Terme | Description |
---|---|
![]() | moyenne de l'échantillon i |
S2i | variance de l'échantillon i |
Xij | je mesure du ie échantillon |
ni | effectif de l'échantillon i |
Lorsque n1 = n2 , la statistique de test est Z2. Si l'hypothèse nulle, ρ = ρ0 est vraie, alors Z2 est distribué selon la loi de Khi deux avec 1 degré de liberté. Z2 s'obtient comme suit :
où ErT(ρ0) est l'erreur type de l'aplatissement regroupé, qui s'obtient comme suit :
où ri = ( ni - 3) / ni et est l'aplatissement regroupé, qui s'obtient comme suit :
ErT2(ρ0) peut également s'exprimer en termes de valeurs d'aplatissement de chaque échantillon, , comme suit :
où :
Si z2 est la valeur de Z2 obtenue à partir des données. Dans l'hypothèse nulle, H0 : ρ = ρ0 , Z est distribué selon la loi de distribution normale standard. Donc, les valeurs de p pour les hypothèses alternatives (H1) s'obtiennent comme suit.
Hypothèse | Valeur de p |
---|---|
H1 : ρ0 ≠ ρ0 | P = 2P(Z > |z|) |
H1: ρ0 > ρ0 | P = P(Z > z) |
H1 : ρ0 < ρ0 | P = P(Z < z) |
Terme | Description |
---|---|
Si | écart type de l'échantillon i |
ρ | rapport des écarts types de la population |
ρ0 | rapport hypothétisé des écarts types de la population |
α | seuil de signification pour le test = 1 - (niveau de confiance / 100) |
ni | nombre d'observations dans l'échantillon i |
![]() | valeur de l'aplatissement pour l'échantillon i |
Xij | je observation de l'échantillon i |
mi | moyenne tronquée pour l'échantillon i avec des proportions de troncage de ![]() |
Lorsque n1 ≠ n2 , il n'existe aucune statistique de test. En revanche, la valeur de p est calculée en inversant la procédure de l'intervalle de confiance. La valeur de p pour le test s'obtient comme suit :
P = 2 min (αL, αU)
où cα est une constante égalisatrice décrite ci-dessous et ErT(ρ0) est l'erreur type pour l'aplatissement regroupé, qui s'obtient comme suit :
où ri = (ni - 3) / ni et est l'aplatissement regroupé, qui s'obtient comme suit :
ErT(ρ0) peut également s'exprimer en termes de valeurs d'aplatissement de chaque échantillon. Pour plus d'informations, consultez la section consacrée au test pour la méthode de Bonett avec des plans équilibrés.
La constante disparaît lorsque les plans sont équilibrés et son effet devient négligeable lorsque les effectifs d'échantillons augmentent.
Trouver αL et αU équivaut à trouver les zéros des fonctions L(z , n1 , n2 , S1 , S2 ) et L(z , n2 , n1 , S2 , S1 ), où L(z , n1 , n2 , S1 , S2) s'obtient comme suit :
Pour calculer αU, effectuez les étapes précédentes en utilisant la fonction L(z, n2, n1, S2, S1), au lieu de la fonction L(z, n1, n2, S1, S2).
Terme | Description |
---|---|
Si | écart type de l'échantillon i |
ρ | rapport des écarts types de la population |
ρ0 | rapport hypothétisé des écarts types de la population |
α | seuil de signification pour le test = 1 - (niveau de confiance / 100) |
zα | point de percentile supérieur α de la loi normale standard |
ni | nombre d'observations dans l'échantillon i |
Xij | je observation de l'échantillon i |
mi | moyenne tronquée pour l'échantillon i avec des proportions de troncage de ![]() |
où cα/2 est une constante égalisatrice (décrite ci-dessous) et ErT(ρ) est l'erreur type pour l'aplatissement regroupé (décrit ci-dessous). Généralement, cette équation a deux solutions : L < S1 / S2, et U > S1 / S2. L est la limite de confiance la plus basse, et U est la limite de confiance la plus haute. Pour plus d'informations, consultez le livre blanc sur la méthode de Bonett, qui contient des simulations et d'autres renseignements.
Les limites de confiance pour le taux de variance s'obtiennent en mettant les limites de confiance du rapport des écarts types au carré.
La constante disparaît lorsque les plans sont équilibrés et son effet devient négligeable lorsque les effectifs d'échantillons augmentent.
ErT(ρ) est l'erreur type de l'aplatissement regroupé, qui s'obtient comme suit :
où ri = (ni - 3) / ni et est l'aplatissement regroupé, qui s'obtient comme suit :
ErT(ρ) peut également être exprimé en termes de valeurs d'aplatissement de chaque échantillon. Pour plus d'informations, consultez la section consacrée au test pour la méthode de Bonett avec des plans équilibrés.
Terme | Description |
---|---|
α | seuil de signification pour le test = 1 - (niveau de confiance / 100) |
Si | écart type de l'échantillon i |
ρ | rapport des écarts types de la population |
zα/2 | point de percentile supérieur α/2 de la loi normale standard |
ni | nombre d'observations dans l'échantillon i |
Xij | je observation de l'échantillon i |
mi | moyenne tronquée pour l'échantillon i avec des proportions de troncage de ![]() |
Le test de Levene est adapté pour les données continu. Il n'est pas disponible pour les données résumées.
Pour tester l'hypothèse nulle σ1 / σ2 = ρ avec le test de Levene, Minitab effectue une ANOVA unilatérale sur les valeurs Z1j et ρZ2j (où j = 1, …, n1 ou n2).
La statistique de test de Levene est égale à la valeur de la statistique F dans le tableau de résultats ANOVA. La valeur de p du test de Levene est égale à la valeur de p dans ce tableau ANOVA.
Selon l'hypothèse nulle, la statistique de test suit une distribution F avec les degrés de liberté DL1 et DL2.
DL1 = 1
DL2 = n1 + n2 – 2
Terme | Description | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
Zij | |Xi j – η i|
| ||||||||||
σ1 | écart type de la première population | ||||||||||
σ2 | écart type de la deuxième population | ||||||||||
n 1 | effectif du premier échantillon | ||||||||||
n 2 | effectif du deuxième échantillon |
Pour les données continues, Minitab calcule les limites de confiance pour le rapport (ρ) entre les écarts types de la population avec les formules suivantes. Pour obtenir les limites pour le rapport entre les variances de la population, mettez les valeurs ci-dessous au carré.
Si , limite inférieure =
Si , aucune limite inférieure n'existe
Si , limite supérieure =
Si , aucune limite supérieure n'existe
Si , alors
Si , alors
Terme | Description |
---|---|
t α | la valeur critique α d'une distribution t avec n1 + n2 – 2 degrés de liberté |
ηi | médiane de l'échantillon i |
Zij | ![]() |
Mi | moyenne de Zij |
Si2 | variance de l'échantillon de Zij |
vi | ![]() |
ρ | σ1 / σ2 |
n 1 | effectif du premier échantillon |
n 2 | effectif du deuxième échantillon |
Le test F est adapté aux données normales. Pour tester l'hypothèse nulle σ1 / σ2 = ρ avec le test F, Minitab utilise les formules suivantes.
Selon l'hypothèse nulle, la statistique F suit une loi de distribution F avec les degrés de liberté DL1 et DL2.
DL1 = n1 – 1
DL2 = n2 – 1
Terme | Description |
---|---|
ρ | σ1 / σ2 |
σ1 | écart type de la première population |
σ2 | écart type de la deuxième population |
S21 | variance du premier échantillon |
S22 | variance du deuxième échantillon |
n 1 | effectif du premier échantillon |
n 2 | effectif du deuxième échantillon |
Lorsque les données suivent une distribution normale, Minitab calcule les bornes de confiance pour le rapport (ρ) entre les écarts types de la population avec les formules suivantes. Pour obtenir les bornes pour le rapport entre les variances de la population, mettez les valeurs ci-dessous au carré.
Lorsque vous indiquez une hypothèse alternative de type "non égal à", l'intervalle de confiance à 100(1 – α) % pour ρ s'obtient comme suit :
Lorsque vous indiquez une hypothèse alternative de type "inférieur à", la borne de confiance supérieure pour ρ, à un niveau de confiance de 100(1 – α) %, s'obtient comme suit :
Lorsque vous indiquez une hypothèse alternative de type "supérieur à", la borne de confiance inférieure pour ρ, à un niveau de confiance de 100(1 – α) %, s'obtient comme suit :
Terme | Description |
---|---|
S1 | écart type du premier échantillon |
S2 | écart type du deuxième échantillon |
ρ | σ1 / σ2 |
n 1 | effectif du premier échantillon |
n 2 | effectif du deuxième échantillon |
F(α/2, n2–1, n1–1) | α/2 valeur critique provenant de la distribution F avec degrés de liberté n2-1 et n1-1. |