Beruflich Dokumente
Kultur Dokumente
Nadine Saleh
PharmD, MS, PhD
Comparaison de deux moyennes
1- Echantillons Indépendants
2- Echantillons Appariés
3- Echantillon Unique
1-Echanillons Independants
Comparaison de 2 moyennes (m1, m2) : 2 groupes de sujets d’effectifs (n1, n2)
But
− Vérifier si une différence existe entre les moyennes d’un critère de jugement (variable quantitative) chez deux
groupes de sujets ou deux populations: c’est un test d’égalité ou d’homogénéité (test de comparaison de 2
moyennes observées)
− Savoir si un écart entre ces 2 moyennes est dû à une simple fluctuation d’échantillonnage ou non, avec une
probabilité de se tromper définie à l’avance. Cette probabilité est souvent de 5 % (par défaut sur la plupart des
logiciels).
− Indiquer quelle confiance, ou incertitude, les moyennes des échantillons (ou de votre hypothèse), sont
statistiquement différentes.
Exemples
1- Pour comparer deux somnifères, on attribue soit le somnifère A soit le somnifère B à deux groupes de 50 sujets
chacun, groupes constitués aléatoirement. Comment montrer que B allonge plus la durée de sommeil que A?
•2- On souhaite comparer la valeur moyenne de la tension artérielle de deux groupes de patients, selon la présence ou
non d’un facteur de risque supposé (tabac, alcool, variant génétique, toxique). Les sujets se répartissent en 17 fumeurs
dont la PA moyenne m1= 148.8 et 15 non fumeurs dont la PA moyenne m2= 139.8.
Doit on considérer que la PA des fumeurs diffère de celle des non fumeurs?
Contexte de comparaison de 2 moyennes
Exemples
Groupes Indépendants
Signifie que l’échantillon 1 est constitué de manière indépendante de l’échantillon 2 (par opposition aux échantillons
appariés) :
- Les sujets de l’échantillon 1 ne sont pas les mêmes que ceux de l’échantillon 2
Questions à se poser:
Quand l’utiliser
− Lorsque l’analyse porte sur une relation bivariée comprenant une variable qualitative ( non métrique = nominale ou
ordinale) et une variable quantitative (métrique) (e.g comapraison de l’age entre hommes et femmes)
Exemple:
v1 : v quantitative (ex. âge)
v2 : v qualitative à 2 classes (ex. sexe)
Moyenne de v1 selon que v2 = x ou v2 = y
Test paramétrique:
Independant sample Ajustement de Test T
Egalite des variances T test (directement donné dans SPSS)
Test non paramétrique: (Mann-Whitney) = Test Non
T de
ou transformer la variable student
Oui Non
Test paramétrique:
Independant sample Ajustement de Test T
T test (directement donné dans SPSS)
= Test T de
student
II. Test T ou Test de Student
I- Définition
• Il s’applique à la comparaison de 2 moyennes issues d’un même groupe ou de deux groupes indépendants
Déterminer s’il y a une différence de poids entre les hommes et les femmes de la population de
l’échantillon
On définit les sous échantillons à partir des valeurs de la variable non métrique:
utilise des valeurs spécifiques: deux codes pour les groupes à comparer [numérique (1
ou 2, 6.25 ou 12.5) ou alphanumérique (oui ou non)]
Il est possible de cliquer sur Options pour contrôler le traitement des données manquantes et le niveau de
l'intervalle de confiance
Résultats et Interprétation
le nombre de patients, la
moyenne et l’écart type de l’âge
dans les 2 populations
1 2 3
Vérification de la normalité (petits échantillons): Procédure SPSS
Trois méthodes:
1- Histogramme
2- Les valeurs de Skewness, kurtosis
3- Test de Shapriro-Wilk ou Kolmogorov-Smirnov
Histogramme: Procédure SPSS
On sélectionne: Analyse descriptive statistics Explore Plots Normality plots with tests
Résultats et Interprétation
T test
5 6 4 T test ajusté
n1 ou n2 <30
n1 & n2 ≥30
Distribution normale??
Normalité de la distribution de la différence
Test T de
student
Oui Non
Test non
Test T de
Paramétrique:
student
(Wicoxon)
ou transformer
la variable
Test T pour échantillons appariés:
I- Définition
• Il compare la moyenne de deux variables pour un seul groupe.
• Il permet de calculer la différence de valeurs entre les deux variables pour chaque individu et de tester si la
moyenne de ces différences diffère de 0.
Exemple:
Dans le cadre d'une étude sur l'hypertension, des mesures sont prises sur tous les patients au début de
l'étude, un traitement est administré, puis on procède à une nouvelle mesure. Par conséquent, chaque sujet
est l'objet de deux mesures, souvent nommées mesures avant et après.
Il est possible cliquer sur Options pour contrôler le traitement des données manquantes et le niveau de l'intervalle de confiance
Résultats et Interprétation
On sélectionne: Analyze Non parametric test Related samples objectives customize analysis fields settings
Résultats et Interprétation
3-Echanillon Unique
Tests à utiliser
Comparaison de 2 moyennes à échantillon unique
n ≥30 n<30
Distribution normale??
Test T de
student
Oui Non
• Il permet de tester si la moyenne d'une seule variable diffère d'une constante spécifiée.
Exemple:
N= 10
Valeur connue moyenne = 100
Moyenne de l’échantillon
N<30, il faut s’assurer de la normalité
- Tracer l’histogramme
- Calculer le test de normalité
Test T pour échantillon unique (distribution normale): Procédure SPSS
On sélectionne: Analyse Non parametric tests One sample objectives customize analysis field settings
Résulats et Interprétation
Synthèse