TESTS

[lacelluledu66]

Bonjour!

1. Est-ce que qqn pourrait m'expliquer ce que veut dire le dernier item compté comme vrai svp https://ibb.co/nrVndjg

 

2. Est-ce que qqn peut m'expliquer ce que veut dire "toutes choses étant égales par ailleurs" dans ces qcms et pourquoi dans l'item B quand le risque augmente, la puissance augmente svp https://ibb.co/zQfFKTP

 

3. Est-ce que qqn peut m'expliquer pourquoi la E est fausse et comment on calcule le risque beta (risque de ne pas rejeter Ho alors qu'elle est fausse) svp https://ibb.co/B4MsMqm

 

4. Est-ce qu'il serait possible que qqn m'explique pourquoi la C et la D sont vraies svp https://ibb.co/ZhWyWgc

 

5. Est-ce qu'il serait possible que qqn m'explique simplement ce qu'est la p-value, sans le comparer au risque alpha parce que je sais comment l'utiliser mais je sais pas à quoi ça correspond svp

 

6. est-ce que qqn peut m'expliquer se qu'est un test nn paramétrique? svp ; ça veut dire quoi que le test nn paramétrique utilise des rangs pour calculer la statistique de test F? svp

 

[Cam32]

Salut !

1. Ho c'est l'hypothèse nulle dont on va chercher à déterminer si elle va etre rejeter ou non. C'est l'affirmation que la valeur du paramètre etudié dans ton qcm est égale à une valeur théorique donnée dans l'énoncé ou à la valeur d'un paramètre d'une autre population.

Tu poses Ho et ton hypothèse alternative  H1 avant de faire les calculs, donc tu connais la loi de probabilité de Ho et donc sa distribution.

Et ensuite tu fais ton test , H1 te permettra de dire si Ho est sera rejeté ou non.

2. C'est des propriétés que j'ai appris par coeur perso,  mais tu peux aussi les retrouver très rapidement en faisant un dessin

donc : -si alpha augmente la puissance aussi

- si n augmente la puissance aussi

-si l'ecart entre les valeurs des paramètres d'interet sous Ho et sous H1 augmente la puissance aussi

- si la variance de la population diminue la puissance augmente

Et à chaque fois au contraire beta diminue

3.C'est faux puisque le risque B de 2eme espèce c'est de ne pas rejeter Ho alors que Ho est faux. Soit dire qu'il n'y a pas de différence alors qu'il y en a bien une.

Et donc pour connaitre B tu utilise forcement l'hypothèse alternative H1 qui te montre s'il y a une différence ou non.

[Cam32]

4. Ce sont les propriété que je t'ai énoncé dans le premier message

5. La p-value c'est un peu complexe à expliquer. Cela sert à conclure un test; plus la p value est faible moins Ho est crédible et donc plus tu vas rejeter Ho

6. En paces normalement on étudie que des tests paramétriques.

Non paramétriques ne dépendent pas des paramères, ils sont moins puissants que les autres.

Je sais oas si j'ai étais très claire, un tuteur t'expliqueras sans doute beaucoup mieux

[Noel_Flantier]

Coucou @Larab !

 

Je complète quelques points :

2 : "toutes choses étant égales par ailleurs" fait référence au fait que lorsqu'on te demande comment la puissance est influencée lorsque le risque alpha varie c'est que tous les autres paramètres qui peuvent également avoir un impact sur la puissance (n, variance, écart entre H0 et H1, ...) restent constants !

 

Je te mets la diapo du cours qui est vraiment à bien connaitre par coeur (qui correspondent aussi à ta 4ème question) :

https://www.noelshack.com/2020-45-3-1604483063-capture-d-ecran-2020-11-04-a-10-44-00.png

 

3 : le risque bêta est la probabilité de ne pas rejeter H0 alors que H1 est vraie (= H0 est fausse) donc on voit bien que le risque d'erreur de deuxième espèce et H1 sont intimement liés !

 

5 : je te mets l'excellente explication de @Jadilie sur la p-value :

Tu fais un test, et tu fais une hypothèse. Par exemple tu supposes que la moyenne est égale à 3 dans la population parce que t'as lu ça quelque part.

Sauf que ton expérience, tu ne vas pas pouvoir le faire sur toute la population, ça ferait trop de gens. Du coup tu fais un échantillon. Et en fonction des gens que tu prends dans ton échantillon, peut-être que ta moyenne sera un peu différente de la vraie moyenne de la population. (exemple, tu comptais le nombre d'enfant par famille et t'es tombé sur des gens qui ont la médaille de la famille nombreuse). Mais t'as quand même plus de chances de trouver une valeur proche de la moyenne de la population. 

Du coup, si dans ton échantillon t'as une moyenne de 6, tu vas te demander quelle est la probabilité pour que tu sois tombé sur un échantillon avec cette moyenne de 6, dans le cas où la moyenne de la population est vraiment de 3. Cette probabilité, c'est la p value.

 

6 : enfin en PASS vous voyez uniquement des tests paramétriques (c'est d'ailleurs dans le titre des chapitres), et si les profs ont choisi de vous faire étudier ceux-là c'est justement parce qu'ils sont plus puissants que les non-paramétriques

 

Est-ce que c'est plus clair ?

[lacelluledu66]

@Noel_Flantiermerciiiii