Il s'agit d'une question personnelle d'ordre statistique. Ce n'est pas une question concernant JMP posée par les utilisateurs. Ce n'est peut-être pas le lieu approprié pour poser ce genre de question, mais je ne trouve pas d'autre endroit plus adapté au sein de la communauté JMP. Cette question est étroitement liée à ma publication d'il y a deux ans ( « Explication simple et claire du test t à deux échantillons ? - Communauté des utilisateurs de JMP » ).
Les analyses statistiques par organigramme sont-elles encore utilisées dans votre pays ?
Entre les années 60 et 90 environ, on trouvait dans de nombreux ouvrages de référence des règles rituelles, quasi sacrées et inviolables, pour effectuer des tests statistiques. (Je pense que beaucoup d'entre eux étaient écrits par des non-statisticiens, comme des chercheurs en médecine, des sociologues, des psychologues, etc.) Par exemple, le rituel pour comparer deux échantillons indépendants était le suivant.
(1) Effectuer un test de normalité pour chaque groupe.
(2) Si l'un des deux tests est significatif, effectuez le test de Wilcoxon.
(3) Sinon, effectuez un test d'homogénéité des variances.
(4) Si le résultat est significatif, effectuez le test de Welch.
(5) Sinon, effectuez le test t de Student.
Ces rituels de diagrammes de flux ont été fortement benticisés par de nombreux statisticiens.
La critique de toutes les procédures générales de diagramme de flux est écrite, par exemple, aux pages 1 à 4 dans McElreath, R. (2020 : 2e éd.) Statistical Rethinking : A Bayesian Course with Examples in R and Stan (2e éd.), CRC Press.
Concernant les tests de Welch, Student et Wilcoxon, veuillez essayer la requête suivante dans Copilot, ChartGPT, etc. Il y a trop de documents, je ne peux donc pas en sélectionner un seul.
----------------------
Pourriez-vous vous procurer des articles pour critiquer la procédure de l'organigramme, effectuer le test de Wilcoxon si le test de normalité est significatif, effectuer le test de Welch si le test d'homogénéité des variances est significatif, et effectuer le test de Student dans le cas contraire ?
Et pourriez-vous également vous procurer des documents expliquant que le test t de Student est approximativement équivalent à un test de permutation et peut être utilisé comme test non paramétrique pour tester H0 : F1(y) = F2(y) pour tout y (bien que, en tant que test non paramétrique, le test t de Student ne devienne pas un test pour H0 : mu1 = mu2).
----------------------
En ce qui concerne le test de normalité préliminaire avant les tests t, John Sall-san a écrit sur la robustesse du test t il y a environ 20 ans dans un article de JMPer Cable au titre unique.
Leptokurtosiphobie : peur irrationnelle de ce qui n'est pas normal
En ce qui concerne le test préliminaire d'homogénéité des variances avant les tests t, la célèbre citation de GEP Box, « Faire le test préliminaire sur les variances revient à prendre la mer dans une barque pour savoir si les conditions sont suffisamment calmes pour qu'un paquebot puisse quitter le port ! », est citée dans l'aide de la procédure GLM de SAS ( Centre d'aide SAS : Homogénéité de la variance dans les modèles à un facteur ).
En ce qui concerne l'analyse des données du DOE, GEP Box affirme également que « bloquer ce que vous pouvez et randomiser ce que vous ne pouvez pas » peut approximativement justifier une analyse « comme si » les hypothèses standard étaient vraies.
Au Japon, j'ai l'impression que l'analyse statistique par organigramme est encore largement copiée-collée par de nombreux non-statisticiens, blogueurs ou « influenceurs » dans leur jeu du téléphone arabe sur Internet. Bien que mon point de vue soit peut-être biaisé, je pense que très peu de statisticiens japonais recommandent encore cette méthode.
J'ai assisté à la présentation de David Meintrup-san au Discovery Summit Europe 2026. Je suis très surpris que l'analyse statistique sous forme de diagramme de flux soit présentée comme une analyse statistique d' expert . Je crains également que LearnBot et Assistant n'aient « appris » ce genre de pratiques à partir de mèmes internet et d'articles de blog rédigés par des non-statisticiens.
