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 observées

Présentations similaires


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

1 Comparaison de plusieurs moyennes observées
= Analyse de Variance (ANOVA)

2 Position du problème : On a trois nouveaux traitements A, B et C
contre l’hypertension artérielle. On désire savoir s’ils entraînent la même baisse de la tension artérielle systolique et si c‘est le cas lequel est le meilleur.

3 Méthode : Pour répondre au problème posé, on va administrer par tirage au sort, les trois traitements à trois groupes de patients +++. Problème : comment analyser les résultats ?

4 Hypothèses de départ : Ho = les moyennes des pressions artérielles dans les 3 groupes ne diffèrent pas Ho = µ1 = µ2 = µ3 H1 = les moyennes des pressions artérielles diffèrent : au moins deux des trois moyennes diffèrent

5 Principe de l’analyse de la Variance
On peut comparer les moyennes observées dans nos trois groupes par un test Σ ou un test t : A x B, A x C, B x C mais on augmente notre risque  +++ rappel : En effet, pour chaque test, on a un risque  = 0,05, donc la probabilité de retenir H0 si H0 est vraie est égale à 0,95 et ceci pour chaque comparaison

6 la probabilité que nos 3 tests conduisent à une décision correcte va être alors = 0,95 3 = 0,85
il y a donc 15% de chances que l’un au moins des 3 tests détecte une différence statistique qui n’existe pas

7 Principe de l ’analyse de la Variance :
On va essayer d ’éviter d ’augmenter le risque  en scindant la variance totale observée sur l’ensemble des mesures, en variance inter- groupe et variance intra - groupe

8 Variabilité intra-groupes mesurée par la variance intra-groupe
résiduelle variance« due au hasard » Variabilité inter-groupes mesurée par la variance inter-groupe

9 Principe du test d ’analyse de variance :
La comparaison des moyennes de C ( avec C > 2) séries de mesures d ’une quantité X ( ex la Tension artérielle) est basée sur le rapport F : test de Fisher - Snedecor Variance " inter - groupes" F = Variance " intra - groupes" Conditions d’application du test d ’analyse de variance : Les distributions des populations d’où proviennent les échantillons doivent être normales et de même variance

10 Total général des carrés = x2 = 130 500
Calcul de F : Effectif total N =  ni = 15 Total général de l’ensemble des valeurs TG = Ti = 1390 Total général des carrés = x2 =

11 å ( ) 1 - Calcul de la variance inter-groupes Somme des carrés des
écarts (SCE) V = 1 Nombre de degrés de libertés SCE (avec C = nombre de groupes ) V = - 1 C 1 avec 2 2 å ( Ti ) TG - SCE N = ni

12 å å ( ) Ti = x - ni 2 - Calcul de la variance intra-groupes SCE Somme
des carrés des écarts (SCE) V = 2 Nombre de degrés de libertés SCE avec V = 2 N - C ( å å Ti 2 ) = x 2 - SCE ni

13 3 - Déduction : variance totale
2 å SCE T 2 G - = x V = - N T N 1

14 Tableau de l ’analyse de variance
Somme des carrés Nbre de degrés Origine Variance des écarts (2) de libertés (3) 2 2 å Ti ( ) Inter -groupes TG - - N C 1 V1 = (2)/(3) ni Intra-groupes ( å å ) Ti 2 x 2 - N - C V2 = (2)/(3) ni (ou résiduelle) 2 å T G x 2 - N - 1 Totale N Variance " inter - groupes" V1 F = = V2 Variance " intra - groupes"

15 å å ( ) ( ) ( ) ( ) ( ) T 1390 = = 128 806 N 15 x = 100 + 105 + 95 +
Exemple numérique calcul ( ) 2 T 2 1390 = = G 128 806 N 15 ( ) 2 ( ) 2 ( ) 2 å ( ) 2 x 2 = 100 + 105 + 95 + ... + 95 = å T 2 (500) 2 (415) 2 (475) 2 = + + = i 129 570 n 5 5 5 i déduction des ddl : C - 1 = = 2 N - C = = 12

16 å å å å ( ) ( ) Ti - ni x x Ti TG - N C - 1 = 2 381,6 ni N - C = 12
Somme des carrés Nbre de degrés Origine Variance des écarts (2) de libertés (3) 2 2 å Ti ( ) TG - Inter -groupes N C - 1 = 2 381,6 ni = 763 å å ( 2 ) Intra-groupes x 2 - Ti ni (ou résiduelle) N - C = 12 77,5 = 930 2 å T G Totale x - 2 N - 1 = 14 N = 1693 381,6 Variance " inter - groupes" F = 4,92 = = Variance " intra - groupes" 77,5

17 Statistique : On lit dans la table des F (Table de Fisher), pour un risque  déterminé, la valeur correspondante. Cette valeur dépend du nombre de degrés de libertés du numérateur et du dénominateur du test F 1ère table pour  = 0,05 F 2,12 = 3,89 2ème table pour  = 0,01 F 2,12 = 6,93 Conclusion : Puisque F vaut 4,92, on peut en conclure avec un risque  , inférieur à 5 % que 2 moyennes au moins différent

18 Cependant après avoir rejeté l ’hypothèse d ’égalité des moyennes des traitements (rejet Ho) on doit poursuivre l ’analyse pour rechercher 2 à 2 les moyennes qui diffèrent (A x B, A x C, B x C) Plusieurs tests sont disponibles : test de Newman-Keuls test de Bonferroni test de Dunnett test t dit « protégé »

19 exemple du test t dit « protégé » :
on a rejeté l ’hypothèse Ho, on peut poursuivre l ’analyse en comparant les moyennes de 3 groupes à 2, par un t test dit « protégé », qui utilise comme variance commune, la variance résiduelle et qui a comme ddl, le ddl de la résiduelle m - m 100 - 83 t = A B = A - B V V 77 , 5 77 , 5 2 + 2 + n n 5 5 A B

20 les t sont comparés à t = 5% avec ddl = N-C
on regarde alors quelle(s) comparaison(s) à 2 sont significatives


Télécharger ppt "Comparaison de plusieurs moyennes observées"

Présentations similaires


Annonces Google