Glossaire



| 2 | 3 | A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z |

Anderson-Darling

La procédure Anderson-Darling (NIST, 2005 ; Press, et al, 1992) est un test général permettant de comparer l'ajustement d'une fonction de répartition observée cumulée à une fonction de répartition théorique cumulée. Ce test est applicable à un ensemble de données complet (sans observations censurées) et constitue une alternative au test de Kolmogorov-Smirnov pour deux échantillons. Si le test de Kolmogorov-Smirnov est assez sensible à la médiane (et donc bien adapté pour détecter des écarts entre les distributions cumulées), le test d'Anderson-Darling est plus sensible sur toute l'étendue de la distribution et a donc plus de chances de détecter des différences dans la répartition des distributions cumulées. Ainsi, le test d'Anderson-Darling est préférable pour savoir si les données simulées modélisent bien les données observées sur toute leur étendue.

Les valeurs critiques de la statistique de Anderson-Darling ont été tabulées (voir, par exemple, Dodson, 1994, Table 4.4) pour des tailles d'échantillons comprises entre 10 et 40 ; les valeurs critiques (et les valeurs p) reportées par PROCEED sont calculées par une méthode d'approximation (voir Marsaglia, 2004).

Remarques sur l'Analyse de Processus. Lorsque vous l'exécutez dans le module Analyse de Processus (par les options Analyse de Weibull et Analyse de Fiabilité/Temps d'Échec), le test d'Anderson-Darling n'est calculé que pour des tailles d'échantillons comprises entre 10 et 40. Parmi les autres tests utilisés dans le module Analyse de Processus, citons notamment le Test de Mann-Scheuer-Fertig et le Test de Hollander-Proschan.