Tests d’hypothèse Tests de conformité Tests d’égalité

Slides:



Advertisements
Présentations similaires
Intervalles de confiance
Advertisements

Intervalles de confiance
Introduction à l’analyse
Introduction aux statistiques Intervalles de confiance
L’échantillonnage & Ses Fluctuations
Comparaison d’une moyenne observée à une moyenne théorique
ANOVA à un facteur (Rehailia)
TESTS RELATIFS AUX CARACTERES QUANTITATIFS
Inférence statistique
C1 Bio-statistiques F. KOHLER
Comparaison de deux moyennes observées
Inférence statistique
Situation du problème :
Faculté de médecine de Nancy - SPI-EAO - Pr. F. KOHLER
Comparaison d'une distribution observée à une distribution théorique
Comparaison de deux pourcentages observés
Comparaison de plusieurs moyennes observées
Tests non paramétriques
Variable aléatoire, estimation ponctuelle et par intervalle
Tests de comparaison de pourcentages
Comparaison de plusieurs moyennes Analyse de variance
Tests non paramétriques de comparaison de moyennes
Les tests d’hypothèses
Comparaison de plusieurs moyennes Analyse de variance
Régression -corrélation
Analyse de la variance à un facteur
Tests de comparaison de moyennes
Tests de comparaison de moyennes
Méthodes de Biostatistique
Analyse de la variance : ANOVA à un facteur
Nombre de sujets nécessaires en recherche clinique
Régression linéaire simple
Test 2.
L’Analyse de Variance 1 Généralités Le modèle Calculs pratiques
1.Un rang de données multicolores 2. Deux permutations des n premiers entiers 3. b permutations des k premiers entiers 4. Choix de n points dans [0,1]
La corrélation et la régression
Le test t.
La corrélation et la régression
Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :47 1 Concepts fondamentaux: statistiques et distributions.
Les modèles linéaires (Generalized Linear Models, GLM)
Corrélation Principe fondamental d’une analyse de corrélation
Comparaison de deux échantillons
Théorie… Inférence statistique: étude du comportement d’une population ou d’un caractère X des membres d’une population à partir d’un échantillon aléatoire.
Objectifs du chapitre sur le khi-carré (χ2)
Loutil statistique les mesures de tendance centrale Auto-évaluation.
Les intervalles de confiance pour la moyenne d’une population
ORGANIGRAMME-MÉTHODES STATISTIQUES-COMPARAISONS DE MOYENNES
Régression linéaire multiple : hypothèses & tests. Partie 3.
Statistiques Séance 10 N. Yamaguchi.
Méthodes de Biostatistique
Méthodes de Biostatistique
1 Introduction à la théorie des tests. 2 Plan I- choix entre 2 paramètres de tendance centrale Choix entre 2 proportions pour un caractère qualitatif.
ESTIMATION 1. Principe 2. Estimateur 3. Distribution d’échantillonnage
Rappels de statistiques descriptives
PRINCIPE DES TESTS D’HYPOTHÈSE
TESTS NON PARAMETRIQUES
Statistiques analytiques sous STATA
STATISTIQUE INFERENTIELLE LES TESTS STATISTIQUES
1 Licence Stat-info CM4a 2004 V2Christophe Genolini Égalité des variances Une des conditions pour utiliser T est l’égalité des variances s APA  s MS On.
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.
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.
Introduction aux statistiques Intervalles de confiance
Chapitre 6 Les tests d ’ hypoth è se 1 – Comparer des moyennes ou des proportions.
Chapitre 6 Les tests d ’ hypoth è se 2 – Les tests du  2 (chi 2)
Notions de statistiques et d’analyse de données Master 1 MGS – Sarah MISCHLER –
Transcription de la présentation:

Tests d’hypothèse Tests de conformité Tests d’égalité Tests d’ajustement Tests d’indépendance

Tests de conformité A. Conformité d’une moyenne à une valeur donnée Ho : m = m0 Ha : m ≠ m0 1) 2 inconnue et n ≥ 30 Sous Ho : On remplace 2 par Donc : mais n est grand

Tests de conformité On compare εobs à ea 1-a a/2 -ea ea ea 1-a a/2 -ea On compare εobs à ea εobs > ε : Ho rejetée, risque  εobs < ε : Ho acceptée, risque 

Tests de conformité A. Conformité d’une moyenne à une valeur donnée 2) 2 inconnue n < 30 et X normale Sous Ho : On calcule et on compare à tn-1,

Tests de conformité A. Conformité d’une moyenne à une valeur donnée 2) 2 inconnue n < 30 et X normale Exemple: Dix répétitions d’un dosage d’une solution d’adénine au spectrophotomètre: moyenne=88, variance = 205. Peut-on considérer que la solution initiale était titrée à 80? t9, 0,05= 2,262

Tests de conformité B. Conformité d’une proportion à une valeur donnée Ho : p = p0 Ha : p ≠ p0 Si np et n(1-p) ≥ 5, alors Sous Ho : Calculer et comparer à ea

Tests de conformité B. Conformité d’une proportion à une valeur donnée Les affections cardio-vasculaires sont-elles plus fréquentes chez les sujets atteints du cancer des bronches que dans la population générale? Population générale: 7% d’affections cardio-vasculaires. Dans un hôpital, parmi 1600 patients atteint d’un cancer des bronches, 160 ont aussi des affections cardio-vasculaires.

Tests de conformité B. Conformité d’une proportion à une valeur donnée Les affections cardio-vasculaires sont-elles plus fréquentes chez les sujets atteints du cancer des bronches que dans la population générale? Population générale: 7% d’affections cardio-vasculaires. Dans un hopital, parmi 1600 patients atteint d’un cancer des bronches, 160 ont aussi des affections cardio vasculaires. Ho : p = p0 Ha : p > p0 ea (0,05, unilatéral) = 1,645

Tests d’égalité Egalité entre deux moyennes Ho : m1 = m2 Ha : m1 ≠ m2 1) 2 inconnues n1 et n2 ≥ 30 Sous Ho : Calculer et comparer à ea

Tests d’égalité Egalité entre deux moyennes 2) 2 inconnue n1 et n2 < 30 et X normale Conditions : - X suit une loi normale - Comparaison de deux variances : test d’homoscédasticité de Fisher Ho : Ha : tel que > 1 Sous Ho : Si Ho acceptée :

Tests d’égalité Egalité entre deux moyennes Alors, sous Ho : Calculer 2) 2 inconnue n1 et n2 < 30 et X normale Alors, sous Ho : Calculer avec et comparer à

Tests d’égalité Egalité entre deux moyennes 3) Si n1 ou n2 < 30 et X non normale ou si Test non paramétrique de Mann-Whitney-Wilcoxon

Tests d’égalité Egalité entre deux proportions Ho : p1 = p2 = p Ha : p1 ≠ p2 Si np et n(1-p) ≥ 5, alors Sous Ho : Calculer en estimant p par et comparer à ea

Tests d’ajustement A. ajustement à une distribution donnée Ho : distribution observée conforme à la distribution théorique Ex : X : N(m,s) ?? Classe Effectif observé (somme = n) Effectif théorique (somme = n) ]-,x1[ n1 t1 [x1,x2[ n2 t2 … i ni ti k nk tk

Tests d’ajustement Calcul des effectifs théoriques : Statistique : Sous Ho et si ti ≥ 5: m : nombre de paramètres de la distribution théorique estimés dans l’échantillon Donc :

Effectif théorique (somme = n) Tests d’ajustement Exemple L’indice céphalique dans une population suit-il une distribution normale d’espérance 74,34 et d’écart-type 3,22 ? Classe ni Effectif théorique (somme = n) X ≤ 75 250 t1 75 < X ≤ 80 200 t2 X > 80 50 t3 n = 500

Tests d’ajustement Exemple = 500 * 0,5793 = 289,7

Effectif théorique (somme = n) Tests d’ajustement Exemple Classe ni Effectif théorique (somme = n) X ≤ 75 250 289,7 75 < X ≤ 80 200 190,7 X> 80 50 19,6 ddl = 3-1 = 2 Ho rejetée: X ne suit pas la loi proposée

Tests d’indépendance Indépendance de deux caractères Ho : les deux caractères sont indépendants Ha : les deux caractères ne sont pas indépendants A1 A 2 … A i… A k B1 n11 B2 … Bj nij Bp

Tests d’indépendance Indépendance de deux caractères Calcul des effectifs théoriques sous Ho : Sous Ho et si tij ≥ 5 : Soit :

Tests d’indépendance Exemple Le fait d’être malade est-il indépendant du fait de fumer ? t11 = 525*200/975 = 107,69 C2 = (78-107,69)2/107,69+… = 22,315