Découvrez comment faire :
- 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 nul, par exemple il y a une DIFFÉRENCE dans les moyennes de la population
- Nous pouvons également insérer Supérieur à (ou Inférieur à) au lieu de Aucune différence
- Accepter une hypothèse alternative revient à rejeter (ou à 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 certitude 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 99,9 % confiance dans les résultats.
- 95 % de confiance signifie que si vous effectuez 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 quantiles, les statistiques récapitulatives et les tests de moyennes
- Comparer deux moyennes
- Analyser > Distribution puis test t à partir du triangle rouge
- Interpréter le test t
- Comparer plus de deux moyennes
- Analyser > Distribution puis Moyennes/ANOVA à partir du triangle rouge
- Exécuter une analyse à sens unique (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 parce que lorsque les moyennes d'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 population sont les mêmes, dans une 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 ~ 20 h 05.
Si vous avez des questions pour Jerry, tapez @JerryFish dans votre commentaire.
Ressources
Compare Mean to Target ValueComparer la moyenne à la valeur cibleComparer la moyenne à la valeur cible
