MASS42 Anova

Analyse de variance à un facteur
Tests dhypothèses
Analyse de variance à deux facteurs
Analyse de la variance
ANOVA
Tests dhypothèses
Introduction
Terminologie
Donnees
Modèles statistiques
Estimation des paramètres
1
Introduction
Terminologie
Donnees
2
Tests dhypothèses
3
Tests dhypothèses
Introduction
Terminologie
Donnees
Exemple.
21 candidats, 3 examinateurs (resp. 6,8 et 7 etudiants)
Examinateur A B C
Notes 10,11,11 8,11,11,13 10,13,14,14
12,13,15 14,15,16,16 15,16,16
Eectif 6 8 7
Moyenne 12 13 14
eet dexaminateur?
ANOVA : pour etudier leet des variables qualitatives sur une
variable quantitative
Tests dhypothèses
Introduction
Terminologie
Donnees
Exemple.
Examinateur A B C
Notes 10,11,11 8,11,11,13 10,13,14,14
12,13,15 14,15,16,16 15,16,16
Eectif 6 8 7
Moyenne 12 13 14
eet dexaminateur?
Tests dhypothèses
Introduction
Terminologie
Donnees
Exemple.
Examinateur A B C
Notes 10,11,11 8,11,11,13 10,13,14,14
12,13,15 14,15,16,16 15,16,16
Eectif 6 8 7
Moyenne 12 13 14
eet dexaminateur?
Tests dhypothèses
Introduction
Terminologie
Donnees
1
Introduction
Terminologie
Donnees
2
Tests dhypothèses
3
Tests dhypothèses
Introduction
Terminologie
Donnees
facteur (variable qualitative) : prend un nombre ni de valeurs,
une valeur = une classe.
Exemple : facteur examinateur
niveau (ou population) : les dierentes valeurs prises par un
facteur. Ex : niveaux A, B, C
test de leet dun facteur : tester si les moyennes des
populations sont egales.
La variable etudiee : Y, à valeurs numeriques (note).
Tests dhypothèses
Introduction
Terminologie
Donnees
une valeur = une classe. Exemple : facteur examinateur
Tests dhypothèses
Introduction
Terminologie
Donnees
facteur.
Ex : niveaux A, B, C
Tests dhypothèses
Introduction
Terminologie
Donnees
Tests dhypothèses
Introduction
Terminologie
Donnees
Tests dhypothèses
Introduction
Terminologie
Donnees
La variable etudiee : Y, à valeurs numeriques
(note).
Tests dhypothèses
Introduction
Terminologie
Donnees
Tests dhypothèses
Introduction
Terminologie
Donnees
1
Introduction
Terminologie
Donnees
2
Tests dhypothèses
3
Tests dhypothèses
Introduction
Terminologie
Donnees
Un seul facteur F
k niveaux
k echantillons de tailles respectives n
1
, ..., n
k
Eectif total
n =
k
i =1
n
i
`
A chaque experience, on mesure la valeur de la variable Y.
Donnees
Niveau (population) Nb. obs. Valeurs de Y
1 n
1
y
11
, y
12
, . . . , y
1n
1
2 n
2
y
21
, y
22
, . . . , y
2n
2
.
.
.
.
.
. ............................
k n
k
y
k1
, y
k2
, ..., y
kn
k
Tests dhypothèses
Introduction
Terminologie
Donnees
Un seul facteur F
k niveaux
1
, ..., n
k
Eectif total
n =
k
i =1
n
i
`
Donnees
1 n
1
y
11
, y
12
, . . . , y
1n
1
2 n
2
y
21
, y
22
, . . . , y
2n
2
.
.
.
.
.
. ............................
k n
k
y
k1
, y
k2
, ..., y
kn
k
Tests dhypothèses
Introduction
Terminologie
Donnees
Un seul facteur F
k niveaux
1
, ..., n
k
Eectif total
n =
k
i =1
n
i
`
Donnees
1 n
1
y
11
, y
12
, . . . , y
1n
1
2 n
2
y
21
, y
22
, . . . , y
2n
2
.
.
.
.
.
. ............................
k n
k
y
k1
, y
k2
, ..., y
kn
k
Tests dhypothèses
Introduction
Terminologie
Donnees
Un seul facteur F
k niveaux
1
, ..., n
k
Eectif total
n =
k
i =1
n
i
`
Donnees
1 n
1
y
11
, y
12
, . . . , y
1n
1
2 n
2
y
21
, y
22
, . . . , y
2n
2
.
.
.
.
.
. ............................
k n
k
y
k1
, y
k2
, ..., y
kn
k
Tests dhypothèses
Introduction
Terminologie
Donnees
Sommes et moyennes empiriques
Pour le niveau i :
Y
i
=
n
i
j =1
Y
ij
Y
i
=
1
n
i
Y
i
=
1
n
i
n
i
j =1
Y
ij
Globalement
Y
=
k
i =1
Y
i
=
k
i =1
n
i
j =1
Y
ij
et
Y
=
1
n
Y
=
1
n
k
i =1
Y
i
=
1
n
k
i =1
n
i
j =1
Y
ij
Tests dhypothèses
Introduction
Terminologie
Donnees
Pour le niveau i :
Y
i
=
n
i
j =1
Y
ij
Y
i
=
1
n
i
Y
i
=
1
n
i
n
i
j =1
Y
ij
Globalement
Y
=
k
i =1
Y
i
=
k
i =1
n
i
j =1
Y
ij
et
Y
=
1
n
Y
=
1
n
k
i =1
Y
i
=
1
n
k
i =1
n
i
j =1
Y
ij
Tests dhypothèses
Introduction
Terminologie
Donnees
Pour le niveau i :
Y
i
=
n
i
j =1
Y
ij
Y
i
=
1
n
i
Y
i
=
1
n
i
n
i
j =1
Y
ij
Globalement
Y
=
k
i =1
Y
i
=
k
i =1
n
i
j =1
Y
ij
et
Y
=
1
n
Y
=
1
n
k
i =1
Y
i
=
1
n
k
i =1
n
i
j =1
Y
ij
Tests dhypothèses
Introduction
Terminologie
Donnees
Hypothèse :
les k echantillons sont independants et de loi Normale.
Les y
ij
sont des realisations de la v.a. Y
ij
N(m
i
,
2
) et Y
ij
, Y
i
independantes pour i = i
ou j = j
.
Autrement dit, pour chaque i , (y
ij
)
j n
i
, ..., y
in
i
est un echantillon
standard.
Lecart-type (theorique) est le meme pour tous les niveaux. La
moyenne (theorique) peut varier avec le niveau.
On veut savoir si les moyennes m
i
sont toutes egales ou non.
Tests dhypothèses
Introduction
Terminologie
Donnees
Hypothèse :
Les y
ij
ij
N(m
i
,
2
)
et Y
ij
, Y
i
ou j = j
.
ij
)
j n
i
, ..., y
in
i
est un echantillon
standard.
i
Tests dhypothèses
Introduction
Terminologie
Donnees
Hypothèse :
Les y
ij
ij
N(m
i
,
2
) et Y
ij
, Y
i
ou j = j
.
ij
)
j n
i
, ..., y
in
i
est un echantillon
standard.
i
Tests dhypothèses
Introduction
Terminologie
Donnees
Hypothèse :
Les y
ij
ij
N(m
i
,
2
) et Y
ij
, Y
i
ou j = j
.
ij
)
j n
i
, ..., y
in
i
est un echantillon
standard.
i
Tests dhypothèses
Introduction
Terminologie
Donnees
Hypothèse :
Les y
ij
ij
N(m
i
,
2
) et Y
ij
, Y
i
ou j = j
.
ij
)
j n
i
, ..., y
in
i
est un echantillon
standard.
Lecart-type (theorique) est le meme pour tous les niveaux.
La
i
Tests dhypothèses
Introduction
Terminologie
Donnees
Hypothèse :
Les y
ij
ij
N(m
i
,
2
) et Y
ij
, Y
i
ou j = j
.
ij
)
j n
i
, ..., y
in
i
est un echantillon
standard.
i
Tests dhypothèses
Introduction
Terminologie
Donnees
Hypothèse :
Les y
ij
ij
N(m
i
,
2
) et Y
ij
, Y
i
ou j = j
.
ij
)
j n
i
, ..., y
in
i
est un echantillon
standard.
i
Tests dhypothèses
Introduction
Terminologie
Donnees
1
Introduction
Terminologie
Donnees
2
Tests dhypothèses
3
Tests dhypothèses
Introduction
Terminologie
Donnees
Y
ij
N(m
i
,
2
)
Y
ij
= m
i
+
ij
i = 1, ..., k j = 1, ..., n
i
= +
i
+
ij
avec
ij
N(0,
2
).
Avec
- = eet moyen ;
-
i
= eet du niveau i du facteur F.
Contrainte :
k
i =1
n
i
i
= 0
On veut tester si les
i
sont tous nuls.
Tests dhypothèses
Introduction
Terminologie
Donnees
Y
ij
N(m
i
,
2
)
Y
ij
= m
i
+
ij
i = 1, ..., k j = 1, ..., n
i
= +
i
+
ij
avec
ij
N(0,
2
).
Avec
- = eet moyen ;
-
i
Contrainte :
k
i =1
n
i
i
= 0
i
sont tous nuls.
Tests dhypothèses
Introduction
Terminologie
Donnees
Y
ij
N(m
i
,
2
)
Y
ij
= m
i
+
ij
i = 1, ..., k j = 1, ..., n
i
= +
i
+
ij
avec
ij
N(0,
2
).
Avec
- = eet moyen ;
-
i
Contrainte :
k
i =1
n
i
i
= 0
i
sont tous nuls.
Tests dhypothèses
Introduction
Terminologie
Donnees
Y
ij
N(m
i
,
2
)
Y
ij
= m
i
+
ij
i = 1, ..., k j = 1, ..., n
i
= +
i
+
ij
avec
ij
N(0,
2
).
Avec
- = eet moyen ;
-
i
Contrainte :
k
i =1
n
i
i
= 0
i
sont tous nuls.
Tests dhypothèses
Introduction
Terminologie
Donnees
Vectoriellement, le modèle secrit
_
_
Y
11
Y
12
.
.
.
Y
1n
1
Y
21
Y
22
.
.
.
Y
2n
2
.
.
.
Y
k1
.
.
.
Y
kn
k
_
_
=
_
_
1 0 0 ... 0
1 0 0 ... 0
.........................
1 0 0 ... 0
0 1 0 ... 0
0 1 0 ... 0
.........................
0 1 0 ... 0
..........................
..........................
0 0 0 ... 1
..........................
0 0 0 ... 1
_
_
_
_
m
1
m
2
.
.
.
.
.
.
m
k
_
_
+
_
11
12
.
.
.
1n
1
21
22
.
.
.
2n
2
.
.
.
k1
.
.
.
kn
k
_
_
Tests dhypothèses
Introduction
Terminologie
Donnees
Y = X +
Donc, lanalyse de variance est un modèle lineaire.
Tests dhypothèses
Introduction
Terminologie
Donnees
Y = X +
Donc, lanalyse de variance est un modèle lineaire.
Tests dhypothèses
Introduction
Terminologie
Donnees
1
Introduction
Terminologie
Donnees
2
Tests dhypothèses
3
Tests dhypothèses
Introduction
Terminologie
Donnees
(m
i
)
Il faut trouver ainsi les valeurs des m
i
qui minimisent la fonction :
T((m
i
)) =
k
i =1
n
i
j =1
2
ij
=
k
i =1
n
i
j =1
(Y
ij
m
i
)
2
On obtient que : m
i
=

Y
i
.
Sous lhypothèse de normalite et dindependance des echantillons,
Y
i
est un estimateur sans biais de m
i
et
m
i
=

Y
i
N
_
m
i
,

2
n
i
_
Tests dhypothèses
Introduction
Terminologie
Donnees
(m
i
)
i
T((m
i
)) =
k
i =1
n
i
j =1
2
ij
=
k
i =1
n
i
j =1
(Y
ij
m
i
)
2
On obtient que : m
i
=

Y
i
.
Y
i
i
et
m
i
=

Y
i
N
_
m
i
,

2
n
i
_
Tests dhypothèses
Introduction
Terminologie
Donnees
(m
i
)
i
T((m
i
)) =
k
i =1
n
i
j =1
2
ij
=
k
i =1
n
i
j =1
(Y
ij
m
i
)
2
On obtient que : m
i
=

Y
i
.
Y
i
i
et
m
i
=

Y
i
N
_
m
i
,

2
n
i
_
Tests dhypothèses
Introduction
Terminologie
Donnees
,
i
ij
=
+ (
i

) + (
ij

i
)
k
i =1
n
i
j =1
2
ij
=
k
i =1
n
i
j =1
+
k
i =1
n
i
j =1
(
i

)
2
+
k
i =1
n
i
j =1
(
ij

i
)
2
On a
ij
= Y
ij

i
,
i
= Y
i
n
i
n
i
i
,
i
= Y
i
= Y
i =1
n
i

k
i =1
n
i
i
,
= Y
n,
= Y

Tests dhypothèses
Introduction
Terminologie
Donnees
,
i
ij
=
+ (
i

) + (
ij

i
)
k
i =1
n
i
j =1
2
ij
=
k
i =1
n
i
j =1
+
k
i =1
n
i
j =1
(
i

)
2
+
k
i =1
n
i
j =1
(
ij

i
)
2
On a
ij
= Y
ij

i
,
i
= Y
i
n
i
n
i
i
,
i
= Y
i
= Y
i =1
n
i

k
i =1
n
i
i
,
= Y
n,
= Y

Tests dhypothèses
Introduction
Terminologie
Donnees
,
i
k
i =1
n
i
j =1
2
ij
=
k
i =1
n
i
j =1
(Y
)
2
+
k
i =1
n
i
j =1
(Y
i
Y
i
)
2
+
k
i =1
n
i
j =1
(Y
ij
Y
i
)
2
Le membre de droite est minimise pour :
= Y
,
i
= Y
i
Y
On a bien
k
i =1
n
i

i
= 0 :
k
i =1
n
i

i
=
k
i =1
n
i
Y
i

k
i =1
n
i
Y
=
k
i =1
Y
i
nY
= 0
Tests dhypothèses
Introduction
Terminologie
Donnees
,
i
k
i =1
n
i
j =1
2
ij
=
k
i =1
n
i
j =1
(Y
)
2
+
k
i =1
n
i
j =1
(Y
i
Y
i
)
2
+
k
i =1
n
i
j =1
(Y
ij
Y
i
)
2
= Y
,
i
= Y
i
Y
On a bien
k
i =1
n
i

i
= 0 :
k
i =1
n
i

i
=
k
i =1
n
i
Y
i

k
i =1
n
i
Y
=
k
i =1
Y
i
nY
= 0
Tests dhypothèses
Introduction
Terminologie
Donnees
,
i
k
i =1
n
i
j =1
2
ij
=
k
i =1
n
i
j =1
(Y
)
2
+
k
i =1
n
i
j =1
(Y
i
Y
i
)
2
+
k
i =1
n
i
j =1
(Y
ij
Y
i
)
2
= Y
,
i
= Y
i
Y
On a bien
k
i =1
n
i

i
= 0
:
k
i =1
n
i

i
=
k
i =1
n
i
Y
i

k
i =1
n
i
Y
=
k
i =1
Y
i
nY
= 0
Tests dhypothèses
Introduction
Terminologie
Donnees
,
i
k
i =1
n
i
j =1
2
ij
=
k
i =1
n
i
j =1
(Y
)
2
+
k
i =1
n
i
j =1
(Y
i
Y
i
)
2
+
k
i =1
n
i
j =1
(Y
ij
Y
i
)
2
= Y
,
i
= Y
i
Y
On a bien
k
i =1
n
i

i
= 0 :
k
i =1
n
i

i
=
k
i =1
n
i
Y
i

k
i =1
n
i
Y
=
k
i =1
Y
i
nY
= 0
Tests dhypothèses
Introduction
Terminologie
Donnees
2
Lestimateur de
2
est :
S
2
n
=
1
n k
k
i =1
n
i
j =1
(Y
ij

Y
i
)
2
Tests dhypothèses
Tableau danalyse de variance
Test degalite des k eets
Comparaison de moyennes
1
2
Tests dhypothèses
3
Tests dhypothèses
Niveaux
1 seul niveau ou k niveaux ?
H
0
: m
1
= m
2
= ... = m
k
= m
contre H
1
: i , j {1, ..., k} tels que m
i
= m
j
.
Ou : H
0
:
1
=
2
= ... =
k
= 0
contre H
1
: i {1, ..., k} tel que
i
= 0
Sous H
0
, le modèle a la forme :
M
reduit
: Y
ij
= +
ij
Tests dhypothèses
Niveaux
H
0
: m
1
= m
2
= ... = m
k
= m
contre
H
1
: i , j {1, ..., k} tels que m
i
= m
j
.
Ou : H
0
:
1
=
2
= ... =
k
= 0
contre H
1
: i {1, ..., k} tel que
i
= 0
Sous H
0
M
reduit
: Y
ij
= +
ij
Tests dhypothèses
Niveaux
H
0
: m
1
= m
2
= ... = m
k
= m
contre H
1
: i , j {1, ..., k} tels que m
i
= m
j
.
Ou : H
0
:
1
=
2
= ... =
k
= 0
contre H
1
: i {1, ..., k} tel que
i
= 0
Sous H
0
M
reduit
: Y
ij
= +
ij
Tests dhypothèses
Niveaux
H
0
: m
1
= m
2
= ... = m
k
= m
contre H
1
: i , j {1, ..., k} tels que m
i
= m
j
.
Ou : H
0
:
1
=
2
= ... =
k
= 0
contre
H
1
: i {1, ..., k} tel que
i
= 0
Sous H
0
M
reduit
: Y
ij
= +
ij
Tests dhypothèses
Niveaux
H
0
: m
1
= m
2
= ... = m
k
= m
contre H
1
: i , j {1, ..., k} tels que m
i
= m
j
.
Ou : H
0
:
1
=
2
= ... =
k
= 0
contre H
1
: i {1, ..., k} tel que
i
= 0
Sous H
0
M
reduit
: Y
ij
= +
ij
Tests dhypothèses
Niveaux
H
0
: m
1
= m
2
= ... = m
k
= m
contre H
1
: i , j {1, ..., k} tels que m
i
= m
j
.
Ou : H
0
:
1
=
2
= ... =
k
= 0
contre H
1
: i {1, ..., k} tel que
i
= 0
Sous H
0
M
reduit
: Y
ij
= +
ij
Tests dhypothèses
Lestimation pour est =

Y
et la prevision de Y
ij
est

Y
ij
= .
Alors, le residu, sous H
0
est :
Y
ij

Y
.
La variabilite totale est :
k
i =1
n
i
j =1
(Y
ij
Y
)
2
On peut ecrire : Y
ij
Y
= (Y
ij
Y
i
) + (Y
i
Y
)
et on obtient :
k
i =1
n
i
j =1
(Y
ij
Y
)
2
=
k
i =1
n
i
j =1
(Y
ij
Y
i
)
2
+
k
i =1
n
i
j =1
(Y
i
Y
)
2
(variabilite totale=variabilite residuelle + variabilite due au
modèle) : ST=SR+SM.
Tests dhypothèses
Lestimation pour est =

Y
et la prevision de Y
ij
est

Y
ij
= .
Alors, le residu, sous H
0
est :
Y
ij

Y
.
La variabilite totale est :
k
i =1
n
i
j =1
(Y
ij
Y
)
2
On peut ecrire : Y
ij
Y
= (Y
ij
Y
i
) + (Y
i
Y
)
et on obtient :
k
i =1
n
i
j =1
(Y
ij
Y
)
2
=
k
i =1
n
i
j =1
(Y
ij
Y
i
)
2
+
k
i =1
n
i
j =1
(Y
i
Y
)
2
(variabilite totale=variabilite residuelle + variabilite due au
modèle) : ST=SR+SM.
Tests dhypothèses
Source de variation ddl S.C. Carre moyen
Regression k 1 SM SM/(k 1)
Residuelle n k SR SR/(n k)
Totale n 1 ST
Tests dhypothèses
1
2
Tests dhypothèses
3
Tests dhypothèses
Pour tester lhypothèse H
0
on utilise la statistique :
Z =
SM/(k 1)
SR/(n k)
F(k 1, n k) (sous H
0
)
Pour un risque xe, la zone dacceptation est :
ZA
H
0
,
= [0 ; f
k1,nk;1
]
Tests dhypothèses
Exemple : Notes
Examinateur A B C
Notes 10,11,11 8,11,11,13 10,13,14,14
12,13,15 14,15,16,16 15,16,16
Eectif 6 8 7
Moyenne 12 13 14
Tests dhypothèses
Y
ij
= m
i
+
ij
i = 1, 2, 3, j = 1, . . . , n
i
, n
1
= 6 n
2
= 8 n
3
= 7
ou encore Y
ij
= +
i
+
ij
,
i = 1, 2, 3, j = 1, . . . , n
i
, n
1
= 6 n
2
= 8 n
3
= 7
Les estimations des paramètres : = y
= 13.05,

1
= y
1
y
= 12 13.05 = 1.05,

2
= y
2
y
= 13 13.05 = 0.05,

3
= y
3
y
= 14 13.05 = 0.95.
H
0
: pas deet examinateur sur la notation
H
0
: m
1
= m
2
= m
3
= m contre H
1
: i = j tel que m
i
= m
j
H
0
:
1
=
2
=
3
= 0 contre H
1
: i = j tel que
i
= 0
Tests dhypothèses
Y
ij
= m
i
+
ij
i = 1, 2, 3, j = 1, . . . , n
i
, n
1
= 6 n
2
= 8 n
3
= 7
ou encore Y
ij
= +
i
+
ij
,
i = 1, 2, 3, j = 1, . . . , n
i
, n
1
= 6 n
2
= 8 n
3
= 7
= 13.05,

1
= y
1
y
= 12 13.05 = 1.05,

2
= y
2
y
= 13 13.05 = 0.05,

3
= y
3
y
= 14 13.05 = 0.95.
H
0
H
0
: m
1
= m
2
= m
3
= m contre H
1
: i = j tel que m
i
= m
j
H
0
:
1
=
2
=
3
= 0 contre H
1
: i = j tel que
i
= 0
Tests dhypothèses
Y
ij
= m
i
+
ij
i = 1, 2, 3, j = 1, . . . , n
i
, n
1
= 6 n
2
= 8 n
3
= 7
ou encore Y
ij
= +
i
+
ij
,
i = 1, 2, 3, j = 1, . . . , n
i
, n
1
= 6 n
2
= 8 n
3
= 7
= 13.05,

1
= y
1
y
= 12 13.05 = 1.05,

2
= y
2
y
= 13 13.05 = 0.05,

3
= y
3
y
= 14 13.05 = 0.95.
H
0
H
0
: m
1
= m
2
= m
3
= m contre H
1
: i = j tel que m
i
= m
j
H
0
:
1
=
2
=
3
= 0 contre H
1
: i = j tel que
i
= 0
Tests dhypothèses
Y
ij
= m
i
+
ij
i = 1, 2, 3, j = 1, . . . , n
i
, n
1
= 6 n
2
= 8 n
3
= 7
ou encore Y
ij
= +
i
+
ij
,
i = 1, 2, 3, j = 1, . . . , n
i
, n
1
= 6 n
2
= 8 n
3
= 7
= 13.05,

1
= y
1
y
= 12 13.05 = 1.05,

2
= y
2
y
= 13 13.05 = 0.05,

3
= y
3
y
= 14 13.05 = 0.95.
H
0
H
0
: m
1
= m
2
= m
3
= m contre H
1
: i = j tel que m
i
= m
j
H
0
:
1
=
2
=
3
= 0 contre H
1
: i = j tel que
i
= 0
Tests dhypothèses
Y
ij
= m
i
+
ij
i = 1, 2, 3, j = 1, . . . , n
i
, n
1
= 6 n
2
= 8 n
3
= 7
ou encore Y
ij
= +
i
+
ij
,
i = 1, 2, 3, j = 1, . . . , n
i
, n
1
= 6 n
2
= 8 n
3
= 7
= 13.05,

1
= y
1
y
= 12 13.05 = 1.05,

2
= y
2
y
= 13 13.05 = 0.05,

3
= y
3
y
= 14 13.05 = 0.95.
H
0
H
0
: m
1
= m
2
= m
3
= m contre H
1
: i = j tel que m
i
= m
j
H
0
:
1
=
2
=
3
= 0 contre H
1
: i = j tel que
i
= 0
Tests dhypothèses
On obtient : SM=12.95, SR=98
donc
z = (SM/(3 1))/(SR/(21 3)) = 1.19.
La zone dacceptation est ZA
H
0
;1
= [0 ; f
2,18;0.95
] = [0 ; 3.55].
Donc, H
0
est acceptee : les examinateurs ont le meme système de
notation.
Tests dhypothèses
On obtient : SM=12.95, SR=98 donc
z = (SM/(3 1))/(SR/(21 3)) = 1.19.
H
0
;1
= [0 ; f
2,18;0.95
] = [0 ; 3.55].
Donc, H
0
notation.
Tests dhypothèses
z = (SM/(3 1))/(SR/(21 3)) = 1.19.
H
0
;1
= [0 ; f
2,18;0.95
] = [0 ; 3.55].
Donc, H
0
notation.
Tests dhypothèses
z = (SM/(3 1))/(SR/(21 3)) = 1.19.
H
0
;1
= [0 ; f
2,18;0.95
] = [0 ; 3.55].
Donc, H
0
notation.
Tests dhypothèses
1
2
Tests dhypothèses
3
Tests dhypothèses
Le rejet de lhypothèse degalite des moyennes ne signie pas que
tous les m
i
sont dierents entre eux. On cherche souvent à tester
legalite entre deux moyennes :
H
0
: m
h
= m
j
contre H
1
: m
h
= m
j
pour h = j .
On utilise la statistique de test :
Z =
Y
h

Y
j
_
SR
nk
_
1
n
h
+
1
n
j
t
nk
(t
nk
: loi de Student à n k degres de liberte.)
La zone dacceptation ZA
H
0
,1
= [t
nk;1/2
; t
nk;1/2
].
Tests dhypothèses
Le rejet de lhypothèse degalite des moyennes ne signie pas que
tous les m
i
sont dierents entre eux. On cherche souvent à tester
legalite entre deux moyennes :
H
0
: m
h
= m
j
contre H
1
: m
h
= m
j
pour h = j .
On utilise la statistique de test :
Z =
Y
h

Y
j
_
SR
nk
_
1
n
h
+
1
n
j
t
nk
(t
nk
: loi de Student à n k degres de liberte.)
La zone dacceptation ZA
H
0
,1
= [t
nk;1/2
; t
nk;1/2
].
Tests dhypothèses
Introduction
Donnees
Modèle sans interaction (additif) : r = 1
Modèle avec interaction
Modèle hierarchique
1
2
Tests dhypothèses
3
Introduction
Donnees
Test dhypothèse
Test dun facteur.
Tests dhypothèses
Introduction
Donnees
On a vu comment comparer les populations dun meme facteur.
Supposons maintenant quun experimentateur souhaite comparer
linuence de trois regimes alimentaires et de deux exploitations sur
la production laitière. Les resultats experimentaux sont dans le
tableau suivant.
Expl R.alim A B C Total Moyenne
1 7 36 2 45 15
2 13 44 18 75 215
Total 20 80 20 120
Moyenne 10 40 10 20
Tests dhypothèses
Introduction
Donnees
1
2
Tests dhypothèses
3
Introduction
Donnees
Test dhypothèse
Test dun facteur.
Tests dhypothèses
Introduction
Donnees
Deux facteurs (variables) F1 et F2.
p niveaux pour F1, q niveaux pour F2
Pour chaque couple (i , j ) de niveaux, on a r ( 1) observations de
la variable dependante Y.
F1 / F2 1 . . . i . . . p
1 y
111
, ... , y
11r
. . . y
i 11
, ... , y
i 1r
. . . y
p11
, ... , y
p1r
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
j y
1j 1
, ... , y
1jr
. . . y
ij 1
, ... , y
ijr
. . . y
pj 1
, ... , y
pjr
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
q y
1q1
, ... , y
1jq
. . . y
iq1
, ... , y
iqr
. . . y
pq1
, ... , y
pqr
Dans la cellule (i , j ) : les valeurs (observations) y
ijk
:
i : niveau (population) du facteur F1,
j : niveau de F2
k : la k-ième repetition pour un couple (i , j ).
Tests dhypothèses
Introduction
Donnees
Deux facteurs (variables) F1 et F2.
p niveaux pour F1, q niveaux pour F2
Pour chaque couple (i , j ) de niveaux, on a r ( 1) observations de
la variable dependante Y.
F1 / F2 1 . . . i . . . p
1 y
111
, ... , y
11r
. . . y
i 11
, ... , y
i 1r
. . . y
p11
, ... , y
p1r
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
j y
1j 1
, ... , y
1jr
. . . y
ij 1
, ... , y
ijr
. . . y
pj 1
, ... , y
pjr
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
q y
1q1
, ... , y
1jq
. . . y
iq1
, ... , y
iqr
. . . y
pq1
, ... , y
pqr
Dans la cellule (i , j ) : les valeurs (observations) y
ijk
:
i : niveau (population) du facteur F1,
j : niveau de F2
k : la k-ième repetition pour un couple (i , j ).
Tests dhypothèses
Introduction
Donnees
Notations :
_
_
y
ij
=
r
k=1
y
ijk
y
ij
=
1
r
y
ij
y
i
=
q
j =1
r
k=1
y
ijk
y
i
=
1
qr
y
y
j
=
p
i =1
r
k=1
y
ijk
y
j
=
1
pr
y
j
y
p
i =1
q
j =1
r
k=1
y
ijk
y
=
1
pqr
y
Les observations y
ijk
ijk
sur laquelle
on fait les hypothèses :
_
Y
ijk
N(m
ij
,
2
) k = 1, . . . , r
Y
ijk
, Y
i
k
independantes
Tests dhypothèses
Introduction
Donnees
Notations :
_
_
y
ij
=
r
k=1
y
ijk
y
ij
=
1
r
y
ij
y
i
=
q
j =1
r
k=1
y
ijk
y
i
=
1
qr
y
y
j
=
p
i =1
r
k=1
y
ijk
y
j
=
1
pr
y
j
y
p
i =1
q
j =1
r
k=1
y
ijk
y
=
1
pqr
y
Les observations y
ijk
ijk
sur laquelle
on fait les hypothèses :
_
Y
ijk
N(m
ij
,
2
) k = 1, . . . , r
Y
ijk
, Y
i
k
independantes
Tests dhypothèses
Introduction
Donnees
En ce qui concerne le nombre r de repetitions on a 2 situations :
r > 1
r = 1. Il ny a pas de repetition et on va noter Y
ij
par Y
ij
.
Alors, les modèles statistiques consideres seront fonction de ces 2
situations.
Meme nombre de repetitions de lexperience pour chaque couple de
facteurs.
Tests dhypothèses
Introduction
Donnees
En ce qui concerne le nombre r de repetitions on a 2 situations :
r > 1
r = 1. Il ny a pas de repetition et on va noter Y
ij
par Y
ij
.
Alors, les modèles statistiques consideres seront fonction de ces 2
situations.
Meme nombre de repetitions de lexperience pour chaque couple de
facteurs.
Tests dhypothèses
Introduction
Donnees
Les problèmes etudies sont les memes que pour un seul facteur :
ecrire un modèle statistique de Y fonction des facteurs ;
estimer les eets des niveaux des deux facteurs ;
test dhypothèse
Tests dhypothèses
Introduction
Donnees
test dhypothèse
Tests dhypothèses
Introduction
Donnees
test dhypothèse
Tests dhypothèses
Introduction
Donnees
1
2
Tests dhypothèses
3
Introduction
Donnees
Test dhypothèse
Test dun facteur.
Tests dhypothèses
Introduction
Donnees
Le modèle le plus simple est dadditionner les eets du facteur F1
avec les eets du facteur F2 :
m
ij
= +
i
+
j
o` u :
- est leet moyen
-
i
est leet d u au niveau i du facteur F1 ;
-
j
est leet d u au niveau j du facteur F2 ;
Puisque Y
ij
N(m
ij
,
2
) on peut considerer un modèle :
Y
ij
= +
i
+
j
+
ij
Avec comme contraintes
p
i =1
i
= 0
q
j =1
j
= 0
Tests dhypothèses
Introduction
Donnees
m
ij
= +
i
+
j
o` u :
- est leet moyen
-
i
-
j
Puisque Y
ij
N(m
ij
,
2
Y
ij
= +
i
+
j
+
ij
p
i =1
i
= 0
q
j =1
j
= 0
Tests dhypothèses
Introduction
Donnees
m
ij
= +
i
+
j
o` u :
- est leet moyen
-
i
-
j
Puisque Y
ij
N(m
ij
,
2
Y
ij
= +
i
+
j
+
ij
p
i =1
i
= 0
q
j =1
j
= 0
Tests dhypothèses
Introduction
Donnees
Il faut trouver les valeurs de m
ij
(ou de ,
i
,
j
) qui minimisent la
fonction :
T((m
ij
)
ij
) =
p
i =1
q
j =1
2
ij
=
p
i =1
q
j =1
(Y
ij
m
ij
)
2
=
p
i =1
q
j =1
(Y
ij
j
)
2
On utilise la meme technique que pour lanalyse de variance à un
facteur, et on obtient :

i
= Y
i
Y
i
= Y
j
Y
= Y
La valeur predite pour Y

ij
est :
Y
ij
= +
i
+

j
= Y
i
+ Y
j
Y

Tests dhypothèses
Introduction
Donnees
Exemple.
F1 : le regime alimentaire, prend 3 valeurs (A, B, C), donc p = 3.
F2 : lexploitation, prend 2 valeurs (1 et 2), donc q = 2.
Modèle statistique :
Y
ij
= +
i
+
j
i = 1, 2, 3 j = 1, 2
o` u :
i
est leet de lexploitation n
i sur Y,
1
est leet du
regime A sur la production laitière...
Tests dhypothèses
Introduction
Donnees
Exemple.
F1 : le regime alimentaire, prend 3 valeurs (A, B, C), donc p = 3.
F2 : lexploitation, prend 2 valeurs (1 et 2), donc q = 2.
Modèle statistique :
Y
ij
= +
i
+
j
i = 1, 2, 3 j = 1, 2
o` u :
i
est leet de lexploitation n
i sur Y,
1
est leet du
regime A sur la production laitière...
Tests dhypothèses
Introduction
Donnees
Estimations
= y
= 20,

1
= y
1
y
= 10 20 = 10,

2
= 20,

3
= 10,
1
= y
1
y
= 15 20 = 5,
2
= 5.
La prevision de Y
11
(exploitation 1 et regime alimentaire A) :
Y
11
= +
1
+

1
= 20 10 5 = 5.
Tests dhypothèses
Introduction
Donnees
Estimations
= y
= 20,

1
= y
1
y
= 10 20 = 10,

2
= 20,

3
= 10,
1
= y
1
y
= 15 20 = 5,
2
= 5.
La prevision de Y
11
Y
11
= +
1
+

1
= 20 10 5 = 5.
Tests dhypothèses
Introduction
Donnees
Estimations
= y
= 20,

1
= y
1
y
= 10 20 = 10,

2
= 20,

3
= 10,
1
= y
1
y
= 15 20 = 5,
2
= 5.
La prevision de Y
11
Y
11
= +
1
+

1
= 20 10 5 = 5.
Tests dhypothèses
Introduction
Donnees
Estimations
= y
= 20,

1
= y
1
y
= 10 20 = 10,

2
= 20,

3
= 10,
1
= y
1
y
= 15 20 = 5,
2
= 5.
La prevision de Y
11
Y
11
= +
1
+

1
= 20 10 5 = 5.
Tests dhypothèses
Introduction
Donnees
En partant de lidentite :
Y
ij
Y
= (Y
ij
Y
i
Y
j
+ Y
) + (Y
i
Y
) + (Y
j
Y
)
On obtient :
i ,j
(Y
ij
Y
)
2
=
i ,j
(Y
ij
Y
i
Y
j
+Y
)
2
+q
p
i =1
(Y
i
Y
)
2
+p
q
j =1
(Y
j
Y
)
2
ou encore ST = SR + S
F1
+ S
F2
.
F1 p 1 S
F1
S
F1
/(p 1)
F2 q 1 S
F2
S
F2
/(q 1)
Residu (p 1)(q 1) SR SR/(p 1)(q 1)
Totale pq 1 ST
Tests dhypothèses
Introduction
Donnees
Y
ij
Y
= (Y
ij
Y
i
Y
j
+ Y
) + (Y
i
Y
) + (Y
j
Y
)
On obtient :
i ,j
(Y
ij
Y
)
2
=
i ,j
(Y
ij
Y
i
Y
j
+Y
)
2
+q
p
i =1
(Y
i
Y
)
2
+p
q
j =1
(Y
j
Y
)
2
F1
+ S
F2
.
F1 p 1 S
F1
S
F1
/(p 1)
F2 q 1 S
F2
S
F2
/(q 1)
Totale pq 1 ST
Tests dhypothèses
Introduction
Donnees
Y
ij
Y
= (Y
ij
Y
i
Y
j
+ Y
) + (Y
i
Y
) + (Y
j
Y
)
On obtient :
i ,j
(Y
ij
Y
)
2
=
i ,j
(Y
ij
Y
i
Y
j
+Y
)
2
+q
p
i =1
(Y
i
Y
)
2
+p
q
j =1
(Y
j
Y
)
2
F1
+ S
F2
.
F1 p 1 S
F1
S
F1
/(p 1)
F2 q 1 S
F2
S
F2
/(q 1)
Totale pq 1 ST
Tests dhypothèses
Introduction
Donnees
Tests
Deux types dhypothèse : si le modèle signicatif
ou eet de
chaque facteur.
Modèle signicatif ?
Le modèle nest pas signicatif si aucun des deux facteurs
ninuence Y :
H
0
:
1
= =
p
=
1
= =
q
= 0
contre :
H
1
: i {1, . . . , p} ou j {1, . . . , q} t.q.
i
= 0 ou
i
= 0.
Le modèle reduit est : Y
ij
= +
ij
.
Statistique de test :
Z =
(S
F1
+ S
F2
)/(p + q 2)
SR/(p 1)(q 1)
F(p+q2, (p1)(q1)) sous H
0
Tests dhypothèses
Introduction
Donnees
Tests
Deux types dhypothèse : si le modèle signicatif ou eet de
chaque facteur.
ninuence Y :
H
0
:
1
= =
p
=
1
= =
q
= 0
contre :
H
1
: i {1, . . . , p} ou j {1, . . . , q} t.q.
i
= 0 ou
i
= 0.
ij
= +
ij
.
Z =
(S
F1
+ S
F2
)/(p + q 2)
SR/(p 1)(q 1)
0
Tests dhypothèses
Introduction
Donnees
Tests
chaque facteur.
ninuence Y :
H
0
:
1
= =
p
=
1
= =
q
= 0
contre :
H
1
: i {1, . . . , p} ou j {1, . . . , q} t.q.
i
= 0 ou
i
= 0.
ij
= +
ij
.
Z =
(S
F1
+ S
F2
)/(p + q 2)
SR/(p 1)(q 1)
0
Tests dhypothèses
Introduction
Donnees
Tests
chaque facteur.
ninuence Y :
H
0
:
1
= =
p
=
1
= =
q
= 0
contre :
H
1
: i {1, . . . , p} ou j {1, . . . , q} t.q.
i
= 0 ou
i
= 0.
ij
= +
ij
.
Z =
(S
F1
+ S
F2
)/(p + q 2)
SR/(p 1)(q 1)
0
Tests dhypothèses
Introduction
Donnees
Tests
chaque facteur.
ninuence Y :
H
0
:
1
= =
p
=
1
= =
q
= 0
contre :
H
1
: i {1, . . . , p} ou j {1, . . . , q} t.q.
i
= 0 ou
i
= 0.
ij
= +
ij
.
Z =
(S
F1
+ S
F2
)/(p + q 2)
SR/(p 1)(q 1)
0
Tests dhypothèses
Introduction
Donnees
Tests
chaque facteur.
ninuence Y :
H
0
:
1
= =
p
=
1
= =
q
= 0
contre :
H
1
: i {1, . . . , p} ou j {1, . . . , q} t.q.
i
= 0 ou
i
= 0.
ij
= +
ij
.
Z =
(S
F1
+ S
F2
)/(p + q 2)
SR/(p 1)(q 1)
0
Tests dhypothèses
Introduction
Donnees
Test dun facteur
Supposons que lon veut tester leet de F1.
H
0
: F1 ninue pas Y sachant que F2 est dans le modèle.
H
0
:
1
= =
p
= 0 contre H
1
: i {1, . . . , p} t.q.
i
= 0.
Le modèle reduit est :
Y
ij
= +
j
+
ij
.
(modèle à un facteur)
H
0
: la moyenne m
ij
ne depend pas de i .
Z =
(S
F1
)/(p 1)
SR/(p 1)(q 1)
F(p 1, (p 1)(q 1)) sous H
0
Tests dhypothèses
Introduction
Donnees
Test dun facteur
H
0
H
0
:
1
= =
p
= 0 contre H
1
: i {1, . . . , p} t.q.
i
= 0.
Y
ij
= +
j
+
ij
.(modèle à un facteur)
H
0
: la moyenne m
ij
Z =
(S
F1
)/(p 1)
SR/(p 1)(q 1)
F(p 1, (p 1)(q 1)) sous H
0
Tests dhypothèses
Introduction
Donnees
Test dun facteur
H
0
H
0
:
1
= =
p
= 0 contre H
1
: i {1, . . . , p} t.q.
i
= 0.
Y
ij
= +
j
+
ij
H
0
: la moyenne m
ij
Z =
(S
F1
)/(p 1)
SR/(p 1)(q 1)
F(p 1, (p 1)(q 1)) sous H
0
Tests dhypothèses
Introduction
Donnees
Test dun facteur
H
0
H
0
:
1
= =
p
= 0 contre H
1
: i {1, . . . , p} t.q.
i
= 0.
Y
ij
= +
j
+
ij
H
0
: la moyenne m
ij
Z =
(S
F1
)/(p 1)
SR/(p 1)(q 1)
F(p 1, (p 1)(q 1)) sous H
0
Tests dhypothèses
Introduction
Donnees
Exemple.
Le tableau danalyse de variance est :
F1 2 1200 600
F2 1 150 150
Residu 2 28 14
Totale 5 1378
Signicativite du modèle : H
0
:
1
=
2
=
3
=
1
=
2
= 0 :
Z =
(S
F1
+ S
F2
)/(3 + 2 2)
SR/2
F(3, 2) sous H
0
ZA = [0 ; f
3,2:0.95
] = [0 ; 19.2], z
obs
=
1350/3
14
= 32.1 ZA.
Donc H
0
est rejetee et le modèle est signicatif.
Tests dhypothèses
Introduction
Donnees
Exemple.
F1 2 1200 600
F2 1 150 150
Residu 2 28 14
Totale 5 1378
0
:
1
=
2
=
3
=
1
=
2
= 0 :
Z =
(S
F1
+ S
F2
)/(3 + 2 2)
SR/2
F(3, 2) sous H
0
ZA = [0 ; f
3,2:0.95
] = [0 ; 19.2], z
obs
=
1350/3
14
= 32.1 ZA.
Donc H
0
Tests dhypothèses
Introduction
Donnees
Exemple.
F1 2 1200 600
F2 1 150 150
Residu 2 28 14
Totale 5 1378
0
:
1
=
2
=
3
=
1
=
2
= 0 :
Z =
(S
F1
+ S
F2
)/(3 + 2 2)
SR/2
F(3, 2) sous H
0
ZA = [0 ; f
3,2:0.95
] = [0 ; 19.2], z
obs
=
1350/3
14
= 32.1 ZA.
Donc H
0
Tests dhypothèses
Introduction
Donnees
Exemple.
F1 2 1200 600
F2 1 150 150
Residu 2 28 14
Totale 5 1378
0
:
1
=
2
=
3
=
1
=
2
= 0 :
Z =
(S
F1
+ S
F2
)/(3 + 2 2)
SR/2
F(3, 2) sous H
0
ZA = [0 ; f
3,2:0.95
] = [0 ; 19.2],
z
obs
=
1350/3
14
= 32.1 ZA.
Donc H
0
Tests dhypothèses
Introduction
Donnees
Exemple.
F1 2 1200 600
F2 1 150 150
Residu 2 28 14
Totale 5 1378
0
:
1
=
2
=
3
=
1
=
2
= 0 :
Z =
(S
F1
+ S
F2
)/(3 + 2 2)
SR/2
F(3, 2) sous H
0
ZA = [0 ; f
3,2:0.95
] = [0 ; 19.2], z
obs
=
1350/3
14
= 32.1 ZA.
Donc H
0
Tests dhypothèses
Introduction
Donnees
Exemple.
F1 2 1200 600
F2 1 150 150
Residu 2 28 14
Totale 5 1378
0
:
1
=
2
=
3
=
1
=
2
= 0 :
Z =
(S
F1
+ S
F2
)/(3 + 2 2)
SR/2
F(3, 2) sous H
0
ZA = [0 ; f
3,2:0.95
] = [0 ; 19.2], z
obs
=
1350/3
14
= 32.1 ZA.
Donc H
0
Tests dhypothèses
Introduction
Donnees
Regime alimentaire inuent ?
H
0
:
1
=
2
=
3
= 0 sachant que lexploitation est dans le
modèle.
H
1
: i {1, 2, 3} t.q.
i
= 0.
Sous H
0
: Y
ij
= +
j
+
ij
, i = 1, 2, 3, j = 1, 2.
La statistique de test Z =
S
F1
/2
SR/2
suit la loi F(2, 2) sous H
0
.
ZA = [0 ; f
2,2:0.95
] = [0 ; 19.0], z =
600
14
= 42.86 ZA.
Donc H
0
est rejetee, le regime alimentaire est un facteur inuent
pour la production laitière.
Tests dhypothèses
Introduction
Donnees
H
0
:
1
=
2
=
3
modèle.
H
1
: i {1, 2, 3} t.q.
i
= 0.
Sous H
0
: Y
ij
= +
j
+
ij
, i = 1, 2, 3, j = 1, 2.
S
F1
/2
SR/2
0
.
ZA = [0 ; f
2,2:0.95
] = [0 ; 19.0], z =
600
14
= 42.86 ZA.
Donc H
0
Tests dhypothèses
Introduction
Donnees
H
0
:
1
=
2
=
3
modèle.
H
1
: i {1, 2, 3} t.q.
i
= 0.
Sous H
0
: Y
ij
= +
j
+
ij
, i = 1, 2, 3, j = 1, 2.
S
F1
/2
SR/2
0
.
ZA = [0 ; f
2,2:0.95
] = [0 ; 19.0], z =
600
14
= 42.86 ZA.
Donc H
0
Tests dhypothèses
Introduction
Donnees
H
0
:
1
=
2
=
3
modèle.
H
1
: i {1, 2, 3} t.q.
i
= 0.
Sous H
0
: Y
ij
= +
j
+
ij
, i = 1, 2, 3, j = 1, 2.
S
F1
/2
SR/2
0
.
ZA = [0 ; f
2,2:0.95
] = [0 ; 19.0], z =
600
14
= 42.86 ZA.
Donc H
0
Tests dhypothèses
Introduction
Donnees
H
0
:
1
=
2
=
3
modèle.
H
1
: i {1, 2, 3} t.q.
i
= 0.
Sous H
0
: Y
ij
= +
j
+
ij
, i = 1, 2, 3, j = 1, 2.
S
F1
/2
SR/2
0
.
ZA = [0 ; f
2,2:0.95
] = [0 ; 19.0],
z =
600
14
= 42.86 ZA.
Donc H
0
Tests dhypothèses
Introduction
Donnees
H
0
:
1
=
2
=
3
modèle.
H
1
: i {1, 2, 3} t.q.
i
= 0.
Sous H
0
: Y
ij
= +
j
+
ij
, i = 1, 2, 3, j = 1, 2.
S
F1
/2
SR/2
0
.
ZA = [0 ; f
2,2:0.95
] = [0 ; 19.0], z =
600
14
= 42.86 ZA.
Donc H
0
Tests dhypothèses
Introduction
Donnees
H
0
:
1
=
2
=
3
modèle.
H
1
: i {1, 2, 3} t.q.
i
= 0.
Sous H
0
: Y
ij
= +
j
+
ij
, i = 1, 2, 3, j = 1, 2.
S
F1
/2
SR/2
0
.
ZA = [0 ; f
2,2:0.95
] = [0 ; 19.0], z =
600
14
= 42.86 ZA.
Donc H
0
Tests dhypothèses
Introduction
Donnees
1
2
Tests dhypothèses
3
Introduction
Donnees
Test dhypothèse
Test dun facteur.
Tests dhypothèses
Introduction
Donnees
Par exemple, si on utilise deux engrais simultanement, on espère
que laction des engrais se complète et que les plantes se
developpent mieux du fait de cette concomitance.
On peut ainsi mesurer linuence de divers dosages de chacun des
engrais.
Linteraction peut etre beneque (synergie) ou nefaste
(antagonisme).
p valeurs pour le facteur F1, q pour le facteur F2, r observations
pour chaque couple de facteur.
Tests dhypothèses
Introduction
Donnees
engrais.
(antagonisme).
Tests dhypothèses
Introduction
Donnees
engrais.
(antagonisme).
Tests dhypothèses
Introduction
Donnees
engrais.
(antagonisme).
Tests dhypothèses
Introduction
Donnees
Le modèle est
Y
ijk
= m
ij
+
ij
+
ijk
que lon ecrit :Y
ijk
= +
i
+
j
+
ij
+
ijk
Les
ijk
sont des v.a. Normales, centrees et de meme ecart-type .
Contraintes :
i
= 0
j
= 0
ij
ij
= 0
Lien entre (m
ij
) et (
i
), (
j
), (
ij
)
i
= m
i .
m
..
,
j
= m
.j
m
..
,
ij
= m
ij
m
i .
m
.j
+ m
..
Tests dhypothèses
Introduction
Donnees
Le modèle est
Y
ijk
= m
ij
+
ij
+
ijk
que lon ecrit :Y
ijk
= +
i
+
j
+
ij
+
ijk
Les
ijk
Contraintes :
i
= 0
j
= 0
ij
ij
= 0
Lien entre (m
ij
) et (
i
), (
j
), (
ij
)
i
= m
i .
m
..
,
j
= m
.j
m
..
,
ij
= m
ij
m
i .
m
.j
+ m
..
Tests dhypothèses
Introduction
Donnees
Le modèle est
Y
ijk
= m
ij
+
ij
+
ijk
que lon ecrit :Y
ijk
= +
i
+
j
+
ij
+
ijk
Les
ijk
Contraintes :
i
= 0
j
= 0
ij
ij
= 0
Lien entre (m
ij
) et (
i
), (
j
), (
ij
)
i
= m
i .
m
..
,
j
= m
.j
m
..
,
ij
= m
ij
m
i .
m
.j
+ m
..
Tests dhypothèses
Introduction
Donnees
Les hypothèses à tester peuvent etre
H
O
:
1
=
2
= =
p
= 0 ou m
1.
= m
2.
= = m
p.
ou
H
O
:
1
=
2
= =
p
= 0 ou m
.1
= m
.2
= = m
.p
ou labsence dinteractions :
H
0
:
11
=
12
= =
pq
= 0
Tests dhypothèses
Introduction
Donnees
Les hypothèses à tester peuvent etre
H
O
:
1
=
2
= =
p
= 0 ou m
1.
= m
2.
= = m
p.
ou
H
O
:
1
=
2
= =
p
= 0 ou m
.1
= m
.2
= = m
.p
ou labsence dinteractions :
H
0
:
11
=
12
= =
pq
= 0
Tests dhypothèses
Introduction
Donnees
On calcule les sommes des carres des ecarts
S
F1
= qr
i
(y
i
y
)
2
(p 1) ddl
S
F2
= pr
j
(y
j
y
)
2
(q 1) ddl
S
F12
= ST S
F1
S
F2
SR (p 1)(q 1) ddl
SR =
ijk
(y
ijk
y
ij
)
2
pq(r 1) ddl
ST =
ijk
(y
ijk
y
)
2
(rpq 1) ddl
Tests dhypothèses
Introduction
Donnees
Tableau danalyse de la variance
Sources ddl Sommes Carres moyens
1er facteur p 1 S
F1
S
F1
/(p 1)
2ème facteur q 1 S
F2
SM
F2
/(q 1)
Interaction (p 1)(q 1) S
F12
S
F12
/((p 1)(q 1))
Residus pq(r 1) SR SR/(pq(r 1))
Totaux pqr 1 ST
Tests dhypothèses
Introduction
Donnees
On commence par tester linteraction
: sous H
0
,
f
F12
=
S
F12
/((p 1)(q 1))
SR/(pq(r 1))
suit la loi de Fisher ((p 1)(q 1), pq(r 1)).
On rejette H
0
lorsque f
F12
depasse le fractile dordre 1 de cette
loi.
Si on accepte H
0
(pas dinteraction), on teste linuence de F1
puis de F2 :
Tests dhypothèses
Introduction
Donnees
On commence par tester linteraction : sous H
0
,
f
F12
=
S
F12
/((p 1)(q 1))
SR/(pq(r 1))
On rejette H
0
lorsque f
F12
loi.
Si on accepte H
0
puis de F2 :
Tests dhypothèses
Introduction
Donnees
On commence par tester linteraction : sous H
0
,
f
F12
=
S
F12
/((p 1)(q 1))
SR/(pq(r 1))
On rejette H
0
lorsque f
F12
loi.
Si on accepte H
0
puis de F2 :
Tests dhypothèses
Introduction
Donnees
En labsence dinteraction, sous H
0
(respectivement H
0
)
f
F1
=
S
F1
/(p 1)
SR/pq(r 1)
et f
F2
=
S
F2
/(q 1)
SR/pq(r 1)
suivent des lois de Fisher à (p 1, pq(r 1)) (respectivement
(q 1, pq(r 1))) degres de liberte.
On rejette lhypothèse H
0
(ou H
0
) si la valeur f observee est
superieure au fractile dordre 1 de la loi en question.
Tests dhypothèses
Introduction
Donnees
1
2
Tests dhypothèses
3
Introduction
Donnees
Test dhypothèse
Test dun facteur.
Tests dhypothèses
Introduction
Donnees
Exemples
On selectionne plusieurs regions (1er facteur), puis, à linterieur de
chacune des regions, plusieurs exploitations agricoles (2ème
facteur), et on mesure la quantite de lait produite annuellement
par r vaches dans chacune des exploitations
Donnees : y
ijk
.
Modèle hierarchique : aucune raison davoir un lien entre les
exploitations n1 de chacun des regions.
y
i
: moyenne des exploitations de la region i : interessant.
y
j
: moyenne des j -ièmes exploitations de chaque region : non
pertinent.
Tests dhypothèses
Introduction
Donnees
Exemples
Donnees : y
ijk
.
: aucune raison davoir un lien entre les
y
i
y
j
pertinent.
Tests dhypothèses
Introduction
Donnees
Exemples
Donnees : y
ijk
.
y
i
: moyenne des exploitations de la region i
: interessant.
y
j
pertinent.
Tests dhypothèses
Introduction
Donnees
Exemples
Donnees : y
ijk
.
y
i
y
j
: moyenne des j -ièmes exploitations de chaque region
: non
pertinent.
Tests dhypothèses
Introduction
Donnees
Exemples
Donnees : y
ijk
.
y
i
y
j
pertinent.
Tests dhypothèses
Introduction
Donnees
Modèle :
Y
ijk
= +
i
+
j |i
+
ijk
: production moyenne
i
: apport de la region i
i |j
: apport de lexploitation j dans la region i
ijk
: vaiid Normale centree et de variance
2
.
Tests dhypothèses
Introduction
Donnees
Modèle :
Y
ijk
= +
i
+
j |i
+
ijk
i
i |j
ijk
2
.
Tests dhypothèses
Introduction
Donnees
Modèle :
Y
ijk
= +
i
+
j |i
+
ijk
i
i |j
ijk
2
.
Tests dhypothèses
Introduction
Donnees
Decomposition de la variance
y
ijk
y
= (y
i
y
) + (y
ij
y
i
) + (y
ijk
y
ij
)
ST =
ijk
(Y
ijk
Y
)
2
=
ijk
_
(Y
i
Y
)
2
+ (Y
ij
Y
i
)
2
+ (Y
ijk
Y
ij
)
2
= qr
i
(Y
i
Y
)
2
+ r
jk
(Y
ij
Y
i
)
2
+
ijk
(Y
ijk
Y
ij
)
2
= SM
a
+ SM
b|a
+ SR
Tests dhypothèses
Introduction
Donnees
Tableau danalyse de la variance
1er facteur p 1 SM
a
SM
a
/(p 1)
2ème facteur p(q 1) SM
b|a
SM
b|a
/(p(q 1))
Residus pq(r 1) SR SR/(pq(r 1))
Totaux pqr 1 ST
Tests dhypothèses
Introduction
Donnees
On peut tester
Si le 1er facteur a une inuence :
H
0
: a
1
= . . . = a
p
= 0
On calcule (SM
a
/(p 1))/(SM
b|a
/p(q 1)) et on le compare
à F
1;p1;p(q1)
Si le 2ème facteur une inuence à linterieur du 1er
H
0
:
j |i
= 0, pour tous i et j .
On calcule SM
b|a
/(p(q 1))/(SR/(pq(r 1))) et on le
compare à F
1;p(q1),pq(r 1)
Tests dhypothèses
Introduction
Donnees
Exemple : Rendement fourrager dans 2 types de prairies, 3 prairies
pour chacun des 2 types, 5 parcelles dans chacune des 32 prairies.
n Type 1 Type 2
Pr. 1 Pr. 2 Pr. 3 Pr. 1 Pr. 2 Pr. 3
1 2.06 1.59 1.92 2.91 1.57 2.43
2 2.99 2.63 1.85 3.27 1.82 2.17
3 1.98 1.98 2.14 3.45 2.69 2.37
4 2.95 2.25 1.33 3.92 3.25 2.89
5 2.70 2.09 1.83 4.34 3.11 2.24
On calcule les moyennes pour chacune des prairies : 2.536, 2.108,
1.814 et 3.578, 2.488, 2.420.
La moyenne globale est egale à 2.491.
On a
SM
a
= 3.427, SM
b|a
= 5.541, SR = ST SM
a
SM
b|a
= 5.742
Tests dhypothèses
Introduction
Donnees
Exemple : Rendement fourrager dans 2 types de prairies, 3 prairies
pour chacun des 2 types, 5 parcelles dans chacune des 32 prairies.
n Type 1 Type 2
Pr. 1 Pr. 2 Pr. 3 Pr. 1 Pr. 2 Pr. 3
1 2.06 1.59 1.92 2.91 1.57 2.43
2 2.99 2.63 1.85 3.27 1.82 2.17
3 1.98 1.98 2.14 3.45 2.69 2.37
4 2.95 2.25 1.33 3.92 3.25 2.89
5 2.70 2.09 1.83 4.34 3.11 2.24
On calcule les moyennes pour chacune des prairies : 2.536, 2.108,
1.814 et 3.578, 2.488, 2.420.
La moyenne globale est egale à 2.491.
On a
SM
a
= 3.427, SM
b|a
= 5.541, SR = ST SM
a
SM
b|a
= 5.742
Tests dhypothèses
Introduction
Donnees
On obtient le tableau danalyse de la variance
Type p 1 = 1 SM
a
= 3.427 SM
a
/(p 1) = 3.427
Prairie p(q 1) = 4 SM
b|a
= 5.541 SM
b|a
/(p(q 1)) = 1.385
Residus pq(r 1) = 24 SR = 5.742 SR/(pq(r 1)) = 0.239
Totaux pqr 1 = 29 ST = 14.710
Tests dhypothèses
Introduction
Donnees
On peut tester :
SM
a
/(p 1)
SM
b|a
/(p(q 1))
=
3.427
1.385
= 2.474
à comparer avec F
0.95;1;4
= 7.71 : non signicatif
Si le 2ème facteur a une inuence à linterieur du 1er :
SM
b|a
/(p(q 1)
SR/(pq(r 1))
=
1.385
0.239
= 5.79
à comparer avec F
0.95;4;24
= 2.8 : signicatif
Cela signie que le type de prairie na pas dinuence signicative
sur le rendement fourrager,mais que les prairies ne sont pas
homogènes à linterieur dun type donne.
Tests dhypothèses
Introduction
Donnees
On peut tester :
SM
a
/(p 1)
SM
b|a
/(p(q 1))
=
3.427
1.385
= 2.474
à comparer avec F
0.95;1;4
SM
b|a
/(p(q 1)
SR/(pq(r 1))
=
1.385
0.239
= 5.79
à comparer avec F
0.95;4;24
= 2.8 : signicatif
Tests dhypothèses
Introduction
Donnees
On peut tester :
SM
a
/(p 1)
SM
b|a
/(p(q 1))
=
3.427
1.385
= 2.474
à comparer avec F
0.95;1;4
SM
b|a
/(p(q 1)
SR/(pq(r 1))
=
1.385
0.239
= 5.79
à comparer avec F
0.95;4;24
= 2.8 : signicatif
Tests dhypothèses
Introduction
Donnees
On peut tester :
SM
a
/(p 1)
SM
b|a
/(p(q 1))
=
3.427
1.385
= 2.474
à comparer avec F
0.95;1;4
SM
b|a
/(p(q 1)
SR/(pq(r 1))
=
1.385
0.239
= 5.79
à comparer avec F
0.95;4;24
= 2.8 : signicatif
Tests dhypothèses
Introduction
Donnees
On peut tester :
SM
a
/(p 1)
SM
b|a
/(p(q 1))
=
3.427
1.385
= 2.474
à comparer avec F
0.95;1;4
SM
b|a
/(p(q 1)
SR/(pq(r 1))
=
1.385
0.239
= 5.79
à comparer avec F
0.95;4;24
= 2.8 : signicatif
sur le rendement fourrager,
mais que les prairies ne sont pas
Tests dhypothèses
Introduction
Donnees
On peut tester :
SM
a
/(p 1)
SM
b|a
/(p(q 1))
=
3.427
1.385
= 2.474
à comparer avec F
0.95;1;4
SM
b|a
/(p(q 1)
SR/(pq(r 1))
=
1.385
0.239
= 5.79
à comparer avec F
0.95;4;24
= 2.8 : signicatif

MASS42 Anova

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

MASS42 Anova

Încărcat de

Drepturi de autor:

Formate disponibile

Analyse de variance `a un facteur

La valeur predite pour Y

Analyse de variance `a un facteur

S-ar putea să vă placă și