Cours 9 : test t et estimation

Question 1

Estimation

Answer 1

Meilleur estimé veut dire que l’erreur entre la “vraie” valeur et la statistique est minimisée (jamais exacte correspondance)
Le meilleur estimé de μ est la moyenne de l’échantillon

Question 2

Comment rendre l’estimation plus précise ?

Answer 2

En prenant en compte la

variabilité dans l’échantillonnage → estimation d’intervalle ou intervalle de confiance (synonymes)

Question 3

Intervalle de confiance

Answer 3

Spécifie un intervalle de valeurs entre lesquelles la valeur réelle de μ inconnue serait comprise avec un niveau de certitude connu

Question 4

Trois faits mathématiques de l’intervalle de confiance (pourquoi ça marche)

Answer 4

1. La moyenne de la distribution d’échantillonage est égale à la moyenne de la population (𝜇𝑋ത = 𝜇)
2. L’erreur standard de la distribution d’échantillonage est égale à l’écart-type de la population divisé par la racine carrée de la taille de l’échantillon
3. La forme de la distribution d’échantillonnage est connue

Question 5

Formule de l’intervalle de confiance

Answer 5

𝑋ത ± (𝑍𝑐𝑜𝑛𝑓)(𝜎𝑋ത )

𝜎𝑋ത : l’erreur type (écart type/racine carrée de N)

Question 6

Niveau de confiance

Answer 6

La proportion ou pourcentage du temps que le paramètre inconnu en question (μ) sera compris à l’intérieur de l’intervalle

Question 7

Pourquoi est-ce qu’on choisit 95 % par défaut pour l’intervalle de confiance ?

Answer 7

90% quand ne pas avoir d’intervalle précis pourrait avoir de sérieuses consequences.
99% quand un intervalle faux pourrait avoir de sérieuses consequences

Question 8

Taille optimale pour l’intervalle de confiance

Answer 8

La taille de l’échantillon utilisé

pour construire un intervalle de confiance ne peut jamais être trop grand

Question 9

Fourchette de valeurs entre lesquelles nos valeurs de Xbarre peuvent se retrouver

Answer 9

Si 𝑋ത n’est pas dans l’intervalle, on rejette l’hypothèse nulle
𝐼𝐶1−𝛼 = 𝜇 ± 𝑍𝛼/2 × 𝜎x

Question 10

Par quoi sont déterminées les bornes de l’intervalle de confiance ?

Answer 10

La valeur critique associée au seuil alpha choisi (Alpha plus petit élargit l’intervalle de confiance (et vice versa))
L’erreur type de la moyenne

Question 11

William Gosset (1876-1937)

Answer 11

Il était employé à Guinness (la bière), et a travaillé dans le laboratoire de Karl Pearson
Concerné par le problème des petits échantillons en inference statistique à cause des considerations de contrôle qualité à Guinness
On lui reconnaît d’avoir développé la distribution de Student – t

Question 12

Distribution d’échantillonnage de t

Answer 12

La distribution obtenue si une
valeur de t était calculée pour chaque moyenne d’échantillonnage de tous les échantillons aléatoires possible d’une taille donnée tirés d’une
population;
Unimodale, symmétrique, et en
forme de cloche (comme
la distribution normale.) dès dl=4; extrémités plus larges

Question 13

Pourquoi les extrémités de la distribution t sont plus larges ?

Answer 13

À cause de la variabilité plus grande qui vient de l’estimation de σ par s;
Normale lorsque dl -> infini

Question 14

Notion de degrés de liberté

Answer 14

Quantité d’information (valeurs, scores, statistiques, etc.) qui est
“libre” de varier lorsque nous estimons un paramètre;
Chaque distribution-t est associée à un degré de liberté (df ou dl)
*Lorsque les n écarts autour de la moyenne sont utilisés pour
estimer la variance de la population, seulement n-1 sont libres de varier parce
que la somme des écarts doit être égale à zéro (restriction mathématique);
𝒅𝒇 = 𝒏 − 1

Question 15

Mode d’emploi du test t

Answer 15

1. Déterminer direction de l’hypothèse.
2. Déterminer niveau de confiance
3. Regarder la bonne colonne
4. Choisir le numéro → c’est le tcritique
   *Si notre dl n’est pas disponible, on prend la valeur correspondante au dl
   immédiatement inférieur

Question 16

Remarques sur le tcritique

Answer 16

La valeur de tcritique est plus variable que le zcritique;
Les statistiques observées (moyenne, écart-type habituellement) sont converties en statistique test, qui est en quelque sorte une valeur étalon de la distribution d’échantillonnage appropriée;
En fait, lorsqu’on teste des hypothèses ou construit des intervalles de confiance pour des moyennes de population, on doit utiliser le test t au lieu de z lorsque l’écart-type de la population (σ) est inconnu, ce qui est presque toujours le cas

Question 17

STATISTIQUE-t POUR LA MOYENNE D’UNE POPULATION (UN ÉCHANTILLON)

Answer 17

𝒕 = 𝒎𝒐𝒚𝒆𝒏𝒏𝒆 𝒅𝒆 𝒍 ′é𝒄𝒉𝒂𝒏𝒕𝒊𝒍𝒍𝒐𝒏 −𝒎𝒐𝒚𝒆𝒏𝒏𝒆 𝒉𝒚𝒑𝒐𝒕𝒉é𝒕𝒊𝒒𝒖𝒆 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒑𝒖𝒍𝒂𝒕𝒊𝒐𝒏 / 𝐞𝐫𝐫𝐞𝐮𝐫 𝐬𝐭𝐚𝐧𝐝𝐚𝐫𝐝 𝐞𝐬𝐭𝐢𝐦é (sxbarre)

Question 18

INTERVALLE DE CONFIANCE DE μ BASÉ SUR t

Answer 18

𝑿barre ± (𝒕𝒄𝒐𝒏𝒇 )(𝒔𝑿barre)

𝑡𝑐𝑜𝑛𝑓: valeur trouvée dans la table des valeurs critiques

Question 19

Deux échantillons

indépendants

Answer 19

Test statistique fréquemment
utilisé pour comparer un groupe contrôle avec un groupe de traitement;
Permet de tirer des conclusions claires à propos d’une
relation cause à effet;
On se questionne si les statistiques des deux échantillons sont
suffisamment différentes pour conclure qu’ile proviennent de deux populations différentes (rejeter l’hypothèse nulle)

Question 20

Effet du test t avec deux échantillons indépendants

Answer 20

difference entre les paramètres (μ) de deux populations (μ1 et μ2) différentes
𝜎𝑋ത1−𝑋ത2 = racine carrée (𝜎1
à la deux / 𝑛1 + 𝜎2à la deux/𝑛2

Question 21

Interprétation du test t avec deux échantillons indépendants

Answer 21

𝜎𝑋ത1−𝑋ത2
est une mesure de la différence moyenne des
différences entre les moyennes de deux échantillons aléatoires et la
différence moyenne entre deux populations

Question 22

STATISTIQUE-t POUR DEUX MOYENNES DE POPULATION (DEUX ÉCHANTILLONS INDÉPENDANTS)

Answer 22

𝒕 = 𝒅𝒊𝒇𝒇 𝒆𝒏𝒕𝒓𝒆 𝒍𝒆𝒔 𝒎𝒐𝒚𝒆𝒏𝒏𝒆𝒔 𝒅′é𝒄𝒉𝒂𝒏𝒕𝒊𝒍𝒍𝒐𝒏 −(𝒅𝒊𝒇𝒇 𝒉𝒚𝒑𝒐𝒕𝒉é𝒕𝒊𝒒𝒖𝒆 𝒆𝒏𝒕𝒓𝒆 𝒍𝒆𝒔 𝒎𝒐𝒚𝒆𝒏𝒏𝒆𝒔 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒑𝒖𝒍𝒂𝒕𝒊𝒐𝒏) /𝐞𝐫𝐫𝐞𝐮𝐫 𝐬𝐭𝐚𝐧𝐝𝐚𝐫𝐝 𝐞𝐬𝐭𝐢𝐦é
DEGRÉS DE LIBERTÉ (DEUX ÉCHANTILLONS)
𝒅𝒇 = 𝒏𝟏 + 𝒏𝟐 − 2

Question 23

Test t: p-value

Answer 23

Probabilité d’obtenir le résultat observé, si on présume que
l’hypothèse nulle est vraie;
Le plus la p-value est petite, le plus H0 est suspecte;
probabilité qui correspond à la zone grise dans le schéma précédent (ou la zone grise totale des deux côtés si
bilatérale)

Question 24

Comment approximer le p-value

Answer 24

Il faut savoir trois informations (Directionalité de l’hypothèse, Degrés de liberté, t obs)
On trouve la rangée du dl dans le tableau de directionnalité de
l’hypothèse correspondant;
On assigne le p-value correspondant

Question 25

Problème du p value

Answer 25

Peut poser problème quand les résultats sont limite (exemple: p = 0.06): pas de balises pour decider
De plus, les concepts d’erreur de type I et type II sont moins clairs avec cette approche

Question 26

α vs p-value

Answer 26

Spécifié avant avoir observé la statistique test, le niveau de signification α déterminé le degré de rareté requis à notre statistique test afin qu’on
rejette H0;
Déterminée après avoir observé la statistique test, le p-value détermine le degré de rareté de notre statistique, si l’hypothèse nulle est conservée

Question 27

INTERVALLE DE CONFIANCE DE μ1 - μ2 BASÉ SUR t (deux échantillons indépendants)

Answer 27

(𝑿barrie𝟏−𝑿barre2) ± (𝒕𝒄𝒐𝒏𝒇 )(𝒔𝑿barre𝟏−𝑿barre2)

Question 28

TAILLE D’EFFET STANDARDISÉE, d DE COHEN (DEUX ÉCHANTILLONS

INDÉPENDANTS)

Answer 28

𝒅 = 𝒅𝒊𝒇𝒇é𝒓𝒆𝒏𝒄𝒆 𝒎𝒐𝒚𝒆𝒏𝒏𝒆 /

é𝒄𝒂𝒓𝒕 𝒕𝒚𝒑𝒆

Question 29

Avantages de la taille d’effet en comparaison avec l’estimation

Answer 29

Point de référence stable qui n’est pas influencé par la taille de l’échantillon, ce qui permet de comparer des effets adéquatement lorsque la taille de l’échantillon est très différente;
Unités s’annulent – standardise, sans unités

Question 30

Présuppositions – test t deux

échantillons indépendants

Answer 30

t presuppose que les populations sous-jacentes sont

normalement distribuées avec variances égales

Question 31

Si on observe un non-respect flagrant de la normalité et de l’égalité des variances pour les données des deux groupes, considérer (pour test t deux échantillons indépendants)

Answer 31

1. Augmenter la taille de l’échantillon (réduit impact d’anormalité)
2. Échantillons de taille égale pour minimiser l’impact de variances inégales (variance inégale va surestimer l’erreur-type)
3. Utiliser un test t moins sensible et plus complexe pour les variances inégales (on ne voit pas dans ce cours.)
4. Utiliser un test statistique non-paramétrique et moins sensible tel que Mann-Whitney U test.