comparaison

[Céline CLOT]

Bonjour,
je souhaite comparer des valeurs d'une colonne à la norme (20%).

Je ne vois pas ma faute :

X1=agneau$MG
X2="20%"
var.test(X1,X2)

Quand je définis la norme (20%), il y a une erreur. Que faut-il mettre ?

Merci beaucoup

[Eric Casellas]

Bonjour,

l'aide de la fonction var.test

Code : Tout sélectionner

?var.test

indique que ton X2 doit être une valeur numérique, or tu lui donne une chaine de caractères...

essaye

Code : Tout sélectionner

X2 <- 0.2

ou (je ne sais pas s'il faut un vecteur ou une simple valeur pour var.test...)

Code : Tout sélectionner

X2 <- rep(0.2, length(X1))

[Céline CLOT]

Si je mets x2<- 0.2, le logiciel m'écrit :
nombre d'observations 'y' insuffisant

Je ne vois pas comment faire.

[Céline CLOT]

Ah oui, par contre quand je mets l'autre formule, ça marche.
Merci beaucoup

[Eric Wajnberg]

Ah oui, par contre quand je mets l'autre formule, ça marche.
Merci beaucoup

Il me semble qu'un précision est nécessaire. var.test() compare deux variances, et, au regard de votre question, il me semble que ce n'est pas la fonction (i.e., le test) qui convient, car:

1) Vous dites vouloir comparer des valeurs à une norme, et je ne vois pas de variance dans ce cas, et

2) var.test() fait le rapport des deux variances et retourne le risque issue d'une loi de Fisher-Snedecor. Ceci implique que les deux variances comparées sont issue de deux échantillons issue de populations normales. Ici aussi, il ne semble pas que ce soit le cas.

Je vous invite à vous interroger sur ce que vous voulez vraiment.

Hope this helps,

Eric.

[Vincent Guillemot]

Ouhla, la fonction var.test est utilisable quand on dispose de deux classes d'individus, pour comparer leurs variances, pour tester si la variance d'une classe d'individus est égale à une certaine valeur, alors ce n'est pas ce test qu'il faut utiliser.... J'ai fait quelques recherches avec la fonction RSiteSearch :

Code : Tout sélectionner

RSiteSearch("One sample variance test")

Et j'ai trouvé la fonction sigma.test du package TeachingDemos :

Code : Tout sélectionner

 require(TeachingDemos )
set.seed(123)
x <- rnorm(100,0,10)
sigma.test(x,sigma=10)


Bon courage,
Vincent

ps : flûte, j'ai été trop lent, j'espère que mon post sera quand même utile.

[Céline CLOT]

J'ai également fait une comparaison de moyenne (moyenne du taux de matières grasses à la norme).
Je suis d'accord qu'il n'y a pas de comparaison de variance.

[Céline CLOT]

Est-ce que correct si je fais qu'une comparaison de moyenne ?
X1=agneau$MG
X2=rep(0.15, length(X1))
var.test(X1,X2)

comp=t.test(X1,X2, mu=0, "greater", conf.level=0.95, var.equal=TRUE, paired=FALSE)
comp

Merci beaucoup

[Vincent Guillemot]

Ce n'est pas la bonne syntaxe pour faire un "one sample t-test", voici un exemple avec des données simulées gaussiennes, pour tester si la moyenne de x est significativement égale à 1 :

Code : Tout sélectionner

x <- rnorm(10)
t.test(x,mu=1)

Cdlt,
Vincent.

[yannick Emalio]

salut,
si vous voulez tester l'égalité de variance de 2 variables x1 et x2, vous pouvez utiliser la fonction var.test
si vous voulez tester l'égalité de la moyenne d'un échantillon par rapport à une valeur fixe, vous pouvez utiliser la fonction t.test
Mais si par contre vous voulez tester l'égalité de moyenne de 2 échantillons x1 et x2, la fonction t.test n'est plus adéquate; vous pouvez cependant utiliser la fonction wilcox.test
Au plaisir

[Vincent Guillemot]

Mais si par contre vous voulez tester l'égalité de moyenne de 2 échantillons x1 et x2, la fonction t.test n'est plus adéquate; vous pouvez cependant utiliser la fonction wilcox.test

Euh... Ah bon ? Pourquoi ?

[yannick Emalio]

Bonjour,

yannick Emalio a écrit:

Mais si par contre vous voulez tester l'égalité de moyenne de 2 échantillons x1 et x2, la fonction t.test n'est plus adéquate; vous pouvez cependant utiliser la fonction wilcox.test
Euh... Ah bon ? Pourquoi ?

lorsque je dis que le test de student t.test n'est pas adéquat c'est pas très juste. Je voulais dire que pour l'utiliser on doit avoir à priori une connaissance de la nature de nos deux variables, ie qu'on suppose la normalité de nos variables. Or il est plus simple d'utiliser le test non paramétrique Wilcox.test qui n'exige pas que notre couple d'échantillon soit normale. Voila pourquoi je dis que ce test est plus adéquat.
Bien cordialement

[Maxime Hervé]

Bonjour,

Bonjour,

lorsque je dis que le test de student t.test n'est pas adéquat c'est pas très juste. Je voulais dire que pour l'utiliser on doit avoir à priori une connaissance de la nature de nos deux variables, ie qu'on suppose la normalité de nos variables. Or il est plus simple d'utiliser le test non paramétrique Wilcox.test qui n'exige pas que notre couple d'échantillon soit normale. Voila pourquoi je dis que ce test est plus adéquat.
Bien cordialement

le test de Wilcoxon exige quand même que les distributions des données dans les 2 groupes à comparer aient la même forme, ce qui est quand même très restrictif. Je ne pense pas qu'il soit un test passe-partout que l'on peut appliquer comme ça, en se disant "contrairement au test t, il n'exige rien".
Enfin il me semble...

Maxime

[yannick Emalio]

Bonjour,

le test de Wilcoxon exige quand même que les distributions des données dans les 2 groupes à comparer aient la même forme, ce qui est quand même très restrictif.

Le test de Wilcoxon est un test non paramétrique qui exige simplement que les 2 groupes d'échantillons soient symétriques.

Je ne pense pas qu'il soit un test passe-partout que l'on peut appliquer comme ça

il n'y a qu'une seule hypothèse à faire pour appliquer ce test.

en se disant "contrairement au test t, il n'exige rien".

Le test de Student (de comparaison de tendance centrale) par contre exige deux hypohèses: 1)les distributions doivent être gaussiennes et 2)les échantillons de grandes tailles (n>=30). IL n'est pas passe partout et est manifestement plus restrictif que celui de Wilcoxon.
Toutefois l'avantage du t.test sur le Wilcox.test est que le test de Student est plus puissant que le wilcox. Cet avantage est compensé et dépassé par le caractère non paramétrique du test de Wilcoxon.
Bien cordialement