Le test t. Procédure de linférence statistique 1. Contexte théorique 2. Hypothèses 3. Seuil de signification et puissance 4. Taille de leffet 5. Collecte.

Slides:



Advertisements
Présentations similaires
Intervalles de confiance
Advertisements

Intervalles de confiance
Comparaison d’une moyenne observée à une moyenne théorique
ANOVA à un facteur (Rehailia)
Les tests d’hypothèses (II)
Les tests d’hypothèses (I)
TESTS RELATIFS AUX CARACTERES QUANTITATIFS
Echantillonnage Introduction
Inférence statistique
Comparaison de deux moyennes observées
Inférence statistique
Comparaison d'une distribution observée à une distribution théorique
Comparaison de plusieurs moyennes observées
Tests de comparaison de pourcentages
Les Tests dhypothèses. 1)Définition Un test cest une méthode qui permet de prendre une décision à partir des résultats dun échantillon.
COURS 5 Les tableaux croisés, le chi-carré et la corrélation
Tests de comparaison de moyennes
Méthodes de Biostatistique
L’inférence statistique
Analyse de la variance : ANOVA à un facteur
Régression linéaire simple
Objectifs du chapitre 12: Interprétation des résultats
Faculté de Médecine Lyon-Sud Module Optionnel de préparation à la lecture critique d ’articles Interprétation des tests statistiques.
L’Analyse de Variance 1 Généralités Le modèle Calculs pratiques
La corrélation et la régression multiple
La corrélation et la régression
Le test t.
L’analyse de variance.
La puissance statistique
La puissance statistique
L’analyse de variance à mesures répétées
La statistique descriptive
La corrélation et la régression
Corrélation Principe fondamental d’une analyse de corrélation
Comparaison de deux échantillons
Analyse factorielle de variance: Principes d’expérimentation
Tests d’hypothèses.
ORGANIGRAMME-MÉTHODES STATISTIQUES-COMPARAISONS DE MOYENNES
Statistiques Séance 10 N. Yamaguchi.
Méthodes de Biostatistique
Méthodologie expérimentale : l’analyse des données
ANALYSE DE DONNEES TESTS D’ASSOCIATION
Analyse statistique de base
STATISTIQUES DESCRIPTIVES
Séance 8 30 novembre 2005 N. Yamaguchi
ANOVA à 1 facteur en groupes de mesure indépendants
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :35 1 Comparaisons multiples Ce qu’elles sont.
STATISTIQUE INFERENTIELLE LES TESTS STATISTIQUES
L’erreur standard et les principes fondamentaux du test de t
Méthodes de Biostatistique Chapitre 9 Tests Nonparamétriques.
ATELIERS STATISTIQUES
1 Licence Stat-info CM3 a 2004 V1.2Christophe Genolini Problème des groupes Un amphi de 200 élèves : loi normale moyenne X et écart type s –Un élève :
LOI NORMALE LOI STUDENT ECHANTILLONS ET TESTS DE MOYENNE
1 L2 STE. Test du χ2 d’adéquation/conformité: Il s'agit de juger de l'adéquation entre une série de données statistiques et une loi de probabilité définie.
Probabilités et statistique MQT-1102
Chapitre 4 Concepts fondamentaux Les composantes d’un test statistique Les hypothèses nulles en statistiques Le sens de p Inférence: comment traduire p.
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement.
ECHANTILLONAGE ET ESTIMATION
Comparaison de plusieurs moyennes observées
Tests relatifs aux variables qualitatives: Tests du Chi-deux.
Tests relatifs aux variables qualitatives: Tests du Chi-deux.
Académie européenne des patients sur l'innovation thérapeutique Rôle et notions élémentaires des statistiques dans les essais cliniques.
Introduction aux statistiques Intervalles de confiance
UED SIM – Département OLCI Année Arts & Métiers ParisTech CER ANGERS Probabilités et statistiques Cours n° 2.
 Champ des mathématiques  Ensemble de méthodes et de techniques  Permet une analyse objective  Facilitées aujourd’hui par les tableurs.
Chapitre 6 Les tests d ’ hypoth è se 1 – Comparer des moyennes ou des proportions.
Notions de statistiques et d’analyse de données Master 1 MGS – Sarah MISCHLER –
Chap. III Statistiques inférentielles
Transcription de la présentation:

Le test t

Procédure de linférence statistique 1. Contexte théorique 2. Hypothèses 3. Seuil de signification et puissance 4. Taille de leffet 5. Collecte de données 6. Test critique 7. Test observée 8. Décision 9. Interprétation

Plan Quest-ce quon fait lorsquon compare deux groupes (ou 1 groupe) et que la variance de la population est inconnue ?

Comparaisons entre un groupe et une population

Idée Puisque lécart type de la population est inconnue, on ne peut donc pas obtenir lerreur type de la moyenne. On va donc utiliser un estimé de ce dernier.

Distribution des t (Student)

Exemple On veut mesurer leffet dune formation pour la réussite du SAT. Neuf participants ont été sélectionnés aléatoirement et ont reçus une formation dune journée. On veut mesurer leffet dune formation pour la réussite du SAT. Neuf participants ont été sélectionnés aléatoirement et ont reçus une formation dune journée.

Exemple

Intervalles de confiance

Comparaisons entre deux groupes indépendants

Idée Puisque les écart types des deux populations sont inconnues, on va utiliser des estimés. Si les n sont égaux (n 1 =n 2 )

Idée Puisque les écart types des deux populations sont inconnues, on va utiliser des estimés. Si les n sont inégaux (n 1 n 2 )

Pré requis et Postulats Il y a une seule variable dépendante. Il y a une seule variable dépendante. Les participants appartiennent à un et un seul groupe. Les participants appartiennent à un et un seul groupe. La variable indépendante peuvent être continue ou nominale. La variable indépendante peuvent être continue ou nominale. Les données sont indépendantes et échantillonnées aléatoirement. Les données sont indépendantes et échantillonnées aléatoirement. Les données dans chacune des populations sont distribuées normalement Les données dans chacune des populations sont distribuées normalement Les variances sont homogènes Les variances sont homogènes

Formes des distributions de fréquences IIIIIIIV VIVIIV Modalité - unimodale : - unimodale : I, IV,V, VI, VII - bimodale : - bimodale :II - Rectangulaire : - Rectangulaire :III Courbure (kurtosis) - Mesokurtique : - Mesokurtique : Symétrie - symétrique : - symétrique : I, II - Platykurtique : - Platykurtique :V - Leptokurtique : - Leptokurtique :IV,VI,VII - asymétrique : - asymétrique : I, II, III, V, VI IV (+), VII (-)

Exemple On veux mesurer leffet de lhoméothérapie sur la réduction de lanxiété. 10 participants anxieux ont été assignés au hasard dans le groupe contrôle (placebo) ou le groupe expérimental (lhoméothérapie ). Après une semaine, on a mesuré le niveau danxiété des 2 groupes; échelle de 1 à 150 (1 = absence danxiété; 150 = le summum de lanxiété) On veux mesurer leffet de lhoméothérapie sur la réduction de lanxiété. 10 participants anxieux ont été assignés au hasard dans le groupe contrôle (placebo) ou le groupe expérimental (lhoméothérapie ). Après une semaine, on a mesuré le niveau danxiété des 2 groupes; échelle de 1 à 150 (1 = absence danxiété; 150 = le summum de lanxiété) Les participants sont assignés aléatoirement et sont indépendants. Les participants sont assignés aléatoirement et sont indépendants. Les données dans chacune des populations sont distribuées normalement. Les données dans chacune des populations sont distribuées normalement. Les variances sont homogènes Les variances sont homogènes Postulats

Exemple On veux mesurer leffet de lhoméothérapie sur la réduction de lanxiété. 10 participants anxieux ont été assignés au hasard dans le groupe contrôle (placebo) ou le groupe expérimental (lhoméothérapie ). Après une semaine, on a mesuré le niveau danxiété des 2 groupes; échelle de 1 à 150 (1 = absence danxiété; 150 = le summum de lanxiété) On veux mesurer leffet de lhoméothérapie sur la réduction de lanxiété. 10 participants anxieux ont été assignés au hasard dans le groupe contrôle (placebo) ou le groupe expérimental (lhoméothérapie ). Après une semaine, on a mesuré le niveau danxiété des 2 groupes; échelle de 1 à 150 (1 = absence danxiété; 150 = le summum de lanxiété)

Exemple

Taille deffet et puissance Cohens D Cohens D n = Min(n 1 ;n 2 )

Exemple On veux mesurer leffet de lhoméothérapie sur la réduction de lanxiété. 10 participants anxieux ont été assignés au hasard dans le groupe contrôle (placebo) ou le groupe expérimental (lhoméothérapie ). Après une semaine, on a mesuré le niveau danxiété des 2 groupes; échelle de 1 à 150 (1 = absence danxiété; 150 = le summum de lanxiété) On veux mesurer leffet de lhoméothérapie sur la réduction de lanxiété. 10 participants anxieux ont été assignés au hasard dans le groupe contrôle (placebo) ou le groupe expérimental (lhoméothérapie ). Après une semaine, on a mesuré le niveau danxiété des 2 groupes; échelle de 1 à 150 (1 = absence danxiété; 150 = le summum de lanxiété)

Exemple On veux mesurer leffet de lhoméothérapie sur la réduction de lanxiété. 10 participants anxieux ont été assignés au hasard dans le groupe contrôle (placebo) ou le groupe expérimental (lhoméothérapie ). Après une semaine on a mesuré le niveau danxiété des 2 groupes; échelle de 1 à 150 (1 = absence danxiété; 150 = le summum de lanxiété) On veux mesurer leffet de lhoméothérapie sur la réduction de lanxiété. 10 participants anxieux ont été assignés au hasard dans le groupe contrôle (placebo) ou le groupe expérimental (lhoméothérapie ). Après une semaine on a mesuré le niveau danxiété des 2 groupes; échelle de 1 à 150 (1 = absence danxiété; 150 = le summum de lanxiété)

Intervalles de confiance

Comparaisons entre deux groupes dépendants (données pairées)

Idée On utilise les mêmes sujets quon mesure à deux reprises. Lavantage du schème à mesure répétées est de réduire la variabilité des résultats en éliminant celle due aux différences individuelles. Cependant, les données ne sont plus indépendantes, toutefois, on se souvient que la différence entre les deux est distribuée normalement. Nous allons donc recoder linformation de la façon suivante:

Structure du test La moyenne et lécart type sont calculé à partir des différences. Le nombre de dégrées de liberté sera égal au nombre de différence -1.

Pré requis et Postulats Il y a deux variables dépendantes. Il y a deux variables dépendantes. Tous les participants sont mesurés à deux reprises. Tous les participants sont mesurés à deux reprises. Les participants sont sélectionnés aléatoirement. Les participants sont sélectionnés aléatoirement. Les données de la population sont distribuées normalement. Les données de la population sont distribuées normalement.

Exemple On veut mesurer lefficacité dune formation sur le développement de lestimation de soi des maringoins délevage. Pour ce faire, 5 participants ont été sélectionnés aléatoirement de la population des maringoins de Outatouais. Le bonheur de chaque maringoin fut mesuré avant la formation (pré-test). Puis, après 15 séances dune heure, lestime de soi des maringoins fut mesuré de nouveau (post-test). Voici les résultats On veut mesurer lefficacité dune formation sur le développement de lestimation de soi des maringoins délevage. Pour ce faire, 5 participants ont été sélectionnés aléatoirement de la population des maringoins de Outatouais. Le bonheur de chaque maringoin fut mesuré avant la formation (pré-test). Puis, après 15 séances dune heure, lestime de soi des maringoins fut mesuré de nouveau (post-test). Voici les résultats

Exemple

Exemple Comme le |t obs | >t crit (3,615>2,776), on rejette lhypothèse nulle et on accepte lhypothèse alternative. Comme le |t obs | >t crit (3,615>2,776), on rejette lhypothèse nulle et on accepte lhypothèse alternative. Donc, la formation de 15 séances dune heure à permis daugmenter significativement (t(4)=3,615; p 0.05) lestime de soi des maringouins. Donc, la formation de 15 séances dune heure à permis daugmenter significativement (t(4)=3,615; p 0.05) lestime de soi des maringouins.

Intervalles de confiance