10. Tests non paramétriques
Ce sont des tests de comparaison de moyennes. Lorsque les échantillons peuvent être considérés indépendants on applique le test de Mann et Whitney pour 2
Les tests statistiques dits ”non paramétrique”
Les tests non paramétriques que nous allons aborder dans ce cours. • Comparer deux échantillons non appariés : test de. Wilcoxon-Mann-Whitney.
Quelques mots sur les tests non paramétriques
Panorama de quelques tests statistiques. Type de test. Test paramétrique. Test non paramétrique. Comparaison de populations les.
Les principaux tests non paramétriques. Quelques généralités et
ple : Calcul par William Petty de la population des grandes villes euro- MUNTER - Consistance de tests non paramétriques pour la comparaison d'é-.
Les principaux tests non paramétriques. Quelques généralités et
ple : Calcul par William Petty de la population des grandes villes euro- MUNTER - Consistance de tests non paramétriques pour la comparaison d'é-.
Quelques tests non paramétriques
th~èse sur la distribution dans cette population alors que les tests classiques de comparaison de A. Comparaison de deux échantillons de n observations.
Quelques tests non paramétriques
th~èse sur la distribution dans cette population alors que les tests classiques de comparaison de A. Comparaison de deux échantillons de n observations.
Premi`eres notions de satistique Introduction aux tests statistiques
Tests non paramétriques. Une ? Deux ? Plusieurs populations ? • Si on ne dispose que d'une seule population on compare en général.
Chapitre 2 Comparaisons de deux distributions
Les tests non paramétriques de (Wilcoxon) Mann-Whitney et de Wilcoxon (ou On étudie deux populations P1 et P2 et deux variables qui représentent le même ...
Diapositive 1
Une question récurrente dans la comparaison de deux « moyennes » est la 2) On ne vérifie pas la normalité et on utilise un test non paramétrique.
Tests paramétriques vs non paramétriques - Ellistat
aléatoire Xétudiée est normale dans les populations considérées (hormis pour la conformité ou la comparaison de moyennes sur de grands échantillons) Cette condition n'étant pas toujours satisfaite on étudie maintenant des tests qui sont alablesv même quand la loi de X n'est pas normale Ce sont des tests de comparaison de moyennes
Les tests statistiques
Tout une histoire de paramètres et de
distributions n = 1000 observationsHauteur du Sapin de Douglas
(Pseudotsuga menzii ) (m)Fréquence
n = 10 observationsPlane (Acer platanoides) (mm)
Fréquence
Peut- des paramètres de moyenne (m) et de variance (2)?N(m, )
m m + 68%Retour sur les conditions à respecter pour les
Dans le cas de comparaisons de moyennes issues
de plusieurs échantillons (test tde Student par exemple), les variances entre échantillons doiventêtre identiques
Homoscedasticité
moyenne ȝNormalité
être indépendantes : tirage aléatoire avec remise ou sans remise dans une population de grande tailleIndépendance
Une mécanique basée sur les rangs des
observations Contrairement aux test statistiques paramétriques qui se basent sur les valeurs des observations et la notion de barycentre (moyenne des observations), les tests non paramétrique se basent sur les rangs des observations et somme des rangs)Plane (Acer platanoides) (mm)
Fréquence
Valeurs des observations :
(32 ; 40 ; 40 ; 41; 42 ; 42 ; 42 ; 43 ; 43 ; 44)Moyenne des observations = 40.9
Rangs des observations :
(1 ; 2 ; 3 ; 4 ; 5 ; 6 ; 7 ; 8 ; 9 ; 10)Somme des rangs = 55
Il existe une grande diversité de tests non
paramétriques qui sont généralement deséquivalents de tests paramétriques
Pour des variables mesurées de manière
quantitative (données continues ou ordinales) Tester les valeurs douteuses dans un échantillon : test de Dixon test de WilcoxonNormale : test de Kolmogorov-Smirnov
1 échantillon
Comparer la distribution de deux échantillons non appariés : test de Wilcoxon-Mann-WhitneyComparer la distribution de deux échantillons
appariés : test de Wilcoxon apparié2échantillons
Comparer la distribution de plusieurs échantillons non appariés : test de Kruskal-Wallis Comparer la distribution de plusieurs échantillons appariés : test de Friedman + de 2 échantillonsPour des variables mesurées de manière
qualitative (données de catégories) binomiale : test binomial1 échantillon Comparer la distribution de deux échantillons non appariés : test du Chi2Comparer la distribution de deux échantillons
appariés : test de McNemar2échantillons
Comparer la distribution de plusieurs échantillons non appariés : test du Chi2 Comparer la distribution de plusieurs échantillons appariés : test de Cochran + de 2 échantillonsLes tests non paramétriques que nous allons
aborder dans ce cours Comparer deux échantillons non appariés : test deWilcoxon-Mann-Whitney
test t deStudenten paramétrique
Comparer deux échantillons appariés : test deWilcoxon apparié
test t deStudent appariéen paramétrique
Données
quantitatives : 2échantillons
Comparer plusieurs échantillons non appariés : test de Kruskal-Wallis varianceen paramétriqueDonnées
quantitatives : + de 2échantillons
Test de Wilcoxon-Mann-Whitney
Comparer la distribution de deux échantillons non appariés pour une variable quantitative : test deWilcoxon-Mann-Whitney (Wilcoxon rank-sum test)
Frank Wilcoxon
(1892-1965) 19451947
Test de Wilcoxon-Mann-Whitney
même population ou bien de deux populations différentes vis-à-vis de la variable étudiée H0 : les deux échantillons appartiennent à la même population H1 : les deux échantillons sont issus de deux populations différentesNB : H0 et H1 qui
et non pas sur un paramètre bien spécifique de moyenne par exemple test de comparaison de moyennes de Student) -on déceler une différence entre les paramètresde moyennes estimées m1et m2à partir de deux échantillons non appariés et si oui, alors les moyennes réelles ȝ1 et ȝ2Test de Wilcoxon-Mann-Whitney
µ1µ2
La moyenne mestimée
nous informe sur la moyenne ȝréelle m1m2Population 1Population 2
La moyenne ȝréelle
nous informe sur la populationEchantillon 1Echantillon 2
-Mann-Whitney fonctionne ainsi :Somme des rangs
Somme des rangs
Classement
des observations après rassemblement deséchantillons 1 et 2
Test de Wilcoxon-Mann-Whitney
En non paramétrique, la philosophie du test est différente :Echantillon 1Echantillon 2
Population 1Population 2
Test de Wilcoxon-Mann-Whitney
Rappel: dans le cadre paramétrique du test de comparaison de moyenne de conclure que les deux échantillons sont rigoureusement identiques et issus homoscedasticité Pourquoi: car deux échantillons ayant la même moyenne peuvent avoir des variances totalement différentes et donc provenir de deux populations distinctesDiamètre du Sapin pectiné
(Abies alba) (cm)Diamètre du Sapin pectiné
(Abies alba) (cm)Test de Wilcoxon-Mann-Whitney
Le test non paramétrique de Wilcoxon-Mann-Whitney ne fait aucune hypothèseCe type de test est fortement
recommandé quand les échantillons sont de petites tailles car la variance est de plus en plus variable, même pour des échantillons issus de la même population N(m, )Par conséquent, le risque de ne pas
variances en paramétrique augmenteOn dispose de deux échantillons
(mâles et femelles) de Souris desCactus (Peromyscus eremicus), dont
on a mesuré le poids (g) chezTest de Wilcoxon-Mann-Whitney
Q : la population de souris femelles (F) est-elle
significativement différente de celle des souris mâles (M) de par leur poids (cf. dimorphisme sexuel)? Si oui, avez vous une hypothèse a priori sur le sens de la différence?Echantillon femelle (n = 6) :
24 ; 30 ; 30 ; 30 ; 38 ; 40
Echantillon mâle (n = 4) :
20 ; 24 ; 26 ; 28Q : quelles sont les hypothèses H0 et H1 que
vous allez formuler pour cet exemple?Test de Wilcoxon-Mann-Whitney
remplies, quel type de test utiliseriez vous? Q : sommes-nous réellement dans ce cas de figure? H1 : mâles et femelles ont des poids différentsRéalité #2 sous
hypothèse NormaleRéalité #3 sous
hypothèse NormalePoids (g)Poids (g)Poids (g)
Réalité #1 sous
hypothèse NormaleH0 : mâles et femelles ont le même poids
Test de Wilcoxon-Mann-Whitney
Pour plus de robustesse, on utilise le test non paramétrique de Wilcoxon sur échantillons non appariés encore appelé test de Mann- Whitneysuivant la manière dont on calcul les rangs pour chaqueéchantillon
pourrait éventuellement utiliser un test paramétrique du type test tde Student R : étant donné la taille de nos échantillons mâle et femelle, leurs variancesPoids (g)
Suivant le test de Fisher :
H0 : 2(F) = 2(M)
H1 : 2(F) 2(M)
Var(F) = 35.2
Var(M) = 11.7
Fobs= 35.2/11.7 = 3.0 < Fcrit(0.05, 5, 3) = 9.0
On ne rejette pas H0
Poids20242628303840
M1111 F1311M+F1211311
Poids20242628303840
M1111 F1311M+F1211311
Rang12
3 4567 8 910
Poids20242628303840
M1111 F1311M+F1211311
Rang12
3 4567 8 910
Rang moyen
12.5457910
Poids20242628303840
M1111 F1311M+F1211311
Rang12
3 4567 8 910
Rang moyen
12.5457910
Rang(M)12.545
Rang(F)2.521910
Test de Wilcoxon-Mann-Whitney
T(M) = 1 + 2.5 + 4 + 5 = 12.5
T(F) = 2.5 + 21 + 9 + 10 = 42.5
Méthode de calcul des rangs T(M) et T(F) selon Wilcoxon :M20242628Tot
F243030303840
M20242628Tot
F243030303840
1+ 1 + 1 + 1 + 15
M20242628Tot
F243030303840
1+ 1 + 1 + 1 + 15
1+ 1 + 1 + 1 + 15
quotesdbs_dbs22.pdfusesText_28[PDF] Guide du déposant - ANR
[PDF] Appel ? projets générique 2017 - ANR
[PDF] - 1 - Sélection de la thématique ou le « Défi de tous les savoirs » - 2
[PDF] Premiers résultats de l 'appel ? projets générique 2017 - ANR
[PDF] Plan d 'action 2018 - ANR
[PDF] Appel ? projets générique - ANR
[PDF] appel a projets generique - ANR
[PDF] Plan d 'action 2017 - ANR
[PDF] rapport annuel - L anrt
[PDF] ANSD-AOÛT 2015
[PDF] Décision du 11/05/2017 portant suspension des essais - Ansm
[PDF] TOEIC Listening and Reading Examinee Handbook - ETS
[PDF] Plaquette ANTAGENE
[PDF] iec