Aide à l'analyse statistique des mesures répétéesDisons que je dois comparer deux équipements et vérifier s'ils mesurent la même chose.
Je sais que j'ai une certaine erreur/incertitude de mesure, je décide donc de mesurer le même échantillon plusieurs fois sur chaque équipement.
La collecte de données ressemble au tableau « Analyse statistique des données » (voir pièce jointe). Mon idée était de calculer la moyenne de chaque échantillon, puis d'effectuer une analyse par paires appariées (voir pièce jointe « Analyse statistique des paires appariées »). Par exemple, je constate que les deux appareils mesurent différemment.
Cependant, si je compare les données du tableau Collecte de données d'analyse statistique avec Fit Y-by-X et que j'exécute un test non paramétrique pour chaque échantillon, je peux voir que les différences ne sont pas statistiquement significatives pour tous les échantillons.
Quelle est la bonne façon d’analyser ces données ?
Modélisation statistique avancéeRe : Aide à l'analyse statistique des mesures répétéesJe ne suis pas statisticien, mais cela ressemble à une application pour l'analyse de la variabilité (Analyser > Qualité et processus > Graphique de jauge de variabilité/attribut) ou MSA (Analyser > Qualité et processus > Analyse des systèmes de mesure)
Re : Aide à l'analyse statistique des mesures répétées@Ressel merci pour votre réponse.
J'ai essayé le graphique de variabilité/jauge d'attribut, et le résultat est similaire à celui des paires appariées.
Ce qui m’inquiète, c’est que, de cette façon, je travaille avec des moyennes, mais le nombre limité d’échantillons et la grande dispersion conduisent à une grande incertitude dans l’estimation de la moyenne.
Est-il toujours acceptable de travailler avec des moyennes ?
Re : Aide à l'analyse statistique des mesures répétées@bbenny7 Je tiens à vous rappeler que je ne suis pas statisticien, mais en regardant votre tableau plus détaillé « Statistical analysis data collection.jmp » , je ne comprends pas bien la signification du terme « échantillon ». Vous attendez-vous à de réelles différences entre eux ? Si oui, pensez-vous que ces différences sont dues à des propriétés différentes de 1, 2 et 3, ou résultent-elles peut-être d'une variation d'échantillonnage ?
En regardant le graphique ci-dessous, en première approximation, serait-il suffisant de supposer que les échantillons 1, 2 et 3 sont identiques (ou de le prouver via ANOVA) puis de comparer les moyennes de groupe pour les équipements A et B les unes par rapport aux autres ?
De plus, votre commentaire « la grande dispersion conduit à une grande incertitude dans l'estimation moyenne » est déjà une conclusion qui semble potentiellement utile pour la communication à quiconque pourrait être intéressé par les résultats.
Re : Aide à l'analyse statistique des mesures répétéesBonne remarque concernant l'approche ANOVA : si les échantillons 1, 2 et 3 ne sont pas fondamentalement différents, leur regroupement pourrait grandement simplifier les choses. Je suis également curieux de savoir ce que la variation attendue entre les échantillons est censée refléter.
Re : Aide à l'analyse statistique des mesures répétéesBonjour @bbenny7 : J'envisagerais un modèle mixte. L'analyse des paires appariées (test t apparié) que vous avez réalisée est un cas particulier de ce modèle mixte.
Dans la plateforme Fit Model, la valeur est Y et les effets sont « Équipement » et « Échantillon ». L'échantillon doit être considéré comme un effet aléatoire (via le menu « Attributs ») afin que les variations d'un échantillon à l'autre soient supprimées et que les comparaisons soient effectuées au sein des échantillons.
Vous pourriez vous demander si la différence (statistiquement significative ou non) est significative. Par exemple, l'intervalle de confiance peut être très serré et ne pas inclure zéro (indiquant une différence statistiquement significative)… mais cet intervalle de confiance représente-t-il une différence significative en pratique ? Par exemple, dans votre analyse par paires appariées, l'entier de confiance de la différence est de -2,41 à -1,15 ; il s'agit d'une très faible différence. D'un point de vue pratique et scientifique, cette différence (entre -2,41 et -1,15) est-elle pertinente ?
Modification : De plus, en observant les graphiques, il semble que les données soient arrondies à 1 dp ; il est déconseillé d'analyser des données arrondies. Ces données peuvent correspondre à celles que vous rapportez, mais pour l'analyse des données, utilisez toujours le nombre de décimales correspondant à la précision de la mesure.
Re : Aide à l'analyse statistique des mesures répétéesSalut @MRB3855 ,
Merci pour votre réponse.
J'ai une autre question concernant les estimations des paramètres : je ne vois pas l'équipement [B] et l'ordonnée à l'origine ne correspond pas à sa valeur. Comment dois-je calculer la valeur de l'équipement [B] ?
Re : Aide à l'analyse statistique des mesures répétéesSalut @bbenny7 : C'est la façon dont le modèle est paramétré .
-Modifier : Détails ici si intéressé : https://www.jmp.com/support/help/en/18.0/index.shtml#page/jmp/nominal-factors.shtml#
L'interception est interprétée comme la moyenne des deux équipements.
A = interception + 0,8888889
B = interception - 0,8888889.
Vous pouvez voir cela et des comparaisons, etc. si vous ouvrez la sortie « Détails de l'effet ».
Réponse : Aide à l'analyse statistique des mesures répétéesVous devriez essayer le « Test d'équivalence ».
