L’analyse de variance à mesures répétées

Slides:



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

ANOVA à un facteur (Rehailia)
Statistique, licence Sixième séance.
Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et.
C1 Bio-statistiques F. KOHLER
Comparaison de deux moyennes observées
Inférence statistique
Comparaison de plusieurs moyennes observées
Comparaison de plusieurs moyennes Analyse de variance
1. Les caractéristiques de dispersion. 11. Utilité.
Comparaison de plusieurs moyennes Analyse de variance
Régression -corrélation
Laboratoire Inter-universitaire de Psychologie Cours 6
Situation d ’usage: Une VI à deux niveaux ou plus
Plans à groupes indépendants: organisation
Analyse de la variance : ANOVA à un facteur
Régression linéaire simple
Objectifs du chapitre 12: Interprétation des résultats
L’Analyse de Variance 2 L’ANOVA 2 fixe à r répétitions
Corrélation et régression linéaire simple
L’Analyse de Variance 1 Généralités Le modèle Calculs pratiques
Régression linéaire (STT-2400)
Une observation par cellule facteurs fixes versus facteurs aléatoires.
Analyse de la covariance
Analyse de la variance multivariée
L’analyse de variance factorielle
La corrélation et la régression multiple
La corrélation et la régression
Le test t. Procédure de linférence statistique 1. Contexte théorique 2. Hypothèses 3. Seuil de signification et puissance 4. Taille de leffet 5. Collecte.
Le test t.
L’analyse de variance.
La puissance statistique
La puissance statistique
Lanalyse de la covariance. X y ANOVA Lanalyse de la covariance y X ANOVA.
La corrélation et la régression
Les modèles linéaires (Generalized Linear Models, GLM)
Analyse de variance à un critère de classification (ANOVA)
Test de signification d’une ANOVA à deux critères de classification: sans réplication, modèle I, plan factoriel Tester CMeffet sur CMerreur... … mais,
Structure discriminante (analyse discriminante)
Objectifs: Etudier l’hétérogénéité des caractères au sein de la composante environnementale de la variance résiduelle Pour cela on tente de minimiser les.
Les analyses multivariées
Analyse factorielle de variance: Principes d’expérimentation
STT-3220 Méthodes de prévision Section 2 Modèle avec deux variances inconnues: Méthode reposant sur un test préliminaire Version: 21 janvier 2008.
Régression linéaire (STT-2400)
Méthodes de Biostatistique
Méthodologie expérimentale : l’analyse des données
Howell Chap. 11: ANOVA. Du monde connu au monde inconnu Du test t à l’analyse de varianceDu test t à l’analyse de variance Trouvez des nouveaux noms pour.
N. Yamaguchi1 Statistiques Séance 6 – 16 Nov 2005.
M2 Sciences des Procédés - Sciences des Aliments
Séance 8 30 novembre 2005 N. Yamaguchi
Comment prend-t-on une décision?
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.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :52 1 Comparaisons multiples Ce qu’elles sont.
Analyse de variance à un critère de classification (ANOVA)
Test.
Méthode des moindres carrés (1)
Probabilités et Statistiques
Test de signification d’une ANOVA à deux critères de classification: sans réplication, modèle I, plan factoriel Tester CMeffet sur CMerreur... … mais,
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :34 1 Les modèles linéaires (Generalized Linear.
1 Licence Stat-info CM5a 2004 V1Christophe Genolini Problème Détection d’un phénomène particulier : –Flûtiste exceptionnelle ou moyenne –Groupe de TD super.
STATISTIQUES.
Comparaison de plusieurs moyennes observées
Corrélation et régression linéaire Mars Modèles de régression  Réponses aux questions du type: ‘Quelle est la nature de la relation entre les variables?’
Test.
Test.
test
TEST.
Test test.
Transcription de la présentation:

L’analyse de variance à mesures répétées

ANOVA à mesures répétées Utilité: Lorsque des participants sont mesurés à plusieurs reprises (2 et +)

Exemple L’effet d’une technique de relaxation sur les migraines. groupe 1: semaine 1 groupe 2: semaine 2 groupe 3: semaine 3 groupe 4: semaine 4 groupe 5: semaine 5 Hypothèses:

Variance En ANOVA simple, la séparation des sommes de carrés (variation) est faite selon: Variation totale = inter groupe + intra groupe On utilisant les même sujets on arrive à séparer la variation intra groupe en variation inter sujets et en variation intra sujets. Par conséquent, la nouvelle séparation est alors : Variation totale = inter groupe + (inter sujets + intra sujets)

Variance (ANOVA simple) Y = total e = erreur a c = condition

Variance (ANOVA à mesures répétées) Y = total Inter sujet Intra sujet b e a c = condition

F a (k-1, (n-1)(k-1)) = test critique Table d’ANOVA F a (k-1, (n-1)(k-1)) = test critique

Données Est-ce que les différences entre les moyennes est la conséquence d’un effet de traitement? Ou est-ce uniquement de l’erreur ?

Analyses descriptives

Postulats Assignation au hasard Symétrie composée: Les variances sont similaires (homogénéité des variances) et les covariances sont similaires (homogénéité des covariances) Matrice variances/covariances

Postulats Symétrie composée (suite) Si le postulat de symétrie composée n’est pas respecté, il faut voir la sphéricité. Si le postulat de symétrie composée est rencontré alors la sphéricité est aussi rencontré (le contraire n’est pas vraie). Sphéricité: les variances des différences entre chacun des traitements sont similaires.

Postulats Sphéricité (suite) Il existe le test de Mauchly pour tester la sphéricité, cependant ce test n’est pas très robuste. Par conséquent, il vaut mieux utiliser les corrections. Greenhouse-Geiser Huynh-Feldt Donc, au lieu d’utiliser un F avec dl1= k-1 et dl2=(n-1)(k-1) on va utiliser un F avec dl1=(k-1)e et dl2=(n-1)(k-1)e. Où e (epsilon) est donné par les différentes corrections. (note: si e<0.7, le postulat de sphéricité n’est pas rencontré)

Résultat

Résultat

Analyse de tendance Est-ce qu’un polynôme permet de décrire la relation ? Linéaire: y = mx+b

Analyse de tendance Est-ce qu’un polynôme permet de décrire la relation ? Quadratique: y = m1x+m2x2+b

Analyse de tendance Est-ce qu’un polynôme permet de décrire la relation ? Cubique: y = m1x+m2x2+m3x3+b

Analyse des contrastes Comme d’habitude Si le nombre de contrastes est plus grand que k-1 Dunn/Sidák Bonferroni