Utiliser les tests d'hypothèses pour prendre des décisions éclairées
Découvrez comment :
- Comprendre la différence entre une hypothèse nulle et une hypothèse alternative, les deux conditions que nous souhaitons étudier
- Hypothèse nulle - généralement le statu quo, par exemple Il n'y a AUCUNE DIFFÉRENCE dans les moyennes de population à partir desquelles ces deux échantillons ont été tirés.
- Hypothèse alternative - le complément du Null, par exemple Il Y A UNE DIFFÉRENCE dans les moyens de la population
- Nous pouvons également insérer Supérieur à (ou Inférieur à) au lieu de Aucune différence
- Accepter une hypothèse alternative, c'est rejeter (ou réfuter) l'hypothèse nulle
- Lors de l'exécution de tests, nous recherchons la preuve que l'hypothèse alternative se situe dans notre niveau de confiance et nous pouvons réfuter (ou réfuter) l'hypothèse nulle.
- Attention : si nous NE rejetons PAS l'Alt, cela NE signifie PAS que le Null est vrai et peut-être que nous n'avons pas collecté suffisamment de données pour l'accepter.
- Le niveau de confiance est le niveau de sûreté impliqué dans les hypothèses
- Le niveau de confiance nécessaire peut dépendre
- Souvent, le niveau de confiance acceptable pour prendre des décisions est de 95 %.
- Peut-être que si vous envisagez des décisions de vie ou de mort, vous devez avoir confiance à 99,9 % dans les résultats.
- Un niveau de confiance de 95 % signifie que si vous exécutez un test statistique 100 fois, vous devriez avoir raison environ 95 fois.
- La valeur alpha est 1 - Confiance/100
- Comparer et interpréter l'intervalle de confiance sur une valeur moyenne
- Comparer la moyenne à une valeur cible
- Analyser> Distribution puis tester la moyenne à partir du triangle rouge
- Interpréter les quantits, les statistiques récapitulatives, le test des moyens
- Comparez deux moyens
- Analyser> Distribution puis test t à partir du triangle rouge
- Interpréter le test t
- Comparez plus de deux moyens
- Analyse>Distribution puis Moyennes/ANOVA à partir du triangle rouge
- Exécuter une analyse Oneway (ANOVA)
- Interpréter le résumé de l'ajustement, du R carré, de l'analyse de la variance et des moyennes pour une ANOVA
- Test d'hypothèse d'équivalence – Utilisé car lorsque les moyennes de l'échantillon ne sont pas différentes, nous ne pouvons toujours pas conclure que les moyennes de la population étaient les mêmes
- L'hypothèse alternative est que les moyennes de la population sont les mêmes, dans une certaine marge spécifiée.
- L'hypothèse nulle est que les moyennes de population PEUVENT NE PAS ÊTRE les mêmes dans la marge.
- La différence dans la moyenne de la population est en dehors de l’intervalle d’équivalence
- Utiliser des tests t bilatéraux (TOST)
Remarque : les questions et réponses sont intercalées à partir de ~ 20h05.
Si vous avez des questions pour Jerry, tapez @JerryFish dans votre commentaire.
Ressources
Compare Mean to Target ValueCompare Mean to Target ValueComparer la valeur moyenne à la valeur cible
Analyse et modélisation des données de baseRe : Utiliser les tests d'hypothèses pour prendre des décisions éclairéesBonjour @JerryFish ,
Comment estimer la marge d’équivalence pour un test d’équivalence ?
J'ai un fabricant qui souhaite étendre la fabrication d'une pièce dans une nouvelle usine et je veux prouver que les processus avant et après le déménagement sont équivalents.
Ma pensée initiale était d'utiliser les données préalables au déplacement et de dériver l'intervalle de confiance à 90 % pour l'écart type et d'utiliser une valeur comprise dans cette plage comme marge. Mais une valeur comprise entre 0,00488 et 0,007577 semble trop petite pour mener cette étude ?
Aucune suggestion?
Merci
Néha
Re : Utiliser les tests d'hypothèses pour prendre des décisions éclairéesSalut @carlogarcie !Oui, un test t groupé serait la meilleure option si vous pouvez supposer des variances égales entre les échantillons.
Comme vous le remarquez, par défaut, JMP suppose des variances inégales.Cela se traduit par des intervalles de confiance plus larges (entre autres choses) que pour les variances groupées, il s'agit donc d'une évaluation plus conservatrice qu'un test t groupé.
Mais lorsque vous activez l'option "Means/ANOVA/Pooled t" depuis le triangle rouge, les résultats sont bien poolés.
Bien sûr, comme vous le soulignez, vous voudrez être sûr que les variances des deux groupes ne sont pas différentes, et vous l'obtiendrez grâce à l'option du triangle rouge « Variances inégales ».
Merci pour les commentaires!
Re : Utiliser les tests d'hypothèses pour prendre des décisions éclairées@JerryFish , Appréciez les diapositives et les cours que vous avez fournis pour tester les hypothèses.
Une question que je me pose est que le test t sur JMP suppose que nous avons une variance inégale :
Et si nos échantillons étaient de variances égales, comme cet échantillon masculin et féminin.
Le test groupé serait-il une meilleure option ?
Merci.
