Bonjour Pascal, mon esprit est confus. Concernant la formulation de l'hypothèse nulle (H0) et alternative (H1), peut-on les placer dans un sens comme dans l'autre ou cela a-t-il un impact mathématiquement et dans le sens à donner aux résultats. - Pour être plus clair, dans la vidéo (00:22), si "j'inverse" et je pose donc en H0 : "la taille des pièces n'est pas conforme à la norme". Et qu'avec les tests inférentiels, la p-value > 0.05, on ne peut va pouvoir rejeter H0 et dans le cas inverse (p-value cela me donne le sentiment que l'on peut orienter la nature des réponses en fonction que l'on place la question posée en H0 ou en H1. Je ne sais pas si je suis clair dans mon questionnement. - aussi, (3:21), "l'objectif est de casser l'hypothèse nulle H0", si on n'y arrive pas, vous dites alors que l'on ne peut pas rejeter l'hypothèse H0 mais que l'on peut rejeter H1 (on peut donc rejeter tous les H1 possibles, non ? Il en existe une infinité ?). Aussi, ne pas pouvoir rejeter l'hypothèse H0 signifie-t-il au final que l'on peut raisonnablement l'accepter ? Pour rependre l'exemple de votre vidéo (00:22), si alpha >0.05, on peut dire que "la taille des pièces fabriquées est conforme à la norme" ? - J'espère avoir été clair dans la formulation de mes questions. Sur la forme, H0 est-il toujours posé sous la forme d'une affirmation ? (ne peut-on pas écrire "il n'y a pas de différence de taille de pièces fabriquées conformément à la norme ?") => juste pour savoir si la formulation est importante ou qu'importe ? car on COMPARE ENSUITE LES MOYENNES OU LES MEDIANES et FINALEMENT, CE QUI COMPTE DANS H0, C'EST QUE LES MOYENNES OU MEDIANES SOIENT EGALES ?
En fait c'est très simple H0 est l'hypothèse chiffrée, c'est à dire celle pour laquelle on pose qu'un paramètre égale une valeur précise (ex, Ho : m=10) tandis que H1, par opposition, ne présente pas de précision sur la valeur de ce paramètre (par ex : H1 m>10).
Merci beaucoup pour vos vidéos pédagogiques. J'ai une question à vous soumettre. Si par exemple, je veux comparer un individu à un groupe témoin contenant N personnes (ce groupe représente la population de référence). J'aimerais montrer qu'il existe une différence significative entre cet individu (a priori malade) et le groupe témoins. Si je comprends bien, il faut donc faire un test de conformité entre l'individu et le groupe témoin. Quel genre de test permettrait de prendre en compte l'intra et l'inter variabilité du groupe témoin dans la comparaison ? Comment sont donc définis les statistiques du groupe témoins?
Merci beaucoup à moi vous m'avez été d'une grande aide . mais je n'arrive toujours pas à faire une distinction entre moyenne observées et moyenne théorique
Bonjour Monsieur, Si possible, je souhaiterai connaitre votre avis sur ces questions ci-dessous : Répondre par vrai ou faux 1. Un estimateur sans biais est un estimateur dont l'espérance est nulle. 2. Un estimateur efficace est un estimateur dont la variance est inférieure à la Borne de Fréchet-Darmois-Cramer-Rao. 3. L'information de Fisher est définie comme l'espérance de la seconde dérivée de la fonction de vraisemblance. 4. La variance empirique corrigée est un estimateur asymptotiquement sans biais de la variance d'une loi. 5. La variance empirique corrigée est un estimateur sans biais de la variance d'une loi. Mes réponses : 1. Faux 2. Vrai 3. Vrai 4. Vrai 5. Faux Je compte sur votre bonne compréhension.
j'apprécie les cours vidéo en français sur la statistique, analyse des données, explorations et différents test statistiques
super! J'en suis ravi.
Moyenne théorique : celle (connue) d'une population de référence
Moyenne observée : moyenne observée dans un échantillon
J'ai mon doc qui dit que c'est pas un test cas l'anova se base sur un modèle linéaire.
merci sur ces explication simples et precises
🙂
Merci beaucoup pour vos explications ! C'est exposé clairement
merci pour ce commentaire encourageant
Juste merci ❤
Avec plaisir
Super! Merci Pascal.
Cool! Merci Raphaël
Bonjour Pascal, mon esprit est confus. Concernant la formulation de l'hypothèse nulle (H0) et alternative (H1), peut-on les placer dans un sens comme dans l'autre ou cela a-t-il un impact mathématiquement et dans le sens à donner aux résultats.
- Pour être plus clair, dans la vidéo (00:22), si "j'inverse" et je pose donc en H0 : "la taille des pièces n'est pas conforme à la norme". Et qu'avec les tests inférentiels, la p-value > 0.05, on ne peut va pouvoir rejeter H0 et dans le cas inverse (p-value cela me donne le sentiment que l'on peut orienter la nature des réponses en fonction que l'on place la question posée en H0 ou en H1. Je ne sais pas si je suis clair dans mon questionnement.
- aussi, (3:21), "l'objectif est de casser l'hypothèse nulle H0", si on n'y arrive pas, vous dites alors que l'on ne peut pas rejeter l'hypothèse H0 mais que l'on peut rejeter H1 (on peut donc rejeter tous les H1 possibles, non ? Il en existe une infinité ?). Aussi, ne pas pouvoir rejeter l'hypothèse H0 signifie-t-il au final que l'on peut raisonnablement l'accepter ? Pour rependre l'exemple de votre vidéo (00:22), si alpha >0.05, on peut dire que "la taille des pièces fabriquées est conforme à la norme" ?
- J'espère avoir été clair dans la formulation de mes questions.
Sur la forme, H0 est-il toujours posé sous la forme d'une affirmation ? (ne peut-on pas écrire "il n'y a pas de différence de taille de pièces fabriquées conformément à la norme ?")
=> juste pour savoir si la formulation est importante ou qu'importe ? car on COMPARE ENSUITE LES MOYENNES OU LES MEDIANES et
FINALEMENT, CE QUI COMPTE DANS H0, C'EST QUE LES MOYENNES OU MEDIANES SOIENT EGALES ?
En fait c'est très simple H0 est l'hypothèse chiffrée, c'est à dire celle pour laquelle on pose qu'un paramètre égale une valeur précise (ex, Ho : m=10) tandis que H1, par opposition, ne présente pas de précision sur la valeur de ce paramètre (par ex : H1 m>10).
Merci cette explications est trés clair
S'il vous plait, pouvez vous nous expliquer comment calculer la p-valeur pour les tests hsd-TK et scheffé
Merci beaucoup pour vos vidéos pédagogiques. J'ai une question à vous soumettre.
Si par exemple, je veux comparer un individu à un groupe témoin contenant N personnes (ce groupe représente la population de référence). J'aimerais montrer qu'il existe une différence significative entre cet individu (a priori malade) et le groupe témoins.
Si je comprends bien, il faut donc faire un test de conformité entre l'individu et le groupe témoin. Quel genre de test permettrait de prendre en compte l'intra et l'inter variabilité du groupe témoin dans la comparaison ?
Comment sont donc définis les statistiques du groupe témoins?
Merci beaucoup à moi vous m'avez été d'une grande aide . mais je n'arrive toujours pas à faire une distinction entre moyenne observées et moyenne théorique
Bonjour Monsieur,
Si possible, je souhaiterai connaitre votre avis sur ces questions ci-dessous :
Répondre par vrai ou faux
1. Un estimateur sans biais est un estimateur dont l'espérance est nulle.
2. Un estimateur efficace est un estimateur dont la variance est inférieure à la Borne de Fréchet-Darmois-Cramer-Rao.
3. L'information de Fisher est définie comme l'espérance de la seconde dérivée de la fonction de vraisemblance.
4. La variance empirique corrigée est un estimateur asymptotiquement sans biais de la variance d'une loi.
5. La variance empirique corrigée est un estimateur sans biais de la variance d'une loi.
Mes réponses :
1. Faux
2. Vrai
3. Vrai
4. Vrai
5. Faux
Je compte sur votre bonne compréhension.
Anova peut être appelé test ? Si oui pourquoi ?
Oui on teste (test de Fisher) le rapport de deux variances : la variance inter échantillons sur la variance intra échantillons
Merci prof.
On concluT…
Merci je ne l'avais pas vue celle là!