Statistiques Séance 9 – 6 décembre 2005 N. Yamaguchi.

Slides:



Advertisements
Présentations similaires
Corrélation Position du problème Définition covariance (X,Y) r =
Advertisements

ANOVA à un facteur (Rehailia)
Association entre variables
Université de Ouagadougou
C1 Bio-statistiques F. KOHLER
Tests non paramétriques
Tests de comparaison de pourcentages
Comparaison de plusieurs moyennes Analyse de variance
Les TESTS STATISTIQUES
Comparaison de plusieurs moyennes Analyse de variance
Régression -corrélation
Laboratoire Inter-universitaire de Psychologie Cours 6
1 Statistiques Séance 5 – 9 Nov Résumé séance précédente Lécart-type σ ou s. Comment le calculer? Les propriétés numériques de la courbe normale.
INF L14 Initiation aux statistiques
Les traitements croisés
COURS 5 Les tableaux croisés, le chi-carré et la corrélation
la statistique descriptive se compose de 3 domaines distincts :   
Plans à groupes indépendants: organisation
Analyse de la variance : ANOVA à un facteur
Objectifs du chapitre 12: Interprétation des résultats
L’Analyse de Variance 2 L’ANOVA 2 fixe à r répétitions
L’Analyse de Covariance
Corrélation et régression linéaire simple
L’Analyse de Variance 1 Généralités Le modèle Calculs pratiques
Introduction à léconométrie Mario Fortin Université de Sherbrooke Hiver 2009.
L’analyse de variance factorielle
Le test t.
La corrélation et la régression
Les modèles linéaires (Generalized Linear Models, GLM)
Corrélation Principe fondamental d’une analyse de corrélation
ANOVA à critères multiples
Expériences contrôlées Rappel du cours d’IHM
Objectifs du chap. 5: Plans de recherche classiques Savoir identifier et distinguer les modes de comparaison des mesures Savoir identifier et distinguer.
Objectifs du chap. 5: Plans de recherche classiques
Objectifs du chap. 5: Plans de recherche classiques Savoir identifier et distinguer les modes de comparaison des mesures Savoir identifier et distinguer.
Analyse factorielle de variance: Principes d’expérimentation
Régression linéaire multiple : hypothèses & interprétation
Statistiques Séance 10 N. Yamaguchi.
Journée d’accompagnement de l’appel à recherches autisme
Statistique Descriptive Analyse des données
Méthodologie expérimentale : l’analyse des données
Master 1 – Sciences du Langage –
ANALYSE DE DONNEES TESTS D’ASSOCIATION
Lien entre deux variables
N. Yamaguchi1 Statistiques Séance 6 – 16 Nov 2005.
STATISTIQUE DESCRIPTIVE ÉLÉMENTAIRE
M2 Sciences des Procédés - Sciences des Aliments
Séance 8 30 novembre 2005 N. Yamaguchi
ANOVA à 1 facteur en groupes de mesure indépendants
Td sur la statistique descriptive. Enoncé du problème On a étudié la taille en cm chez 20 enfants de quatrième année primaire à l’école Constantine année.
Statistiques Séance 7 – 23 nov 2005 Master SDL N. Yamaguchi.
Rappels Variables nominales :
BIO 4518: Biostatistiques appliquées Les 11 et 18 octobre 2005 Laboratoire 4 et 5 ANOVA à critères multiples.
BIO 4518: Biostatistiques appliquées Le 25 octobre 2005 Laboratoire 6 Corrélation linéaire et régression linéaire simple.
Statistiques analytiques sous STATA
Test de signification d’une ANOVA à deux critères de classification: sans réplication, modèle I, plan factoriel Tester CMeffet sur CMerreur... … mais,
Modèle linéaire Relation entre une variable expliquée Y (par exemple le salaire), et p variables explicatives X j, j = 1, …, p (par exemple, p = 5, X 1.
Les distributions de fréquences et de pourcentages
Initialisation au logiciel (Statistical Analysis System)
Distribution à deux variables
Analyse de données avec R
Comparaison de plusieurs moyennes observées
Tests relatifs aux variables qualitatives: Tests du Chi-deux.
ETUDES PRONOSTIQUES Pr Ganry.
Corrélation et régression linéaire Mars Modèles de régression  Réponses aux questions du type: ‘Quelle est la nature de la relation entre les variables?’
Plans d'expérience Méthode Taguchy Analyse de la variance Anavar.
Biostatistique pour le troisième cycle P. Leroy, F. Farnir 2013.
Notions de statistiques et d’analyse de données Master 1 MGS – Sarah MISCHLER –
23/05/2016 Déterminer la taille des échantillons notion sous-jacente : puissance d'un test Claire Chabanet fonction F4, étendre l'écran configurer le diaporama,
Transcription de la présentation:

Statistiques Séance 9 – 6 décembre 2005 N. Yamaguchi

Résumé de la séance précédente LANOVA! LANOVA! À 1 facteur à plusieurs niveaux. Analyse factorielle. Exemple? À 1 facteur à plusieurs niveaux. Analyse factorielle. Exemple? Test PLSD de Fisher: test a posteriori pour trouver quels couples sont responsables de leffet global. Test PLSD de Fisher: test a posteriori pour trouver quels couples sont responsables de leffet global. À 1 facteur à mesures répétées. Exemple? À 1 facteur à mesures répétées. Exemple?

LANOVA à 2 facteurs Comparer plusieurs moyennes Comparer plusieurs moyennes 2 variables nominales (facteurs étudiés). Ex: langue, sexe 2 variables nominales (facteurs étudiés). Ex: langue, sexe 1 variable dépendante (continue) inter-sujets ou inter-groupes. Ex: hauteur de F0. 1 variable dépendante (continue) inter-sujets ou inter-groupes. Ex: hauteur de F0. Quel effet des facteurs sur la var dépendante? Quel effet des facteurs sur la var dépendante?

Procédure Données: 2 premières colonnes = variables nominales; dernière colonne = variable dépendante. Données: 2 premières colonnes = variables nominales; dernière colonne = variable dépendante. Exemple: nb de mots par rapport à lâge (Facteur 1) et à lécole (Facteur 2) Exemple: nb de mots par rapport à lâge (Facteur 1) et à lécole (Facteur 2) Menu Analyse > ANOVA Menu Analyse > ANOVA Attention à placer les 2 facteurs dans la case «Facteur(s)» Attention à placer les 2 facteurs dans la case «Facteur(s)»

Tableaux Tableau des moyennes pour chaque couple de facteurs Tableau des moyennes pour chaque couple de facteurs Tableau dANOVA: analyse proprement dite = effet global Tableau dANOVA: analyse proprement dite = effet global 1ère ligne = effet du 1er facteur 1ère ligne = effet du 1er facteur 2ème ligne = effet du 2nd facteur 2ème ligne = effet du 2nd facteur 3ème ligne = interaction entre les 2 facteurs 3ème ligne = interaction entre les 2 facteurs (cf courbe des interactions)

La notion dinteraction Interaction = leffet dun facteur varie en fonction des modalités de lautre facteur. Interaction = leffet dun facteur varie en fonction des modalités de lautre facteur. Exemple: Lâge na un effet sur le vocabulaire des enfants que pour lécole 1. (càd: école 2 et 3 = quel que soit lâge les enfants ont le même vocabulaire) Exemple: Lâge na un effet sur le vocabulaire des enfants que pour lécole 1. (càd: école 2 et 3 = quel que soit lâge les enfants ont le même vocabulaire) Courbe des interactions. Courbe des interactions. En bref: pas dinteraction, mais chaque facteur a un effet significatif sur la taille du voca. En bref: pas dinteraction, mais chaque facteur a un effet significatif sur la taille du voca.

PLSD de Fisher A quoi est dû leffet global? A quoi est dû leffet global? Tableaux par facteur Tableaux par facteur Comparaisons analytiques de chaque modalité. Comparaisons analytiques de chaque modalité. Enoncé des résultats Enoncé des résultats Conclusion Conclusion

Avez-vous compris les ANOVA? Dans les cas suivants, quelle analyse utiliserez- vous? Dans les cas suivants, quelle analyse utiliserez- vous? Temps de réponse dans une tâche de décision lexicale suite à un stimuli auditif / visuel sur 20 adultes francophones. Temps de réponse dans une tâche de décision lexicale suite à un stimuli auditif / visuel sur 20 adultes francophones. Nb de mots souvenus chez des francophones, anglophones, russophones. Nb de mots souvenus chez des francophones, anglophones, russophones. Durée syllabique [ba] chez 10 femmes et 10 hommes en débit lent, moyen et rapide. Durée syllabique [ba] chez 10 femmes et 10 hommes en débit lent, moyen et rapide.

Avez-vous compris les ANOVA? (2) Nb de mots chez des garçons et des filles de 10 ans, dont les parents font partie de 4 catégories socio-prof différentes. Nb de mots chez des garçons et des filles de 10 ans, dont les parents font partie de 4 catégories socio-prof différentes. La hauteur de F0 en finale de phrase dapprenants du français par rapport à la moyenne des francophones natifs (quon a déjà) La hauteur de F0 en finale de phrase dapprenants du français par rapport à la moyenne des francophones natifs (quon a déjà)

Les corrélations

La corrélation de Pearson Test paramétrique Test paramétrique Valeur de corrélation: degré de relation linéaire entre 2 variables. Valeur de corrélation: degré de relation linéaire entre 2 variables. (rappel : linéaire : valable pr var numériques, même taux daccroissement pr les 2 var) (rappel : linéaire : valable pr var numériques, même taux daccroissement pr les 2 var) Evident: linéaire ligne sur le graphique de nuages de points! Evident: linéaire ligne sur le graphique de nuages de points! Valeur de corrélation : r Valeur de corrélation : r

Exemple Y a-t-il une corrélation entre lâge denfants et la longueur moyenne de leurs énoncés? Y a-t-il une corrélation entre lâge denfants et la longueur moyenne de leurs énoncés? Rentrer les données Rentrer les données

Procédure Graphique: Graphique: Graphes bivariés > Nuage de points Graphes bivariés > Nuage de points Régression > Graphe de régression Régression > Graphe de régression Menu Analyse > Graphes > Régression bivarié Menu Analyse > Graphes > Régression bivarié Lecture du graphique: Lecture du graphique: Relation plutôt linéaire? Oui Relation plutôt linéaire? Oui

Procédure (tableau) Colonne de gauche : corrélation / covariance Colonne de gauche : corrélation / covariance Attention! Seuil de significativité! Attention! Seuil de significativité! H0: pas de corrélation (donc r=0) H0: pas de corrélation (donc r=0) Valeur critique de r dépendant de N (N=nombre de paires!) Valeur critique de r dépendant de N (N=nombre de paires!) R en z de Fisher : valeur de la corrélation et p. R en z de Fisher : valeur de la corrélation et p.

Les tests non paramétriques

La corrélation des rangs de Spearman Distributions pas forcément normales, car analyse basée sur les rangs. Distributions pas forcément normales, car analyse basée sur les rangs. Appelé ρ (rho) Appelé ρ (rho) Seuil de significativité (cf tableau des valeurs critiques) Seuil de significativité (cf tableau des valeurs critiques)

Procédure Non paramétriques > 2 groupes appariés > corrélation des rangs de Spearman. Non paramétriques > 2 groupes appariés > corrélation des rangs de Spearman. Menu Analyse > Non paramétriques > Spearman Menu Analyse > Non paramétriques > Spearman Notes sur les données et sur les ex-aequo: Notes sur les données et sur les ex-aequo: Gestion > Trier Gestion > Trier Gestion > Formule > Statistiques > Rank Gestion > Formule > Statistiques > Rank