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

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

Comparaison de plusieurs moyennes Analyse de variance

Présentations similaires


Présentation au sujet: "Comparaison de plusieurs moyennes Analyse de variance"— Transcription de la présentation:

1 Comparaison de plusieurs moyennes Analyse de variance
FRT C5

2 Question posée Etude de la relation entre
Une variable qualitative à plus de 2 classes Une variable quantitative X résumée par sa moyenne et sa variance

3 Question posée Etude de la relation entre
Une variable qualitative à plus de 2 classes Une variable quantitative X résumée par sa moyenne et sa variance La variable qualitative qui distingue les populations est le facteur étudié; il peut être aléatoire ou fixe Comparaison du poids moyen de plusieurs portées de souris : facteur « portée » est aléatoire Comparaison d’un dosage biologique chez 3 groupes de malades traités par 3 traitements différents : facteur traitement est fixe Même problème mais 1 groupe recevant un placebo

4 Hypothèses H0 : 1 = 2 = ……. = k
H1 : il existe au moins une différence entre les k moyennes (2 moyennes parmi k sont ≠) On fera l’hypothèse que la variance est la même ² dans les k populations Exemple : k=3, même variance ² Sous H1, 1,2,3 sont différentes en regroupant, la moyenne générale est  et la variance totale T²

5 Représentation graphique
² T² X 2 ● 1 ●  ● 3● H1 : les moyennes sont différentes La variance totale T²est plus grande que la variance ² de chaque population et d’autant plus grande que les moyennes sont + dispersées

6 Hypothèses H0 : 1 = 2 = ……. = k
H1 : il existe au moins une différence entre les k moyennes On fera l’hypothèse que la variance est la même ² dans les k populations Exemple : k=3, même variance ² Sous H1, 1,2,3 sont différentes en regroupant la moyenne générale est  et la variance totale T² Si H0 est vraie, T² = ²

7 Représentation graphique
² T² X X T² ² 2 ● 1 ●  ● 1 ● 2 ● 3●  ● 3● H0 : moyennes et variances étant égales dans les 3 populations, T² = ² H1 : les moyennes sont différentes La variance totale T²est plus grande que la variance ² de chaque population et d’autant plus grande que les moyennes sont + dispersées

8 Principe On peut comparer les moyennes de X dans les différentes populations en comparant la var ² de X à « l’intérieur » de chacune des populations à la var T² On transforme le problème initial en une comparaison de variance = analyse de variance

9 Principe On peut comparer les moyennes de X dans les différentes populations en comparant la var ² de X à « l’intérieur » de chacune des populations à la var T² On transforme le problème initial en une comparaison de variance = analyse de variance L’ampleur de la dispersion totale de T² dépend : De la dispersion au sein de chacune des k populations comparées, mesurée par ² De la dispersion entre ces populations

10 Représentation graphique
moyennes plus dispersées, ² plus grande  T² plus grande ² T² ² T² X X 2 ● 2 ● 1 ●  ● 1 ●  ● 3● 3●

11 Principe de l’ANOVA Décomposer la dispersion (=variabilité) totale en 2 parties permettant de distinguer : variabilité intra population et variabilité inter population Puis comparer ces 2 parties

12 Principe de l’ANOVA Décomposer la dispersion (=variabilité) totale en 2 parties permettant de distinguer : On s’intéresse à la somme des carrés des écarts qui est le numérateur de la variance Une réécriture de la SCET permet de faire apparaître SCET =  (xij – mj)² +  nj(mj – m)² = SCER + SCEA ij ij intra groupe inter groupes *résiduelle : ce qui reste une fois le facteur d’intérêt pris en compte résiduelle* ou intraclasses à (n-k) ddl due au facteur A ou interclasses à (k-1) ddl

13 Principe de l’ANOVA Les variances sont donc : Hypothèses :
SCER et SCEA et sR²est une n – k k – 1 estimation de ² Hypothèses : H0 : A² = R² = ² H1 : A² > R² Test : sA² SCEA/(k-1) suit une loi de Fisher sR² SCER/(n-k) à (k-1) et (n-k) ddl notée F k-1 n-k

14

15 En pratique Quand une question posée est :
les 3 traitements ont-ils ou non la même efficacité ? Traiter le pb globalement (comme un ² > 1 ddl) ANOVA  1) non rejet de H0 : stop 2) rejet de H0 : au moins 1 des traitements est différent des autres Comparaisons 2 à 2 pour savoir où se situe la différence (interdit si NS) En prenant un risque  < 0,05 pour que globalement le risque  soit de 0,05 Pour cela  /nb de comparaisons, ici  /3 = 0,017 (méthode de Bonferroni)


Télécharger ppt "Comparaison de plusieurs moyennes Analyse de variance"

Présentations similaires


Annonces Google