User Manual

6-25
Le test
Z à 1 échantillon teste la moyenne inconnue d’une population lorsque l’écart-type de
cette population est connu.
Le test
Z à 2 échantillons teste l’égalité des moyennes de deux populations en se référant à
des échantillons indépendants lorsque les écarts-types des deux populations sont connus.
Le test
Z à 1 proportion teste une proportion inconnue de succès.
Le test
Z à 2 proportion teste la proportion de succès de deux populations pour les
comparer.
Le test t teste l’hypothèse lorsque l’écart-type d’une population est inconnu. L’hypothèse qui
est l’opposé de l’hypothèse prouvée est appelée hypothèse nulle, tandis que l’hypothèse
prouvée est appelée hypothèse alternative. Le test t est normalement utilisé pour tester
l’hypothèse nulle. Ensuite on détermine si l’hypothèse nulle ou l’hypothèse alternative doit être
acceptée.
Le test
t à 1 échantillon teste l’hypothèse pour une moyenne inconnue d’une population
lorsque l’écart-type de cette population est inconnu.
Le test
t à 2 échantillons compare les moyennes de populations lorsque les écart-types de
ces populations sont inconnus.
Le test
t à régression linéaire calcule le degré de corrélation linéaire d’un couple de
données.
Pour le test χ
χ
2
on fournit un certain nombre de groupes indépendants et on teste une
hypothèse par rapport à la probabilité des échantillons qui sont inclus dans chaque groupe.
Le test
χ
2
de précision de l’ajustement à une entrée (« one-way » ou « GOF » (goodness-
of-fit)) teste si le comptage observé des données d’échantillonnage s’ajuste à une certaine
distribution. Par exemple, il peut être utilisé pour déterminer la conformité avec une loi normale
ou une loi binomiale.
Le test
χ
2
de précision de l’ajustement à double entrée crée un tableau à double entrée qui
structure principalement deux variables qualitatives (telles que « Oui » et « Non ») et évalue
l’indépendance des deux variables.
Le test F à 2 échantillons vérifie l’hypothèse pour le taux de variances d’un échantillon. Il
peut être utilisé, par exemple, pour vérifier les effets cancérogènes de plusieurs facteurs,
tels que la consommation de tabac, l’alcool, la déficience en vitamines, une consommation
abusive de café, l’inactivité, une mauvaise hygiène de vie, etc.
ANOVA teste l’hypothèse selon laquelle les moyennes de populations des échantillons sont
égales en présence d’échantillons multiples. Ce test peut être utilisé, par exemple, pour vérifier
si différentes combinaisons de matériaux ont un effet sur la qualité et la durée du produit fini.
One-Way ANOVA est utilisé en présence d’une variable indépendante et d’une variable
dépendante.
Two-Way ANOVA est utilisé en présence de deux variables indépendantes et d’une variable
dépendante.
Les diverses méthodes de calculs statistiques mentionnées ci-dessus sont expliquées aux
pages suivantes. Vous trouverez de plus amples informations sur les principes et sur la
terminologie statistiques dans les manuels de statistiques.
Sur l’écran du mode initial STAT, appuyez sur 3(TEST) pour afficher le menu de tests qui
contient les options suivants.