User Manual

6-33
5. Tests
Le Test Z permet d’effectuer divers tests standardisés. Par exemple, cette fonction permet de
vérifier si un échantillon représente de manière précise la population lorsque l’écart-type de
cette population (par ex. la population totale d’un pays) est connu de tests antérieurs. Cette
fonction
Z est utilisée, entre autres, pour les études de marché et les enquêtes qui doivent
être effectuées rapidement.
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 de succès inconnue.
Le
Test Z à 2 proportions 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 sert à comparer les moyennes de populations lorsque les écarts-
types de cette population sont inconnus.
Le
Test t à regression linéaire calcule le degré de corrélation linéaire d’un couple de
données.
Pour le Test
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
GOF (test une voie χ
2
) 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 distribution normale ou une distribution 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 vérifie 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 s’il y a une variable indépendante et une variable dépendante.
Two-Way ANOVA est utilisé s’il y a deux variables indépendantes et une variable dépendante.