UE4 Comparaison de moyennes
|
|
- Gabin Chrétien
- il y a 7 ans
- Total affichages :
Transcription
1 UE4 Comparaison de moyennes Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Janvier 2011
2 Plan 1 Comparaison d une moyenne à une référence Contexte Tests et exemples 2 Comparaison de deux moyennes Contexte Grands échantillons Petits échantillons Séries appariées
3 Contexte Plan 1 Comparaison d une moyenne à une référence Contexte Tests et exemples 2 Comparaison de deux moyennes
4 Contexte Comparaison d une moyenne à une référence Exemple 1 firme pharmaceutique veut vérifier son procédé de fabrication flacon de 250 ml de sérum physiologique on mesure le volume de 20 flacons la moyenne observée m = 250,3 contredit-elle la norme de fabrication? Exemple 2 savoir si dans un groupe de personne la dose de vit D suit une norme définie Exemple 3 dosage d une hormone le matin et le soir chez n sujets : la valeur évolue-t-elle dans la journée?
5 Contexte Comparaison d une moyenne à une référence Ces trois exemples concernent : 1 le contrôle d un processus de fabrication 2 la vérification d une norme 3 une comparaison avant-après dans des mesures appariées : la comparaison dans ce cas de deux moyennes peut se ramener au cas d une moyenne unique
6 Contexte Comparaison d une moyenne à une référence Les hypothèses nulles et alternatives : dans un contexte de test bilatéral : H 0 : µ = µ R H 1 : µ µ R dans un contexte de test unilatéral : H 0 : µ = µ R H 1 : µ > µ R ou µ < µ R Pour savoir si l échantillon vient de la population P de référence ou d une autre population P savoir si l écart entre m et µ R est attribuable à une fluctuation d échantillonnage ou a une différence réelle entre la valeur de référence et la valeur dans la population dans laquelle on a tiré l échantillon
7 Tests et exemples Plan 1 Comparaison d une moyenne à une référence Contexte Tests et exemples 2 Comparaison de deux moyennes
8 Tests et exemples Comparaison d une moyenne à une référence La plupart du temps, on ne connait pas la variance σ 2 dans la population dont on extrait l échantillon (situation la plus courante) la variance doit alors être estimée sur l échantillon donc une incertitude supplémentaire implique l utilisation d une loi de Student t = m µ R s 2 n = loi de Student à n 1 ddl t n 1 où s 2 indique l estimation de σ 2 obtenue sur l échantillon
9 Tests et exemples Comparaison d une moyenne à une référence Mais si l échantillon est grand : z = m µ R s 2 n N (0,1) où s 2 indique l estimation de σ 2 obtenue sur l échantillon car si n grand, m suit une loi de Gauss même si la V.A. X ne suit pas une loi de Gauss dans la population.
10 Tests et exemples Comparaison d une moyenne à une référence Les conclusions en terme d H 0 et d H 1 : Pour le test z : pour un test bilatéral : si z z 1 α/2 on accepte H 0 : absence de différence si z > z 1 α/2 on conclut H 1 : différence des moyennes pour un test unilatéral : rejet H 0 si z > z 1 α H 1 : µ > µ R rejet H 0 si z < z 1 α, soit z < z α H 1 : µ < µ R
11 Tests et exemples Comparaison d une moyenne à une référence Les conclusions en terme d H 0 et d H 1 : Pour le test t, sachant que t suit une loi de Student à n 1 ddl : pour un test bilatéral : on rejette H 0 si t > t n 1;1 α/2 pour un test unilatéral : rejet H 0 si t > t n 1;1 α H 1 : µ > µ R rejet H 0 si t < t n 1;1 α soit t < t n 1;α H 1 : µ < µ R
12 Tests et exemples Comparaison d une moyenne à une référence Les conclusions en terme d H 0 et d H 1 : Pour le test t, sachant que t suit une loi de Student à n 1 ddl : pour un test bilatéral : on rejette H 0 si t > t n 1;1 α/2 pour un test unilatéral : rejet H 0 si t > t n 1;1 α H 1 : µ > µ R rejet H 0 si t < t n 1;1 α soit t < t n 1;α H 1 : µ < µ R si la V.A. d intérêt suit une loi de Gauss
13 Tests et exemples Conditions d application Les conditions d applications de ces deux tests sont : si n est grand (n 30), on utilise le test z, quelle que soit la distribution de X dans la population Si n petit (n < 30), on utilise le test t, sous l hypothèse que X N
14 Tests et exemples Exemple 1 On souhaite comparer la consommation de vit. D de nourrisson par rapport à une norme norme 25-hydroxyvitamine-D (25-OH-D) = 50 nmol/l. On trouve dans un échantillon n = 137, m = 38,45, s = 51,6. l H 0 : µ P = µ R l H 1 : µ P µ R on réalise le test z : z obs = 38,45 50 = 2,62 51, on compare z obs à z 1 α/2 on conclut H 1 que la population d intérêt a une moyenne de 25-OH-D inférieure à la normale
15 Tests et exemples Exemple 1 On souhaite comparer la consommation de vit. D de nourrisson par rapport à une norme norme 25-hydroxyvitamine-D (25-OH-D) = 50 nmol/l. On trouve dans un échantillon n = 137, m = 38,45, s = 51,6. l H 0 : µ P = µ R l H 1 : µ P µ R on réalise le test z : z obs = 38,45 50 = 2,62 51, on compare z obs à z 1 α/2 : z obs = 2,62 i.e. z obs > 1,96 on conclut : H 1 que la population d intérêt a une moyenne de 25-OH-D inférieure à la normale
16 Tests et exemples Exemple 1 : commentaires Remarque On aurait aussi pu calculer la proportion de sujets ayant une concentration en vit. D inférieure à la norme ou inférieure à une valeur basse de la norme (qui va en fait de 20 à 100 nmol/l) et faire un test de comparaison de proportions (voir cours correspondant) Attention cela ne répond pas à la même question et les résultats peuvent être discordants en terme de rejet et acceptation de H 0 ou H 1
17 Tests et exemples Exemple 2 Vérification des volumes de fabrication échantillon de n = 20, avec m = 250,3, s 2 = 2,9. l H 0 : µ P = µ R l H 1 : µ P µ R on réalise le test t : t obs = 250, ,9 20 = 0,885 seuil : t n 1;1 α/2 = t 19;0,975 = 2,09 comparaison : t obs et t n 1;1 α/2 on conclut H 0 et on conclut que le volume de fabrication ne diffère pas de la norme
18 Tests et exemples Exemple 2 Vérification des volumes de fabrication échantillon de n = 20, avec m = 250,3, s 2 = 2,9. l H 0 : µ P = µ R l H 1 : µ P µ R on réalise le test t : t obs = 250, ,9 20 = 0,885 seuil : t n 1;1 α/2 = t 19;0,975 = 2,09 comparaison : t obs < t n 1;1 α/2 i.e. t obs < 2,09 on conclut H 0 i.e. que le volume de fabrication ne diffère pas de la norme
19 Plan 1 Comparaison d une moyenne à une référence 2 Comparaison de deux moyennes Contexte Grands échantillons Petits échantillons Séries appariées
20 Contexte Plan 1 Comparaison d une moyenne à une référence 2 Comparaison de deux moyennes Contexte Grands échantillons Petits échantillons Séries appariées
21 Contexte Contexte de comparaison de deux moyennes Exemple 1 Pour comparer deux somnifères, on attribue soit le somnifère A soit le somnifère B à deux groupes de 50 sujets chacun, groupes constitués aléatoirement. Comment montrer que B allonge plus la durée de sommeil que A? Exemple 2 On souhaite comparer la valeur moyenne de la tension artérielle de deux groupes de patients, selon la présence ou non d un facteur de risque supposé (tabac, alcool, variant génétique, toxique). On dispose d un échantillon de 16 sujets dans chaque groupe. On trouve m A = 130,7 et m B = 136,1. L écart est-il attribuable au facteur? La solution : comparaison de deux moyennes observées
22 Contexte Comparaison de deux moyennes observées Les hypothèses H 0 et H 1 : Les différences sont-elles attribuables uniquement à une fluctuation aléatoire ou à un effet du médicament (exemple 1) ou du facteur (exemple 2)? Autre formulation : Soit µ A et µ B les moyennes vraies des deux populations A et B d où sont issus les deux échantillons : les deux moyennes sont-elles identiques? Les deux échantillons sont-ils issus de la même population ou de deux populations différentes? H 0 : les deux moyennes ne diffèrent pas : µ A = µ B H 1 : les moyennes diffèrent : µ A µ B si bilatéral H 1 : les moyennes diffèrent : µ A < µ B ou µ A > µ B si unilatéral
23 Contexte Comparaison de deux moyennes observées Remarque : les σ 2 n interviennent pas dans la formulation des hypothèses alors qu elles sont indispensables pour réaliser le test. Une hypothèse très forte nécessaire pour comparer les moyennes est que les variances sont égales dans les deux populations = homoscédasticité des variances. Pourquoi? Car cela permet de dire que l effet du facteur se manifeste par un décalage des valeurs et pas par la combinaison d un décalage et d une dilatation des valeurs. Si le traitement modifiait les moyennes et les variances, on testerait deux choses simultanément sans que l on puisse les distinguer par ce test On test des décalages de moyennes et pas des modifications quelconques des valeurs
24 Grands échantillons Plan 1 Comparaison d une moyenne à une référence 2 Comparaison de deux moyennes Contexte Grands échantillons Petits échantillons Séries appariées
25 Grands échantillons Comparaison de deux moyennes observées (1) cas des grands échantillons : n 1 30 et n 2 30 Fluctuations d échantillonnage sous H 0 (i.e. si H 0 est vraie) : m A N (µ A, σa 2 /n A) m B N (µ B, σb 2 /n B) et m A m B N (µ A µ B, σa 2 /n A + σb 2 /n B) si les deux échantillons sont indépendants
26 Grands échantillons Comparaison de deux moyennes observées La plupart du temps, les σ 2 ne sont pas connues Comme n A et n B sont grands, on peut remplacer σ A et σ B par s A et s B (bonne approximation) alors, sous l hypothèse d égalité des variances z = m A m B N (0,1) sa 2 n A + s2 B nb Il y a ici deux approximations de nature différente : 1 la distribution de m par une loi normale 2 celle de la valeur de σ par s
27 Grands échantillons Comparaison de deux moyennes observées Donc, pour un test bilatéral au seuil α : si z z 1 α/2 on accepte H 0 : absence de différence si z > z 1 α/2 on conclut H 1 : différence des moyennes Et pour un test unilatéral : pour H 1 pour H 1 : µ A > µ B : rejet de H 0 si z > z 1 α : µ A < µ B : rejet de H 0 si z < z 1 α soit z z α
28 Grands échantillons Application Exemple 1 : somnifères. Deux traitements A et B (B = placebo), comparés sur la durée de sommeil on observe m A = 5,41, m B = 5,02, s 2 A = 2,1 et s2 B = 1,9 formulation unilatérale H 0 : µ A = µ B et H 1 : µ A > µ B z = 1,38 (< z 1 α=95% = 1,645), donc différence non significative donc H 0, absence de différence est ici retenue : on ne met pas en évidence de différence entre les deux traitements un gain de 0,39 h = 23 minutes n est pas négligeable mais insuffisant pour montrer la supériorité de A sur un placebo
29 Petits échantillons Plan 1 Comparaison d une moyenne à une référence 2 Comparaison de deux moyennes Contexte Grands échantillons Petits échantillons Séries appariées
30 Petits échantillons Comparaison de deux moyennes observées (2) cas des petits échantillons : si n 1 < 30 et/ou n 2 < 30 Fluctuations d échantillonnage sous H 0 (i.e. si H 0 est vraie) : dans ce cas, l approximation par la loi de Gauss n est plus possible en raison de l estimation des variances si la distribution de la V.A. est gaussienne dans chacune des populations et si σ 2 A = σ2 B, alors : t = m A m B ( ), s 2 1 n A + 1 n B avec s 2 = (n A 1)sA 2 + (n B 1)sB 2 n A + n B 2 t à n A + n B 2 ddl ; s 2 : moyenne pondérée des variances
31 Petits échantillons Réalisation du test La valeur de t suit une loi de Student à n A + n B 2 ddl. Donc, pour un test bilatéral : on rejette H 0 si t > t na +n B 2;1 α/2 Et pour un test unilatéral : pour H 1 pour H 1 : µ A > µ B rejet de H 0 si t > t na +n B 2;1 α : µ A < µ B rejet de H 0 si t < t na +n B 2;1 α si la V.A. d intérêt suit une loi de Gauss et que les variances sont égales.
32 Petits échantillons Remarques diverses : Le test t est en fait valable même pour de grands effectifs, car il se rapproche d un z quand les effectifs augmentent. Dans le cas des grands échantillons, il y a donc deux tests utilisables, qui donnent des résultats très proches. Lorsque les effectifs sont inégaux, il est particulièrement important que l homoscédasticité des variances soit respectée
33 Petits échantillons Application Exemple 2 : tension artérielle n A = n B = 16 on observe m A = 130,7, m B = 136,1, s 2 A = 23,2 et s2 B = 25,8 H 0 : µ A = µ B et H 1 : µ A µ B on calcule : s 2 = 15 23, ,8 30 t = donc t > t 30;1 α/2 = 2, ,1 130,7 s 2 (1/16 + 1/16) = 3,09 ici dans une formulation bilatérale, si effet du toxique inconnu a priori on utiliserait une formulation unilatérale par ex. pour un traitement dont on connait l action pharmacologique
34 Petits échantillons Synthèse sur les conditions d application Différents cas possibles : soit une V.A. X si les effectifs sont grands (n A et n B 30) test z quelle que soit la loi de X si les effectifs sont petits (n A et n B < 30) ou si l un des effectifs est petit (n A ou n B < 30) test t X doit être gaussien les variances ne doivent pas être différentes on utilise la moyenne pondérée des variances En pratique, le t de Student est toujours applicable, l écart entre le t et le z diminuant quand n augmente
35 Séries appariées Plan 1 Comparaison d une moyenne à une référence 2 Comparaison de deux moyennes Contexte Grands échantillons Petits échantillons Séries appariées
36 Séries appariées Comparaison de moyennes sur séries appariées Jusqu ici deux groupes indépendants de valeurs notion de comparaison non-indépendantes entre deux groupes avant - après témoins appariés aux cas par âges, taille, critères biologiques ex. : côté droit / côté gauche deux prélèvements sur un même organe mais avec deux traitements différents
37 Séries appariées Comparaison de moyennes sur séries appariées Principe de la solution pour chaque i, calcul de la différence entre les deux valeurs une série unique de valeur comparer la moyenne de cette série à 0. = un test contre une moyenne de référence δ i = µ ia µ ib et calcul des différents pour chaque sujet le test statistique : H 0 : µ δ = 0 (0 = µ R ) et H 1 : µ δ 0 deux tests selon les effectifs : z si n grand ou t si n petit
38 Séries appariées Comparaison de moyennes sur séries appariées Data! Data! Data! he cried impatiently. I can t make bricks without clay. The Copper Beeches, Sir A. Conan Doyle.
39 Séries appariées Comparaison de moyennes sur séries appariées Exemple : comparaison de glycémie à jeun sans et avec un traitement. en l absence d effet du traitement, les écarts de mesures seront nuls en formulation bilatérale H 0 : µ dif = 0 et H 1 : µ dif 0 soit n = 12, m dif = 0,21g/L, s 2 m = 0,232 m µ s 2 n = m s 2 n car µ = 0 et m s 2 n t t obs = 0,21( 0) 0, = 0,21 0, = 1,51 donc t obs < t 11;1 α/2 puisque (t 11;1 α/2 = 2,2) d où le non rejet de H 0
40 Séries appariées Synthèse La comparaison de moyennes peut se faire : 1 entre une moyenne observée et une moyenne de référence 2 entre deux moyennes sur des séries appariées, situation qui se ramène au cas 1 avec µ R = 0 2 entre deux moyennes indépendantes 3 entre plus de deux moyennes : voir cours sur ANOVA Les conditions d applications portent sur : la taille du ou des échantillons l homoscédasticité si deux moyennes le respect de la loi de Gauss pour la V.A.
Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailTests 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 détailChapitre 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 détailAnalyse 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 détailCours (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 détailPrincipe 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 détailChapitre 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 détailI - CLASSIFICATION DU DIABETE SUCRE
I - CLASSIFICATION DU DIABETE SUCRE 1- Définition : Le diabète sucré se définit par une élévation anormale et chronique de la glycémie. Cette anomalie est commune à tous les types de diabète sucré, mais
Plus en détailDocument 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 détailBiostatistiques 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 détailEstimation 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 détailFeuille 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 détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailActivité 38 : Découvrir comment certains déchets issus de fonctionnement des organes sont éliminés de l organisme
Activité 38 : Découvrir comment certains déchets issus de fonctionnement des organes sont éliminés de l organisme 1. EXTRAITS REFERENTIELS DU BO Partie du programme : Fonctionnement de l organisme et besoin
Plus en détailVI. 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 détailAnnales du Contrôle National de Qualité des Analyses de Biologie Médicale
Annales du Contrôle National de Qualité des Analyses de Biologie Médicale ARN du virus de l hépatite C : ARN-VHC ARN-VHC 03VHC1 Novembre 2003 Edité : mars 2006 Annales ARN-VHC 03VHC1 1 / 8 ARN-VHC 03VHC1
Plus en détailÉquivalence et Non-infériorité
Équivalence et Non-infériorité Éléments d Introduction Lionel RIOU FRANÇA INSERM U669 Mars 2009 Essais cliniques de supériorité Exemple d Introduction Données tirées de Brinkhaus B et al. Arch Intern Med.
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailLois 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 détailMASTER PROFESSIONNEL (2 ème année)
C U R R I C U L U M 04-05 MASTER PROFESSIONNEL ( ème année) Domaine : Sciences Technologies Santé Mention : Sciences de la Vie et de la Santé Spécialité : Produits de Santé : développement et distribution
Plus en détailREFERENTIEL D AUTO-EVALUATION DES PRATIQUES EN ODONTOLOGIE
REFERENTIEL D AUTO-EVALUATION DES PRATIQUES EN ODONTOLOGIE Janvier 2006 I. PROMOTEURS Association dentaire française (ADF). Haute Autorité de santé (HAS). II. SOURCE Agence nationale d accréditation et
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailCours 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 détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailFormat de l avis d efficience
AVIS D EFFICIENCE Format de l avis d efficience Juillet 2013 Commission évaluation économique et de santé publique Ce document est téléchargeable sur www.has-sante.fr Haute Autorité de santé Service documentation
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en détailIntroduction 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 détailLa 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 détailFédération des Syndicats Pharmaceutiques de France
Fédération des Syndicats Pharmaceutiques de France Note de synthèse relative à la formation pharmaceutique continue en Présenta Plus de 150 000 personnes travaillent dans les 23 006 pharmacies d'officine
Plus en détail23. 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 détailNOUVEAU COMPATIBLE COFRAC. Validez la conformité de vos échantillons en un seul geste. Le tube témoin enregistreur de température
Le tube témoin enregistreur de température Validez la conformité de vos échantillons en un seul geste NOUVEAU COMPATIBLE COFRAC Étalonnez vous-même votre Nanotrack! Assurez la traçabilité de la température
Plus en détailLes solutions. Chapitre 2 - Modèle. 1 Définitions sur les solutions. 2 Concentration massique d une solution. 3 Dilution d une solution
Chapitre 2 - Modèle Les solutions 1 Définitions sur les solutions 1.1 Définition d une solution : Une solution est le mélange homogène et liquide d au moins deux espèces chimiques : Le soluté : c est une
Plus en détailIntroduction 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 détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailLes Jeudis de l'europe
LE DIABETE SUCRE EST DEFINI EN DEHORS DE TOUT EPISODE DIABETOGENE : 1.26 g/l SOIT 7 mmol/l PREVALENCE DU DIABETE DE TYPE 2 EN FRANCE METROPOLITAINE 3.4 % AGE = 63 ANS HOMMES = 54% 25% > 75 ans OUTRE MER
Plus en détailTESTS 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 détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailquelques Repères pour Doctorants
Gilles HUNAULT 2005 quelques Repères en STATISTIQUES pour Doctorants Université d Angers c gilles.hunault@univ-angers.fr http ://www.info.univ-angers.fr/pub/gh/ 3 Le principe consistant à ne pouvoir affirmer
Plus en détailRelation 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 détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailSommeil, fatigue au volant et jeunes conducteurs
06 NOVEMBRE 2014 Sommeil, fatigue au volant et jeunes conducteurs Roger Godbout, Ph.D. Laboratoire et Clinique du sommeil, Hôpital Rivière-des-Prairies Département de psychiatrie, Université de Montréal
Plus en détailLA RÉDUCTION DU TEMPS DE TRAVAIL : UNE COMPARAISON DE LA POLITIQUE DES «35 HEURES» AVEC LES POLITIQUES D AUTRES PAYS MEMBRES DE L OCDE
LA RÉDUCTION DU TEMPS DE TRAVAIL : UNE COMPARAISON DE LA POLITIQUE DES «35 HEURES» AVEC LES POLITIQUES D AUTRES PAYS MEMBRES DE L OCDE par John P. Martin, Martine Durand et Anne Saint-Martin* Audition
Plus en détailDe nombreux composés comportant le squelette aryléthanolamine (Ar-CHOH-CH2-NHR) interfèrent avec le
[E1-2007S] pp75 (40 points) Chimie Thérapeutique - Pharmacologie De nombreux composés comportant le squelette aryléthanolamine (Ar-CHOH-CH2-NHR) interfèrent avec le système adrénergique. Leur profil d
Plus en détailCours 9 : Plans à plusieurs facteurs
Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section
Plus en détailMonitoring de l hémoglobine au bloc opératoire Place d une mesure continue non invasive. C Decoene PH CHRU Lille
Monitoring de l hémoglobine au bloc opératoire Place d une mesure continue non invasive C Decoene PH CHRU Lille objectif Le taux d hémoglobine intervient dans : Le transport d O2 L hémostase L équilibre
Plus en détailCOMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES
J. sci. pharm. biol., Vol.9, n - 00, pp. 9-0 EDUCI 00 9 VALLEE POLNEAU S.* DIAINE C. COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES Notre étude visait à comparer les résultats obtenus
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailBilan d Activité du Don de Plaquettes par cytaphérèse Sur une Période d une année au Service Hématologie EHS ELCC Blida.
Bilan d Activité du Don de Plaquettes par cytaphérèse Sur une Période d une année au Service Hématologie EHS ELCC Blida. L.Aribi, F.Kaouane, S.Oukid, C.Boucherit, M.K.Benlabiod, Y.M.Bouchakor, M.T.Abad
Plus en détailSTA108 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 détailSECTION II RELATIVE AU PRÉLEVEUR
SECTION II RELATIVE AU PRÉLEVEUR II-0 INDEX SECTION II Pages Section relative au préleveur Heures d ouvertures des laboratoires pour clients externes Requête régionale II-2 II-2 II-3 Informations requises
Plus en détailRapport de stage. «Travail préparatoire à l estimation du coût d une bonne qualité des eaux de baignade sur le littoral Aquitain»
GRAPE-CEEP Rapport de stage «Travail préparatoire à l estimation du coût d une bonne qualité des eaux de baignade sur le littoral Aquitain» Vallette Jean-Vincent Master II Gestion des Ressources Naturelles
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détaildistribution 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 détailCORRECTION EVALUATION FORMATIVE TEST DE NIVEAU Date : PROMOTION :
CORRECTION EVALUATION FORMATIVE TEST DE NIVEAU Date : PROMOTION : OJECTIFS : 1/ Evaluer le degré des connaissances acquises nécessaires à l administration des médicaments à diluer. 2/ Evaluer les capacités
Plus en détailUnity Real Time 2.0 Service Pack 2 update
Unity Real Time 2.0 Service Pack 2 update Configuration des Objectifs Analytiques La nouvelle version permet, en un écran, de configurer un lot, un panel ou un instrument. Le menu est accessible au moyen
Plus en détailLa valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k]
Evaluation de la rentabilité d un projet d investissement La décision d investir dans un quelconque projet se base principalement sur l évaluation de son intérêt économique et par conséquent, du calcul
Plus en détailLe risque Idiosyncrasique
Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes
Plus en détailNOTICE TELESERVICES : Gérer les contrats de paiement de l impôt sur le revenu
NOTICE TELESERVICES : Gérer les contrats de paiement de l impôt sur le revenu Sommaire Sommaire... 1 Objet de la notice... 2 A qui s adresse cette notice?... 2 Pré-requis... 2 Gestion des contrats de paiement
Plus en détailAnalyses 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 détailInfos financières Avril 2013
Infos financières Avril 213 Observatoire des tarifs bancaires aux particuliers dans les DOM et la collectivité de Saint-Pierre-et-Miquelon L IEDOM établit l observatoire public des tarifs bancaires dans
Plus en détailSérodiagnostic de la polyarthrite rhumatoïde
1 ETSL Sérodiagnostic de la polyarthrite rhumatoïde TP 1 GABIN-GAUTHIER 13/11/2009 I. LA MALADIE... 2 II. TECHNIQUES QUALITATIVES... 2 1. PRINCIPE... 2 2. MODE OPERATOIRE... 3 2.1. WRST ou Waaler Rose
Plus en détailEssais cliniques de phase 0 : état de la littérature 2006-2009
17 èmes Journées des Statisticiens des Centres de Lutte contre le Cancer 4 ème Conférence Francophone d Epidémiologie Clinique Essais cliniques de phase 0 : état de la littérature 2006-2009 Q Picat, N
Plus en détailÉtude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 n 26 mai 2014
n 26 mai 2014 Étude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 Sommaire 1.INTRODUCTION 4 2.LE MARCHÉ DE L ASSURANCE VIE INDIVIDUELLE 6 2.1.La bancassurance
Plus en détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée général et technologique Ressources pour la classe de terminale générale et technologique Exercices de mathématiques Classes de terminale S, ES, STI2D, STMG Ces documents
Plus en détailJournée technique ARRA Gestion quantitative de la ressource en eau
Journée technique ARRA Gestion quantitative de la ressource en eau Etude Volumes Prélevables sur les Usses 2010-2012 5 avril 2013 SMECRU Syndicat Mixte d Etude du Contrat de Rivières des Usses Le bassin
Plus en détailRAPPORT SYNTHÈSE. En santé après 50 ans. Évaluation des effets du programme Les médicaments :
S A N T É P U B L I Q U E RAPPORT SYNTHÈSE Évaluation des effets du programme Les médicaments : Oui Non Mais! En santé après 50 ans Depuis janvier 1997, la Direction de santé publique s est associée à
Plus en détailLE GRAND LIVRE Du. Pr Jean-Jacques Altman Dr Roxane Ducloux Dr Laurence Lévy-Dutel. Prévenir les complications. et surveiller la maladie
Pr Jean-Jacques Altman Dr Roxane Ducloux Dr Laurence Lévy-Dutel LE GRAND LIVRE Du diabète Vivre avec le diabète à tout âge Traiter et surveiller la maladie Prévenir les complications, 2012 ISBN : 978-2-212-55509-7
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailLa pompe cardiaque, le débit cardiaque et son contrôle
UEMPSfO - Physiologie Chapitre 4 : La pompe cardiaque, le débit cardiaque et son contrôle Professeur Christophe RIBUOT Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits
Plus en détaile-santé du transplanté rénal : la télémédecine au service du greffé
e-santé du transplanté rénal : la télémédecine au service du greffé Professeur Michèle Kessler CHU de Nancy et réseau Néphrolor L une des applications de la télémédecine est la télésurveillance à domicile,
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailPackage 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 détailCONCOURS DE L INTERNAT EN PHARMACIE
Ministère de l enseignement supérieur et de la recherche Ministère de la santé et des sports CONCOURS DE L INTERNAT EN PHARMACIE Valeurs biologiques usuelles Edition de Novembre 2009 (6 pages) Conseil
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailDiabète de type 1 de l enfant et de l adolescent
GUIDE - AFFECTION DE LONGUE DURÉE Diabète de type 1 de l enfant et de l adolescent Juillet 2007 Juillet 2007 1 Ce document est téléchargeable sur www.has-sante.fr Haute Autorité de santé Service communication
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailDoit on et peut on utiliser un placebo dans la prise en charge de la douleur?
Doit on et peut on utiliser un placebo dans la prise en charge de la douleur? Dr Philippe Poulain Unité Territoriale de Soins Palliatifs Polyclinique de l Ormeau Tarbes phpoulain@wanadoo.fr Placebo: de
Plus en détailOBSERVATOIRE DE L EPARGNE EUROPEENNE
Conférence de presse du 22 juin 2001 Fiscalité des produits d épargne: une comparaison internationale Il n existe pas de véritable point de vue européen en matière de fiscalité des produits d épargne.
Plus en détailque devez vous savoir avant le 26/09/2015?
Réglementation ErP - éco-conception et étiquetage énergétique Réglementation ErP, éco-conception et étiquetage énergétique : que devez vous savoir avant le 26/09/2015? Préparez-vous au mieux à la réglementation
Plus en détailEffets sur la pression artérielle rielle des traitements non-médicamenteux
Effets sur la pression artérielle rielle des traitements non-médicamenteux PF Plouin, ESH Hypertension Excellence Center, Hôpital Européen Georges Pompidou, Paris La prise en charge de l hypertendu l concerne
Plus en détailProbabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen
Probabilité et Statistique pour le DEA de Biosciences Avner Bar-Hen Université Aix-Marseille III 2000 2001 Table des matières 1 Introduction 3 2 Introduction à l analyse statistique 5 1 Introduction.................................
Plus en détail!! 1/ Analyse économique des bio-invasions. !! 2/ Les instruments de la régulation économique
!! 1/ Analyse économique des bio-invasions!! 2/ Les instruments de la régulation économique!! 3/ Les règles de responsabilité civile: fonctionnement et conditions de mise en œuvre!! 4/ Généricité: au-delà
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailRapport de recommandations
Comment s assurer que les personnes souffrant d ostéo-arthrite et d arthrite rhumatoïde reçoivent des soins optimaux de par l Europe: recommandations EUMUSC.NET En partenariat avec EULAR et 22 centres
Plus en détailCompte rendu d activité
Dimitri GRAND URIEN année 2011 2013 BTS SIO option : Solution d infrastructure système et réseau Compte rendu d activité SAV Multi-Services Contexte : Suite à une coupure de service, un client nous ramène
Plus en détailLes tests thyroïdiens
Les tests thyroïdiens Mise à jour de juin 2007 par S. Fatio Réf: les images et les graphiques sont tirés de www.endotext.org (textbook d endocrinologie online et libre d accès) QuickTime et un décompresseur
Plus en détailProfil médico-économique de plerixafor en remobilisation dans le myélome multiple
Profil médico-économique de plerixafor en remobilisation dans le myélome multiple Aline Voidey Soirée de la Société de Médecine de Franche-Comté Jeudi 27 novembre 2014 L hématopoièse Une seule et unique
Plus en détailTHEME 2 : CORPS HUMAIN ET SANTE : L EXERCICE PHYSIQUE
THEME 2 : CORPS HUMAIN ET SANTE : L EXERCICE PHYSIQUE Introduction générale : L Homme, pour vivre, a besoin de se nourrir. La nutrition fait appel à différentes fonctions que sont l alimentation, la respiration
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détailTHEME 2 : LA TRADUCTION COMPTABLE DES FLUX
UFR SCIENCES PHARMACEUTIQUES ET BIOLOGIQUES COURS DE GESTION ANNEE SCOLAIRE 2013-2014 INTERVENANT : Isabelle Kei Boguinard THEME 2 : LA TRADUCTION COMPTABLE DES FLUX SENS ET PORTEE DE L ETUDE : Assimiler
Plus en détailCONTRAT DE PRESENCE POSTALE TERRITORIALE 2014-2016
Département Administration Paris, le 3 mars 2014 et Gestion Communales VP/AH/Note 11 Affaire suivie par Véronique PICARD CONTRAT DE PRESENCE POSTALE TERRITORIALE 2014-2016 La continuité - maintien du montant
Plus en détailTABLE 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 détailBio-Rad Laboratories CONTRÔLE DE QUALITÉ. Le logiciel de Bio-Rad pour une gestion experte du contrôle de qualité
Bio-Rad Laboratories CONTRÔLE DE QUALITÉ Le logiciel de Bio-Rad pour une gestion experte du contrôle de qualité CONTRÔLE DE QUALITÉ 1 Unity Real Time 2.0 Unity Real Time 2.0 est un logiciel pour la gestion
Plus en détailLes relations commerciales UE-Japon: la question des marchés publics
Les relations commerciales UE-Japon: la question des marchés publics Patrick A. Messerlin et Sébastien Miroudot Groupe d Economie Mondiale de Sciences Po A la recherche de la croissance: Quel avenir pour
Plus en détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
Plus en détail