5. COMPARAISON DE MOYENNES (TEST t) Flashcards
But du test
Vérifier si la moyenne observée auprès d’un échantillon est identique ou différente à la moyenne connue ou supposée de la population ()
(même but que le test Z).
Important: Le test t est utilisé au lieu du test z lorsque est inconnu.
Distribution t de Student
Contrairement à la distribution Z, il existe une famille de distributions t, qui varient selon le nombre de degrés de liberté (reliés au nombres de sujets). La distribution t possède sensiblement les mêmes caractéristiques que la distribution normale et elle s’en rapproche avec l’augmentation du n.
Échantillons dépendants
2 cas possibles
Les mêmes personnes sont mesurées à 2 reprises sur une même variable.
Souvent Prétest-posttest
Les individus de chaque échantillon sont mesurés à une seule reprise mais ils sont appariés (pairés) en fonction de plusieurs caractéristiques importantes
Test t pour échantillons indépendants
Ici le test t vise à comparer deux moyennes provenant d’échantillons distincts sur une même variable.
En prélevant 2 échantillons indépendants, il est fort probable que les 2 moyennes d’échantillon diffèrent quelque peu, même s’ils proviennent d’une même population.
Lorsqu’on a une seule moyenne, on estime la probabilité d’observer cette valeur lorsque H0est vraie à l’aide d’une distribution d’échantillonnage possédant une moyenne μet un écart-type (théorème de la limite centrale).
Lorsqu’on compare la moyenne de deux échantillons indépendants, on estime la probabilité d’observer la différence de moyenne obtenue lorsque H0est vraie à l’aide de la distribution d’échantillonnage des différences de moyennes.
On estime la probabilité d’observer la différence de
moyennes obtenue à l’aide d’une distribution du t de
Student possédant
n1 + n2 – 2 degrés de liberté,
une moyenne u1-u2 (toujours égal à 0 sous H0)
et un écart-type
racine(écart carré/n1 + écart carré/n2)
formule test t
p16
Avec des échantillons indépendants, on peut avoir
des n inégaux.
On doit tenir compte du nombre d’observations ayant
servi à estimer chaque écart-type. formule
p17
différence au niveau calcul entre échantillon dépendant et indépendant
Ici, le fait d’évaluer les mêmes sujets élimine la variance entre les individus réduisant ainsi de beaucoup la variance (donc l’écart-type) de la distribution d’échantillonnage qui sera utilisée. Cela a pour effet d’augmenter la puissance du test statistique.
De fait, on s’intéresse ici la moyenne des différences entre les scores
Sous H0, nous allons tester que la moyenne des différences sera égale à 0
Comme on travaille avec une seule moyenne (la moyenne
des différences), on utilise la même distribution
d’échantillonnage que pour le test t avec un échantillon
(avec n –1 dl).
En fait, le calcul est identique sauf qu’au lieu d’utiliser la
moyenne et l’écart-type de l’échantillon, on utilise la
moyenne et l’écart-type des différences entre les données.
Quand on élimine la variabilité due aux différences individuelles, la variabilité au dénominateur tend à être réduite et la valeur du t tend ainsi à augmenter.
Avec un t plus grand, il y a plus de chances de rejeter H0, on augmente donc la puissance statistique.C’est l’avantage d’avoir des échantillons dépendants !
formule p27