHESES Etude d'un exemple

TESTS D'HYPOTHESES Etude d'un exemple TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses

Plus en détail

Fiche TD 6 - L2 Économie-Gestion

Fiche TD 6 - L2 Économie-Gestion UNIVERSITE de NICE - SOPHIA ANTIPOLIS Institut Supérieur d Economie et de Management ANNÉE UNIVERSITAIRE : 2013-2014 REF. ANNÉE D ÉTUDE : L2 MATIÈRE : PROBABILITÉS, STATISTIQUES ENSEIGNANT : Julien BARRÉ

Plus en détail

L indice des fonctionnaires à la liquidation de leur retraite DREES

L indice des fonctionnaires à la liquidation de leur retraite DREES CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 10 avril 2014 à 9 h 30 «Carrières salariales et retraites dans les secteurs privé et public» Document N 8 Document de travail, n engage pas le Conseil

Plus en détail

201-DUA-05 Probabilités et statistique

201-DUA-05 Probabilités et statistique 1. La longueur de tiges usinées est une variable de moyenne 47,0 cm et d écart-type 0,36 cm. (a) Si l on prélève un échantillon aléatoire de taille 51, alors quelle est la probabilité que la moyenne échantillonnale

Plus en détail

Statistiques bivariées : corrélation et régression linéaire

Statistiques bivariées : corrélation et régression linéaire : corrélation et régression linéaire Activité d'introduction Ce chapitre de statistique est présenté avec l'objectif de promouvoir la réflexion des étudiants et leur faire remarquer que ces notions statistiques

Plus en détail

CHÔMAGE ET STRATÉGIES DES FAMILLES : LES EFFETS MITIGÉS DU PASSAGE DE L ASSURANCE-CHÔMAGE À L ASSURANCE-EMPLOI

CHÔMAGE ET STRATÉGIES DES FAMILLES : LES EFFETS MITIGÉS DU PASSAGE DE L ASSURANCE-CHÔMAGE À L ASSURANCE-EMPLOI CHÔMAGE ET STRATÉGIES DES FAMILLES : LES EFFETS MITIGÉS DU PASSAGE DE L ASSURANCE-CHÔMAGE À L ASSURANCE-EMPLOI Édith Martel Université de Montréal Benoît Laplante Institut National de la Recherche Scientifique

Plus en détail

Package TestsFaciles

Package TestsFaciles Package TestsFaciles March 26, 2007 Type Package Title Facilite le calcul d intervalles de confiance et de tests de comparaison avec prise en compte du plan d échantillonnage. Version 1.0 Date 2007-03-26

Plus en détail

LES TESTS STATISTIQUES

LES TESTS STATISTIQUES LES TESTS STATISTIQUES E 3 Exercice Pour les 2 exemples ci-dessous, indiquer a) Quelle est l unité d observation? b) Quelle est la taille de l échantillon? c) Quelle est la variable étudiée (ou quelles

Plus en détail

Saisir dans EXCEL les résultats du bac comme dans le tableau suivant (cf. figure n 1).

Saisir dans EXCEL les résultats du bac comme dans le tableau suivant (cf. figure n 1). TP n 2 - Calcul du Khi2 Le but de ce TP est de réaliser, à l'aide d'excel, un modèle réutilisable d'analyse bivarié entre des variables qualitatives. Ce modèle permet d aller de la saisie dans un tableau

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Échantillonnage et estimation Dans ce chapitre, on s intéresse à un caractère dans une population donnée dont la proportion est notée. Cette proportion sera dans quelques cas connue (échantillonnage),

Plus en détail

5 Méthodes algorithmiques

5 Méthodes algorithmiques Cours 5 5 Méthodes algorithmiques Le calcul effectif des lois a posteriori peut s avérer extrêmement difficile. En particulier, la prédictive nécessite des calculs d intégrales parfois multiples qui peuvent

Plus en détail

Internet est-il l avenir des enquêtes Génération?

Internet est-il l avenir des enquêtes Génération? Établissement public sous double tutelle des ministères de l'éducation nationale, de l'enseignement supérieur et de la Recherche du Travail, de l Emploi, de la Formation professionnelle et du Dialogue

Plus en détail