Chapitre 3 - Comparaison de plusieurs moyennes pour des
tests t − Student de comparaison de deux moyennes ... Remarque 11 : Le rejet de l'égalité des moyennes ne permet pas de savoir quelles sont les moyennes.
Quelques tests de comparaison en paramétrique
tests de comparaisons d'une moyenne observée à une moyenne théorique ne nécessitent aucune ... ➢ On augmente le risque de rejeter H0 (égalité des moyennes entre.
: tdr31p ————— Comparaisons de deux moyennes avec le test
Cette fiche donne un exemple simple complet et reproductible d'un test de comparaison de deux moyennes avec le test t de Student.
Tests paramétriques de comparaison de 2 moyennes
La variance comme la moyenne
Global Strategy to Improve Agricultural and Rural Statistics
Pour cet exercice assurez-vous que l'utilitaire d'analyse (Toolpak) est activé dans Excel. • Nous commençons par le test d'égalité des espérances (T-test)
Récapitulatif des conditions dapplication des tests de comparaison
: moyennes des observations des échantillons; S1 S2: estimations de l'écart Test F d'égalité des variances. Statistique T=f(S) suit loi de Student à n1+ ...
Les tests statistiques dits ”non paramétrique”
qui n'est autre que le test de comparaison de moyennes de Student). • L'équivalent utilise l'équivalent paramétrique de ce test (l'égalité des variances étant.
Comparaison de moyennes Tests visant à mettre en évidence une
7 oct. 2020 ... égalité des moyennes par le test de Student d`es que l'intervalle de confiance `a 95% sur la différence entre les 2 moyennes ne contient pas ...
Test de comparaison de deux proportions
Cet article est la suite de l'article Tests statistiques avec une calculatrice ou Geogebra dans lequel nous avions abordé les tests de conformité d'une
SOLUTIONNAIRE : LOGICIELS STATISTIQUES EXERCICES
La sortie EXCEL pour ce test est la suivante : Test d'égalité des espérances: observations pairées. Score. Norme. Moyenne. 773333333.
STATISTIQUES IUT DEUXIEME PARTIE
Ce test est utilisé pour comparer deux moyennes de grandeurs de même nature et exprimées égalité à l'aide d'un test de Fisher-Snédécor (voir page 56).
Récapitulatif des conditions dapplication des tests de comparaison
tests de comparaison de fréquences et de moyennes et des tests d'indépendance. Unité d'enseignement STA 109. CNAM. Chaire de Statistique Appliquée.
Quelques tests de comparaison en paramétrique
est de petite taille (n ? 30) les tests de comparaisons d'une moyenne On augmente le risque de rejeter H0 (égalité des moyennes entre.
Test de comparaison de deux proportions
Cet article est la suite de l'article Tests statistiques avec une calculatrice ou Geogebra dans lequel nous avions abordé les tests de conformité d'une
Chapitre 3 - Comparaison de plusieurs moyennes pour des
On fait passer le même test de logique (noté sur 100) aux trois échantillons d'élèves. – Population : élèves de troisième qui font leurs études dans trois pays
Tests statistiques élémentaires
Comparaison de ?1 et ?2. Il est utile de tester l'égalité de deux variances. H0 : ?1 = ?2 préalablement au test d'égalité des moyennes. La statistique.
Cours 10 Test de comparaison de moyennes
22-Nov-2011 Nombre de groupes à comparer? Critère paramétrique. Les postulats d'utilisation sont respectés. Tests paramétriques. Tests ...
Tests de comparaisons proportions
Tests de comparaisons proportions. Yohann.Foucher@univ-nantes.fr. Equipe d'Accueil 4275 "Biostatistique recherche clinique et mesures subjectives en.
Chapitre 5 - Tests de comparaison de deux moyennes.
Dans ce cas on se ramène à un test de confor- mité de la moyenne des différences D = Y ? X à une valeur théorique (souvent 0). – soit les deux échantillons
[PDF] COMPARAISON DE DEUX MOYENNES - R2MATH
9 fév 2000 · On peut également tester leur égalité Quels cas sait-on traiter dans le cadre des tests paramétriques ? • Cas où les populations sont
[PDF] Tests statistiques élémentaires
Comparaison de ?1 et ?2 Il est utile de tester l'égalité de deux variances H0 : ?1 = ?2 préalablement au test d'égalité des moyennes La statistique
[PDF] Quelques tests de comparaison en paramétrique - Jonathan Lenoir
Comparaison de deux moyennes observées Quelques tests de comparaison en paramétrique 3 1 Échantillons indépendants 3 1 1 Les deux variances ne sont pas
[PDF] Tests paramétriques de comparaison de 2 moyennes
La variance comme la moyenne est un paramètre caractérisant la distribution d'une variable Distributions très différentes bien que les moyennes soient égales
[PDF] STATISTIQUE : TESTS DHYPOTHESES
Les plus connus sont certainement les tests portant sur la moyenne la variance ou sur les proportions On connaît la loi théorique en général la loi normale
[PDF] L2 - Trois exercices sur les tests paramétriques de comparaison
Cette feuille d'exercices comporte en vérité quatre type d'exercices : comparaison de proportions comparaison d'écart- types comparaison de moyennes pour
[PDF] Comparaison de deux moyennes
III- Comparaison de deux variances ? Test F de Snedecor Test Z (? ) ou de l'écart M : moyenne inconnue de la population d'où est issu l'échantillon
[PDF] Analyse de la variance ANOVA
Test d'égalité des k effets Comparaison de moyennes 1 Analyse de variance `a un facteur 2 Tests d'hypoth`eses Tableau d'analyse de variance
[PDF] Tests de comparaison
Récapitulatif des conditions d'application des tests de comparaison de fréquences et de moyennes et des tests d'indépendance Unité d'enseignement STA 109
[PDF] Comparaison des moyennes de deux populations normales décarts
On désire tester (sur échantillons) l'hypothèse d'égalité des moyennes : (H) : ' m1 - m 2 Il - PRINCIPE DU TEST Sous des réserves très larges - en ce
Quel test pour comparer des moyennes ?
L'ANOVA est un test statistique qui généralise le test t ? Student au cadre de comparaisons de plusieurs moyennes. On l'applique dès lors que l'on étudie les effets d'une ou plusieurs variables qua- litatives sur une variable quantitative.Quand utiliser le test z ?
On utilise :
1le test t de Student si on ne connaît pas la vraie variance des populations dont sont extraits les échantillons ;2le test z si on connaît la vraie variance ?² de la population.Comment choisir H0 et H1 ?
Les formulations pour l'hypoth`ese alternative H1 sont : 1. H0 : µ = ? (ou µ ? ?) et 2. H0 : µ = ? (ou µ ? ?) H1 : µ<? H1 : µ>? (unilatéral `a gauche). (unilatéral `a droite).Déroulement du test :
1on calcule la moyenne observée : ¯x=x1+?+xnn. 2on calcule l'écart-type débiaisé : s2=(x1?¯x)2+?+(xn?¯x)2n?1. 3on calcule l'écart du test : t=¯x?m0s×?n. 4on cherche l'écart critique ta dans la table de la loi de Student avec n?1 degrés de liberté.
SOLUTIONNAIRE : LOGICIELS STATISTIQUES
EXERCICES
(1) Un "chasseurs de têtes1" a comme mission de trouver des candidats pour combler un postedans une entreprise spécialisée dans la prospection de pétrole. Pour sélectionner les candidats
qui n'occupent pas déjà un poste équivalent dans le domaine, un questionnaire est envoyé à tous les candidats potentiels. Or on croit qu'un bon candidat aura une moyenne de 80 àce questionnaire. Pour valider cette hypothèse une enquête est menée auprès des personnes
occupants un poste équivalent. Voici les résultats pour cet échantillon : Peut-on dire au niveau 5% que les candidats ayant les capacités requises ont un score moyen de 80 à ce test ? (Faire le test avec Excel)On veut confronter les hypothèses suivantes
H0:µ= 80
H1:µ6= 80
au niveau 5%. On utilise le test de comparaison d'observations pairées et le test est de rejeterH 0si valeurs sont approximativement normales.La sortie EXCEL pour ce test est la suivante :
Test d'égalité des espérances: observations pairéesScore Norme
Moyenne 77,3333333 80
Variance 55,6666667 0
Observations 15 15
Coefficient de corrélation de Pearson #DIV/0!
Différence hypothétique des moyennes 0
Degré de liberté 14
Statistique t -1,38425708
P(T<=t) unilatéral 0,0939745
Valeur critique de t (unilatéral) 1,76131012
P(T<=t) bilatéral 0,187949
Valeur critique de t (bilatéral) 2,14478668
On observebα= 0.188pour un test bilatéral donc il faut accepterH0au niveau 5%. On peut dire que la moyenne du score à ce test pour ceux qui ont les qualifications pour remplir ce poste est effectifement de 80. Remark 1Avec les informations données dans ce problème il n'est pas possible de faire un test1Les chasseurs de têtes ont pour mission de trouver des candidats pour combler un poste au sein d'une entreprise.
Habituellement les postes à combler demandent des qualifications spéciales et les candidats sont peu nombreux et
surtout très en demande.bilatéral : rien dans les données du problème permet de dire qu'un score plus élevé permet de
sélectionner des candidats plus "adéquats". De plus, la question est de savoir si les candidats
parfaitement adaptés ont un score de 80, rien de plus.(2) Sur un sac de pétoncles U-10 préemballés, il est mentionné 330 g. Pour vérifier les dires du
fabriquant on prend un échantillon de 25 sacs et on pèse exactement le contenu. Voici les valeurs observées :327 335 327 330 324 331 319 332 341 334
338 327 326 325 329 331 324 330 333 333 326 334 344 320 330
Peut-on dire, en moyenne, que la quantité inscrite est la bonne au niveau 5% ? (faire le test avec EXCEL)On veut confronter les hypothèses
H0:µ= 330
H1:µ6= 330
Le niveau choisi est deα= 5%.
Le test est celui de Student pour un échantillon (commande "échantillons pairés" de EXCEL). On doit alors supposer que les valeurs sont approximativement normales. La sortie EXCEL donne Test d'égalité des espérances: observations pairéesVariable 1 Variable 2
Moyenne330 330
Variance35 0
Observations25 25
Coefficient de corrélation de Pearson #DIV/0!
Différence hypothétique des moyennes 0
Degré de liberté 24
Statistique t0
P(T<=t) unilatéral 0,5
Valeur critique de t (unilatéral) 1,71088207
P(T<=t) bilatéral 1
Valeur critique de t (bilatéral) 2,06389855
Remark 2Le cas ici est très particulier et extrêmement rare puisque la valeur observée est EX-
ACTEMENT égale à la valeur supposée selonH0. Comme le principe du test est de considérerH0
vraie a priori et de la rejeter si les observations la rende "ridicule" il est tout à fait raisonnable
de la conserver.(3) Dans un bureau de vérification comptable, on cherche à comparer la productivité des femmes
par rapport à celle des hommes dans le traitement des dossiers de vérification. Voici le nombre
de dossiers vérifié en une semaine par un échantillon de 11 femmes8,16,17,8,14,16,10,16,6,9,9
et le nombre vérifier par un échantillon de 12 hommes10,8,7,5,9,10,8,3,5,7,6,10
Comparer la productivité moyenne au niveau 5% à l'aide de Excel. On veut confronter les hypothèsesH0:µH=µFcontreH1:µH6=µF. En supposant la normalité des observations le test d'égalité des variances donne un niveau empirique (expérimental)bα ′= 0.067donc on peut conclure que les variances sont différentes ( rejeter l'égalité sibα ′<0.1et on observebα′U=.03374d'oùbαB= 0.067)
Test d'égalité des variances (F-Test)
Femmes Hommes
Moyenne 11,7272727 7,33333333
Variance 16,6181818 5,15151515
Observations 11 12
Degré de liberté 10 11
F 3,22588235
P(F<=f) unilatéral 0,03374166
Valeur critique pour F (unilatéral)2,85362486
Le test pour comparer les moyennes est le test de Student pour données avec variances différentes. On observe par le logiciel EXCELbα= 0.0065donc on rejetteH 0 Test d'égalité des espérances: deux observations de variances différentesFemmes Hommes
Moyenne 11,7272727 7,33333333
Variance 16,6181818 5,15151515
Observations 11 12
Différence hypothétique des moyennes0
Degré de liberté 15
Statistique t 3,15463477
P(T<=t) unilatéral 0,00327201
Valeur critique de t (unilatéral) 1,75305033
P(T<=t) bilatéral 0,00654403
Valeur critique de t (bilatéral) 2,13144954
(4) Un groupe de 100 personnes a été recruté pour valider une nouvelle application pour téléphone
intelligent dans le but d'aider les touristes à voyager en métro à Montréal. Aucun des touristes
n'a utilisé l'ancienne application. Le groupe est séparé en deux, 50 d'entre eux utiliseront
l'ancienne application tandis que les 50 autres utiliseront la nouvelle application.Au terme d'un essai de 3 jours chaque testeur note sur 100 l'intéret de l'application, 100 étant
une très grande satisfaction... Faire le test pour établir au niveau 5% si la nouvelle application
est meilleure.Les hypothèses à confronter sontH
0:µn=µacontreH1:µn> µa. Puisque les tailles
d'échantillon sont grandes on utilise le test de Student pour variances différentes. Selon les sorties EXCEL, les observations vont dans le sens deH1puisquexn= 59,78etxa= 58,72.
Le niveau expérimental ou empirique est debα= 0.3650pour un test unilatéral donc on accepteH0au niveau
(5) Un viticulteur participe à un concours de vin pour sa cuvée de rouge Château bonami. Son
voisin et principal concurrent présente aussi un vin rouge, le domaine de l'amitié. Il y a 10 juges qui donne des notes de 1 à 100 pour chaque vin. Voici les résultats des 10 juges dans le même ordre pour chaque vin :Bonami :75,75,72,78,78,75,72,80,81,73
Amitié :76,82,83,85,80,79,83,86,84,84
Le viticulteur peut-il se targuer d'avoir un meilleur vin que son voisin ? (niveau 10%)Les hypothèses à confronter sontH
0:µD= 0contreH1:µD>0, oùD=
Bonami-Amiti´e. Le logiciel EXCEL donne la sortie suivante Test d'égalité des espérances: observations pairéesBonami Amitié
Moyenne75,9 82,2
Variance 10,3222222 9,28888889
Observations10 10
Coefficient de corrélation de Pearson 0,26325522Différence hypothétique des moyennes 0
Degré de liberté 9
Statistique t -5,23990189
P(T<=t) unilatéral 0,00026742
Valeur critique de t (unilatéral) 1,83311292
P(T<=t) bilatéral 0,00053483
Valeur critique de t (bilatéral) 2,26215716
Puisque les données ne vont pas dans le sens deH1(xD= 75.9-82.2 =-6.36>0) on accepteH0directement.
(6) Un sondage auprès des consommateurs français montre que ces derniers perçoivent une caisse
d'épargne comme étant une institution plus approprié à des petits prêts aux particuliers tandis
que les banques sont plus axées sur les prêts important aux entreprises. Pour déboulonner ce mythe, une association des caisses d'épargnes demande à un chercheuruniversitaire de faire une enquête pour comparer les prêts aux entreprises effectués par les
banques et les caisses d'épargne. La méthodologie consiste à prendre 25 prêts aux entreprises
au hasard dans des banques et à prendre le même nombre de prêts aux entreprises dans des caisses d'épargne. Voici les résultats en milliers d'euros : Caisses :46,155,42,6,77,109,79,72,123,145,78,90,101,124,111,28,126,37,32,106,12,4,83,132,72,
Banques :12,112,199,169,15,27,50,52,189,401,6,19,213,292,80,4,40,182,88,161,51,68,4,49,42,
Vérifier si le mythe est vraie au niveau 5%.
Les hypothèses statistiques sontH
0:µc=µbcontreH1:µc< µb. Puisque les tailles sont
petites on doit supposer que les valeurs sont normales puis faire le test d'égalité des variances.
Cela conduit à utiliser le test de Student pour variances différentes : Test d'égalité des espérances: deux observations de variances différentesCaisse Banque
Moyenne79,6 101
Variance 1956,41667 10239,4167
Observations25 25
Différence hypothétique des moyennes 0
Degré de liberté 33
Statistique t -0,96889795
P(T<=t) unilatéral 0,16982208
Valeur critique de t (unilatéral) 1,69236026
P(T<=t) bilatéral 0,33964417
Valeur critique de t (bilatéral) 2,03451529
vont dans le sens deH1et on obtientbα= 0.1698donc on accepteH0et on peut dire qu'il n'y
a pas de différences entre les deux types de banques.(7) Un créateur de site web vous affirme, avec chiffres à l'appui, que l'année dernière il y a eu
une augmentation de 20% du chiffre d'affaire pour ses clients dans le secteur des services de soins du corps (Saunas, spa, massage, soins de la peau, etc.) Vous pensez cependant que cela peut avoir une cause autre que la création d'un site internet. Pour valider cette hypothèse vous prenez un échantillon de 20 entreprises dans le secteur qui n'ont pas de site internet puis vous obtenez l'augmentation, en % du chiffre d'affaire pourl'année dernière. En combinant cette information avec les données du créateur de site web
(25 observations)Vérifier si le site WEB est générateur de plus de profit en moyenne que le marché au niveau
5%.Les hypothèses statistiques sontH
0:µw=µscontreH1:µw> µs.
En supposant la normalité des observations en considérant que les variances sont semblables (bα= 0.93) le test de Student pour variances égales est de rejeterHOn observebα= 0.1343donc on accepteH
0quotesdbs_dbs35.pdfusesText_40[PDF] ecart type moyen excel
[PDF] ecart type excel definition
[PDF] écart type pondéré
[PDF] ecart type excel anglais
[PDF] formule de l'écart type
[PDF] écart type faible ou fort
[PDF] plus l'écart type est grand
[PDF] open office calc formule pourcentage
[PDF] ecart type libreoffice calc
[PDF] formules libreoffice calc
[PDF] calc fonction si plusieurs conditions
[PDF] fonction classeur open office
[PDF] open office calcul automatique
[PDF] calculer variance probabilité