Quand l'utiliser ?
Comparaison de la moyenne de Y à une valeur théorique avec :
- Y variable quantitative
Importer le jeu de données
Utiliser le jeu de données :
attach(data)
Y = quantitative
m0 = theorique
Visualisation des données (boxplot) :
boxplot(Y)
Calcul de la moyenne :
mean(Y)
Taille de l'échantillon :
length(Y)
Conditions OK
Hypothèses de normalité :
H0 : les données suivent une loi normale
H1 : les données ne suivent pas une loi normale
Vérification de la normalité de la distribution de Y :
shapiro.test(Y)
Conclusions au seuil 5% :
p-value < 0,05 → rejet de H0 → les données ne suivent pas une loi normale
p-value > 0,05 → non rejet de H0 → les données suivent une loi normale → condition OK
Si les conditions sont vérifiées → test paramétrique
Si les conditions ne sont pas vérifiées → test non paramétrique
Test bilatéral : moyenne différente de la valeur théorique
Hypothèses :
H0 : la moyenne de Y est égale à m0
H1 : la moyenne de Y est différente de m0
Test de Student :
t.test(Y,mu=m0)
Conclusion au seuil 5% :
p-value < 0,05 → rejet de H0 → la moyenne de Y est significativement différente de m0
p-value > 0,05 → non rejet de H0 → la moyenne de Y est significativement égale à m0
Test unilatéral : moyenne supérieure à la valeur théorique
Hypothèses :
H0 : la moyenne de Y est égale à m0
H1 : la moyenne de Y est supérieure à m0
Test de Student :
t.test(Y,mu=m0,alternative="greater")
Conclusion au seuil 5% :
p-value < 0,05 → rejet de H0 → la moyenne de Y est significativement supérieure à m0
p-value > 0,05 → non rejet de H0 → la moyenne de Y est significativement égale à m0
Test unilatéral : moyenne inférieure à la valeur théorique
Hypothèses :
H0 : la moyenne de Y est égale à m0
H1 : la moyenne de Y est inférieure à m0
Test de Student :
t.test(Y,mu=m0,alternative="less")
Conclusion au seuil 5% :
p-value < 0,05 → rejet de H0 → la moyenne de Y est significativement inférieure à m0
p-value > 0,05 → non rejet de H0 → la moyenne de Y est significativement égale à m0
← Plan