Influent ou pas ?

tiens je t'ai trouvé ce truc pour H0 et H1plus clair que le wiki d'hier
et tant qu'a faire il ya le T test unilatéral ou bilatéral, c'est un sujet qu'on avait vu avec Pascal sur maths forum,
ici on est unilatéral on veut que cela soit différent mais supérieur,
je sais pas si cela existe pour student apparié, mais je ne vois pas de raison contre,
cela double la proba pour significativité du test

http://pagesped.cahuntsic.ca/sc_sociales/psy/methosite/consignes/testt.htm

"Dans la logique d'un test d'hypothèses - test t, khi-carré, etc. - il y a toujours 2 hypothèses statistiques.

   La première - l'hypothèse nulle ou Ho - est une hypothèse qui postule qu'il n'y a pas de différence significative entre les moyennes des deux groupes (ou mesures);notez : Groupe 1 = Groupe 2 ou Mesure1 = Mesure2.
   La seconde - l'hypothèse alternative ou H1 - correspond habituellement à l'hypothèse de votre recherche; notez : Groupe 1 <> Groupe 2 ou Mesure1 <> Mesure2. Ici <> signifie n'égale pas."

et dans celui-ci tu as une proposition pour vérifier que loi normale et donc que tu pourras faire le Student:
https://www.cons-dev.org/elearning/stat/parametrique/5-2/5-2.html

"vant de faire des tests paramÃtriques on doit :

1 S'assurer que la distribution de l'Ãchantillon est compatible avec l'hypothèse de distribution gaussienne de la variable (test de normalitÃ). Sinon on peut essayer de rendre cette distribution compatible avec une distribution gaussienne en rÃalisant une transformation, par exemple logarithmique.

Pour vÃrifier que la distribution d’un Ãchantillon suit une loi normale, il est possible d’utiliser, dans Statview II, le test descriptif d’aplatissement et de symÃtrie (de kurtosis and skewness, en anglais).

On considère que l’Ãchantillon suit une loi normale à 95 % lorsque la valeur de son aplatissement est comprise entre -2 et +2 et que la valeur de son assymÃtrie est comprise entre -2 et +2.

http://www.sthda.com/french/wiki/test-de-student-est-il-toujours-correct-de-comparer-des-moyennes

est bien aussi

………………………………………………………………………………………
"Conditions d’application du test de Student : Normalité et égalité des variances

Les erreurs statistiques sont fréquentes dans les articles scientifiques, et environ 50% des articles publiés contiennent au moins une erreur. Beaucoup de tests statistiques notamment la corrélation, la régression, le test de Student et l’analyse de variance supposent que les données suivent une distribution normale.

Ces tests sont appelés tests paramétriques car leur validité dépend de la distribution des données.


…………………………………………………………………………………………………………………………..
Avant d’utiliser le test de Student vous devez vérifier :

  " Dans le cas du test de Student pour un échantillon unique:
       Si les données suivent la loi normale
   Dans le cas du test de Student indépendant:
       Si les deux groupes d’échantillons (x et y), à comparer, suivent une loi normale;
       et si les variances des deux groupes sont égales ou pas.
   Pour le test de student apparié:
       Si la différence d (= x-y) suit une loi normale"
……………………………………………………………………………………..
et aussi Student ou Wilcoxon?:

"Que faire lorsque les conditions d’application du test de Student ne sont pas remplies?

La procédure suivante, à deux étapes, est largement acceptée (voir figure ci-dessous):

   Si la normalité est acceptée, le test de Student est utilisé;
   Si les échantillons à comparer ne sont pas distribués selon une loi normale, un test non-paramétrique tel que le test de Wilcoxon est recommandé comme une alternative au test de Student."
…………………………………………………………………………….
"Test de Student non-apparié en ligne

Noter qu’un logiciel web est disponible ici pour faire le test de Student apparié en ligne sans aucune installation. "

" Si la normalité est acceptée, le test de Student est utilisé;
Si les échantillons à comparer ne sont pas distribués selon une loi normale, un test non-paramétrique tel que le test de Wilcoxon est recommandé comme une alternative au test de Student."
Il me semble que c'est exactement ce que je dis depuis le début de ce fil.
Par contre, je n'ai pas vu qu'il est expliqué comment on accepte ou pas la loi normale. D'ailleurs, à lire tes copains, pourquoi ce serait un looi normale, et pas une loi de Bernoulli, binomiale, uniforme ou je ne sais quoi ?
Ce texte emploie l'expression "distribués selon une loi normale", moi j'aurais plutôt tendance à dire "avoir une répartition normale". Tu trouves cela différent ?

bonsoir Pierre,
dans une des ref j'ai rajouté comment ils acceptaient ou non la distribution normale

Sinon j'ai fait le Student en ligne et pour moi l'hypothèse nulle pas de différence est rejetée, donc l'hypothèse H1 la substance augmente le bidule est accepté
qs maths forum

Pour:
"distribués selon une loi normale", moi j'aurais plutôt tendance à dire "avoir une répartition normale"
je me bas pas souvent pour les mots
répartition normale est marrant, bien de toi , dans la préférence des termes, ne me gène pas

Bon je décroche,
à demain

c'était dans cette écriture horrible:
Pour vÃrifier que la distribution d’un Ãchantillon suit une loi normale, il est possible d’utiliser, dans Statview II, le test descriptif d’aplatissement et de symÃtrie (de kurtosis and skewness, en anglais).

On considère que l’Ãchantillon suit une loi normale à 95 % lorsque la valeur de son aplatissement est comprise entre -2 et +2 et que la valeur de son assymÃtrie est comprise entre -2 et +2.

Bon, on mélange tout. Ici, ce n'est pas un forum de maths, donc, c'est pas très grave, mais dans math-forum, c'est plus grave.
Reprenons depuis le début :
Il y a une question posée à propos d'un exo.
On est incapable de définir
1- l'hypothèse, c'est à dire analyser clairement l'énoncé de l'exercice sans faire de supputations plus ou moins philosophiques. En d'autres termes, on est incapable d'écrire que la question posée est "la substance a-t-elle une influence, oui, ou non ?".
2- on évoque différents tests, pourquoi pas, mais on est incapable de préciser quel test il faut choisir, et pourquoi.
3- ensuite, on invoque des tas d'arguments, du type "untel n'y connais rien", malheureusement le "untel", c'est le seul qui apporte des explications simples.
4- finalement un brouhaha de citations, de mode d'emploi de logiciels, d'embrouillamini savamment dosé pour mélanger le vrai et le faux, le H0 et le H1.

En conclusion, les échanges sont intéressants, mais le sujet proposé ne concerne pas une nouvelle théorie philosophique mais la résolution d'un exercice assez élémentaire.

Bon, si c'est la façon normale des professeurs de se comprter, il y a de gros soucis à se faire.

PS. Beagle, c'est pas le peine de me donner des liens sur des modes d'emploi de logiciels de calcul que je ne possède pas. D'ailleurs je t'ai déjà dit que si j'ai besoin d'un outil de calcul en informatique, je l'écris moi-même. Par exemple, le calcul de superficie de zone compliquée, j'ai tous les outils pour le faire.

Dans le même ordre d'idée, voici l'exemple typique de l'exercice complètement tarabiscoté qui ne m'intéresse pas.
https://www.maths-forum.com/superieur/probabilite-t215075.html
Je suppose qu'il y a une bonne réponse, mais, contrairement à l'exercice du présent fil, elle n'a aucun sens, pour la bonne raison que la précision des probabilités, c'est environ 2%, c'est à dire égale à l'une des données.
Tout se joue naturellement sur la différence entre 4%, 2% et 1%.

Bonjour Pierre,

hier tu me disais le test Student c'est ce que j'ai fait.
J'en étais très content que ce que tu fasses se ramène au student, et tu as rappeler le nom t-test.
Sauf que tu n'as jamais donné ton résultat avec t= ou avec du p= comme habituel
Et je ne me souvenais plus de la différence t= … et p =…
Donc j' ai repris des refs.
et je t'ai mis des extraits:

-plus clair que le wiki sur H0 et H1
-détaillant comment on pouvait estimer que loi normale sous-jaccente test d'aplatissement et d'asymétrie …

sur interprétation avec les stats j'ai mis sur maths forum un petit truc.
Les stats n'affirment rien ...Elles répondent probablement que cela se passe plutôt comme ça que comme ci.

Bonjour Beagle,
Je vais essayer de te répondre clairement.
Je n'ai jamais eu l'intention et encore moins l'envie d'apprendre les finesses et les convolutions des tests et méthodes utilisées en statistique.
La seule raison de m'exprimer sur ces sujet est que j'essaye d'apporter un peu de mes connaissances. Je sais bien que ces notions sont mal connues de matheux, donc, si je peux apporter quelque-chose, alors je continue.
Parallèlement, si je veux pouvoir répondre à un point précis, alors, je me renseigne. C'est exactement ce qui s'est passé à l'occasion de cet exo. Les tests de Student et de Wilcoxon ont été cités, alors la moindre des choses était d'aller voir une peu plus en détail ce dont il s'agissait. C'est là que j'ai vu que le test de Student était basé sur la loi normale et au contraire le test de Wilcoxon était possible si les observations ne satisfaisaient pas à la loi normale. J'avais donc l'information nécessaire.

Pour H0 et H1, je n'ai plus envie d'en discuter.
Pour la loi normale, c'est plus compliqué.
Si une expérience est faites suivant des conditions "normales" alors la répartition sera normale, sauf faute ou tricherie. Il existe différentes méthodes pour savoir si une liste résulte d'une expérience normale ou pas. J'ai essayé tout ce que je pouvais trouver (il y a quelques années) et j'en suis resté à la comparaison de rapport emq/ema qui doit être proche de 1.25. Sylviel m'a dit que ce rapport ne représentait rien, que j'étais complètement idiot etc. Il a la démonstration entre les mains, mais je sais qu'il a des problèmes de compréhension lorsqu'il s'agit de textes un peu précis.

Beagle a écrit:Les stats n'affirment rien ...Elles répondent probablement que cela se passe plutôt comme ça que comme ci.

Ben si, les statistiques affirment que telle valeur ou tel ensemble de valeurs correspond à telle réalité, avec une certaine tolérance (cj "intervalle de confiance").

Bien-sûr j'ai lu les documents que tu m'as envoyés, je t'en ai dit un mot. Concernant ce sujet, le document que je conseille est le cours de l'université de Toulouse.

Concernant l'autre exercice (choix des étudiants) je suis d'accord avec la réponse E) mais je n'ai pas lu l'argumentation de la part des deux intervenants.

J'ai un sacré doute.
J'ai cru comprendre que cet exo était posé dans le chapitre d'utilisation du test de Wilcoxon, pour donne une application numérique. Si c'est le cas, il faut mettre ce bouquin à la poubelle. Par contre connaissant Léon, il est très possible qu'il ait écrit ça parce qu'il préférait que ce test soit positif, donc autant employer une méthode qui donnera un résultat positif. Ca me donne encore l'occasion de pouvoir dire "en maths, c'est comme on veut".

"Ben si, les statistiques affirment que telle valeur ou tel ensemble de valeurs correspond à telle réalité, avec une certaine tolérance (cj "intervalle de confiance")."

Pas pour moi.
On a des données Qs
On fait un student QS

le Student dit ceci:
j'avais 2,23% de chance d'avoir un tel tirage de données si elles provenaient du meme hasard (meme hasard = pas d' effet de la substance)

Donc je me dis qu'il est très probable que la substance soit active.

Pour moi Wilcoxon et Student donnent la meme réponse sur les données analysées.
Ce qui n'est pas ce que toi tu as trouvé il me semble.

Ceci dit, ne me dérangerait pas d'avoir des résultats contradictoires sur les deux tests.
Avec si peu de valeur, examinées comme on le fait, tirer des conclusions, non.
Des indications, des soupçons que , alors oui

Tu sais, ça fait 10 ans que j'explique les mêmes choses, avec les mêmes arguments, preuves etc. Et depuis 10 ans j'entends les mêmes réponses, suivant les gens, c'est soit "je ne suis pas d'accord avec toi", soit, "tu dis n'importe quoi, d'ailleurs t'y connais rien.", et bien-sûr sans aucun argument.

Beagle a écrit:Pour moi Wilcoxon et Student donnent la meme réponse sur les données analysées.
Ce qui n'est pas ce que toi tu as trouvé il me semble.

Léon a dit que Wilcoxon concluait que la substance avait une influence. Moi, j'ai dit que le test ne permettait pas de dire si la substance avait une influence. Pour être précis, à la question "la substance a-t-elle un influence ?" je réponds NON.

je te mets test de normalité vu hier sur l'autre ref:

Comment tester la normalité des données?

Lorsque la taille des échantillons est suffisamment grande (n >30), on peut ignorer le test de normalité sans problème majeur.

Le théorème central limite nous dit que, la distribution de l’échantillonnage tend à suivre la loi normale lorsque la taille est grande ( n > 30).

En revanche, pour être rigoureux, la normalité peut être vérifier par une inspection visuelle [Histogramme, Q-Q plot (quantile-quantile plot)] ou par des tests de significativité.

L’histogramme permet un jugement visuel à savoir si la distribution est une courbe en cloche (courbe de Gauss).
Le test de significativité compare la distribution d’un échantillon donné à celle de la loi normale et renvoie une p-value.

Plusieurs méthodes existent pour le test de normalité, notamment le test de Kolmogorov-Smirnov (K-S) et le test de Shapiro-Wilk.

L’hypothèse nulle (H0) de ces tests est : " L’échantillon suit une loi normale“. Si le test est significatif, la distribution ne suit pas une loi normale.

La méthode de Shapiro-Wilk est le plus largement recommendé pour le test de normalité et il plus puissant que le test de K-S. Il est basé sur la corrélation entre les données et les scores théoriques de la loi normale.

Notez que le test de normalité est sensible à la taille des échantillons. Les échantillons de petite taille passe très souvent le test de normalité. Par conséquent, il est important de combiner une inspection visuelle et un test de significativité pour prendre la bonne décision.

Question : Faire ou ne pas faire le test de normalité?

Le test de normalité et les autres hypothèses faites par les tests paramétriques devraient être pré-testés avant de continuer avec le test principal de comparaison de moyennes. Par exemple, dans le domaine de la recherche médicale, la distribution normale des données est une exception plutôt qu’une règle. Dans de telles situations, l’utilisation des tests paramétriques n’est pas encouragée. Les tests non-paramétriques, tel que le test de Wilcoxon, sont recommandés.

Dans la fonction rquery.t.test(), le test de normalité de Shapiro-Wilk est utilisé et, une histogramme et un Q-Q plot sont automatiquement dessinés pour une inspection visuelle.

Oui, je viens de lire le message identique dans MF. Je suppose que tu veux que je donne mon avis.

Lorsque la taille des échantillons est suffisamment grande (n >30), on peut ignorer le test de normalité sans problème majeur.

Et pourquoi donc ? Un test de normalité sert à savoir s'il n'y a ni faute ni tricherie.

Lorsque la taille des échantillons est suffisamment grande (n >30), on peut ignorer le test de normalité sans problème majeur.

C'est pour avoir dit ça que Sylviel et ses copains m'ont traités d'imbécile, de débile d'ignorant et d'hérétique.

L’histogramme permet un jugement visuel à savoir si la distribution est une courbe en cloche (courbe de Gauss).

C'est le plus grand reproche que me fait Léon. Tu me diras, c'est pas une référence en la matière.

L’hypothèse nulle (H0) de ces tests est : " L’échantillon suit une loi normale“. Si le test est significatif, la distribution ne suit pas une loi normale.

Là c'est vraiment bien. C'est l'art de dire une chose et son contraire dans la même phrase. Exemple de test : je veux tester ma force. Je donne un coup de pied dans un ballon. J'ai fixé la limite à 25 m. Le test est significatif ou pas ? J'arrive à 30 m. J'ai réussi le test ou pas ? Conclusion H0 ou H1 ?

Par exemple, dans le domaine de la recherche médicale, la distribution normale des données est une exception plutôt qu’une règle.

Ah ! et pour quelle raison ?

Tu jugera par toi-même la crédibilité d'un tel site. Par ailleurs, il dit aussi des choses vraies. Peut-être Sylviel réagira, mais je ne crois pas.

Pour l'autre sujet de probabilité avec les étudiants, la réponse à donner est :
les écarts entre chaque valeur proposée est 10 pour une valeur d'environ 600, soit un choix à faire avec une précision de 1/60. Cette valeur est inférieure aux pourcentages recherchés. Donc on ne peut pas choisir.
Il faut répondre E).

A la phrase "Pour le test de student apparié:
Si la différence d (= x-y) suit une loi normale""

Léon a écrit:oui, lorsque les échantillons sont de taille quelconque.

Ma question : est-ce que ce comique se relit ? Si la loi de probabilité dépend de la taille de l'échantillon, alors c'est une information qui peut révolutionner une bonne partie des mathématiques.

Ca me rappelle certains échanges, par exemple un exercice évoquait une histoire d'ampoules. Léon a posé la question "quelle loi de probabilité ?". J'ai proposé "ça doit être marqué sur le culot". Il n'y a pas eu de suite.
Une autre fois, il s'agissait de pêche industrielle, même type de question de la part de Sylviel, alors j'ai demandé à quel moment on choisissait la loi de probabilité, avant d'embarquer ou à la sortie du port. Puis j'ai posé une autre question qui me tracassait : "comment on prévient les poissons ?". Là non plus il n'y a pas eu de réponse.

Bonsoir,
Décidément, ce type de question deviendra bientôt un classique.
Ma conclusion : puisque la variation est de 5 mmHg et l'écart-type 7 mmHg, soit ep = 5 mmHg, on a une chance sur deux que le test soit positif, donc que le traitement soit efficace. Conclusion, on peut rien dire. Sauf naturellement, une lecture trop rapide de cet énoncé. Donc, réponse C.

PS. il est clair que je ne sais pas quel argument est attendu par le prof, mais comme c'est un QCM il me semble que seule la réponse est demandée.
En tout cas, pour les deux exercices dont il s'agit, la première demande un petit calcul avec une calculette, mais faisable à la main, le second même pas, puisque les valeurs sont fournies, la réponse est, sans discussion possible "on ne sait pas : c'est 50/50".

Si on veut, je peux faire une explication détaillée.

Bonne soirée.

Bonjour,
Manifestement LB2 a confirmé :

LB2 a écrit:Conclusion : ce qui est observé est "trop exceptionnel" pour conserver l'hypothèse nulle avec alpha = 5%.
Autrement dit, on rejette l'hypothèse nulle.

Bien-sûr, on rejette l'hypothèse nulle.
Ce qui veux dire, d'après ce que je comprends "Le produit dropanol n'est pas efficace ..."
L'hypothèse proposée :
C)on ne peut pas dire qu'il ya une difference statistiquement significative entre PAS initial et final
Différence significative : cela signifie pour un nombre significatif de personnes, le produit a fait baisser le PAS.

L'énoncé fourni la moyenne avant et après utilisation du produit, c'est 150 mmHg et 145 mmHg et l'écart-type 7 mmHg.
L'écart probable, noté ep= 2/3 écart-type ~ 5 mmHg correspond à la moitié des valeurs de la liste.
Donc, pour moi, on ne peut pas dire qu'il y a une différence statistiquement significative, puisque pour une personne sur deux il n'y a pas de différence.
En fait il manque une valeur importante l'écart-type des mesures avant utilisation du produit et après utilisation su produit. Donc, on ne peut rien conclure.

Par contre, personnellement je conclue que si les vérifications de produits médicaux sont faites suivant ce type de raisonnement alors il y a danger.

hypothèse nulle: la différence entre les deux séries avant traitement Et après traitement est égale à ZERO
le ZERO de c'est nul!
Rejeter que la différence est nulle = on trouve que la différence entre les deux existe = on accepte qu'il se passe quelque chose = on accepte que le dropanol soit efficace.

Je vais compléter mon argumentation.
Tout dépend de la façon de comprendre "différence statistiquement significative".
Pour représente visuellement l'évolution, il suffit de dessiner deux courbes de Gauss de même dimension, décalées l'une de l'autre d'un quantité égale à un écart-type, c'est à dire 7*2/3. On constate que la zone commune aux deux courbes est vraiment importante.
En d'autres termes la différence est significative, puisque elle est de 5 mmHg, mais ne représente pas grand-chose par rapport à l'incertitude de l'expérience. Pour qu'elle soit significative, il faudrait qu'elle soit largement supérieure à l'écart probable, par exemple supérieure à l'écart-type.

conclusion tes tests lorsque les échantillons sont faibles ne marchent pas.