Sélectionner les options de l'analyse pour Puissance et effectif de l'échantillon pour 2 variances

Stat > Puissance et effectif de l'échantillon > Test à 2 variances > Options

Sélectionnez l'hypothèse alternative, indiquez le seuil de signification ou sélectionnez la méthode du test.

Sur ce thème

Hypothèse alternative
Seuil de signification
Méthode

Hypothèse alternative

Dans Hypothèse alternative, sélectionnez l'hypothèse à tester :

Inférieur: Utilisez ce test unilatéral pour déterminer si la variance ou l'écart type d'une population est inférieur à la variance ou à l'écart type d'une autre population. Ce test unilatéral est plus puissant, mais il ne peut pas détecter si la variance ou l'écart type d'une population est supérieur à la variance ou à l'écart type d'une autre population. Si vous sélectionnez cette option, saisissez des valeurs inférieures à 1 dans Rapports dans la boîte de dialogue Puissance et effectif de l'échantillon pour 2 variances.

Par exemple, un analyste utilise ce test unilatéral pour déterminer si l'écart type des performances d'une nouvelle machine est inférieur à l'écart type des performances d'une ancienne machine. Ce test unilatéral est plus puissant pour détecter si le rapport des écarts types est inférieur à 1, mais il ne peut pas détecter si le rapport est supérieur à 1.
Différent: Utilisez ce test bilatéral pour déterminer si deux variances ou deux écarts types ne sont pas égaux. Ce test bilatéral peut détecter si la variance ou l'écart type d'une population est inférieur ou supérieur à la variance ou à l'écart type d'une autre population. Il est cependant moins puissant qu'un test unilatéral.

Par exemple, un consultant dans le domaine de la santé souhaite comparer les variances dans le niveau de satisfaction des patients de deux hôpitaux. Toute différence entre les variances étant importante, le consultant utilise ce test bilatéral pour déterminer si la variance d'un hôpital est supérieure ou inférieure à celle de l'autre hôpital.
Supérieur: Utilisez ce test unilatéral pour déterminer si l'écart type ou la variance d'une population est supérieur à la variance ou à l'écart type d'une autre population. Ce test unilatéral est plus puissant qu'un test bilatéral, mais il ne peut pas détecter si la variance ou l'écart type d'une population est inférieur à la variance ou à l'écart type d'une autre population. Si vous sélectionnez cette option, saisissez des valeurs supérieures à 1 dans Rapports dans la boîte de dialogue Puissance et effectif de l'échantillon pour 2 variances.

Par exemple, un analyste teste si la variance d'une ancienne machine d'extrusion est supérieure à la variance d'une nouvelle machine. Ce test unilatéral est plus puissant pour déterminer si le rapport est supérieur à 1, mais il ne peut pas déterminer si le rapport est inférieur à 1.

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.

Seuil de signification

Le seuil de signification permet de minimiser la valeur de puissance du test lorsque l'hypothèse nulle (H₀) est vraie. Des valeurs plus élevées du seuil de signification donnent au test davantage de puissance, mais augmentent également les chances de faire une erreur de type I, c'est-à-dire de rejeter à tort l'hypothèse nulle alors qu'elle est vraie.

En général, un seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification de 0,05 implique un risque de 5 % de déterminer qu'une différence existe alors qu'il n'en existe aucune. Il indique également que la puissance du test est de 0,05 lorsqu'il n'existe aucune différence.

Choisissez un seuil de signification plus important, tel que 0,10, pour vous assurer de détecter toutes les différences qui puissent exister. Par exemple, un ingénieur qualité compare la stabilité de nouveaux roulements à billes à celle des roulements existants. Il doit s'assurer que les nouveaux roulements à billes sont absolument stables car, si ce n'est pas le cas, ils pourraient provoquer une catastrophe. Par conséquent, l'ingénieur choisit un seuil de signification de 0,10 afin d'augmenter sa certitude de détection de toute différence possible dans la stabilité des roulements à billes.
Choisissez un seuil de signification moins important, tel que 0,01, pour vous assurer de détecter uniquement une différence existant réellement. Par exemple, un scientifique travaillant pour une entreprise pharmaceutique doit être certain que l'affirmation selon laquelle le nouveau médicament de l'entreprise réduit significativement les symptômes est vraie. Il choisit un seuil de signification de 0,01 afin d'augmenter sa certitude qu'il n'existe aucune différence significative dans les symptômes.

Méthode

Sélectionnez la méthode que Minitab utilise pour analyser les données. Le test F repose sur la loi normale et il est exact uniquement pour les données normalement distribuées. Tout écart par rapport à la normalité peut produire des résultats inexacts. Toutefois, si les données sont conformes à la loi normale, le test F est généralement plus puissant que le test de Levene.