Observations relatives aux données pour la fonction Test d'équivalence à 1 échantillon

Si l'effectif de l'échantillon est supérieur à 20 et que la loi sous-jacente est unimodale et continue, le test d'équivalence donne des résultats corrects, même si les données sont légèrement asymétriques. Si l'effectif de l'échantillon est inférieur à 20, vous devez générer un graphique des données pour vérifier la présence d'une asymétrie ou d'observations aberrantes. Si les données sont très asymétriques ou comportent de nombreuses observations aberrantes, soyez vigilant lorsque vous interprétez les résultats.

Dans le domaine des statistiques, les échantillons aléatoires permettent de faire des généralisations ou des déductions sur une population. Si les données n'ont pas été collectées de manière aléatoire, les résultats risquent de ne pas être représentatifs de la population. Pour plus d'informations, reportez-vous à la rubrique Caractère aléatoire des échantillons de données.

Si vous avez des observations appariées (dépendantes) portant sur la même personne ou le même élément, utilisez Test d'équivalence avec des données appariées. Pour plus d'informations, reportez-vous à la rubrique Quelle est la différence entre des échantillons dépendants et indépendants ?.

Votre échantillon doit être assez volumineux afin que le test soit suffisamment puissant pour démontrer une équivalence lorsqu'il en existe une. Si la puissance de votre test d'équivalence est faible, vous risquez de conclure à tort que la différence ne se trouve pas dans les limites d'équivalence définies, alors qu'en réalité elle s'y trouve. Pour déterminer l'effectif d'échantillon approprié à votre test d'équivalence, reportez-vous à la rubrique Puissance et effectif de l'échantillon pour un test d'équivalence à 1 échantillon.