Upload
loe
View
38
Download
2
Embed Size (px)
DESCRIPTION
Tests NON paramétriques. UE 45.2CHV. Pierre MORETTO, Université Paul Sabatier, Toulouse III. Tests non paramétriques. Les étapes. Conditions d’utilisation Test sur les fréquences (Khi²) Comparaisons d’échantillon: Données Non appariées (Mann & Withney) Données appariées - PowerPoint PPT Presentation
Citation preview
TESTS NON PARAMÉTRIQUES
Pierre MORETTO, Université Paul Sabatier, Toulouse
III.
UE 45.2 CHV
Tests non paramétriquesLe
s éta
pes
Conditions d’utilisation Test sur les fréquences (Khi²) Comparaisons d’échantillon:
Données Non appariées (Mann & Withney)
Données appariées (Wilcoxon)
Condition d’utilisation
Les données sont dîtes non paramétriques lorsque: Les valeurs sont nominales, ordinales,
d’intervalle ou de rapport (Cf CH I) Le nombre de sujets est insuffisant pour
vérifier la normalité de la distribution La distribution n’est pas normale (Gaussienne)
Dans ces cas, les tests non paramétriques sont de rigueur
Condition d’utilisation et utilités
Khi² non paramétrique: compare 2 ou plus séries de données nominales arrangées en catégories pondérées par leurs fréquences d’apparition.
Le U de Mann et Withney détermine la signification de la différence entre 2 variables ordinales non appariées
Le test « W » de Wilcoxon : idem à U mais pour variables appariées
Compare 2 ou plus séries de données nominales arrangées en catégories pondérées par leurs fréquences d’apparition.
Cas 1: Comparer distribution de contingences d’1 variable nominale (types de chaussure)
Le Khi² (²) non paramétrique
Le Khi² (²) non paramétriqueExemple:
Les chaussures de marque « X » sont classées de A à E suivant leur niveau de technicité et leur coût de production.
Pour optimiser le gain, X sait qu’il doit vendre 10% de A, 30% de B, 35 de C, 20% de D et 5% de F
Sur 141 chaussures, un magasin M vend finalement A(30), B(57), C(32), D(15) et E(7).
Le magasin optimise-t-il son engagement vis-à-vis de la marque X ?
Le Khi² (²) non paramétrique Ce premier exemple illustre l’application du
test à une série de fréquences observées dans des groupes (variable nominale).
Il s’agit ici de comparer les volumes de vente attendus à ceux observés d’où ce premier tableau:
A B C D EVentes 30 57 32 15 7Fréquence de vente (N=141) 0,21 0,40 0,23 0,11 0,05Fréquence attendues 0,1 0,3 0,35 0,2 0,05
² non paramétrique
L’indice ² est calculé sur la base de la différence entre Obs et Théo:
Appliqué à nos valeurs:
Théo
ThéoObs )²(²
A B C D E
Ventes 30 57 32 15 7
Fréquence attendues 0,1 0,3 0,35 0,2 0,05
Ventes attendues 14 42 49 28 7
(O-T)²/T 18 5 6 6 0
Khi² 35,32
² non paramétrique
Détermination du Khi² théorique Lecture au risque et ddl=catégories-1
Nb: ici 5 catégories de A à E
² non paramétrique
Décision finale: ² calculé est de 35 ² théorique est de 13.28
² calculé >² théorique au risque considéré donc la différence est significative au risque .
La magasin sera enjoint de revoir la promotion des chaussures pour corriger ses ventes.
Compare 2 ou plus séries de données nominales arrangées en catégories pondérées par leurs fréquences d’apparition.
Cas 2: Comparer distribution de contingences sur 2 variables nominales (type d’entraînement et niveaux d’habilété)
² non paramétrique
Le Khi² (²) non paramétrique Exemple: 2 groupes de nageurs apprennent le
Crawl grâce à des méthodes différentes (A et B).
A la fin d’entraînements menés sur 5 semaines, l’observateur classe les sujets en « Bons », « Moyens » et « Mauvais »
Niveaux d'habileté
Méthode Bons Moyens Mauvais
A 15 27 13
B 21 19 12
² non paramétrique
Comment comparer ces 2 méthodes d’apprentissage du crawl ? 1) Considérer le classement niveau
d’habileté toutes méthodes confondues 2) En déduire une fréquence d’apparition
théoriqueNiveaux d'habileté
Méthode Bons Moyens Mauvais Total
A 15 27 13 55
B 21 19 12 52
Total 36 46 25
36/107 « bons »
Soit 34%
² non paramétrique
Répété pour chaque niveaux d’habileté Déduire un nombre de sujets théorique indépendant
de l’entraînement pour chaque groupe: Ex: Théoriquement « Bons » en méthode A:
0.34*55=18.5
Niveaux d'habileté
Méthode Bons Moyens Mauvais Total
A 15 27 13 55
B 21 19 12 52
Total 36 46 25 107
% Attendus 0,34 0,43 0,23
Effectifs Attendus
Méthode Bons Moyens Mauvais Total
A 18,50 23,64 12,85 55
B 17,50 22,36 12,15 52
Total 36 46 25
² non paramétrique
Déterminer un effectif théorique pour chaque groupe
² non paramétrique
Nous avons donc un effectif observé et un théorique
Le test du ² va permettre de comparer ces 2 effectifs
Observés Niveaux d'habiletéMéthode Bons Moyens Mauvais
A 15 27 13B 21 19 12
ThéoriqueMéthode Bons Moyens Mauvais
A 18,50 23,64 12,85B 17,50 22,36 12,15
² non paramétrique
L’indice est calculé sur la base de la différence entre Obs et Théo:
Appliqué à nos valeurs:
Théo
ThéoObs )²(²
Observées Théoriques (O-T)² (O-T)²/T
Bons 15 18,50 12,28 0,664
21 17,50 12,28 0,702
Moyens 27 23,64 11,26 0,476
19 22,36 11,26 0,504
Mauvais 13 12,85 0,02 0,002
12 12,15 0,02 0,002
Khi² 2,35
² non paramétrique
Détermination du Khi² théorique Lecture au risque et ddl=(ligne-1)*(colonne-1)
Nb: ligne et colonne du tableau
² non paramétrique
Décision finale: ² calculé est de 2.35 ² théorique est de 4.61
² calculé <² théorique au risque considéré donc la différence n’est pas significative au risque .
La méthode d’apprentissage n’a pas d’effet sur la maîtrise finale de l’habileté et les méthodes A et B se valent.
Tests non paramétriquesLe
s éta
pes
Conditions d’utilisation Test sur les fréquences (Khi²) Comparaisons d’échantillon:
Données Non appariées (Mann & Withney)
Données appariées (Wilcoxon)
Compare 2 séries de variables ordinales ou réelles non appariées et non gaussiennes.
Test « U » de Mann et Withney
Mann et Withney
Soit 2 échantillons x et y de nx et ny variables ordinales,
Le test de Mann & Withney va comparer les rangs des 2 séries de variables
x 11 21 25 52 71 79 Nx= 6
y 22 43 72 91 116 Ny= 5
Mann et Withney
Détermination des rangs
Arrangement par ordre croissant des x et y11 21 22 25 43 52 71 72 79 91 116
x/y x x y x y x x y x y y
Rangs 1 2 3 4 5 6 7 8 9 10 11
Arrangement par ordre croissant des x et y11 21 22 25 43 52 71 72 79 91 116
x/y x x y x y x x y x y yRangs 1 2 3 4 5 6 7 8 9 10 11
Nombre de y<x
0 0 1 2 2 3 8 Ux/y
Nombre de x<y
2 3 5 6 6 22 Uy/x
Vérifications: Ux/y+Uy/x=Nx*Ny 30
Mann et Withney
Classement et calcul de l’indice « U »
Mann & Withney
Hypothèse Ho correspondant à une alternance des valeurs x et y implique que Uo=Nx.Ny/2Dans la table des U, n1 est le plus petit des effectifs
(Nx et Ny) 5 n1
et n2-n1 est la différence des effectifs: 1 n2-n1
Détermination du « u » Théorique À la colonne n1 et ligne n2-n1
Mann & Withney
Hypothèse Ho correspondant à une alternance des valeurs x et y implique que Uo=Nx.Ny/2
Le plus petit des 2 « U » est comparé à la valeur théorique au risque
Dans la table des U, n1 est le plus petit des effectifs (Nx et Ny) 5 n1
et n2-n1 est la différence des effectifs: 1 n2-n1
donc 3 Uthéorique, 0,05
1 Uthéorique, 0,01
Mann & Withney
Règle de décision:Si, au risque alpha, U (plus petit des Ux/y
et Uy/x) < Uthéorique alors les populations diffèrent significativement.
Donc ici:8>3 (ou 1) et la différence n’est pas
significative au risque de 5% (1%)
Compare 2 séries appariées de variables ordinales ou réelles non gaussiennes.
Test « W » de Wilcoxon
Arrangement par ordre croissant des x et y11 21 22 25 43 52 71 72 79 91 116
x/y x x y x y x x y x y yRangs 1 2 3 4 5 6 7 8 9 10 11
Rang de y<x
1 2 4 6 7 9 29 Wx/y
Rang de x<y
3 5 8 10 11 37 Wy/x
Wilcoxon
Le début du test est identique à Mann & Withney
Classement et calcul de l’indice « W »
Wilcoxon vers Mann & Withney Hypothèse Wo correspondant à une alternance
des valeurs x et y implique que Wo=nx.(N+1)/2
A ce niveau, il existe une équivalence entre « W » de Wilcoxon et « U » de Mann et Withney.
Retour sur la règle de décision du « U »
)1.(2
1 xxx nnWU
Règle de décision:Si, au risque alpha, U (plus petit des Ux/y
et Uy/x) < Uthéorique alors les populations diffèrent significativement.
Donc ici:8>3 (ou 1) et la différence n’est pas
significative au risque de 5% (1%)
Wilcoxon vers Mann & Withney
Les cours sont en ligne sur le site du STAPSL3_UE45.2.
Merci de votre attention