TESTS STATISTIQUES: COMPARAISON, INDÉPENDANCE ET RÉGRESSION LINÉAIRE

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "TESTS STATISTIQUES: COMPARAISON, INDÉPENDANCE ET RÉGRESSION LINÉAIRE"

Transcription

1 TESTS STATISTIQUES: COMPARAISON, INDÉPENDANCE ET RÉGRESSION LINÉAIRE Les résultats donnés par R et SAS donnent les valeurs des tests, la valeur-p ainsi que les intervalles de confiance. TEST DE COMPARAISON DE MOYENNE Nous voulons tester si la moyenne d un vecteur est égale à une certaine valeur théorique. H0: µ=µ0 H1: µ>µ0 ou µ<µ0 ou µ µ0 On rejette H0 (on pourra dire qu il y a une différence significative) si la valeur-p est plus petite que le niveau de confiance choisi. Syntaxe en R: t.test(vecteur,alternative,mu,conf.level) où: vecteur: vecteur à tester alternative: hypothèse alternative: "two.sided"(valeur par défaut),"less"ou "greater" mu: moyenne testée (µ0) conf.level: 95% par défaut Exemple 1 (R) vecteur= c(seq(7,7.2,length=40),seq(7,8,length=20)) t.test(vecteur,mu=7.25) One Sample t-test data: vecteur t = , df = 59, p-value = alternative hypothesis: true mean is not equal to percent confidence interval: sample estimates: mean of x sur 7

2 Dans l exemple 1, on ne rejette pas l hypothèse que la moyenne est égale à On remarque aussi que 7.25 fait bien partie de l intervalle de confiance (7.165,7.301) à 95%. SAS En SAS, la procédure TTEST permet de faire les tests de comparaison de moyenne. PROC TTEST data=table_donnee h0=moyenne_theorique alpha=0.05 sides= ; var variable; où: sides=2 si H1: µ µ0 sides=l si H1: µ<µ0 sides=u si H1: µ>µ0 TEST DE COMPARAISON DE MOYENNES POUR DEUX ÉCHANTILLONS INDÉPENDANTS Deux vecteurs sont mesurés dans deux échantillons indépendants. Cela peut également représenter un sous-échantillon du même échantillon mais qui présente des caractéristiques différentes (exemple: hommes vs femmes). Nous voulons tester si la différences entre les deux est égale à une certaine valeur théorique (la plupart du temps 0). Une hypothèse à vérifier est l égalité des variances entre les deux échantillons. Celle-ci va déterminer la statistique de test calculée. Si les variances sont inégales, la statistique du test ajusté peut porter plusieurs nom («unpooled», «Welch» en R ou «Satterthwaite» en SAS). Dans le cas des variances égales, le test utilise la «Pooled variance». H0: µ2-µ1=0 (Il n y a pas de différence entre les deux variables pour les deux échantillons.) H1: µ2-µ1>0 ou µ2-µ1<0 ou µ2-µ1 0 Syntaxe R: t.test(vecteur,alternative,mu,conf.level, var.equal) où var.equal=true si les variances des deux échantillons sont égales. 2 sur 7

3 var.equal=false si les variances des deux échantillons ne sont pas égales. Syntaxe SAS proc ttest data=table_donnee h0=moyenne_theorique alpha=0.05 sides= ; class categorie; var variable; TEST DE COMPARAISON DE MOYENNE POUR DEUX ÉCHANTILLONS APPARIÉS Deux vecteurs sont mesurés dans la même population (mêmes observations, donc dépendants). Nous voulons tester si la différences entre les deux est égale à une certaine valeur théorique. H0: µ2-µ1=0 (Il n y a pas de différence entre les deux variables pour les deux échantillons.) H1: µ2-µ1>0 ou µ2-µ1<0 ou µ2-µ1 0 Syntaxe R: t.test(vecteur1,vecteur2,alternative,mu,conf.level, paired = TRUE) Syntaxe SAS: proc ttest data=table_donnee h0=moyenne_theorique alpha=0.05 sides=; paired variable1*variable2; Exemple 2 (R) note1=rbinom(100,size=100,p=0.8) note2=rnorm(100,80,4) var.test(note1,note2) #Pour voir si globalement le vecteur note1 est différent du vecteur note2 t.test(note1,note2, var.equal = FALSE) #Pour voir si pour chaque observation, il y a une différence entre note1 et note2 t.test(note1,note2,paired=true, var.equal = FALSE) 3 sur 7

4 TEST DU CHI-DEUX D INDÉPENDANCE Le test du chi-deux d indépendance permet de vérifier si deux variables qualitatives sont indépendantes. Par exemple, vérifier s il y a autant d hommes et de femmes dans chacune des villes ou dans chacune des catégories d une certaine variable. Pour faire ce test, un tableau croisé des deux variables (2 par 2) est utilisé. H0: les deux variables qualitatives sont indépendante. Pour que le test soit valide, il faut qu il y ait au moins 5 observations dans chacun des croisements du tableau 2 par 2. Si ce n est pas le cas, la correction de Yates permet de calculer une statistique ajustée. Cependant, dans le cas de petits échantillons, le test exact de Fisher est davantage recommandé. Syntaxe R sans la correction:chisq.test(table(variable1,variable2),correct=false) Syntaxe R avec la correction:chisq.test(table(variable1,variable2)) Syntaxe R pour le test exact de Fisher: fisher.test(table(variable1,variable2)) Exemple 3 (R) > sexe=c(rep("f",20),rep("h",20)) > ville=rep(c(rep("montreal",10),rep("laval",10)),2) > table(ville,sexe) sexe ville F H Laval Montreal > chisq.test(table(ville,sexe),correct=false) Pearson's Chi-squared test data: table(ville, sexe) X-squared = 0, df = 1, p-value = 1 > ville2=c(rep("montreal",22),rep("laval",18)) > table(ville2,sexe) sexe ville2 F H Laval 0 18 Montreal 20 2 > chisq.test(table(ville2,sexe)) 4 sur 7

5 Pearson's Chi-squared test with Yates' continuity correctiondata: table(ville2, sexe) X-squared = , df = 1, p-value = 6.555e-08 Test d indépendance du Chi-deux en SAS proc freq data=table_donnee; tables variable1*variable2 / CHISQ; /*Pour avoir le test exact de Fisher*/ proc freq data=table_donnee; tables variable1*variable2 / CHISQ fisher; RÉGRESSION LINÉAIRE EN R La régression linéaire permet de trouver la relation linéaire entre une variable à prédire et une série de variables explicatives. Pour une régression linéaire simple (une seule variable explicative), la syntaxe R de base est la suivante: reg <- lm(y x1) Résultat > reg Call: lm(formula = y ~ x1) Coefficients: (Intercept) x sur 7

6 Le résultat de la commande lm donne une liste (objet R qui comprend plusieurs autres objets R). Pour avoir le tableau d analyse de variance (ANOVA), le R 2. il faut utiliser la commande suivante: summary(reg) Pour voir graphiquement la relation entre la variable à prédire et son prédicteur: plot(x,y,main="y selon la variable prédictive x1") Pour rajouter la droite de la régression: abline(reg) Y selon la variable prédictive x1 y x1 Pour une régression linéaire multiple, la commande de régression est presque la même: reg=lm(y~x1+x2) #pour avoir les statistiques du test summary(reg) Obtenir les coefficients de la régression: coef(reg) ou reg$coefficients Obtenir les résidus de la régression: reg$residuals Obtenir les valeurs prédites: reg$fitted.values 6 sur 7

7 RÉGRESSION LINÉAIRE EN SAS proc glm data=table_donnee; model y=x1; quit; proc glm data=table_donnee; model y=x1 x2 ; quit; POUR ALLER PLUS LOIN EN SAS PROC FORMAT PROC TABULATE PROC SQL MACROS LIEN UTILE MONSUG (http://www.monsug.ca/) dans événements passés 7 sur 7

Cours 8 Les tests statistiques

Cours 8 Les tests statistiques Cours 8 Les tests statistiques Intervalle de confiance pour une proportion Dans le cas de grands échantillons (np>5 et n(1-p)>5 ) l'intervalle de confiance au niveau (1- α ) est pour la proportion inconnue

Plus en détail

TD de statistique : tests du Chi 2

TD de statistique : tests du Chi 2 TD de statistique : tests du Chi 2 Jean-Baptiste Lamy 6 octobre 2008 1 Test du Chi 2 C est l équivalent de la comparaison de moyenne, mais pour les variables qualitatives. 1.1 Cas 1 : comparer les répartitions

Plus en détail

a) Il n y a pas de contre indication à utiliser la loi normale. On peut donc utiliser des tests basés sur la loi normale comme ceux vus au cours.

a) Il n y a pas de contre indication à utiliser la loi normale. On peut donc utiliser des tests basés sur la loi normale comme ceux vus au cours. Probabilités et statistique Été 2006 ELEC, MICRO, MX Dr. Diego Kuonen Corrigé du TP 2 Exercice 1. Test de Student Normal Q Q Plot Sample Quantiles 985 990 995 1000 1005 1.5 1.0 0.5 0.0 0.5 1.0 1.5 a) Il

Plus en détail

Cours 7 : Exemples. I- Régression linéaire simple II- Analyse de variance à 1 facteur III- Tests statistiques

Cours 7 : Exemples. I- Régression linéaire simple II- Analyse de variance à 1 facteur III- Tests statistiques Cours 7 : Exemples I- Régression linéaire simple II- Analyse de variance à 1 facteur III- Tests statistiques Exemple 1 : On cherche à expliquer les variations de y par celles d une fonction linéaire de

Plus en détail

distribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position

distribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons

Plus en détail

Tests Non Paramétriques. J Gaudart, LERTIM, Faculté de Médecine Marseille 1

Tests Non Paramétriques. J Gaudart, LERTIM, Faculté de Médecine Marseille 1 Tests Non Paramétriques J Gaudart, LERTIM, Faculté de Médecine Marseille 1 Plan 1. Paramétriques ou non? 2. Test d'une distribution de probabilité 3. Comparaison de moyennes 4. Comparaison de pourcentages

Plus en détail

Débuter avec R. Maxime Hervé. UMR 1099 INRA Agrocampus Ouest Université Rennes 1 BiO3P. 28 avril 2011

Débuter avec R. Maxime Hervé. UMR 1099 INRA Agrocampus Ouest Université Rennes 1 BiO3P. 28 avril 2011 Débuter avec R Maxime Hervé UMR 1099 INRA Agrocampus Ouest Université Rennes 1 BiO3P 28 avril 2011 Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril 2011 1 / 23 R, c est quoi? Trois caractéristiques importantes

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

Cours 6 : Les statistiques avec R. XVII- Généralités XVIII- Les formules XIX- Les sorties

Cours 6 : Les statistiques avec R. XVII- Généralités XVIII- Les formules XIX- Les sorties Cours 6 : Les statistiques avec R XVII- Généralités XVIII- Les formules XIX- Les sorties XX- Les fonctions génériques XVII- Généralités Fonctions d analyse statistique disponibles Package «stats» : contient

Plus en détail

Introduction aux Statistiques et à l utilisation du logiciel R

Introduction aux Statistiques et à l utilisation du logiciel R Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil

Plus en détail

Analyses statistiques avec

Analyses statistiques avec Analyses statistiques avec Introduction et éléments de base M. Bailly-Bechet, adapté de J. R. Lobry, adapté de Deepayan Sarkar Biostatistiques & Bioinformatique (L2) Table des matières Premiers pas en

Plus en détail

Travaux dirigés - Régression linéaire simple: corrigé partiel Julien Chiquet et Guillem Rigaill 1er octobre 2015

Travaux dirigés - Régression linéaire simple: corrigé partiel Julien Chiquet et Guillem Rigaill 1er octobre 2015 Travaux dirigés - Régression linéaire simple: corrigé partiel Julien Chiquet et Guillem Rigaill 1er octobre 2015 Quelques révisions de R 1. Manipulation de vecteur. On rappelle que e x = k 0 Créer dans

Plus en détail

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Département Universitaire de Recherche et d Enseignement en Médecine Générale GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Enseignants : Esther GUERY, Julien LE BRETON, Emilie FERRAT, Jacques

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

Introduction au langage R et à RStudio

Introduction au langage R et à RStudio Introduction au langage R et à RStudio Christophe Lalanne & Bruno Falissard Ce document regroupe des informations utiles pour démarrer avec le langage R en utilisant le logiciel RStudio. Les instructions

Plus en détail

Feuille de TP N 3 : Modèle log-linéaire - Travail guidé. 1 Cancers : modèle log-linéaire à deux facteurs croisés

Feuille de TP N 3 : Modèle log-linéaire - Travail guidé. 1 Cancers : modèle log-linéaire à deux facteurs croisés M1 MLG Année 2012 2013 Feuille de TP N 3 : Modèle log-linéaire - Travail guidé 1 Cancers : modèle log-linéaire à deux facteurs croisés Ce premier exercice reprend l exercice 1 de la feuille de TD n 3.

Plus en détail

Lire ; Compter ; Tester... avec R

Lire ; Compter ; Tester... avec R Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................

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

EXEMPLE : FAILLITE D ENTREPRISES

EXEMPLE : FAILLITE D ENTREPRISES EXEMPLE : FAILLITE D ENTREPRISES Cet exemple a pour objectif d étudier la faillite d entreprises. Les données proviennent de l ouvrage de R.A.Johnson et D.W Wichern : «Applied Multivariate Statistical

Plus en détail

Les variables indépendantes catégorielles

Les variables indépendantes catégorielles Les variables indépendantes catégorielles Jean-François Bickel Statistique II SP08 Jusqu à maintenant, nous avons considéré comme variables indépendantes uniquement des variables intervalles (âge) ou traitées

Plus en détail

Les statistiques en biologie expérimentale

Les statistiques en biologie expérimentale Les statistiques en biologie expérimentale Qualités attendues d une méthode de quantification : Le résultat numérique de la mesure permet d estimer avec précision la grandeur mesurée (ex. : il lui est

Plus en détail

Introduction à la statistique non paramétrique

Introduction à la statistique non paramétrique Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SJAP Année universitaire 2013 2014. Cours de Statistiques et Économétrie.

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SJAP Année universitaire 2013 2014. Cours de Statistiques et Économétrie. UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SJAP Année universitaire 2013 2014 Master Droit-Éco Cours de M. Desgraupes Cours de Statistiques et Économétrie Séance 05 1 Analyse de série temporelle

Plus en détail

Représentations graphiques des tableaux de Contingence. IUT Bordeaux Montesquieu - Département Tech De Co - Bernard Andruccioli Septembre 2005

Représentations graphiques des tableaux de Contingence. IUT Bordeaux Montesquieu - Département Tech De Co - Bernard Andruccioli Septembre 2005 Représentations graphiques des tableaux de Contingence. IUT Bordeaux Montesquieu - Département Tech De Co - Bernard Andruccioli Septembre 2005 Ce document complète les informations disponibles en ligne

Plus en détail

La régression logistique

La régression logistique La régression logistique Présentation pour le cours SOL6210, Analyse quantitative avancée Claire Durand, 2015 1 Utilisation PQuand la variable dépendante est nominale ou ordinale < Deux types selon la

Plus en détail

Corrigé examen atelier de statistiques Cogmaster

Corrigé examen atelier de statistiques Cogmaster Corrigé examen atelier de statistiques Cogmaster Tous documents autorisés. Durée de l épreuve = 2h 1 Questions 1. La moyenne d un échantillon de 10 nombres distribués selon une loi normale centrée réduite

Plus en détail

Mémoire de n d'étude: Etudes statistiques. Mémoire de n d'étude: Etudes statistiques. Nicolas Sutton-Charani. Université Montpellier 1 1/31

Mémoire de n d'étude: Etudes statistiques. Mémoire de n d'étude: Etudes statistiques. Nicolas Sutton-Charani. Université Montpellier 1 1/31 1/31 Mémoire de n d'étude: Etudes statistiques Nicolas Sutton-Charani Université Montpellier 1 Plan Rappels de cours La base La Statistique Types des variables Outils mathématiques Statistiques descriptives

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

SAS - Compléments. (notes de cours)

SAS - Compléments. (notes de cours) 1 SAS - Compléments (notes de cours) SAS est un ensemble logiciel d'une grande richesse. On présente ici quelques commandes de base de statistique descriptive univariée et bivariée. Cet exposé ne prétend

Plus en détail

Didacticiel - Études de cas. Description de quelques fonctions du logiciel PSPP, comparaison des résultats avec ceux de Tanagra, R et OpenStat.

Didacticiel - Études de cas. Description de quelques fonctions du logiciel PSPP, comparaison des résultats avec ceux de Tanagra, R et OpenStat. 1 Objectif Description de quelques fonctions du logiciel PSPP, comparaison des résultats avec ceux de Tanagra, R et OpenStat. Tout le monde l aura compris, je passe énormément de temps à analyser les logiciels

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

Traitements statistiques et Informatique. Utilisation du logiciel R

Traitements statistiques et Informatique. Utilisation du logiciel R Traitements statistiques et Informatique. Utilisation du logiciel R Avertissement : Ce document est en cours d élaboration. La présente version n est donc que la version alpha d un travail qui demande

Plus en détail

Introduction au logiciel SAS Julien JACQUES http ://math.univ-lille1.fr/ jacques/ POLYTECH LILLE DÉPARTEMENT G.I.S.

Introduction au logiciel SAS Julien JACQUES http ://math.univ-lille1.fr/ jacques/ POLYTECH LILLE DÉPARTEMENT G.I.S. Introduction au logiciel SAS Julien JACQUES http ://math.univ-lille1.fr/ jacques/ POLYTECH LILLE DÉPARTEMENT G.I.S. Table des matières 1 Préliminaires 3 2 Introduction à SAS 3 2.1 Les différentes fenêtres........................................

Plus en détail

Marketing quantitatif M2-MASS

Marketing quantitatif M2-MASS Marketing quantitatif M2-MASS Francois.Kauffmann@unicaen.fr UCBN 2 décembre 2012 Francois.Kauffmann@unicaen.fr UCBN Marketing quantitatif M2-MASS 2 décembre 2012 1 / 61 Première partie I Analyse Analyse

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

Présentation rapide du logiciel Epi Info

Présentation rapide du logiciel Epi Info Présentation rapide du logiciel Epi Info Loïc Desquilbet, PhD Département des Productions Animales et de Santé Publique Ecole Nationale Vétérinaire d Alfort ldesquilbet@vet-alfort.fr Tutoriel Epi Info

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

2 Travail sur les données (3 points/40)

2 Travail sur les données (3 points/40) Examen pratique 03 octobre 2014 Durée 2H Les formulaires, les sujets et les programmes des TP sont autorisés. Les notes de cours et de TD, le livre ainsi que les calculatrices ne sont pas autorisés. Les

Plus en détail

R i = a 0 +b 0 B i +ε i, R = Xβ +ε,

R i = a 0 +b 0 B i +ε i, R = Xβ +ε, Statistiques 2010-2011 TP sur le Modèle linéaire gaussien avec R 1 Les exercices Vous traiterez les exercices suivants avec le logiciel R. Exercice 1 Des photographies aériennes de champs d orge sont analysées

Plus en détail

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p. STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,

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

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

Introduction à Rcommander

Introduction à Rcommander Introduction à Rcommander Pauline Scherdel Septembre 2014 Table des matières 1 Introduction à Rcmdr sous R 2 2 Interagir avec R 3 3 Installer et charger le package Rcmdr sous R 3 4 Importation des données

Plus en détail

y i = αx i + β + u i,

y i = αx i + β + u i, I.1 ) TD1 L3 Econométrie Rappel : L estimateur ˆα (resp. ˆβ)estaussinotéa (resp. b). 160 150 consommation Y 140 130 10 (x i, ŷ i ) e i 110 100 110 10 130 140 150 160 170 180 )a). Sous forme exacte y i

Plus en détail

Principe des tests statistiques : Application à la comparaison d une moyenne à une valeur de référence

Principe des tests statistiques : Application à la comparaison d une moyenne à une valeur de référence 1 / 57 Principe des tests statistiques : Application à la comparaison d une moyenne à une valeur de référence M-A Dronne 2016-2017 2 / 57 Introduction Remarques préliminaires Etablir un plan d expérience

Plus en détail

Analyse des données «Hamburgers» à l aide de SPSS (v2, janvier 2011) Auteur : André Berchtold

Analyse des données «Hamburgers» à l aide de SPSS (v2, janvier 2011) Auteur : André Berchtold Analyse des données «Hamburgers» à l aide de SPSS (v2, janvier 2011) Auteur : André Berchtold Le site web «The Fast Food Explorer» (www.fatcalories.com) propose des données relatives à la composition des

Plus en détail

Normalité des rendements?

Normalité des rendements? Normalité des rendements? Daniel Herlemont 31 mars 2011 Table des matières 1 Introduction 1 2 Test de Normalité des rendements 2 3 Graphiques quantile-quantile 2 4 Estimation par maximum de vraisemblance

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

CORRECTION DE L EXERCICE 2 DU TP3: «REVENUS DE DEUX VILLES»

CORRECTION DE L EXERCICE 2 DU TP3: «REVENUS DE DEUX VILLES» CORRECTION DE L EXERCICE 2 DU TP3: «REVENUS DE DEUX VILLES» 2.1 Etude de chacun des deux groupes QUESTION 1 : On commence par créer deux tables RevenusA et RevenusB issues de la lecture des données des

Plus en détail

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL La régression logistique Par Sonia NEJI et Anne-Hélène JIGOREL Introduction La régression logistique s applique au cas où: Y est qualitative à 2 modalités Xk qualitatives ou quantitatives Le plus souvent

Plus en détail

Économétrie 2 : données qualitatives, probit et logit

Économétrie 2 : données qualitatives, probit et logit URCA Hugo Harari-Kermadec 2008-2009 harari@ecogest.ens-cachan.fr Économétrie 2 : données qualitatives, probit et logit I Un modèle pour données qualitatives Cette section est fortement inspirée du cours

Plus en détail

Le bootstrap expliqué par l exemple

Le bootstrap expliqué par l exemple Le bootstrap expliqué par l exemple 1 Le bootstrap expliqué par l exemple 1. Les concepts du bootstrap 2. Des variantes adaptées au contexte 3. Comparaison des différentes méthodes 4. Les cas sensibles

Plus en détail

Séance 8 : Régression Logistique

Séance 8 : Régression Logistique Séance 8 : Régression Logistique Sommaire Proc LOGISTIC : Régression logistique... 2 Exemple commenté : Achat en (t+1) à partir du sexe et du chiffre d affaires de la période précédente. 4 La régression

Plus en détail

Exercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015

Exercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015 Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par

Plus en détail

REGRESSION LOGISTIQUE ASSURES BELGES

REGRESSION LOGISTIQUE ASSURES BELGES REGRESSION LOGISTIQUE ASSURES BELGES Cte étude concerne l assurance automobile. L échantillon est constitué de 1106 assurés belges observés en 1992 répartis en deux groupes. Les assurés qui n ont eu aucun

Plus en détail

Statistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011

Statistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011 Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr

Plus en détail

L analyse de la variance avec R commander

L analyse de la variance avec R commander L analyse de la variance avec R commander 19 mars 2014 1 Installer R Pour installer R, il vous suffit d aller sur le site http://www.r-project.org/. Choisissez un miroir pour le téléchargement. Sélectionner

Plus en détail

TP 1. Introduction au logiciel SAS Analyse Statistique Univariée

TP 1. Introduction au logiciel SAS Analyse Statistique Univariée IMIS : Master 1 Université Paris Est Marne la Vallée TP 1. Introduction au logiciel SAS Analyse Statistique Univariée 1. Premier contact avec SAS 1. Lancez le logiciel sas. Vous voyez apparaître les fenètres

Plus en détail

Estimation de la variance à l aide des poids de bootstrap Guide de l usager du programme BOOTVARF_V30.SAS (VERSION 3.0)

Estimation de la variance à l aide des poids de bootstrap Guide de l usager du programme BOOTVARF_V30.SAS (VERSION 3.0) Estimation de la variance à l aide des poids de bootstrap Guide de l usager du programme BOOTVARF_V30.SAS (VERSION 3.0) 1. Introduction Ce guide s adresse aux utilisateurs du programme SAS BOOTVARF_V30.SAS

Plus en détail

Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire?

Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire? Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire? Cyril Ferdynus, USM, CHU RECUEIL DE DONNEES Recueil hors ligne Epidata (http://www.epiconcept.fr/html/epidata.html)

Plus en détail

S-Plus. Prise en main rapide

S-Plus. Prise en main rapide 1 S-Plus Prise en main rapide Rachid BOUMAZA INH Département ETIC rachid.boumaza@inh.fr AVANT-PROPOS Ce document n'est pas un manuel d'utilisation du logiciel S-Plus mais une invitation à aller découvrir

Plus en détail

Données qualitatives, modèles probit et logit

Données qualitatives, modèles probit et logit Données qualitatives, modèles probit et logit I Un modèle pour données qualitatives Cette section est fortement inspirée du cours de Christophe Hurlin. On est confronté à des données qualitatives en micro-économie

Plus en détail

79, avenue de la République - 75543 PARIS CEDEX 11 - Tél. : 01.49.23.20.00. I&OM Information & Operations Management

79, avenue de la République - 75543 PARIS CEDEX 11 - Tél. : 01.49.23.20.00. I&OM Information & Operations Management 79, avenue de la République - 75543 PARIS CEDEX 11 - Tél. : 01.49.23.20.00 Département : I&OM Information & Operations Management Cours : Statistique et Analyse de Données pour le Management Titre du document

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

Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire

Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire Julien JACQUES Polytech Lille - Université Lille 1 Julien JACQUES (Polytech Lille) Statistiques de base 1 / 48 Plan 1 Tests

Plus en détail

Analyse des données individuelles groupées

Analyse des données individuelles groupées Analyse des données individuelles groupées Analyse des Temps de Réponse Le modèle mixte linéaire (L2M) Y ij, j-ième observation continue de l individu i (i = 1,, N ; j =1,, n) et le vecteur des réponses

Plus en détail

Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages

Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages S. Winandy, R. Palm OCA GxABT/ULg oca.gembloux@ulg.ac.be décembre 2011 1 Introduction La Direction Générale Statistique

Plus en détail

Questions pratiques 4: Transformer la variable dépendante

Questions pratiques 4: Transformer la variable dépendante Questions pratiques 4: Transformer la variable dépendante Jean-François Bickel Statistique II SPO8 Transformer une variable consiste en une opération arithmétique qui vise à construire une nouvelle variable

Plus en détail

Chapitre 4 : Régression linéaire

Chapitre 4 : Régression linéaire Exercice 1 Méthodes statistiques appliquées aux sciences sociales (STAT-D-203) Titulaire : Catherine Vermandele Chapitre 4 : Régression linéaire Le diplôme de Master of Business Administration ou MBA est

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

INTRODUCTION AU LOGICIEL SAS. Julien JACQUES http://eric.univ-lyon2.fr/ jjacques/

INTRODUCTION AU LOGICIEL SAS. Julien JACQUES http://eric.univ-lyon2.fr/ jjacques/ INTRODUCTION AU LOGICIEL SAS Julien JACQUES http://eric.univ-lyon2.fr/ jjacques/ Table des matières 1 Préliminaires 4 2 Introduction à SAS 4 2.1 Les différentes fenêtres........................................

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

EXEMPLE D UTILISATION DE LA PROCEDURE CATMOD ALIMENTATION DES ALLIGATORS

EXEMPLE D UTILISATION DE LA PROCEDURE CATMOD ALIMENTATION DES ALLIGATORS EXEMPLE D UTILISATION DE LA PROCEDURE CATMOD ALIMENTATION DES ALLIGATORS Le tableau provient d une étude concernant les facteurs influençant le choix de la nourriture principale d alligators. L échantillon

Plus en détail

Package LeLogicielR. February 19, 2015

Package LeLogicielR. February 19, 2015 Type Package Package LeLogicielR February 19, 2015 Title Functions and datasets to accompany the book ``Le logiciel R: Maitriser le langage, Effectuer des analyses statistiques'' (french) Version 1.2 Date

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

La régression logistique généralisée avec la procédure LOGISTIC

La régression logistique généralisée avec la procédure LOGISTIC La régression logistique généralisée avec la procédure LOGISTIC 1 Sommaire I / Régression logistique généralisée 3 a. Introduction 3 b. Présentation de l exemple à étudier 3 II / Modélisation avec la proc

Plus en détail

Sélection de modèles avec l AIC et critères d information dérivés

Sélection de modèles avec l AIC et critères d information dérivés Sélection de modèles avec l AIC et critères d information dérivés Renaud LANCELOT et Matthieu LESNOFF Version 3, Novembre 2005 Ceci n est pas une revue exhaustive mais une courte introduction sur l'utilisation

Plus en détail

3 - Pratique des tests élémentaires

3 - Pratique des tests élémentaires Fiches de Biostatistique 3 - Pratique des tests élémentaires D. Chessel & A.B. Dufour Résumé La fiche met en évidence le raisonnement commun à tous les tests statistiques utilisés dans des conditions variées.

Plus en détail

Statistiques appliquées aux études médicamenteuses cliniques. Pierre BOUTOUYRIE Pharmacologie HEGP

Statistiques appliquées aux études médicamenteuses cliniques. Pierre BOUTOUYRIE Pharmacologie HEGP Statistiques appliquées aux études médicamenteuses cliniques Pierre BOUTOUYRIE Pharmacologie HEGP Grands principes méthodologiques Tout dépend de la formulation de la question scientifique Exemple : on

Plus en détail

Econométrie. 1. Matière: Problèmes de spécification et variables explicatives binaires

Econométrie. 1. Matière: Problèmes de spécification et variables explicatives binaires Econométrie Répétition 9 1. Matière: Problèmes de spécification et variables explicatives binaires Utilisation des variables explicatives binaires. Test de la forme fonctionnelle. Testd hétéroscédasticitéetutilisationde

Plus en détail

Module 2 29 Décembre 2009 Intervenant: Dhuin STATISTIQUES

Module 2 29 Décembre 2009 Intervenant: Dhuin STATISTIQUES STATISTIQUES I. Séries statistiques simples... 1 A. Définitions... 1 1. Population... 1 2. Caractère statistique... 1 B. Séries classées / représentations graphiques.... 2 1. Séries classées... 2 2. Représentations

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

Régression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr

Régression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R

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

STATISTIQUE THÉORIQUE ET APPLIQUÉE COMPLÉMENTS : LOGICIEL R. Pierre Dagnelie. www.dagnelie.be

STATISTIQUE THÉORIQUE ET APPLIQUÉE COMPLÉMENTS : LOGICIEL R. Pierre Dagnelie. www.dagnelie.be STATISTIQUE THÉORIQUE ET APPLIQUÉE COMPLÉMENTS : LOGICIEL R Pierre Dagnelie www.dagnelie.be 2012 INTRODUCTION 2 Introduction Ce document présente une liste de commandes ou fonctions relatives au logiciel

Plus en détail

L3 de Psychologie - 1ère session Epreuve machine - Sujet N 5

L3 de Psychologie - 1ère session Epreuve machine - Sujet N 5 L3 de Psychologie - 1ère session 2012-2013 Epreuve machine - Sujet N 5 N étudiant :... Date :... Nom :... Emargement :... Prénom :... Login du compte de dépôt :... Exercice 1. On s'est intéressé à la préservation

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

STATISTICA Test d hypothèseshè

STATISTICA Test d hypothèseshè TEST D HYPOTHESES STATISTICA Test d hypothèseshè TEST D HYPOTHESES Les étapes : Problématique Revue de la littérature Formulation d une hypothèse théorique Construction de l expérience (méthodologie) Lister

Plus en détail

Une introduction. Lionel RIOU FRANÇA. Septembre 2008

Une introduction. Lionel RIOU FRANÇA. Septembre 2008 Une introduction INSERM U669 Septembre 2008 Sommaire 1 Effets Fixes Effets Aléatoires 2 Analyse Classique Effets aléatoires Efficacité homogène Efficacité hétérogène 3 Estimation du modèle Inférence 4

Plus en détail

La régression logistique PLS

La régression logistique PLS La régression logistique PLS Michel Tenenhaus Groupe HEC, 78351 Jouy-en-Josas 1 Introduction La régression PLS permet de relier une ou plusieurs variables de réponse y àun ensemble de variables prédictives

Plus en détail

Statistiques I: Séance informatique - Corrections

Statistiques I: Séance informatique - Corrections Haute Ecole de Gestion Automne 2010 Geneva School of Business Administration Mercredi 8h15-10h00 A. Caboussat, STAT I Statistiques I: Séance informatique - Corrections Part I Exercices sur Excel Problème

Plus en détail

Cours 9 08/11/2011. Les tableaux croisés et le test d indépendance du Chi-deux

Cours 9 08/11/2011. Les tableaux croisés et le test d indépendance du Chi-deux Cours 9 Les tableaux croisés et le test d indépendance du Chi-deux 1 Retour sur TP1 et Cours 8 Les tableaux croisés et le test du Chi-deux Utilité, postulats d utilisation et logique Exemple de calcul

Plus en détail

pour les statophobes

pour les statophobes ATTENTION, version «0.0» brute de décoffrage donc particulièrement susceptible de comporter des erreurs. Si vous en trouvez, soyez sympa et prévenez l'auteur : denis.poinsot@univ-rennes1.fr R pour les

Plus en détail

Examen de Logiciels Statistiques

Examen de Logiciels Statistiques G. Hunault Angers, mai 2011 Licence MEF Examen de Logiciels Statistiques On s intéresse ici au dossier EAEF01 qui contient un extrait des données du recensement américain. On trouvera ces données et leur

Plus en détail

Le modèle linéaire généralisé avec R : fonction glm()

Le modèle linéaire généralisé avec R : fonction glm() SEMIN- Le modèle linéaire généralisé avec R : fonction glm() Sébastien BALLESTEROS UMR 7625 Ecologie Evolution Ecole Normale Supérieure 46 rue d'ulm F-75230 Paris Cedex 05 sebastien.ballesteros@biologie.ens.fr

Plus en détail

La corrélation : présentation et test du coefficient de corrélation de Pearson

La corrélation : présentation et test du coefficient de corrélation de Pearson La corrélation : présentation et test du coefficient de corrélation de Pearson C. Bardel Septembre 26 Master 2 Neurosciences / 38 Plan du cours Introduction Mesure de la corrélation : covariance et coefficient

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

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

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 Cours de B. Desgraupes. Simulation Stochastique

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 Cours de B. Desgraupes. Simulation Stochastique UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 L2 MIASHS Cours de B. Desgraupes Simulation Stochastique Séance 04: Nombres pseudo-aléatoires Table des matières 1

Plus en détail