Année Universitaire
5
pages
Français
Documents
Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus
Découvre YouScribe en t'inscrivant gratuitement
Découvre YouScribe en t'inscrivant gratuitement
5
pages
Français
Ebook
Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus
Niveau: Elémentaire, Primaire, CE2, CM1, CM2
Année Universitaire 2010 - 2011 Faculté de Médecine Montpellier-Nîmes(M.e.l. 25/10/10– LIPCOM)N. Molinari MB6 / Biostatistiques / Statistiques inférentielles : variables quantitatives (Anova, corrélation) Biostatistique MB6 2010-2011 Nicolas Molinari Variables quantitatives :ANOVA et corrélation Les étapes d'un test statistique : rappels •Poser le problème en termes cliniques •Poser le problème en terme statistique (échantillon, type de variables, type de test) •Formuler les hypothèses (H0 et H1) •Choisir le risque de première espèce •Vérifier les conditions d'applicabilité du test •Faire les calculs à partir des données •Comparer à la table statistique et en déduire le « p » •Conclure sur la signification statistique •Rechercher les biais éventuels •Conclure sur la signification clinique Comparaisons de k moyennes observées Problématique: exemple – Population: patients diabétiques – Facteurs étudiés: 4 traitements hypoglycémiants – Critère de jugement: glycémie à jeun – question • 4 groupes de traitements proviennent-ils de la même population ? • globalement, les moyennes sont-elles suffisamment proches pour que leurs différences puissent être considérées comme dues au hasard? – Formulation des hypothèses • H0: ?1= ?2= ?3= ?4, les échantillons proviennent tous de la même population avec moyenne ? • H1: il y a au moins une moyenne différente entre les k moyennes SOUS H0 ?1 ?2 ?3 ?4 ?T ?2 ?2T SOUS H1 ?1 ?2 ?3 ?4 ?2
Voir
Année Universitaire 2010 - 2011 Faculté de Médecine Montpellier-Nîmes(M.e.l. 25/10/10– LIPCOM)N. Molinari MB6 / Biostatistiques / Statistiques inférentielles : variables quantitatives (Anova, corrélation) Biostatistique MB6 2010-2011 Nicolas Molinari Variables quantitatives :ANOVA et corrélation Les étapes d'un test statistique : rappels •Poser le problème en termes cliniques •Poser le problème en terme statistique (échantillon, type de variables, type de test) •Formuler les hypothèses (H0 et H1) •Choisir le risque de première espèce •Vérifier les conditions d'applicabilité du test •Faire les calculs à partir des données •Comparer à la table statistique et en déduire le « p » •Conclure sur la signification statistique •Rechercher les biais éventuels •Conclure sur la signification clinique Comparaisons de k moyennes observées Problématique: exemple – Population: patients diabétiques – Facteurs étudiés: 4 traitements hypoglycémiants – Critère de jugement: glycémie à jeun – question • 4 groupes de traitements proviennent-ils de la même population ? • globalement, les moyennes sont-elles suffisamment proches pour que leurs différences puissent être considérées comme dues au hasard? – Formulation des hypothèses • H0: ?1= ?2= ?3= ?4, les échantillons proviennent tous de la même population avec moyenne ? • H1: il y a au moins une moyenne différente entre les k moyennes SOUS H0 ?1 ?2 ?3 ?4 ?T ?2 ?2T SOUS H1 ?1 ?2 ?3 ?4 ?2
- anova
- conditions d'applicabilité du test
- variance inter-populations
- coefficient de corrélation
- analyse de la variance
- généralisation du test de mann-whitney
Année Universitaire 2010 - 2011
Faculté de Médecine Montpellier-Nîmes
(M.e.l. 25/10/10– LIPCOM)
N. Molinari
MB6 / Biostatistiques / Statistiques inférentielles : variables quantitatives (Anova, corrélation)
Biostatistique MB6 2010-2011
Nicolas Molinari
Variables quantitatives
:ANOVA et corrélation
Les étapes d’un test statistique :
rappels
•Poser le problème en termes cliniques
•Poser le problème en terme statistique (échantillon, type de
variables, type de test)
•Formuler les hypothèses (H
0
et H
1
)
•Choisir le risque de première espèce
•Vérifier les conditions d’applicabilité du test
•Faire les calculs à partir des données
•Comparer à la table statistique et en déduire le «
p
»
•Conclure sur la signification statistique
•Rechercher les biais éventuels
•Conclure sur la signification clinique
Comparaisons de k moyennes
observées
Problématique: exemple
–
Population: patients diabétiques
–
Facteurs étudiés: 4 traitements hypoglycémiants
–
Critère de jugement: glycémie à jeun
–
question
•
4 groupes de traitements proviennent-ils de la même population ?
•
globalement, les moyennes sont-elles suffisamment proches pour
que leurs différences puissent être considérées comme dues au
hasard?
–
Formulation des hypothèses
•
H
0
:
μ
1
=
μ
2
=
μ
3
=
μ
4
, les échantillons proviennent tous de la même
population avec moyenne
μ
•
H
1
: il y a au moins une moyenne différente entre les k moyennes
SOUS H
0
μ
1
μ
2
μ
3
μ
4
μ
T
σ
2
σ
2
T
SOUS H
1
μ
1
μ
2
μ
3
μ
4
σ
2
