Statistiques non paramétriques Comparaison de "moyennes"

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Statistiques non paramétriques Comparaison de "moyennes""

Transcription

1 1 / 47 Statistiques non paramétriques Comparaison de "moyennes" M-A Dronne

2 Introduction Rappels Contrairement aux tests paramétriques, les tests non paramétriques ne nécessitent pas l estimation des paramètres (moyenne et écart-type) des populations. Ils ne dépendent donc pas de la nature des distributions des variables étudiées. En anglais, ils sont dits "distribution-free". Contexte d utilisation Ces tests sont utilisés quand les conditions d application des tests paramétriques classiques ne sont pas vérifiées : Ecart à la normalité Hétéroscédasticité (= hétérogénéité des variances = non égalité des variances) 2 / 47

3 3 / 47 Introduction Principe général On remplace les valeurs observées par leur rang de classement. On utilise ce rang pour étudier le classement relatif de ces valeurs les unes par rapport aux autres (au lieu d examiner les valeurs elles-mêmes ou leur moyenne et écart-type). Remarques Ces tests s appliquent aussi bien à des variables continues qu à des variables discrètes. Ces tests peuvent être utilisés même en présence de valeurs extrêmes.

4 4 / 47 Introduction Caractéristiques Ils sont moins puissants que les tests paramétriques. il est plus difficile de mettre en évidence une différence significative (ex : effet d un traitement). Inversement, ils sont plus robustes. quand on met en évidence une différence significative, on a peu de risque de se tromper.

5 5 / 47 Plan du cours Tests non paramétriques Comparaison de médianes (langage courant : comparaison de moyennes) Comparaison de 2 médianes, échantillons indépendants Test de Wilcoxon / Mann-Whitney Comparaison de 2 médianes, échantillons appariés Test des rangs signés de Wilcoxon Comparaison de plus de 2 médianes, échantillons indépendants Test de Kruskal-Wallis Comparaison de plus de 2 médianes, échantillons appariés Test de Friedman Autres tests non paramétriques

6 Test de Wilcoxon / Mann-Whitney Objectif Comparaison des médianes de deux populations dans le cas d échantillons indépendants. Autres noms du test Test des (sommes des) rangs Test de Wilcoxon / test de Mann-Whitney Données Population 1 Echantillon 1 Données : x 1,..., x n1 Taille : n 1 Population 2 Echantillon 2 Données : y 1,..., y n2 Taille : n 2 6 / 47

7 7 / 47 Test de Wilcoxon / Mann-Whitney Tests paramétriques "équivalents" Selon les cas : test utilisant la loi normale ou la loi de Student. Rappels Pour comparer les moyennes de 2 populations dans le cas échantillons indépendants : Cas 1 : Si n 1 30 et n 2 30 loi normale Cas 2 : Si n 1 < 30 et/ou n 2 < 30 Si X 1 N (µ 1, σ 1 ) et X 2 N (µ 2, σ 2 ) Si σ 2 1 = σ2 2 (homoscédasticité) : test de Student Si σ 2 1 σ 2 2 (hétéroscédasticité) : test de Student avec correction de Welch Si X 1 N (µ 1, σ 1 ) et/ou X 2 N (µ 2, σ 2 ) : test de Wilcoxon / Mann-Whitney

8 Test de Wilcoxon / Mann-Whitney Exemple Problème Un essai est mené afin d étudier l effet d un nouveau traitement pour une maladie rare. Cet essai fait intervenir 10 patients : 6 d entre eux reçoivent le nouveau traitement (traitement A) et les 4 autres reçoivent le traitement précédemment utilisé (traitement B). Les durées de vie (en années) des patients après leur admission dans l étude sont ensuite recensées. Question La survie avec les traitements A et B est-elle la même chez les patients atteints de cette maladie? La médiane du temps de survie des patients avec le traitement A est-elle significativement différente de celle avec le traitement B, au risque α? 8 / 47

9 9 / 47 Test de Wilcoxon / Mann-Whitney Question statistique Variables 2 variables : X 1 et X 2 variables quantitatives (continues ou discrètes) Hypothèses statistiques H 0 : égalité des médianes des 2 populations H 0 : Me 1 = Me 2 H 1 bilatéral : non égalité des médianes des 2 populations H 1 : Me 1 Me 2 Remarque : il est aussi possible de faire un test unilatéral (droit ou gauche)

10 10 / 47 Test de Wilcoxon / Mann-Whitney Choix du test Tests préliminaires Normalité des données? Visualisation des données Test de normalité (Shapiro-Wilk) Homoscédascticité? Test de comparaison de variances (Fisher) Choix du test En l absence de normalité utilisation du test non paramétrique de Wilcoxon / Mann-Whitney

11 11 / 47 Test de Wilcoxon / Mann-Whitney Statistique de test Mann-Whitney : valeur de la statistique de test u c 1. On rassemble les valeurs des deux échantillons et on les classe par ordre croissant. 2. On affecte un rang à chacune de ces valeurs (rang 1 à (n 1 + n 2 )). 3. En cas d ex-aequo, on affecte à chaque ex-aequo un rang égal à la moyenne des rangs occupés par ces ex-aequo (ex : s il y a 2 ex-aequo en 4 ème et 5 ème position, on attribue à ces deux valeurs le rang 4,5).

12 12 / 47 Test de Wilcoxon / Mann-Whitney Statistique de test Mann-Whitney : valeur de la statistique de test u c (suite) 1. On calcule les sommes suivantes : Somme des rangs des valeurs de l échantillon 1 : r1 Somme des rangs des valeurs de l échantillon 2 : r2 2. On calcule u 1 et u 2 : u 1 = n 1 n 2 + n 1(n 1 + 1) r 1 et u 2 = n 1 n 2 + n 2(n 2 + 1) On vérifie que : u 1 + u 2 = n 1 n 2 4. On prend : u c = min(u 1, u 2 ) r 2 Lecture de la valeur seuil u s La table de Mann-Whitney donne la valeur de u sα telle que P(U u sα ) = α (sens inverse de la table de l écart-réduit) On lit u s5% pour les valeurs n 1 et n 2 et pour α = 5%.

13 13 / 47 Test de Wilcoxon / Mann-Whitney Confrontation et conclusion Décision statistique et conclusion On compare u c et u s5% : Si u c u s5% : rejet de H 0 au risque 5% il existe une différence significative entre les deux médianes au risque 5%. Si u c > u s5% : non rejet de H 0 au risque 5% il n existe pas de différence significative entre les deux médianes au risque 5%. Remarque : attention au sens des inégalités! Remarque Le test de Mann-Whitney est équivalent au test de Wilcoxon W = U + n(n+1) 2

14 14 / 47 Test de Wilcoxon / Mann-Whitney Approximation normale Remarque Si n 1 et n 2 sont assez grands (n 1 20 et n 2 20), U suit approximativement la loi normale N(µ, σ) sous H0 avec : µ = n 1n 2 2 et σ = n1 n 2 (n 1 + n 2 + 1) La variable centrée réduite correspondante est alors : ɛ = U µ σ On détermine ensuite la valeur calculée de cette statistique de test et on compare cette valeur avec la valeur seuil lue dans la table de la loi normale. 12

15 15 / 47 Test de Wilcoxon / Mann-Whitney Logiciel R Commande R > wilcox.test(valeurs, alternative= two.sided, conf.level=.95, exact=true, correct=false) Remarque sur la p-value Si exact=false, la p-value est calculée avec l approximation normale (sinon, la p-value est calculée sans approximation) Si correct=true, la p-value est calculée avec une correction de continuité (sinon, la p-value est calculée sans correction de continuité) Si rien n est précisé (paramètres par défaut), la p-value est calculée sans approximation pour des échantillons de moins de 50 valeurs sans ex-aequo et avec l approximation normale et une correction de continuité dans les autres cas

16 Test de Wilcoxon / Mann-Whitney Exemple Résultats sur R Wilcoxon rank sum test data: valeurs by facteur W = 19, p-value = alternative hypothesis: true location shift is not equal to 0 Remarque sur le W calculé le W de Wilcoxon donné ici est égal au nombre de toutes les paires (x 1i, x 2j ) pour lesquelles x 2j x 1i. Conclusion p value = 0.13 > 0.05 non rejet de H 0 au risque 5% pas de différence significative entre les médianes des espérances de vie des patients avec les médicaments A et B au risque 5% 16 / 47

17 Test des rangs signés de Wilcoxon Objectif Comparaison des médianes de deux populations dans le cas d échantillons dépendants (= séries appariées). Autres noms du test Test des rangs signés / test de Wilcoxon Test des rangs par paires Données Population 1 Echantillon 1 Données : x 1,..., x n Taille : n Population 2 Echantillon 2 Données : y 1,..., y n Taille : n 17 / 47

18 18 / 47 Test des rangs signés de Wilcoxon Test paramétrique "équivalent" Selon les cas : test utilisant la loi normale ou la loi de Student. Rappels Pour comparer les moyennes de 2 populations dans le cas de séries appariées : Cas 1 : Si n 30 : loi normale Cas 2 : Si n < 30 Si D = (X Y ) N (µ D, σ D ) : test de Student Si D = (X Y ) N (µ D, σ D ) : test des rangs signés de Wilcoxon

19 Test des rangs signés de Wilcoxon Exemple Problème Un nouveau médicament C est développé et testé préalablement sur un petit nombre de personnes (10) ayant un taux de cholestérol total trop élevé. Le taux de cholestérol total de ces 10 personnes est mesuré avant et après administration de ce médicament. Question Le médicament C a t-il un effet sur le cholestérol total des patients? La médiane du taux de cholestérol total des patients après administration du médicament C est-elle significativement différente de celle avant prise de ce médicament, au risque α? 19 / 47

20 Test des rangs signés de Wilcoxon Question statistique et tests préliminaires Variable X D = X 1 X 2 : 1 variable quantitative (continue ou discrète) Hypothèses statistiques H 0 : égalité des médianes des 2 populations H 0 : Me D = 0 H 1 bilatéral : non égalité des médianes des 2 populations H 1 : Me D 0 Remarque : il est aussi possible de faire un test unilatéral (gauche ou droit) 20 / 47

21 Test des rangs signés de Wilcoxon Choix du test Tests préliminaires Normalité des données? Visualisation des données Test de normalité (Shapiro-Wilk) Choix du test En l absence de normalité utilisation du test non paramétrique des rangs signés de Wilcoxon 21 / 47

22 Test des rangs signés de Wilcoxon Statistique de test Valeur de la statistique de test w c 1. On calcule les différences entre les valeurs appariées. 2. On compte le nombre de différences non nulles : N 3. On classe ces N différences (en valeur absolue!) par ordre croissant. 4. On affecte à chaque différence son rang dans ce classement. 5. En cas d ex-aequo, on prend un rang qui est la moyenne des rangs occupés par ces ex-aequo. 6. On calcule les sommes suivantes : Somme des rangs des différences positives : w+ Somme des rangs des différences négatives : w N(N + 1) 7. On vérifie que : w + + w = 2 8. On prend : w c = min(w +, w ) 22 / 47

23 Test des rangs signés de Wilcoxon Confrontation et conclusion Lecture de la valeur seuil w s La table de Wilcoxon donne la valeur de w sα telle que P(W w sα ) = α (même sens que table de Mann-Whitney) On lit w s5% pour la valeur N et pour α = 5%. Décision statistique et conclusion On compare w c et w s : Si w c w s5% : rejet de H 0 au risque 5% il existe une différence significative entre les deux médianes au risque 5%. Si w c > w s5% : non rejet de H 0 au risque 5% il n existe pas de différence significative entre les deux médianes au risque 5%. Remarque : attention au sens des inégalités! 23 / 47

24 24 / 47 Test des rangs signés de Wilcoxon Approximation normale Remarque Si N est assez grand (N > 25), W suit approximativement la loi normale N(µ, σ) sous H0 avec : µ = N(N + 1) 2 et σ = N(N + 1)(2N + 1) La variable centrée réduite correspondante est alors : ɛ = W µ σ On détermine ensuite la valeur calculée de cette statistique de test et on compare cette valeur avec la valeur seuil lue dans la table de la loi normale. 24

25 25 / 47 Test des rangs signé de Wilcoxon Logiciel R Commande R > wilcox.test(valeurs, alternative= two.sided, conf.level=.95, paired=true) Remarque sur la p-value Utilisation des options exact et correct de la même façon que précédemment. Le calcul de la p-value se fait donc selon un des cas suivants : Sans approximation Avec une approximation normale Avec une approximation normale et correction de continuité

26 26 / 47 Test des rangs signé de Wilcoxon Exemple Résultats sur R Wilcoxon signed rank test with continuity correction data: valeurs V = 27, p-value = alternative hypothesis: true location shift is not equal to 0 Conclusion p value = 0.23 > 0.05 non rejet de H 0 au risque 5% pas de différence significative entre les médianes des taux de cholestérol des patients avant et après administration du médicament C au risque 5%

27 27 / 47 Test des rangs signés de Wilcoxon Remarques Remarque Si on veut faire une comparaison d une moyenne à une moyenne de référence dans un cas non paramétrique (petit échantillon et/ou absence de normalité des données), on utilise également le test des rangs signés de Wilcoxon (voire le test des signes de Wilcoxon)

28 28 / 47 Test de Kruskal-Wallis Objectif Comparaison des médianes de k populations dans le cas d échantillons indépendants (avec k > 2). Exemple Comparaison des médianes de 3 populations (k = 3). Données Population 1 Echantillon 1 x 1,..., x n1 Taille : n 1 Population 2 Echantillon 2 y 1,..., y n2 Taille : n 2 Population 3 Echantillon 3 z 1,..., z n3 Taille : n 3

29 29 / 47 Test de Kruskal-Wallis Test paramétrique "équivalent" ANOVA (Analysis of Variance) à 1 facteur. Conditions d application du test Normalité Homoscédasticité Indépendance des distributions Loi utilisée : loi de Fisher Snédécor (F)

30 Test de Kruskal-Wallis Exemple Problème Dans un laboratoire, 3 équipes travaillent sur le dosage plasmatique d une protéine chez le rongeur en utilisant 3 méthodes différentes (T 1, T 2 et T 3 ). Ces équipes mesurent les concentrations de cette protéine sur 6 rongeurs, 5 rongeurs et 6 rongeurs respectivement. Question Le dosage de la protéine est-il le même avec les 3 méthodes T 1, T 2 et T 3? La médiane de la concentration de protéine est-elle significativement différente selon la méthode utilisée (T 1, T 2 et T 3 ), au risque α? 30 / 47

31 31 / 47 Test de Kruskal-Wallis Question statistique Variables 3 variables : X 1, X 2 et X 3 variables quantitatives (continues ou discrètes) Hypothèses statistiques H 0 : égalité des médianes des populations : Me 1 = Me 2 = Me 3 H 1 (toujours bilatéral) : non égalité d au moins 2 médianes des populations : (i, j) tq Me i Me j

32 32 / 47 Test de Kruskal-Wallis Tests préliminaires et statistique de test Tests préliminaires Normalité des données? Visualisation des données Test de normalité (Shapiro-Wilk) Homoscédascticité? Test de comparaison de variances (Bartlett ou Levene) Valeur de la statistique de test h c 1. On rassemble les valeurs des trois échantillons et on classe ces valeurs par ordre croissant. 2. On affecte un rang à chaque valeur (rang 1 à (n 1 + n 2 + n 3 )). 3. En cas d ex-aequo, on prend un rang qui est la moyenne des rangs occupés par ces ex-aequo.

33 33 / 47 Test de Kruskal-Wallis Statistique de test Valeur de la statistique de test h c (suite) 1. On calcule les sommes suivantes : Somme des rangs des valeurs de l échantillon 1 : r1 Somme des rangs des valeurs de l échantillon 2 : r 2 Somme des rangs des valeurs de l échantillon 3 : r 3 2. On calcule h c : ( ) 12 k r 2 h c = n(n + 1) j 3 (n + 1) n j avec n = n 1 + n 2 + n 3 j=1 Lecture de la valeur seuil h s La table de Kruskal-Wallis donne la valeur de h sα telle que P(H h sα ) = α Pour les valeurs n 1, n 2 et n 3 et pour α = 5%, on lit h s5%

34 34 / 47 Test de Kruskal-Wallis Confrontation et conclusion Décision statistique et conclusion On compare h c et h s : Si h c h s5% : non rejet de H 0 au risque 5% il n existe pas de différence significative entre les médianes au risque 5%. Si h c > h s5% : rejet de H 0 au risque 5% il existe une différence significative entre les médianes au risque 5%. Remarque Lorsque les effectifs (n 1, n 2,..., n k ) sont tous 5, on peut utiliser le test du Chi-deux à (k 1) ddl (k étant le nombre de groupes)

35 Test de Kruskal-Wallis Logiciel R et exemple Commande R > kruskal.test(valeurs) Résultats sur R Kruskal-Wallis rank sum test data: valeurs by facteur Kruskal-Wallis chi-squared = , df = 2, p-value = Conclusion p value = 0.19 > 0.05 non rejet de H 0 au risque 5% pas de différence significative entre les médianes des concentrations de protéine avec les 3 méthodes T 1, T 2 et T 3 au risque 5% pas d effet significatif de la méthode de dosage sur la concentration en protéine au risque 5% 35 / 47

36 36 / 47 Test de Kruskal-Wallis Remarque Comparaisons 2 à 2 Si le test est significatif (p c < 0.05) : Conclusion : au moins 2 médianes sont significativement différentes Tests supplémentaires : tests spécifiques de comparaison de médianes 2 à 2

37 Test de Friedman Objectif Comparaison des médianes de k populations dans le cas d échantillons appariés (avec k > 2). Exemple Comparaison des médianes de 3 populations (k = 3). Données Population 1 Echantillon 1 x 1,..., x n1 Taille : n Population 2 Echantillon 2 y 1,..., y n2 Taille : n Population 3 Echantillon 3 z 1,..., z n3 Taille : n 37 / 47

38 38 / 47 Test de Friedman Test paramétrique "équivalent" ANOVA (Analysis of Variance) à 2 facteurs. Conditions d application du test Normalité Homoscédasticité Indépendance des distributions Loi utilisée : loi de Fisher Snédécor (F)

39 Test de Friedman Exemple Problème Afin d étudier l effet de la dose d un médicament sur la concentration plasmatique en un métabolite particulier P, on administre à 7 patients 3 doses différentes (D 1, D 2 et D 3 ) de ce médicament sur 3 jours de la semaine et on mesure la concentration de P après chacune administration. Question La concentration en métabolite P est-elle différente selon la dose administrée? La médiane de la concentration de P est-elle significativement différente selon la dose administrée (D 1, D 2 et D 3 ), au risque α? 39 / 47

40 40 / 47 Test de Friedman Question statistique Variables 3 variables : X 1, X 2 et X 3 Variables quantitatives (continues ou discrètes) Hypothèses statistiques H 0 : égalité des médianes des populations : Me 1 = Me 2 = Me 3 les 3 échantillons viennent de la même population H 1 (toujours bilatéral) : non égalité d au moins 2 médianes des populations (i, j) tq Me i Me j les 3 échantillons ne viennent pas de la même population

41 41 / 47 Test de Friedman Tests préliminaires et statistique de test Test préliminaire : normalité des données? Visualisation des données Test de normalité (Shapiro-Wilk) Valeur de la statistique de test Q c 1. On met en colonne les k groupes (ou catégories) à comparer et en ligne les n individus (ou blocs d individus). 2. On affecte un rang aux valeurs dans chaque ligne (rang 1 à k). 3. En cas d ex-aequo, on prend un rang qui est la moyenne des rangs occupés par ces ex-aequo. 4. On calcule la somme des rangs de chaque colonne (R j pour j 1,..., k)

42 Test de Friedman Statistique de test Valeur de la statistique de test Q c (suite) 1. En l absence d ex-aequo : Q c = 12 nk(k + 1) k j=1 ( ) Rj 2 3n(k + 1) n : nombre de lignes k : nombre de colonnes (groupes à comparer) 2. En présence d ex-aequo (pas au programme) : Qc = 1 Q c (d 3 ij d ij ) nk(k 2 1) Lecture de la valeur seuil Q s La table de Friedman donne la valeur de Q sα telle que P(Q Q sα ) = α Pour les valeurs k et n et pour α = 5%, on lit Q s5% 42 / 47

43 43 / 47 Test de Friedman Confrontation et conclusion Décision statistique et conclusion On compare Q c et Q s : Si Q c Q s5% : non rejet de H 0 au risque 5% il n existe pas de différence significative entre les médianes au risque 5%. Si Q c > Q s5% : rejet de H 0 au risque 5% il existe une différence significative entre les médianes au risque 5%. Remarque Lorsque k et n sont assez grands (k > 4 et n > 15), on peut utiliser le test du Chi-deux à (k 1) ddl (k : nombre de groupes)

44 Test de Friedman Logiciel R et exemple Commande R > friedman.test(valeurs) Résultats sur R Friedman rank sum test data: valeurs Friedman chi-squared = 8, df = 2, p-value = Conclusion p value = < 0.05 rejet de H 0 au risque 5% différence significative entre au moins deux médianes de concentrations en métabolites selon la dose administrée au risque 5% effet significatif de la dose sur la concentration en métabolite au risque 5%. 44 / 47

45 45 / 47 Test de Friedman Remarque Comparaisons 2 à 2 Si le test est significatif (p c < 0.05) : Conclusion : au moins 2 médianes sont significativement différentes Tests supplémentaires : tests spécifiques de comparaison de médianes 2 à 2

46 46 / 47 Plan du cours Tests non paramétriques Comparaison de médianes (langage courant : comparaison de moyennes) Comparaison de 2 médianes, échantillons indépendants Test de Wilcoxon / Mann-Whitney Comparaison de 2 médianes, échantillons appariés Test des rangs signés de Wilcoxon Comparaison de plus de 2 médianes, échantillons indépendants Test de Kruskal-Wallis Comparaison de plus de 2 médianes, échantillons appariés Test de Friedman Autres tests non paramétriques

47 47 / 47 Autres tests non paramétriques Exemples Tests du χ 2 Comparaison d une distribution à une distribution de référence Comparaison de 2 distributions ou de 2 proportions Etude de l indépendance de deux variables Test de corrélation (des rangs) de Spearman étude de la corrélation entre deux variables (quantitatives) Test de Kolmogorov-Smirnov, test de Lilliefors,... Etude de la normalité Test de Fligner-Kileen,... Comparaison de variances

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

2. COMPARAISON DE DEUX GROUPES

2. COMPARAISON DE DEUX GROUPES 2. COMPARAISON DE DEUX GROUPES Il existe des tests spécifiques pour comparer des proportions comparer des moyennes Données par paires ou non Nécessite éventuellement de comparer préalablement les variances

Plus en détail

Université de Picardie Jules Verne UFR des Sciences. Licence mention Mathématiques - Semestre 3 Statistique. Tests non paramétriques

Université de Picardie Jules Verne UFR des Sciences. Licence mention Mathématiques - Semestre 3 Statistique. Tests non paramétriques S3 Maths 013-014 Statistique Tests non paramétriques Université de Picardie Jules Verne 013-014 UFR des Sciences Licence mention Mathématiques - Semestre 3 Statistique Tests non paramétriques Dans une

Plus en détail

Quelques tests... Ecole doctorale Chimie/Biologie. Année

Quelques tests... Ecole doctorale Chimie/Biologie. Année Quelques tests... Ecole doctorale Chimie/Biologie Année 2008-2009 Des bonnes questions à se poser Qu est-ce je veux (peux) faire? comparer une moyenne, une proportion, une variance à une valeur de référence

Plus en détail

Chapitre 2. Comparaisons de deux distributions

Chapitre 2. Comparaisons de deux distributions U.F.R. SPSE Master 1 PMP STA 1 Méthodes statistiques pour l analyse des données en psychologie 009-10 Chapitre Comparaisons de deux distributions Il s agit de comparer les distributions d un même caractère

Plus en détail

LES TESTS STATISTIQUES

LES TESTS STATISTIQUES Université Paris IX Dauphine Ecole Doctorale de Gestion B. Goldfarb goldfarb@dauphine.fr C. Pardoux pardoux@dauphine.fr LES TESTS STATISTIQUES 16 décembre 2004 Objectif Éprouver des hypothèses de recherche

Plus en détail

Méthodologie de la recherche. Laurent Bosquet Université Lille 2

Méthodologie de la recherche. Laurent Bosquet Université Lille 2 Méthodologie de la recherche Laurent Bosquet Université Lille Plan du cours 1. La loi normale et l erreur d échantillonnage. Comparaison de deux échantillons 3. Comparaison de trois échantillons ou plus

Plus en détail

Exercices 10.3, 11.1, 12.1, 13.6, 14.2, 15.8, 16.4

Exercices 10.3, 11.1, 12.1, 13.6, 14.2, 15.8, 16.4 Université de Lausanne Statistique I non-psy. Cours du professeur André Berchtold Institut des Sciences Sociales Corrigé de la seconde série d exercices supplémentaires Exercices 10.3, 11.1, 12.1, 13.6,

Plus en détail

Test paramétrique de comparaison de k échantillons

Test paramétrique de comparaison de k échantillons Test paramétrique de comparaison de k échantillons L analyse de variance à un critère de classification (ANOVA) Objectif : comparer la moyenne de plusieurs (k) groupes indépendants d observations On analyse

Plus en détail

TUTORAT UE Biostatistiques Séance n 5 Semaine du 27/10/2014

TUTORAT UE Biostatistiques Séance n 5 Semaine du 27/10/2014 < TUTORAT UE 4 2014-2015 Biostatistiques Séance n 5 Semaine du 27/10/2014 Tests statistiques 2 M. Molinari Séance préparée par Jeanne FABRY et Chloé BUCHALET (ATM²) QCM n 1 : Le tableau suivant indique

Plus en détail

Comparaison de Moyennes et ANOVA

Comparaison de Moyennes et ANOVA Département de Mathématiques et Informatique, U.A.G. 27 Janvier 2012 Plan Introduction Types de moyenne Types de moyenne Avoir une indication de l ordre de grandeur d une série de valeurs mesurées (ou

Plus en détail

Les tests statistiques dits non paramétrique

Les tests statistiques dits non paramétrique Les tests statistiques dits non paramétrique Fréquence Fréquence Tout une histoire de paramètres et de distributions N(m, )??? 68% m m + Hauteur du Sapin de Douglas (Pseudotsuga menzii ) (m) n = 1000 observations

Plus en détail

Test de Kruskal-Wallis

Test de Kruskal-Wallis Frédéric Bertrand 1 & Myriam Maumy 1 1 IRMA, Université de Strasbourg France DUS2 20-06-2011 Sommaire 1 Généralités 2 Conditions d application 3 Statistique de test Règle de décision et conclusion du test

Plus en détail

ANALYSE DE VARIANCE ET COMPARAISON DE MOYENNES

ANALYSE DE VARIANCE ET COMPARAISON DE MOYENNES ANALYSE DE VARIANCE ET COMPARAISON DE MOYENNES Fichier Statistica : EXEMPLE FORMATION 1.sta Ce fichier contient des informations (fictives) concernant un échantillon de 98 étudiants inscrits au module

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

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 2011-2012 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

Analyse de la variance à un facteur

Analyse de la variance à un facteur Analyse des données - Méthodes explicatives (STA102) Analyse de la variance à un facteur Giorgio Russolillo Departement IMATH CNAM giorgio.russolillo@cnam.fr Introduction 2 Les données On veut étudier

Plus en détail

Principaux tests statistiques pour échantillons de petites tailles

Principaux tests statistiques pour échantillons de petites tailles + de Principaux tests statistiques pour échantillons de petites tailles Etienne Dantan (Etienne.Dantan@univ-nantes.fr) Master 2 BBRT, DCPS et SANH 18 Octobre 2013 1 / 193 Plan + de 1. 2. de de + de de

Plus en détail

Analyse de la variance

Analyse de la variance Plan Analyse de la variance - Chapitre VI - Notes de cours Statistique L3 MIASHS - Université de Bordeaux - Chapitre VI - L3 MIASHS- Analyse de la variance 1/37 Plan Plan 1 Introduction 2 3 4 5 - Chapitre

Plus en détail

Master 1 de Santé Publique. UE de biostatistique : cours 11. Comparaison de plusieurs distributions. Test de tendance entre plusieurs pourcentages

Master 1 de Santé Publique. UE de biostatistique : cours 11. Comparaison de plusieurs distributions. Test de tendance entre plusieurs pourcentages Master 1 de Santé Publique UE de biostatistique : cours 11 Comparaison de plusieurs distributions Test de tendance entre plusieurs pourcentages M1 de Santé Publique Biostatistique - Cours 10 - Comparaison

Plus en détail

Tests non paramétriques

Tests non paramétriques Frédéric Bertrand 1 & Myriam Maumy 1 1 IRMA, Université de Strasbourg France DUS2 20-06-2011 Tests non libres de distribution Certains tests statistiques ne sont valables que sous certaines conditions

Plus en détail

UE4 Évaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé

UE4 Évaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé 31/10/013 UE4 Évaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Liaison entre deux variables quantitatives - corrélation linéaire Frédéric Mauny 31 octobre 013 F Mauny

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

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

Modèles statistiques

Modèles statistiques 1 1 IRMA, Université Louis Pasteur Strasbourg, France École Doctorale 25-06-2008 Sommaire 1 2 3 Ce premier cours a pour but de faire un rapide exposé de ce que l on appelle un modèle statistique tout en

Plus en détail

Plan du cours de Statistiques avancées. Puissance statistique Tests non paramétriques Analyse de données: ACP Manova

Plan du cours de Statistiques avancées. Puissance statistique Tests non paramétriques Analyse de données: ACP Manova Plan du cours de Statistiques avancées Puissance statistique Tests non paramétriques Analyse de données: ACP Manova Rappel: Echelles de mesure: Nominales Ordinales d Intervalles Statistiques de test Paramétriques

Plus en détail

Fiche TD avec le logiciel. Choisir un test. D. Chessel, S. Dray, A.B. Dufour & J.R. Lobry

Fiche TD avec le logiciel. Choisir un test. D. Chessel, S. Dray, A.B. Dufour & J.R. Lobry Fiche TD avec le logiciel : tdr311 Choisir un test D. Chessel, S. Dray, A.B. Dufour & J.R. Lobry Corrigés d exercices de la fiche tdr31 1 Silex On a mesuré la dureté du 12 silex provenant de deux régions

Plus en détail

22/11/2011. Cours 10. Le test de moyenne. Test de moyenne avec SPSS. Test de comparaison de moyennes

22/11/2011. Cours 10. Le test de moyenne. Test de moyenne avec SPSS. Test de comparaison de moyennes Cours 10 Test de comparaison de moyennes Le test de moyenne Utilité et postulats d utilisation Les tests paramétriques Les tests non-paramétriques Test de moyenne avec SPSS 2 Le type de test utilisé dépend

Plus en détail

Chapitre 0. Comment caractériser l activité du statisticien? 12 I Le contexte II La démarche III Le modèle... 14

Chapitre 0. Comment caractériser l activité du statisticien? 12 I Le contexte II La démarche III Le modèle... 14 Statistique inférentielle Objectif du cours C e cours comprend l essentiel des notions de statistique mathématique, principalement paramétrique, avec une introduction au cas non-paramétrique. Les notions

Plus en détail

Page 1. Analyse de variance à un critère de classification (ANOVA) Pourquoi ne pas utiliser plusieurs tests de t? Possibilités et limites de l ANOVA

Page 1. Analyse de variance à un critère de classification (ANOVA) Pourquoi ne pas utiliser plusieurs tests de t? Possibilités et limites de l ANOVA Page Quand utiliser l ANOVA Analyse de variance à un critère de classification (ANOVA) Quand utiliser l ANOVA Les modèles d ANOVA et la répartition des sommes des carrés ANOVA: test d hypothèses ANOVA:

Plus en détail

TUTORAT UE Biostatistiques Séance n 4 Semaine du 15/10/2012

TUTORAT UE Biostatistiques Séance n 4 Semaine du 15/10/2012 TUTORAT UE 4 2012-2013 Biostatistiques Séance n 4 Semaine du 15/10/2012 Tests statistiques 1 : tests paramétriques pour variables quantitatives M. Molinari Séance préparée par Emilie HEBRARD et Bérénice

Plus en détail

Autres tests statistiques (aperçu non exhaustif)

Autres tests statistiques (aperçu non exhaustif) Autres tests statistiques (aperçu non exhaustif) Loïc Desquilbet Département des Sciences Biologiques et Pharmaceutiques Ecole Nationale Vétérinaire d Alfort loic.desquilbet@vet-alfort,fr Module Bases

Plus en détail

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

Corrigé de l épreuve de Statistiques et Informatique appliquées à la Psychologie Université de Bretagne Occidentale Année Universitaire 2007-08 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

Université de Rouen UFR de Médecine et Pharmacie

Université de Rouen UFR de Médecine et Pharmacie Université de Rouen UFR de Médecine et Pharmacie Année Universitaire 2014-2015 GFGSP 2 Epreuve de Statistiques Mme Le Clézio Date de l épreuve : mercredi 7 janvier Durée de l épreuve : 1 heure Session

Plus en détail

Séance préparée par Médecine Montpellier

Séance préparée par Médecine Montpellier TUTORAT UE4 2010-2011 Biostatistiques Séance n 3 Semaine du 01/11/2010 Tests non paramétriques Sabatier Tests paramétriques-variables Quantitatives Molinari Tests paramétriques-variables Qualitatives Daurès

Plus en détail

Tests non-paramétriques

Tests non-paramétriques Frédéric Bertrand 1 & Myriam Maumy 1 1 IRMA, Université de Strasbourg Strasbourg, France Master 1 re Année 2011-2012 2 ème partie Tests non paramétriques : Le test de Kruskal-Wallis Sommaire Contexte du

Plus en détail

Séance 3: Liaisons entre variables

Séance 3: Liaisons entre variables Analyse des individus Laboratoire de Statistique et Probabilités UMR 5583 CNRS-UPS wwwlspups-tlsefr/gadat Troisième partie III Liaisons entre variables Liaisons entre variables ordinales : corrélation

Plus en détail

Choix d un test statistique

Choix d un test statistique Choix d un testatistique tests paramét étudiés tests de rang comparaison - liaison quantitative moy. obs/th, 2 moy. 30/échant. 2 indépendantes Z ou écart réduit les moyennes de deux échantillons quantitative

Plus en détail

R-Commander : Notions du chapitre 3. Estimation et tests d hypothèses : problèmes à un échantillon. 1) Présentation du jeu de données 2

R-Commander : Notions du chapitre 3. Estimation et tests d hypothèses : problèmes à un échantillon. 1) Présentation du jeu de données 2 R-Commander : Notions du chapitre 3 Estimation et tests d hypothèses : problèmes à un échantillon 1) Présentation du jeu de données ) Estimation et test sur une moyenne μ..3 a) Test bilatéral et intervalle

Plus en détail

Test unilatéral de Kolmogorov-Smirnov

Test unilatéral de Kolmogorov-Smirnov Test unilatéral de Kolmogorov-Smirnov H 0 : La distribution de la VD est la même dans les deux populations parentes H 1 : L intensité de la VD est plus forte dans la deuxième population Construction de

Plus en détail

Rappels : Analyse statistique pour des variables quantitatives et qualitatives

Rappels : Analyse statistique pour des variables quantitatives et qualitatives Rappels : Analyse statistique pour des variables quantitatives et qualitatives Master 2 Recherche IES Ana Karina Fermin Université Paris-Ouest-Nanterre-La Défense http://fermin.perso.math.cnrs.fr/ Objectifs

Plus en détail

TABLE DES MATIÈRES Introduction Statistique descriptive...21 II. Éléments de probabilité...50

TABLE DES MATIÈRES Introduction Statistique descriptive...21 II. Éléments de probabilité...50 TABLE DES MATIÈRES Introduction... 11 1. Statistique descriptive...21 I-1 Généralités sur les distributions statistiques... 21 I-1-1 Variables statistiques...21 I-1-2 Distribution statistique à une variable...23

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

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

Comparaison de «moyennes» de 2 échantillons aléatoires indépendants. Quel test utiliser? Antoine Poncet Service d Épidémiologie Clinique

Comparaison de «moyennes» de 2 échantillons aléatoires indépendants. Quel test utiliser? Antoine Poncet Service d Épidémiologie Clinique Comparaison de «moyennes» de 2 échantillons aléatoires indépendants Quel test utiliser? Antoine Poncet Service d Épidémiologie Clinique Introduction Une question récurrente dans la comparaison de deux

Plus en détail

Tests de comparaison de pourcentages

Tests de comparaison de pourcentages Tests de comparaison de pourcentages Docteur Alexandrine Lambert > Faculté de Pharmacie Comparer deux pourcentages Pourcentage Variable qualitative dichotomique (Présence/Absence, Malades/Non malades,

Plus en détail

Méthodologie de la recherche. Laurent Bosquet Université Lille 2

Méthodologie de la recherche. Laurent Bosquet Université Lille 2 Méthodologie de la recherche Laurent Bosquet Université Lille 2 Plan du cours 1. La loi normale et l erreur d échantillonnage 2. Comparaison de deux échantillons 3. Comparaison de trois échantillons ou

Plus en détail

Annexe Chapitre 1 : RAPPELS. A. Tests paramétriques de comparaisons de deux variables quantitatives

Annexe Chapitre 1 : RAPPELS. A. Tests paramétriques de comparaisons de deux variables quantitatives U.F.R. SPSE Master 1 PMP STA 21 Méthodes statistiques pour l analyse des données en psychologie 2010-11 Annexe Chapitre 1 : RAPPELS A. Tests paramétriques de comparaisons de deux variables quantitatives

Plus en détail

Tests Non Paramétriques

Tests Non Paramétriques Tests Non Paramétriques Prof J Gaudart, SESSTIM UMR912, Aix Marseille Univ, Faculté de Médecine 1 Plan 1. Paramétriques ou non? 2. Test d'une distribution de probabilité 3. Comparaison de moyennes 4. Comparaison

Plus en détail

TD 3 : ANOVA à un facteur

TD 3 : ANOVA à un facteur Université Paris X - Nanterre UFR SPSE-Master PMPSTA Méthodes Statistiques pour l analyse de données en psychologie TD : ANOVA à un facteur Exercice : On souhaite étudier les effets de trois s (AX, BWW9

Plus en détail

Quelques tests de comparaison en paramétrique

Quelques tests de comparaison en paramétrique Quelques tests de comparaison en paramétrique Jonathan Lenoir (MCU), jonathan.lenoir@u-picardie.fr Unité Écologie et Dynamique des Systèmes Anthropisés http://www.u-picardie.fr/edysan/ Plan du cours Quelques

Plus en détail

Quelques tests de comparaison en paramétrique

Quelques tests de comparaison en paramétrique Quelques tests de comparaison en paramétrique Jonathan Lenoir (MCU), jonathan.lenoir@u-picardie.fr Unité Écologie et Dynamique des Systèmes Anthropisés http://www.u-picardie.fr/edysan/ Plan du cours Quelques

Plus en détail

Quelques tests de comparaison en paramétrique

Quelques tests de comparaison en paramétrique Quelques tests de comparaison en paramétrique Jonathan Lenoir (MCU), jonathan.lenoir@u-picardie.fr Unité Écologie et Dynamique des Systèmes Anthropisés http://www.u-picardie.fr/edysan/ Plan du cours Quelques

Plus en détail

STATISTIQUES APPLIQUÉES À LA BIOLOGIE :

STATISTIQUES APPLIQUÉES À LA BIOLOGIE : STATISTIQUES APPLIQUÉES À LA BIOLOGIE : LES TESTS NON PARAMÉTRIQUES. Alexandre Popier L3 BBTE, Université du Maine, Le Mans Semestre 1 A. P. (Le Mans) Tests non paramétriques. Semestre 1 1 / 41 PLAN DU

Plus en détail

Examen de statistique : UE C14 (EADD/PVIA)

Examen de statistique : UE C14 (EADD/PVIA) Examen de statistique : UE C4 (EADD/PVIA) Date : 6//05. Durée : H00. Consignes : Vos réponses sont à remettre sur une copie séparée. Veillez à bien formuler vos hypothèses quand cela est nécessaire et

Plus en détail

TABLE DES MATIÈRES. Introduction CHAPITRE I STATISTIQUE DESCRIPTIVE

TABLE DES MATIÈRES. Introduction CHAPITRE I STATISTIQUE DESCRIPTIVE TABLE DES MATIÈRES Introduction... 21 CHAPITRE I STATISTIQUE DESCRIPTIVE I L observation statistique...2 I.1 Concepts de base... 2 I.2 L élaboration de tableaux statistiques... 29 I.21 Étude d un seul

Plus en détail

STATISTICA Test d hypothèses Différences entre groupes. d /Variable inter sujet)

STATISTICA Test d hypothèses Différences entre groupes. d /Variable inter sujet) Chapitre 11 STATISTICA Test d hypothèses Différences entre groupes (échantillons indépendants d /Variable inter sujet) Différences entre groupes But des tests d hypothèse: Les hypothèses sont des prévisions

Plus en détail

Les tests statistiques par la pratique!

Les tests statistiques par la pratique! Les tests statistiques par la pratique! Emmanuel Rachelson and Matthieu Vignes 23 octobre 2013, SupAero - ISAE 1 Comparaison de la moyenne de 2 échantillons 2 exemples de petits jeux de données: Longueurs

Plus en détail

Les exemples sont plus ou moins loufoques, le plus important est de montrer le mode de fonctionnement du logiciel et la lecture des résultats.

Les exemples sont plus ou moins loufoques, le plus important est de montrer le mode de fonctionnement du logiciel et la lecture des résultats. Objectif TANAGRA intègre une nouvelle palette de composants dédiée aux statistiques nonparamétriques. Dans ce didacticiel, nous effectuons un tour d horizon des méthodes implémentées à partir d un fichier

Plus en détail

TUTORAT UE4 2010-2011 Biostatistiques Séance n 4 - Colle Semaine du 1/11/2010

TUTORAT UE4 2010-2011 Biostatistiques Séance n 4 - Colle Semaine du 1/11/2010 TUTORAT UE4 2010-2011 Biostatistiques Séance n 4 - Colle Semaine du 1/11/2010 Séance préparée par les tuteurs de l UE4 Sauf mention contraire, les tests sont réalisés en bilatéral avec α=5% QCM n 1 : Concernant

Plus en détail

Rappels sur quelques tests statistiques (et les fonctions associées sous R)

Rappels sur quelques tests statistiques (et les fonctions associées sous R) Version du 7 avril 2015 Rappels sur quelques tests statistiques (et les fonctions associées sous R) A. Samson Table des matières 1 Tests concernant des variables de Bernoulli 3 1.1 Test d une probabilité................................................

Plus en détail

Déterminer la taille des échantillons notion sous-jacente : puissance d'un test Claire Chabanet

Déterminer la taille des échantillons notion sous-jacente : puissance d'un test Claire Chabanet Claire Chabanet 23/05/2016 1 Déterminer la taille des échantillons notion sous-jacente : puissance d'un test Claire Chabanet Claire Chabanet 23/05/2016 2 Objectifs Choix a priori de la taille des échantillons

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

Corrigé de l examen du 22/01/2007

Corrigé de l examen du 22/01/2007 Corrigé de l examen du 22/01/2007 Cogmaster 2006 2007 Partie 1 (5 points) 1 point par réponse(s) correcte(s) à chaque question. 1. oui 2. non 3. oui 4. 0.7 2 = 0.49, soit 49 % 5. Si on note que µ i = µ

Plus en détail

RÉPÉTABILITÉ & REPRODUCTIBILITÉ D UNE MÉTHODE

RÉPÉTABILITÉ & REPRODUCTIBILITÉ D UNE MÉTHODE Florent ARNAL RÉPÉTABILITÉ & REPRODUCTIBILITÉ D UNE MÉTHODE Université de Bordeaux Adresse électronique : florent.arnal@u-bordeaux.fr Site internet : http ://flarnal.e-monsite.com 017 Sommaire I L essentiel

Plus en détail

Commandes SPSS associées aux outils statistiques

Commandes SPSS associées aux outils statistiques Commandes SPSS associées aux outils statistiques Une variable qualitative (VD) o Mesures de position : Mode et Médiane (qualitative ordinale) Ø Analyze Descriptive Statistics Frequencies (Statistics) o

Plus en détail

Intervalles de confiance et tests portant sur la moyenne et la variance d une loi gaussienne

Intervalles de confiance et tests portant sur la moyenne et la variance d une loi gaussienne Master de mathématiques 011/01 Intervalles de confiance et tests portant sur la moyenne et la variance d une loi gaussienne Table des matières A Intervalle de confiance 1 B Intervalles de confiance et

Plus en détail

Entrainement et temps de réaction : analyse statistique de données obtenues par des élèves de première S

Entrainement et temps de réaction : analyse statistique de données obtenues par des élèves de première S Entrainement et temps de réaction : analyse statistique de données obtenues par des élèves de première S Valérie Fontanieu, IFE ENS de Lyon (expérimentation conduite en 2011) Les élèves d'une classe de

Plus en détail

Probabilités et Biostatistique. PCEM1 Pitié-Salpêtrière A. Mallet et V. Morice Cours 9 et 10

Probabilités et Biostatistique. PCEM1 Pitié-Salpêtrière A. Mallet et V. Morice Cours 9 et 10 Probabilités et iostatistique PCEM1 Pitié-Salpêtrière. Mallet et V. Morice Cours 9 et 10 Quelques tests usuels (ch.12-15) Test d égalité d une proportion vraie à une valeur donnée (déjà connu) 1. H 0 :

Plus en détail

Notions de base en statistique. Dr Cécile Couchoud

Notions de base en statistique. Dr Cécile Couchoud Notions de base en statistique Dr Cécile Couchoud Démarche déductive «Vraie» valeur prévoir la valeur sur un échantillon futur < fluctuations d échantillonnage Intervalle de fluctuation Formule générale

Plus en détail

4. COMPARAISON DE PLUS DE DEUX GROUPES : AUTRES ANOVA

4. COMPARAISON DE PLUS DE DEUX GROUPES : AUTRES ANOVA 4. COMPARAISON DE PLUS DE DEUX GROUPES : AUTRES ANOVA ANOVA à 2 facteurs avec répétitions Permet de tester en plus l interaction entre les 2 facteurs Interaction : influence du niveau d un facteur sur

Plus en détail

Tests non paramétriques

Tests non paramétriques Tests non paramétriques Références bibliographiques : 1. Méthodes statistiques en sciences humaines (1998) - David Howell - De Boeck Université.. Biostatistique. Une approche intuitive (00) - Harvey Motulsky

Plus en détail

Création, analyse de questionnaires et d'entretiens pour Windows 2008, 7, 8 et MacOs 10

Création, analyse de questionnaires et d'entretiens pour Windows 2008, 7, 8 et MacOs 10 modalisa Création, analyse de questionnaires et d'entretiens pour Windows 2008, 7, 8 et MacOs 10 8 Traitements statistiques descriptifs sur variables numériques Vous trouverez dans cette section les informations

Plus en détail

Régression linéaire multiple

Régression linéaire multiple 1 1 IRMA, Université de Strasbourg France ESIEA 08-03-2012 Régression linéaire simple Exemple Affiner le modèle Exemple : Issu du livre «Statistiques avec R», P.A. Cornillon, et al., Deuxième édition,

Plus en détail

Décision et Prévision Statistiques. Test de vérification des acquis Durée : 3 heures. Thierry Verdel, Mines Nancy, 9 décembre 2014

Décision et Prévision Statistiques. Test de vérification des acquis Durée : 3 heures. Thierry Verdel, Mines Nancy, 9 décembre 2014 Décision et Prévision Statistiques. Test de vérification des acquis Durée : 3 heures. Thierry Verdel, Mines Nancy, 9 décembre 2014 ATTENTION, RENDRE UNE COPIE SÉPARÉE POUR CHAQUE EXERCICE Dans tout l énoncé,

Plus en détail

Lois de distributions

Lois de distributions Lois de distributions La loi normale La loi normale repose sur l'estimation de deux paramètres de la population statistique: la moyenne µ l'écart type σ La courbe (appelée "fonction de densité de probabilité")

Plus en détail

Analyse de la variance à deux facteurs : dispositif équilibré

Analyse de la variance à deux facteurs : dispositif équilibré Analyse des données - Méthodes explicatives (STA102) Analyse de la variance à deux facteurs : dispositif équilibré Giorgio Russolillo Departement IMATH CNAM giorgio.russolillo@cnam.fr Introduction Giorgio

Plus en détail

Analyse de la variance à deux facteurs emboîtés

Analyse de la variance à deux facteurs emboîtés Analyse de la variance à deux facteurs emboîtés 1 1 IRMA, Université Louis Pasteur Strasbourg, France Master 1 Psychologie du développement 14-10-2008 Référence Ce cours s appuie essentiellement sur 1

Plus en détail

STATISTIQUE Notion de test et niveau de signification

STATISTIQUE Notion de test et niveau de signification STATISTIQUE Notion de test et niveau de signification Sept.-Nov.2010 Bruno Depay Le Figaro, lundi 18 octobre 2010 «Le téléphone sonne»émission de radio consacrée aux statistiques France Inter 20 octobre

Plus en détail

Population et Échantillon. Principes des Tests et Tests

Population et Échantillon. Principes des Tests et Tests Population et Échantillon Principes des Tests et Tests Pr Roch Giorgi LERTIM, Faculté de Médecine, Université de la Méditerranée, Marseille, France http://cybertim.timone.univ-mrs.fr Population et Échantillon

Plus en détail

Corrigé de l épreuve partielle et ponctuelle de Statistiques et Informatique appliquées à la Psychologie

Corrigé de l épreuve partielle et ponctuelle de Statistiques et Informatique appliquées à la Psychologie Université de Bretagne Occidentale Année Universitaire 2003-04 U.F.R. de Lettres et Sciences Sociales CS 93837-29238 BREST CEDEX 3 Section : Psychologie - Licence Enseignant responsable : F.G. Carpentier

Plus en détail

Corrélation - Régression

Corrélation - Régression Corrélation - Régression Biostatistiques Erik A. Sauleau - Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg 23 Mars 2011 Plan 1 Introduction 2 Le coefficient

Plus en détail

Les tests paramétriques de comparaison

Les tests paramétriques de comparaison Les tests paramétriques de comparaison Application : La catastrophe de Tchernobyl a-t-elle eu un impact sur les fonctions thyroïdiennes? LES TESTS DE COMPARAISON 2 Problème 2 : Observe-t-on une baisse

Plus en détail

Premières notions de satistique Introduction aux tests statistiques

Premières notions de satistique Introduction aux tests statistiques Premières notions de satistique Introduction aux tests statistiques Franck Picard UMR CNRS-5558, Laboratoire de Biométrie et Biologie Evolutive franck.picard@univ-lyon1.fr F. Picard, 1/69 La statistique

Plus en détail

STAT-I301 Chapitre VII: ANOVA. Caroline Verhoeven

STAT-I301 Chapitre VII: ANOVA. Caroline Verhoeven STAT-I301 Chapitre VII: ANOVA Caroline Verhoeven Table des matières 1 Introduction 2 ANOVA à 1 facteur 3 Test de Tukey Caroline Verhoeven STAT-I301 2 / 22 1. Introduction Augmentation du risque d erreur

Plus en détail

Théorie de la décision (corrélation et régression)

Théorie de la décision (corrélation et régression) Théorie de la décision (corrélation et régression) Corrélation et régression Objectifs Vérifier l'existence d'association entre deux variables Exprimer la loi de cette relation? Applications Concordance

Plus en détail

Unité d'enseignement de biostatistiques

Unité d'enseignement de biostatistiques Unité d'enseignement de biostatistiques Examen du 0 janvier 014 Les questions sont indépendantes et peuvent être traitées dans le désordre. Une enquête a été réalisée en 00 sur un échantillon représentatif

Plus en détail

ANALYSE DE LA VARIANCE A UN FACTEUR

ANALYSE DE LA VARIANCE A UN FACTEUR ANALYSE DE LA VARIANCE A UN FACTEUR Quelques idées qui m ont parues intéressantes et exploitables pour l initiation à la statistique Roland Chiavassa 1 L analyse de la variance à un facteur 1.1 Introduction

Plus en détail

Régression linéaire. M-A Dronne / 65

Régression linéaire. M-A Dronne / 65 1 / 65 Régression linéaire M-A Dronne 2016-2017 2 / 65 Introduction Plan du cours (et sans pondération) Autres types de régression Régression linéaire pondérée Régression multiple Régression non linéaire

Plus en détail

Le test de Wilcoxon Mann Whitney

Le test de Wilcoxon Mann Whitney Le test de Wilcoxon Mann Whitney F.-G. Carpentier 16/07/015 1 Introduction Soient deux variables statistiques X 1 et X définies sur deux populations P 1 et P, à valeurs numériques, continues et de médianes

Plus en détail

Test de Student. Stéphane Canu June 14, M8 - Principes du traitement de l information

Test de Student. Stéphane Canu June 14, M8 - Principes du traitement de l information Test de Student Stéphane Canu stephane.canu@litislab.eu M8 - Principes du traitement de l information June 14, 2012 Stéphane Canu (INSA Rouen - ASI) Test de Student June 14, 2012 2 / 33 Plan 1 Comparaisons

Plus en détail

(pour la première fois)?» Effectif enquêté

(pour la première fois)?» Effectif enquêté EXERCICE I : DEPENDANCE ENTRE 1 VARIABLE QUALITATIVE ET 1 VARIABLE QUANTITATIVE. En 2002, une équipe d étudiants pour leur recherche en sciences sociales s intéressent aux effets des caractéristiques familiales

Plus en détail

Tests statistiques. M1 IMSV Etienne Birmelé

Tests statistiques. M1 IMSV Etienne Birmelé Tests statistiques M1 IMSV Etienne Birmelé I. TESTS STATISTIQUES :PRINCIPE Test Definition Un test statistique est une procédure de décision entre deux hypothèses concernant un ou plusieurs échantillons.

Plus en détail

Corrélation - Régression

Corrélation - Régression Corrélation - Régression Corrélation Mesure le degré de liaison entre deux variables quantitatives Pour qu il y ait série statistique, il faut qu au moins l une des deux variables soit aléatoire. Cas 1

Plus en détail

Statistiques déductives :

Statistiques déductives : I Généralités sur les test d'hypothèse : Statistiques déductives : Dans les statistiques déductives, contrairement aux statistiques descriptives, on essaie, à partir des observations faites, de tirer des

Plus en détail

Chapitre III Analyse de la variance

Chapitre III Analyse de la variance Chapitre III Analyse de la variance Licence 3 MIASHS - Université de Bordeaux Marie Chavent Chapitre 3 Analyse de la variance 1/30 1 Introduction - Analyse de la variance = ANOVA (ANalysis Of VAriance)

Plus en détail

Après l analyse descriptive des variables faisant l objet de l étude [1], nous sommes

Après l analyse descriptive des variables faisant l objet de l étude [1], nous sommes Notes méthodologiques Sang Thrombose Vaisseaux 2010 ; 22, n 10 : 544-53 Les principaux tests statistiques de l analyse univariée: quand et comment les utiliser? Julien Labreuche INSERM-U 698, 46, rue Henri

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

Correction de l Exercice

Correction de l Exercice Correction de l Exercice Un médecin et un psychologue travaillant dans un centre PMS s intéressent à trois traitements proposés dans la littérature pour aider des enfants d école primaire qui ont des problèmes

Plus en détail

Analyse de la variance et régression

Analyse de la variance et régression Analyse de la variance et régression Rappel du cours Les ANOVA (ou analyses de la variance) généralisent le test t de Student aux cas où il y a plus de moyennes à comparer (au lieu de 2 dans le t-test).

Plus en détail