Analyse de la variance

Dimension: px

Commencer à balayer dès la page:

Download "Analyse de la variance"

Amélie Jacques
il y a 6 ans
Total affichages :

1 Analyse de la variance Table des matières Introduction 2 Construire le modèle et décomposer la variabilité 2 3 Application 3 4 Utilisation des fonctions lm et anova 4 5 Simulations 6 Introduction L analyse de la variance (ANOVA) a pour objectif d étudier l influence d un ou plusieurs facteurs sur une variable quantitative. Nous nous intéresserons ici au cas où les niveaux, ou modalités, des facteurs sont fixés par l expérimentateur. On parle alors de modèle fixe. Lorsque les niveaux des facteurs sont des variables aléatoires le modèle est dit aléatoire et l interprétation des résultats s applique à l ensemble des modalités que la variable peut explorer. Pour le modèle fixe, les conclusions se restreigent aux niveaux testés. L ANOVA se résume à une comparaison multiple de moyennes de différents échantillons constitués par les différentes modalités des facteurs. Les conditions d application du

2 test paramétrique de comparaison de moyennes s appliquent donc à nouveau. 2 Construire le modèle et décomposer la variabilité En microbiologie, la croissance d une bactérie (mesurée par le diamètre des colonies) est étudiée en fonction du ph du milieu. Pour cela, l expérimentateur choisit p niveaux du ph et utilise n i ( < i < p) boîtes de Pétri ensemencées pour chaque niveau i du ph. Dans cet exemple, la variable à expliquer est la croissance des colonies bactériennes et la variable explicative testée est le ph. Notons y ij ( < j < n i ) le diamètre de la colonie pour la boîte j du niveau i en ph. α i est l effet du ph au niveau i. µ est la moyenne théorique du diamètre des colonies bactériennes par boîte de Pétri et ɛ ij correspond à l erreur résiduelle. L ANOVA ne peut être réalisée qu à partir de jeux de données respectant les conditions suivantes : les y ij sont des variables aléatoires indépendantes elles sont normales et d écart-type constant σ ɛ ij N (0, σ 2 ) Le modèle s écrit : y ij = µ + α i + ɛ ij, Question : quelle est l hypothèse nulle à tester? Solution : H 0 : α i = 0, i µ, α i et ɛ ij sont des valeurs théoriques de la population dont sont extraits les y ij. À partir d un échantillon, on ne peut qu estimer leurs valeurs. Celles-ci sont notées y, α i et ɛ ij. y i est la moyenne des y ij pour le niveau i du facteur. comment calcule-t-on la valeur de ɛ ij? 2

3 montrer que p n i p p (y ij y) 2 = n i (y i y) 2 n i + (y ij y i ) 2 i= j= i= i= j= Notons S, la valeur de p ni i= j=(y ij y) 2, S 2, celle de p i= n i (y i y) 2, S 3 celle de p ni i= j=(y ij y i ) 2. S est la somme des carrés des écarts à la moyenne totaux. Ce terme se décompose en un terme de variabilité inter-classe, S 2 et un terme de variabilité intra-classe S 3. La variabilité totale S est ainsi décomposée en deux termes, le premier étant attribué au facteur. Le test de l hypothèse nulle est réalisé en calculant : Ce rapport s écrit aussi : p p N p i= p i= n i (y i y) 2 ni j=(y ij y i ) 2 p S 2 N p S 3 et, sous l hypothèse nulle, suit une distribution de Fisher-Snédecor à p et N p degrés de liberté. Question : que représente le terme du numérateur? Solution : une estimation de σ 2 3 Application Charger le fichier ecrin.txt utilisé lors de la première séance et transformer HEU, SEM, STA en facteurs heu.fac, sem.fac et sta.fac. calculer S, S 2 et S 3 pour le facteur heure (utiliser la fonction tapply) Solution : > S_sum((ric-mean(ric))^2); > S [] > ni_summary(heu.fac); > mi_tapply(ric,heu.fac,mean); > S2_sum(ni*(mi-mean(ric))^2); > S2 3

4 [] > S3_sum((ric[heu.fac=="Matin"]-mi[])^2) + sum((ric[heu.fac=="soir"]-mi[2])^2); [] l effet du facteur heure est-il significatif (α = 5%)? > n_ni[]+ni[2] > p_2; > (S2/(p-))/(S3/(n-p)); Le test est donc significatif : H 0 peut être rejetée pour un risque α = 5% 4 Utilisation des fonctions lm et anova L ANOVA est inclue dans le cadre plus large du modèle linéaire où l objectif est de bâtir et analyser un modèle statistique permettant d expliquer les variations d une variable à partir d autres variables. lm est une fonction permettant de tester l ajustement entre les prédictions d un modèle et les observations. Exemple : > x_seq(,0,); > y_rnorm(0,x); > plot(x,y); > lm_lm(y~x); > summary(lm); Call: lm(formula = y ~ x) Residuals: Min Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) x e-07 *** --- Signif. codes: 0 *** 0.00 ** 0.0 * Residual standard error: on 8 degrees of freedom Multiple R-Squared: 0.97, Adjusted R-squared: F-statistic: 259 on and 8 DF, p-value: 2.23e-07 4

5 > abline(lm); y x Pour l ANOVA, la variable explicative est quantitative. Prenons l exemple de l heure. Le modèle s écrit : > lm_lm(ric~heu.fac); et l ANOVA est réalisée ensuite en utilisant l objet lm : > anova(lm); Analysis of Variance Table Response: ric Df Sum Sq Mean Sq F value Pr(>F) heu.fac < 2.2e-6 *** Residuals Signif. codes: 0 *** 0.00 ** 0.0 * réaliser l ANOVA à partir du modèle additif : y ijk = µ + α i + β j + γ k + ɛ ijk, où α i mesure l effet du facteur heure, β j, celui du facteur semaine, γ k, celui du facteur station. Solution : > lm2_lm(ric~heu.fac+sem.fac+sta.fac); > anova(lm2); Analysis of Variance Table Response: ric Df Sum Sq Mean Sq F value Pr(>F) heu.fac < 2.2e-6 *** sem.fac < 2.2e-6 *** 5

6 sta.fac < 2.2e-6 *** Residuals Signif. codes: 0 *** 0.00 ** 0.0 * les résultats sont-ils identiques lorsque l ont modifie l ordre des variables explicatives? Solution : Non. Lorsque A et B sont liés, Y A+B donne des décompositions des sommes des carrés des écarts totaux distincts de celles obtenues à partir Y B+A. Il est donc important de tenir compte de cet effet pour l interprétation des résultats. Lorsque les deux facteurs sont orthogonaux (ou indépendants) les deux modèles donnent les mêmes résultats. 5 Simulations Questions Que fait la fonction suivante : generdonnees <- function(mu,variance,niveauxfac,niter) donnees_matrix(ncol=2,nrow=sum(niter)); niveauxnom_vector(length=length(niveauxfac)); sumeffets_0; for(i in :length(niveauxfac)) niveauxnom[i]_i; sumeffets_sumeffets+niveauxfac[i]; if(sumeffets) print("la somme des effets doit etre nulle!"); donnees[,]_rep(niveauxnom,niter); pos_; for(i in :length(niveauxfac)) for(j in :niter[i]) 6

7 donnees[pos,2]_niveauxfac[i]+mu+rnorm(,sd=sqrt(variance)); pos_pos+; donnees; Écrire une nouvelle fonction, utilisant generdonnes, et permettant de tester l effet du facteur α On réalise à présent une centaine d itérations en imposant l absence d effet du facteur. calculer la moyenne et la variance des statistiques F de Fisher. Conclusions? Solution : la moyenne tend vers (H 0 est vraie en réalité) et la variance est très forte. calculer la moyenne des probabilités associées aux statistiques F Solution : la moyenne est proche de 0.5 car lorsque H 0 est vraie, F est distribué selon une loi uniforme Réaliser à présent 00 itérations pour 4 niveaux de facteurs avec α =, α 2 =.2, α 3 =, α 4 =.2, µ = 0, σ 2 = 5, et 0 répétitions pour chaque niveaux du facteur. Question : quelle est la puissance du test dans ces conditions? Discutez... Solution : β 0.3 7

Documents pareils

Analyse de la variance Comparaison de plusieurs moyennes

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