Test d'équivalence avec des données appariées - Généralités

Utilisez Test d'équivalence avec des données appariées pour déterminer si la moyenne d'une population de test équivaut à la moyenne d'une population de référence lorsque vous disposez d'observations (dépendantes) appariées.

Lorsque vous utilisez un test d'équivalence avec données appariées, vous devez indiquer une étendue de valeurs suffisamment proches pour être considérées équivalentes à la moyenne de référence. Cet intervalle d'équivalence, également appelé zone d'équivalence, repose sur vos connaissances du produit ou du procédé, et doit être déterminé avant d'effectuer le test. L'analyse détermine ensuite s'il existe suffisamment de preuves permettant de déclarer que la différence (ou le rapport) entre les moyennes de population est comprise dans l'intervalle d'équivalence.

Par exemple, un analyste souhaite déterminer si un nouveau glucomètre équivaut à un glucomètre actuellement approuvé. Il déclarera l'équivalence du nouveau glucomètre si celui-ci produit des lectures moyennes de glucose ne s'écartant pas de plus de ±20 % de celles du glucomètre actuel. L'analyste mesure le taux de glucose de chaque personne deux fois, une fois en utilisant le nouveau glucomètre (test) et l'autre en utilisant le glucomètre actuellement approuvé (référence). Les mesures sont des données appariées (observations dépendantes) pour chaque personne. Si l'intervalle de confiance pour le rapport des moyennes de test et de référence est compris dans l'intervalle d'équivalence allant de 0,80 à 1,20, les deux glucomètres sont équivalents.

Un test d'équivalence avec des données appariées permet également d'effectuer des tests de supériorité et d'infériorité afin de déterminer si la moyenne d'une population de test est supérieure ou inférieure à la moyenne d'une population de référence.