Pour ajouter la sortie d’un test d’hypothèse à 2 échantillon, accédez à Ajouter et remplir un formulaire.
Vous pouvez par exemple tester si la proportion défectueuse du processus est la même avant et après une modification du processus. Pour voir un exemple, consultez l'aide Minitab : Exemple de 2 proportions.
Les données ne peuvent contenir que deux catégories, tel que Réussite/Échec. Pour plus d'informations, reportez-vous à l'aide Minitab : Considérations relatives aux données pour le test à 2 proportions.
Vous pouvez par exemple tester si la moyenne du processus est la même avant et après une modification du processus. Pour voir un exemple, consultez l'aide Minitab : Exemple de test t à 2 échantillons.
Vos données doivent être des valeurs continues pour Y (sortie). Les données des échantillons ne doivent pas présenter d'asymétrie prononcée, et chaque taille d'échantillon doit être supérieure à 15. Pour plus d'informations, reportez-vous à l'aide Minitab : Considérations relatives aux données pour le t à 2 échantillon.
Ce test est une alternative au test t à 2 échantillons et est utilisé lorsque les données des deux échantillons ne sont pas raisonnablement normales.
Par exemple, un conseiller compare les feuilles de paie de deux entreprises pour déterminer si les salaires médians diffèrent. Si les médianes des deux entreprises sont différentes, le conseiller utilise l'intervalle de confiance pour déterminer si cette différence est statistiquement significative. Pour voir un exemple, consultez l'aide Minitab : Exemple de test de Mann Whitney.
Les populations de chaque échantillon doivent avoir les mêmes forme et dispersion. Les données n'ont pas besoin d'être distribuées normalement. Toutefois, si vous disposez de plus de 15 observations dans chaque échantillon ou si vos données ne sont pas très asymétriques, utilisez un test t à 2 échantillons, car ce test est plus puissant. Pour plus d'informations, reportez-vous à l'aide Minitab : Considérations relatives aux données pour le test de Mann-Whitney.
Le test t pour données appariées sert à analyser un même ensemble d'éléments ayant été mesurés sous deux conditions différentes : différences dans les mesures effectuées sur un même sujet avant et après un traitement, ou différences entre deux traitements donnés au même sujet.
Par exemple, une physiologiste souhaite déterminer si un programme de course à pied particulier influe sur la fréquence cardiaque au repos. La fréquence cardiaque de 15 personnes sélectionnées au hasard a été mesurée avant le programme, puis mesurée à nouveau un an plus tard. Ainsi, les mesures avant et après pour chaque personne constituent une paire d'observations. Pour voir un exemple, consultez l'aide Minitab : Exemple de test t pour données appariées.
Vos données doivent être des valeurs continues pour Y (sortie). Vous devez disposer d'un ensemble d'observations appariées (dépendantes), comme deux mesures réalisées sur le même élément, mais dans des conditions différentes. Pour plus d'informations, reportez-vous à l'aide Minitab : Considérations relatives aux données pour un test t pour données appariées.