La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Statistiques Séance 10 N. Yamaguchi.

Présentations similaires


Présentation au sujet: "Statistiques Séance 10 N. Yamaguchi."— Transcription de la présentation:

1 Statistiques Séance 10 N. Yamaguchi

2 Résumé de la séance précédente
Les ANOVA À 1 facteur à n niveaux À 1 facteur à mesures répétées À 2 facteurs (+ notion d’interaction) Les corrélations Test paramétrique: Pearson Test non paramétrique: Spearman

3 Rappel : corrélation de Spearman
Prend en compte les rangs Exercice sur Spearman

4 Exercice Sujet Note de maths Note de français 1 15 18 2 5 10 3 4 11 12
16 6 8 7 14

5 Le Khi (Chi) 2 Ou χ2

6 Pourquoi faire? Comparer des distributions ou des formes de distributions Etude des fréquences ou des effectifs impliquant des variables nominales. Pas de variables continues! Exemple du début : la BU.

7 Comparaison d’une distr observée et d’une distr théorique
Une seule variable nominale On analyse une seule distribution. Question : est-elle homogène (= semblable à la distribution théorique) H0: oui. Répartition homogène des effectifs.

8 Exemple (1) cf I. Lehiste Perception du contexte d’une phrase par 30 auditeurs. Tableau pour la phrase lue isolément Comparaison avec la distrib théorique: répartition homogène des effectifs. Note: variable nominale à 4 modalités (les rentrer comme une variable continue ds Statview) H0?

9 Procédure Données: comme une variable continue Analyse:
Pas d’étiquettes! Pas besoin de rentrer la distribution théorique Analyse: Analyse univariée > Khi 2 (désselectionner test-t) > rentrer la distrib théorique!!! Menu Analyse > test-t > Editer analyse > Khi 2

10 Résultats Valeur du Khi 2 à comparer avec p.
Hypothèse nulle non rejetée Conclusion? Mais…

11 Exemple (2ème partie) Même phrase lue à l’initiale. Distribution aléatoire? Données: on rajoute une colonne Procédure : même chose. On peut assigner une autre variable! Résultats Conclusion

12 Un autre cas du Chi 2 Comparaison de 2 distributions indépendantes
Voir si les 2 distributions sont homogènes. (répartition de fréquences) Hypothèse nulle: il n’y a pas de relation entre les fréquences des lignes et les fréquences des colonnes

13 Tableau de contingence
Exemple Étude sur l’efficacité d’une méthode d’enseignement des langues: labo vs méthode traditionnelle Tableau de contingence

14 Calcul du Chi 2 Tableau de contingence: la colonne ds laquelle un sujet se trouve (= réussite vs échec) est contingente (= dépend de) la ligne ds laquelle le sujet se trouve (= exp vs méthode trad) H0: il n’y a pas de relation entre ligne et colonne

15 Calcul du Chi 2 (suite) Calcul de la fréquence attendue si H0 est vraie, pour chaque cellule du tableau:

16 Calcul du Chi 2 (suite) Résultat global par rapport à toutes les cellules. Procédure: Données Tableau de contigence > tableau résumé et Chi 2 des cellules

17 Résultats Tableau résumé Chi 2 des cellules DDL : (C-1)(R-1)
Valeur Chi 2 et p Résultats? H0? Chi 2 des cellules Décomposition du Chi 2 global selon les cellules (contribution des cellules)

18 Exercice Étude de Butler sur la poésie de Sylvia Plath: distribution des longueurs de mots dans 2 de ses recueils Lgr mots 1 – 3 4 – 6 7 – 9 10 -12 >12 « The Colossus » 3473 3743 1272 285 54 « Winter trees » 3000 2674 753 165 18

19 Exercice Quelle est H0? Quels sont les résultats?

20 Rappel! Quel test utiliser?
Il faut connaître: Le type de distribution: test paramétrique ou non paramétrique? Le nombre de variables et le nombre de leurs modalités Le type de données: fréquences, mesures? Ce qu’on veut étudier!

21 1. Tester les différences entre groupes
Groupes indépendants : ce ne sont pas les mêmes sujets! Paramétrique 1 variable nominale à 2 modalités; mesures : test-t indépendant (test-t univarié: moyenne théorique) 1 variable nominale à 3 ou + modalités, mesures: ANOVA à 1 facteur à n niveaux

22 1. Tester les différences entre groupes
Paramétriques (suite): 2 variables nominales: ANOVA à 2 facteurs Non paramétriques: 1 variable nominale à 2 modalités; mesures: test U de Mann-Whitney 1 variable nominale à 3 ou + modalités, mesures: test des rangs de Kruskal-Wallis

23 2. Tester les différences entre variables
Mêmes sujets, mais conditions différentes Paramétriques: 1 variable continue (mesures), 1 variable indépendante (à 2 modalités = 2 conditions): test-t apparié 1 variable continue (mesures), 1 variable indépendante (à 3 ou + modalités = 3 ou + conditions): ANOVA à mesures répétées

24 2. Tester les différences entre variables
Non paramétriques: Mesures, 1 variable indépendante (à 2 modalités = 2 conditions): test des rangs de Wilcoxon Fréquences / effectifs, 1 variable indépendante aux modalités dichotomiques: Chi 2

25 2. Tester les différences entre variables
Non paramétriques (suite) 1 variable continue (mesures), 1 variable indépendante (à 3 ou + modalités = 3 ou + conditions): test de Friedman

26 3. Tester les relations entre variables
Paramétriques: corrélation de Pearson Non paramétriques: corrélation des rangs de Spearman ou Chi 2 (fréquences / effectifs et variable à modalités catégorielles)


Télécharger ppt "Statistiques Séance 10 N. Yamaguchi."

Présentations similaires


Annonces Google