Séance 8 30 novembre 2005 N. Yamaguchi

Slides:



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

ANOVA à un facteur (Rehailia)
C1 Bio-statistiques F. KOHLER
Comparaison de plusieurs moyennes observées
Tests de comparaison de pourcentages
Comparaison de plusieurs moyennes Analyse de variance
Comparaison de plusieurs moyennes Analyse de variance
Régression -corrélation
Laboratoire Inter-universitaire de Psychologie Cours 6
Analyse de la variance à un facteur
1 Statistiques Séance 5 – 9 Nov Résumé séance précédente Lécart-type σ ou s. Comment le calculer? Les propriétés numériques de la courbe normale.
Les principaux résumés de la statistique
Plans à groupes indépendants: organisation
Statistiques Séance 9 – 6 décembre 2005 N. Yamaguchi.
La Régression Multiple
Analyse de la variance : ANOVA à un facteur
Howell, Chap. 1 Position générale
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
La méthodologie expérimentale Fondements et bases d’application
L’analyse de variance factorielle
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.
Lanalyse de la covariance. X y ANOVA Lanalyse de la covariance y X ANOVA.
L’analyse de variance à mesures répétées
La corrélation et la régression
Les modèles linéaires (Generalized Linear Models, GLM)
Test de signification d’une ANOVA à deux critères de classification: sans réplication, modèle I, plan factoriel Tester CMeffet sur CMerreur... … mais,
ANOVA à critères multiples
La méthodologie expérimentale Fondements et bases d’application
La méthodologie expérimentale Fondements et bases d’application
Objectifs du chap. 5: Plans de recherche classiques Savoir identifier et distinguer les modes de comparaison des mesures Savoir identifier et distinguer.
Les analyses multivariées
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
La régression multiple
Statistiques Séance 10 N. Yamaguchi.
Méthodes de Biostatistique
Méthodologie expérimentale : l’analyse des données
Master 1 – Sciences du Langage –
BIO 4518: Biostatistiques appliquées Le 4 octobre 2005 Laboratoire 3 ANOVA à un critère de classification.
ANALYSE DE DONNEES TESTS D’ASSOCIATION
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
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.
Statistiques Séance 7 – 23 nov 2005 Master SDL N. Yamaguchi.
1 BIO 4518: Biostatistiques appliquées Le 1er novembre 2005 Laboratoire 7 ANCOVAs (Analyse de covariance)
BIO 4518: Biostatistiques appliquées Les 11 et 18 octobre 2005 Laboratoire 4 et 5 ANOVA à critères multiples.
Statistiques analytiques sous STATA
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)
ATELIERS 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.
JEAN-MARC FONTAN SOC-1101 COURS 4
University of Ottawa - Bio 4118 – Applied Biostatistics © Antoine Morin and Scott Findlay 13/08/2015 6:59 PM Bootstrap et permutations.
Analyse de données avec R
Comparaison de plusieurs moyennes observées
Tests relatifs aux variables qualitatives: Tests du Chi-deux.
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.
Bienvenue au cours MAT-350 Probabilités et statistiques.
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:

Séance 8 30 novembre 2005 N. Yamaguchi Statistiques Séance 8 30 novembre 2005 N. Yamaguchi

Résumé séance précédente Les différents test-t: différence standardisée entre 2 valeurs Test-t univarié Test-t indépendant (=non apparié) Test-t apparié

ANOVA = ANalysis Of VAriance 2ème partie: l’ANOVA ANOVA = ANalysis Of VAriance

Rq terminologique Anova Manova: multiple analysis of variance Ancova: Analysis of Covariance Même chose!!! Même principe!

L’ANOVA à 1 facteur à n niveaux A quoi sert-elle? Permet de comparer au moins 3 groupes de données entre eux. = test-t collectif Pourquoi la variance? Comparer 3 ensembles de données entre elles = comparer la variabilité (la variance) inter-groupe et intra-groupe.

Variance inter et intra-groupe Calcul du rapport entre la variance à l’intérieur de chaque groupe (variabilité entre chaque unité du groupe) et la variance entre chaque groupe indépendant. But: est-ce que le facteur principal (=la variable nominale) a un effet sur la variable dépendante (=les mesures effectuées) inter-sujets?

L’ANOVA à 1 facteur à n niveaux Ou test F. p: capacité de F à être obtenue par le hasard. Test paramétrique: variance intra-groupe homogène, distributions de chq groupe «normales » Analyse factorielle

Procédure Même chose que pour test-t indépendant pour rentrer les données. Exemple: déterminer si le nombre de couleurs utilisées par des enfants varie avec l’âge. Variable mesurée? (dépendante) Facteur? (variable indépendante)

Procédure 1. A gauche: ANOVA > Tableau ANOVA + Tableau des moyennes + Graphique des interactions 2. Menu Analyse > ANOVA > ANOVA

Les résultats Tableau ANOVA: analyse de variance proprement dite : l’effet global. Sources de la variabilité: Variable indépendante sur variabilité intra-groupe: taille des carrés moyens F élevée Tableau des moyennes: M, E.T et erreurs-types de chq groupe.

Les résultats (suite) Graphique: barres d’erreur (Editer analyse). Nombre de couleurs moyen par groupe.

Test a posteriori : PLSD de Fisher Uniquement si effet du facteur principal!!! Compare les groupes 2 à 2: contribution à l’effet global = comparaisons analytiques. Signalement par un « S ». Cf exemple des couleurs. Présenter les résultats et la conclusion

L’ANOVA à 1 facteur avec mesures répétées Cf le test-t apparié Comparer plusieurs M: mêmes sujets dans des conditions différentes. Facteur intra-sujets = les différentes conditions Facteur inter-sujets = les caractéristiques des ≠ sujets

Exemple et procédure Données: 1. créer les 3 colonnes correspondant à chaque modalité du facteur. 2. compacter et nommer le facteur Résultats: Passer par la gauche (tableau d’ANOVA, moyennes, graphe) Attention!!! Cocher « Mesures répétées» !!!!! Ou: Menu > ANOVA à mesures répétées!

Résultats Pas de tests a posteriori Effet global (tableau ANOVA): Variance inter-sujets Variance associée aux conditions (« treatments ») Résidus 10 = (6-1)(3-1) F (2,10)= Ne pas oublier la conclusion

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