Commentaires

Diaporama

Plan

1	Statistique Inférentielle 2 dimensions
2	Liaison entre 2 variables nominales : le test de Chi² Données binaires : test exact de Fisher (2x2) Données multicatégorielles : test de Chi² de Pearson : Limite : fc >5
3	Exemple test exact de Fisher
4	Résultats avec XLSTAT
5	Comparaison variable qualitative – variable quantitative : Test ANOVA Présupposés : la distribution de la variable quantitative est normale Les variances sont homogènes Les données sont indépendantes
6	Les sources de variations
7	Exemple
8
9	Approche non paramétrique : test de Kruskall-Wallis On ne suppose pas la normalité de la distribution Généralisation du test des rangs de Mann-Whitney
10	Exemple
11
12	Corrélation entre 2 v. quantitatives test de Bravais-Pearson Présupposés : Normalité de la distribution des 2 variables Données indépendantes
13	Transformation
14	Approche non paramétrique : le test de Spearman
15
16	La régression linéaire
17	Répartition des points
18	La distance de Cook Pour chaque point, on calcule la pente a₁ et l’ordonnée à l’origine a₀sans ce point. La distance de Cook calcule la somme des variations avec et sans le point sur les 2 paramètres :
19	Calcul de Cook (XLSTAT)
20	Données atypiques (outliers)
21	Intervalle de confiance sur les paramètres
22	Intervalle de confiance de la droite
23	Limites de détection et niveau critique
24	Limite de détection et niveau critique Méthode directe de calcul Limite de Détection = 3s_a0/a₁ Niveau critique = 10s_a0/a₁
25	Test d’exactitude : test t de Student t_obs = \|a₁-R\|/s_a1
26	Test de précision : Test F
27	Absence de biais sur la droite d’étalonnage : test t t=a₀/s_a0
28	Test de sensibilité : Test t d=pente1-pente2 var._d = var._pente1 +var._pente2