Interprétation des résultats principaux pour la fonction Bootstrap pour un test de moyenne à 2 échantillons

Suivez la procédure ci-dessous pour interpréter une analyse bootstrap de moyenne à 2 échantillons. Les principaux résultats affichés sont l'histogramme, la moyenne et l'intervalle de confiance.

Etape 1 : Examiner la forme de votre distribution bootstrap

Utilisez l'histogramme pour examiner la forme de votre distribution bootstrap. La distribution bootstrap correspond à la loi de distribution de la différence entre les moyennes de chaque rééchantillonnage. La distribution bootstrap doit sembler normale. Si elle est anormale, vous ne pouvez pas faire confiance aux résultats.
50 rééchantillonnages
1 000 rééchantillonnages

La loi de distribution est généralement plus facile à déterminer avec davantage de rééchantillonnages. Par exemple, dans ces données, la loi de distribution est ambiguë pour 50 rééchantillonnages. Avec 1 000 rééchantillonnages, la forme semble approximativement normale.

Sur cet histogramme, la distribution bootstrap semble normale.

Etape 2 : Déterminer un intervalle de confiance pour la moyenne de la population

Considérez d'abord la différence entre les moyennes de l'échantillon bootstrap, puis examinez l'intervalle de confiance.

La différence entre les moyennes de l'échantillon bootstrap correspond à une estimation de la différence entre les moyennes de population. La différence de l'échantillon bootstrap étant calculée à partir des données d'échantillon, et non de l'ensemble de la population, il est peu probable que la différence de l'échantillon bootstrap soit égale à celle des moyennes de population. Pour mieux estimer la différence entre les moyennes de population, utilisez l'intervalle de confiance.

Les intervalles de confiance reposent sur la distribution d'échantillonnage d'une statistique. Si une statistique ne dispose pas d'un biais sous forme d'estimateur d'un paramètre, sa distribution d'échantillonnage est centrée sur la valeur réelle du paramètre. Une distribution bootstrap se rapproche de la distribution d'échantillonnage de la statistique. 95 % des valeurs du milieu de la distribution bootstrap fournissent donc un intervalle de confiance à 95 % pour le paramètre. L'intervalle de confiance vous aide à évaluer la signification pratique de votre estimation pour le paramètre de population. Utilisez vos connaissances spécialisées pour déterminer si l'intervalle de confiance comporte des valeurs ayant une signification pratique pour votre situation.

Remarque

Minitab ne calcule pas l'intervalle de confiance lorsque le nombre de rééchantillonnages est trop petit pour obtenir un intervalle de confiance précis.

Techniques de bootstrap pour la différence entre les moyennes : Evaluation par Hôpital

Histogramme bootstrap pour Evaluation par Hôpital

Echantillons observés Hôpital N Moyenne EcTyp Variance Minimum Médiane Maximum A 20 80,30 8,18 66,96 62,00 79,00 98,00 B 20 59,30 12,43 154,54 35,00 58,50 89,00
Différence entre les moyennes observées Moyenne de A - Moyenne de B = 21
Echantillons bootstrap pour la différence entre les moyennes Nombre de IC à 95% pour rééchantillonnages Moyenne EcTyp la différence 1000 20,960 3,279 (14,400; 27,600)
Résultats principaux : moyenne, intervalle de confiance à 95 % pour la différence

Dans ces résultats, l'estimation de la différence de la population est de 20,96. Vous pouvez être sûr à 95 % que la différence de population est comprise entre 14,4 et 27,6.

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