Sélection des options d'analyse pour la fonction Test t pour données appariées

Stat > Statistiques élémentaires > Test t pour données appariées > Options

Spécifiez le niveau de confiance pour l'intervalle de confiance, définissez l'hypothèse alternative ou spécifiez l'hypothèse nulle.

Niveau de confiance

Dans Niveau de confiance, saisissez le niveau de confiance de l'intervalle de confiance.

Un niveau de confiance de 95 % est généralement efficace. Un niveau de confiance de 95 % indique que, sur 100 échantillons pris parmi la population, l'intervalle de confiance d'environ 95 de ces échantillons contiendra le paramètre de population.

Pour un fichier de données spécifique, un niveau de confiance inférieur produit un intervalle de confiance moins large et un niveau de confiance supérieur produit un intervalle de confiance plus large. La largeur de l'intervalle a également tendance à diminuer pour un effectif d'échantillon plus important. Ainsi, vous préférerez peut-être utiliser un niveau de confiance autre de 95 %, en fonction de l'effectif de votre échantillon.
  • Si l'effectif de l'échantillon est peu élevé, un intervalle de confiance à 95 % peut être trop large pour être utile. Avec un niveau de confiance moindre, de 90 % par exemple, l'intervalle sera plus restreint. Cependant, la probabilité que l'intervalle contienne la différence moyenne de la population se réduit.
  • Si l'effectif de votre échantillon est important, pensez à utiliser un niveau de confiance plus élevé, de 99 % par exemple. Avec un échantillon plus important, un niveau de confiance de 99 % peut tout de même créer un intervalle raisonnablement restreint, tout en augmentant la probabilité que l'intervalle contienne la différence moyenne de la population.

Différence hypothétisée

Entrez une valeur dans Différence hypothétisée. La différence hypothétisée définit votre hypothèse nulle. Considérez cette valeur comme une valeur cible ou une valeur de référence. Par exemple, un analyste saisit 10 pour déterminer si le poids de patients avant et après un programme d'amincissement diffère d'au moins 10 livres. (H0 : μd = 10).

Hypothèse alternative

Dans Hypothèse alternative, sélectionnez l'hypothèse à tester :
Différence < différence hypothétisée

Utilisez ce test unilatéral pour déterminer si la différence entre les moyennes appariées de l'échantillon 1 et de l'échantillon 2 est inférieure à la valeur hypothétisée, ainsi que pour obtenir une borne supérieure. Ce test unilatéral est plus puissant qu'un test bilatéral, mais il ne peut pas détecter si la différence est supérieure à la différence hypothétisée.

Par exemple, un boulanger utilise ce test unilatéral pour déterminer si le pain cuit à une température inférieure sur une plus longue durée contient moins d'humidité. Le boulanger divise en deux les échantillons d'un lot unique de pâte et fait cuire chaque moitié à des températures différentes sur des durées différentes. Ce test unilatéral est plus puissant pour déterminer si le pain cuit à une température inférieure présente moins d'humidité, mais il ne peut pas détecter si le pain en contient plus.

Différence ≠ différence hypothétisée

Utilisez ce test bilatéral pour déterminer si la différence dans les moyennes appariées diffère de la différence hypothétisée, ainsi que pour obtenir un intervalle de confiance bilatéral. Ce test bilatéral peut détecter des différences inférieures ou supérieures à la différence hypothétisée, mais il est moins puissant qu'un test unilatéral.

Par exemple, un ingénieur compare la différence entre les mesures de roulements identiques prises à l'aide de 2 calibres différents. Toute différence entre les mesures étant importante, l'ingénieur utilise ce test bilatéral pour déterminer si la différence est supérieure ou inférieure à 0.

Différence > différence hypothétisée

Utilisez ce test unilatéral pour déterminer si la différence entre les moyennes appariées de l'échantillon 1 et de l'échantillon 2 est supérieure à la valeur hypothétisée, ainsi que pour obtenir une borne supérieure. Ce test unilatéral est plus puissant qu'un test bilatéral, mais il ne peut pas détecter si la différence est inférieure à la différence hypothétisée.

Par exemple, un analyste qualité utilise ce test unilatéral pour déterminer si des poutres en bois traité sont plus résistantes que des poutres en bois non traité. Chaque poutre est coupée en deux : une moitié est traitée et l'autre, non. Ce test unilatéral est plus puissant pour déterminer si les poutres en bois traité sont plus résistantes que les poutres en bois non traité, mais il ne peut pas déterminer si les poutres en bois traité sont moins résistantes que les poutres en bois non traité.

Pour plus d'informations sur le choix d'une hypothèse alternative unilatérale ou bilatérale, reportez-vous à la rubrique A propos des hypothèses nulle et alternative.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique