Sélection des options d'analyse pour la fonction Test à 1 proportion

Stat > Statistiques élémentaires > Test à 1 proportion > Options

Spécifiez le niveau de confiance pour l'intervalle de confiance, définissez l'hypothèse alternative ou spécifiez la méthode de test et l'intervalle de confiance.

Sur ce thème

Niveau de confiance
Hypothèse alternative
Méthode

Niveau de confiance

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

Un niveau de confiance de 95 % est généralement efficace. Un niveau de confiance de 95 % indique que, si vous prenez 100 échantillons aléatoires de la population, les intervalles de confiance pour environ 95 des échantillons couvriront le paramètre de population.

Pour un ensemble 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 lorsque l'effectif d'échantillon est plus important.Par conséquent, vous pouvez utiliser un niveau de confiance autre que 95 %, en fonction de la taille de votre échantillon.

Si la taille de votre échantillon est petite, un intervalle de confiance de 95 % peut être trop large pour être utile. L’utilisation d’un niveau de confiance inférieur, tel que 90%, produit un intervalle plus étroit. Cependant, la probabilité que l’intervalle couvre la proportion de population diminue.
Si la taille de votre échantillon est grande, envisagez d’utiliser un niveau de confiance plus élevé, tel que 99 %. 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 Couvert la proportion de la population.

Hypothèse alternative

Dans Hypothèse alternative, sélectionnez l'hypothèse à tester.

Remarque

Dans l’application web, la sélection de l’hypothèse alternative modifie la méthode disponible pour sélectionner un test exact.

Proportion < proportion hypothétisée

Utilisez ce test unilatéral pour déterminer si la proportion de la population est inférieure à celle hypothétique, et pour obtenir une borne supérieure. Ce test unilatéral a plus de puissance qu’un test bilatéral, mais il ne peut pas détecter si la proportion de la population est supérieure à la proportion hypothétique.

Par exemple, un ingénieur utilise ce test unilatéral pour déterminer si la proportion de pièces défectueuses est inférieure à 0,001 (0,1 %). Ce test unilatéral a plus de pouvoir pour déterminer si la proportion est inférieure à 0,001, mais il ne peut pas détecter si la proportion est supérieure à 0,001.

Proportion ≠ proportion hypothétisée

Utilisez ce test à deux faces pour déterminer si la proportion de la population diffère de la proportion hypothétique, et pour obtenir un intervalle de confiance bilatéral. Un test à deux faces peut détecter des différences inférieures ou supérieures à la valeur hypothétique, mais il a moins de puissance qu’un test unilatéral.

Par exemple, un directeur de banque teste si la proportion de clients ayant un compte d’épargne cette année diffère de la proportion de l’an dernier, soit 0,57 (57 %). Parce que toute différence par rapport à la proportion de l’année dernière est importante, le manager utilise ce test bilatéral pour déterminer si la proportion de cette année est supérieure ou inférieure à celle de l’année dernière.

Proportion > proportion hypothétisée

Utilisez ce test unilatéral pour déterminer si la proportion de population est supérieure à celle hypothétique, et pour obtenir une borne inférieure. Ce test unilatéral a plus de puissance qu’un test bilatéral, mais il ne peut pas détecter si la proportion de la population est moins à la proportion hypothétique.

Par exemple, un analyste qualité utilise ce test unilatéral pour déterminer si la proportion d’interrupteurs électriques acceptables est supérieure à 0,98. Ce test unilatéral a plus de pouvoir pour déterminer si la proportion est supérieure à 0,98, mais il ne peut pas déterminer si la proportion est inférieure à 0,98.

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.

Méthode

À partir de Méthode, sélectionnez la méthode de calcul du test d’hypothèse et de l’intervalle de confiance.

Blaker ajusté (exact): Par défaut, Minitab utilise la méthode exacte de Blaker ajustée, car les intervalles de confiance sont plus précis que la méthode exacte de Clopper-Pearson. Les intervalles de la méthode exacte de Blaker ajustée sont imbriqués. Cette propriété signifie que les intervalles de confiance avec des niveaux de confiance plus élevés contiennent des intervalles de confiance avec des niveaux de confiance plus faibles. Par exemple, un intervalle de confiance à 95 % de Blaker exact et bilatéral contient l’intervalle de confiance à 90 % correspondant.; Dans l’application web, lorsque vous sélectionnez Proportion < proportion hypothétisée ou Proportion > proportion hypothétisée, la méthode exacte change pour devenir la méthode de Clopper-Pearson car la méthode exacte de Blaker ajustée correspond à l’hypothèse Proportion ≠ proportion hypothétisée. Utilisez la méthode Clopper-Pearson pour ces hypothèses lorsque vous souhaitez un test exact.; La méthode exacte de Clopper-Pearson est généralement excessivement conservatrice pour les intervalles bilatéraux, de sorte que le niveau de confiance réel de l’intervalle est supérieur au niveau de confiance spécifié. Pour les intervalles unilatéraux, la méthode de Clopper-Pearson est moins conservatrice que pour le cas bilatéral.; Dans l’application de bureau, lorsque vous sélectionnez Proportion < proportion hypothétisée ou Proportion > proportion hypothétisée et le Méthode est Blaker ajusté (exact), l’analyse utilise la méthode exacte de Clopper-Pearson.
Clopper-Pearson (exact) (Application Web): Dans l’application web, lorsque vous sélectionnez Proportion < proportion hypothétisée ou Proportion > proportion hypothétisée, la méthode exacte change pour devenir la méthode de Clopper-Pearson car la méthode exacte de Blaker ajustée correspond à l’hypothèse Proportion ≠ proportion hypothétisée. Utilisez la méthode Clopper-Pearson pour ces hypothèses lorsque vous souhaitez un test exact.
Score de Wilson: La méthode du score de Wilson est un choix raisonnable pour de nombreuses applications pratiques. Le niveau de confiance réel de l’intervalle de score de Wilson est souvent inférieur au niveau de confiance nominal que vous spécifiez dans l’analyse. Utilisez la correction de continuité pour que le niveau de confiance réel soit au moins le niveau de confiance nominal dans l’analyse.
Agresti-Coull: De nombreux manuels de statistiques enseignent l’intervalle d’Agresti-Coull. L’intervalle Agresti-Coull n’utilise pas de calculs itératifs, de sorte que les résultats sont plus faciles à calculer manuellement pour les étudiants que l’intervalle de Blaker ajusté ou l’intervalle de score de Wilson. L’intervalle d’Agresti-Coull a le même point médian que l’intervalle de confiance du score de Wilson sans correction de continuité. L’intervalle d’Agresti-Coull contient l’intervalle de score de Wilson, ce qui rend l’intervalle d’Agresti-Coulll plus conservateur que l’intervalle de score de Wilson.
Approximation selon la loi normale: De nombreux manuels de statistiques enseignent l’intervalle d’approximation normal de Wald. L’intervalle de Wald n’utilise pas de calculs itératifs, de sorte que les résultats sont plus faciles à calculer manuellement pour les étudiants que l’intervalle de Blaker ajusté ou l’intervalle de score de Wilson. Le point médian de l’intervalle de Wald est la probabilité observée.