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 |

Test-t (Pour des Échantillons Indépendants et Appariés)

Le test-t est la méthode la plus répandue pour évaluer les différences de moyennes entre deux groupes. Les groupes peuvent être indépendants (par exemple, pression sanguine de patients qui ont pris un médicament vs. un groupe contrôle ayant reçu un placebo) ou appariés (par exemple, pression sanguine de patients "avant" vs. "après" avoir pris un médicament, voir ci-dessous). Théoriquement, le test-t peut être utilisé si les tailles d'échantillon sont très petites (par exemple, de l'ordre de 10 ; certains chercheurs affirment même que des n plus petits sont possibles), tant que les variables restent approximativement distribuées normalement et que la dispersion dans les résultats des deux groupes n'est pas très différente (voir aussi la rubrique Concepts Élémentaires).

Test pour des échantillons appariés. Le test-t pour des échantillons appariés peut être utilisé pour analyser les plans dans lesquels la dispersion intra-groupe (contribuant normalement à l'erreur de mesure) peut être facilement identifiée et éliminée de l'analyse. Plus précisément, si les deux groupes de mesures à comparer sont basés sur le même échantillon d'observations (par exemple, des sujets) testé deux fois (par exemple, avant et après un traitement), alors une part considérable de la dispersion intra-groupe dans les deux groupes de résultats peut être attribuée aux différences individuelles initiales entre les observations et ainsi expliquée (c'est-à-dire, retranchée de l'erreur). Ceci permet d'augmenter la sensibilité du plan.

Comparer une moyenne à un standard. Dans le test dit test (t) de comparaison à un standard, la moyenne observée (d'un échantillon) est comparée à la moyenne théorique (ou référence) de la population (par exemple, espérance mathématique), et la dispersion de la population est estimée à partir de la dispersion de l'échantillon observé.

Voir Hays, 1988. Voir aussi les rubriques Test-t pour des Échantillons Indépendants - Introduction et Test-t pour des Échantillons Appariés - Introduction.