Aide aux stat...

[invite7981ccce]

Bonjour à tous, j'ai un tit soucis concernant un article, je passe les détails et je vais à l'essentiel, soyez indulgent je ss débutant en stat :

j'ai un graphique montrant la quantité d'mRNA en fonction de différents groupesn de biopsies de patients. Et au niveau des stats ils ne comparent que un type de biopsie à un controle avec un p<=0,001.
Ensuite ils disent que l'augmentation de l'expression chez un groupe n'a pas une statistique signifacative (P>0,05) mais là ils ne parlent de comparaison.

Dernier point autre graphique où ils comparent tjs un groupe au controle mais à chaque changement de groupe,le P est différent je comprends pas...

Je pense qu'il ont utilisé un t test
-----

[invite7981ccce]

en fait je ne suis pas sur que cela soit un t test, c'est peut être un kruskal wallis pour comparer les 2 groupes? qu'en pensez vous?

[invite015cb473]

Salut,
le p est le résultat d'un test de comparaison.
Tu prends un groupe A de référénce et trois autres groupes B C et D. Si tu compares A à B, tu obtiens un p. Si tu compares ensuite A à C, tu obtiens un autre p d'une valeur différente ou non. Enfin en comparant A à D, tu obtiendras une troisième valeur de p.
Quand ils te disent que l'augmentation n'est pas significative, c'est qu'ils ont fait la comparaison.
Voilà la démarche qu'ils font toujours :
- choix de deux groupes à comparer avec soit une valeur moyenne pour chaque groupe, soit deux groupes de plusieurs valeurs.
- choix du test
- énoncé de l'hypothèse nulle. C'est l'hypothèse que tu testes. L'hypothèse nulle dit "la différence entre les groupes comparés est due au hasard du tirage". Autrement dit, il est possible qu'un autre tirage (sur d'autres malades par exemple), ne donne pas de différence avec le groupe témoin. Si tu rejettes l'hypothèse nulle, tu rejettes le fait que la différence soit seulement le fruit du hasard, cette différence est donc réelle, c'est pas un coup de bol : on dit que les groupes comparés sont significativement différents. (C'est une notion essentielle en stats, peut-être même la plus importante.)
- choix de la valeur de p pour laquelle le test devient significatif (souvent on prend p<=0,05, si p est inférieur, on peut rejeter l'hypothèse nulle).
- exécution du test, on trouve la valeur de p.
- la réponse : si p>0,05, on dit "les deux groupes ne sont pas significativement différents" ou "l'écart est dû au hasard" ou "la différence entre eux n'est pas significative". Si p<0,05, alors on dit le contraire "les groupes sont significativement différents", "on trouve une différence significative entre les deux groupes"...

Ensuite ils disent que l'augmentation de l'expression chez un groupe n'a pas une statistique signifacative (P>0,05) mais là ils ne parlent de comparaison.

Donc ici, le simple fait de dire que l'augmentation n'est pas significative et te donner un p>0,05 suffit à sous-entendre qu'ils ont suivi tout le cheminement comparatif pour trouver p.

Ces principes sont valables quel que soit le test statistique mis en oeuvre.
Si tu as d'autres questions, n'hésite pas.

Cordialement,
Ecthelion

[invite7981ccce]

je te remercie bcp, ça me rafraichit la mémoire et pas qu'un peu!!!!

Donc je peux supposer qu'ils ont comparé les 2 populations selon T test, avec comme hypothèse que il y a une différence entre les populations.

[A voir en vidéo sur Futura]

[invite7981ccce]

je rajouterais même qu'ils font un t test mais s'ils ne marchent pas ils font un wilcoxon mann whitney qui moins puissant mais qui ne pose pas d'hypothèse sur la population

[invite015cb473]

Salut,

Donc je peux supposer qu'ils ont comparé les 2 populations selon T test, avec comme hypothèse que il y a une différence entre les populations.

Non absolument pas !
L'hypothèse nulle n'était pas "il y a une différence entre les populations". Mais à l'inverse c'était "il n'y a pas de différence entre les populations".
En stats, c'est toujours pareil : on ne sait pas démontrer qu'il y a une différence.
Donc on montre que l'hypothèse qui dit "pas de différence" est fausse. Mais ça ne veut pas dire que l'hypothèse "il y a une différence" est vraie ! Ca tient à tous les théorèmes de stats et probas et tout ce que ça sous-tend. Il est impossible de prouver qu'il y a une différence par contre, on peut prouver que la non-différence est impossible. C'est LE concept des stats, l'hypothèse nulle.
Et le p=0,05 donne en fait la valeur de confiance. Alpha est cette valeur et vaut 1-p. Ici alpha=0,95. Ce qui veut dire qu'on a 95% de chances de ne pas se tromper en disant que l'hypothèse nulle est fausse.

Pour les tests, j'imagine que ce que tu appelles T-test est un test de Student. Sans les données, c'est un peu compliqué de trouver ce dont tu parles mais je vais essayer. J'imagine que tu observes une valeur moyenne du paramètre étudié sur chaque groupe. Tu as donc un groupe témoin, un groupe qui prend le premier médicament et qui a donc une valeur du paramètre, un second groupe pour un autre médicament, etc.
Tu disposes donc de plusieurs éléments pour chaque groupe : l'ensemble des valeurs personnelles du paramètre, la moyenne de ces valeurs pour le groupe, la variance, la distribution des valeurs du paramètre.
On a alors plusieurs cas de figures possibles en comparant 2 groupes indépendants (il ne faut pas que les membres de groupe "1er médicament" aient été les témoins avant par exemple) :
- les deux distributions comparées sont proches de lois normales. Dans ce cas, on compare les variances par un test de Fischer, on a alors 2 possibilités :
***pas de différence significative entre les deux variances => test de Student en supposant les variances égales. On obtient une variable de décision t qui correspond sur une table à une valeur de p pour le degré de liberté N+M-2 (N1 et N2 étant le nombre de personnes dans le premier et dans le second groupe). Si p<0,05, l'hypothèse qu'il n'y a pas de différence est fausse : il y a une différence significative. Sinon, on ne peut pas rejeter l'hypothèse nulle : pas de différence significative et donc le nouveau médicament ne change rien, ni en bien ni en mal, par rapport à un placebo. C'est apparemment ce que montre ton exemple.
*** différence significative des deux variances : on trouve une explication logique à cette disparité entre les deux groupes et si ça a toujours un sens de comparer les deux moyennes, on fait un test de Welsh uniquement si les effectifs N1 et N2 sont supérieurs à 30. Un calcul nous donne la variable de décision u, on trouve sur la table l'ordre de grandeur de p correspondant (pour une loi Normale N(0,1) et on conclue en fonction de la valeur de p comme pour tout autre test.

- les distributions d'un ou des deux groupes n'est pas normales (ni normalisable par changement de variable). On a alors encore une fois 2 cas :
*** Les effectifs des deux groupes N1 et N2 sont chacun supérieurs à 30 et on fait un test de Welsh (comme dans le cas : distributions normales mais variances inégales)
*** On fait un test non paramétrique de la somme des rangs : un test de Mann-Whitney-Wilcoxon. On suppose les deux distributions non-normales mais de même forme tout de même (il faut être capable de comparer). Ce test des rangs est assez complexe à expliquer par écrit : on mélange les valeurs des deux groupes en un seul ensemble. Ensuite on classe par ordre croissant toutes ces valeurs en leur donnant un rang de 1 à N1+N2. Si plusieurs valeurs sont égales, on leur donne le même rang qui correspond à la moyenne des rangs qu'elles auraient eu si elles avaient été différentes.
(Exemple : deux fois le paramètre étudié vaut A. Le rang est 54 et 55. Et bien les deux A reçoivent le rang 54,5. Maintenant si on a 3 fois une valeur aux rangs 60, 61 et 62, on leur affecte toutes les trois le rang 61. Et la valeur qui vient ensuite aura le rang 63.)
On fait la somme des rangs du plus petit des deux groupes (si N1<N2, on prend le groupe 1 par exemple). Cette somme vaut T1. On calcul la variable de décision w= N1*N2 + [N1*(N1+1)]/2 - T1. Ensuite vient une procédure qui diffère selon les valeurs de N1 et N2. On obtient une nouvelle variable de décision u, qui permet de trouver l'ordre de grandeur de p sur une table.

Donc ce test de Mann-Whitney-Wilcoxon pose des conditions sur la population, mais elles sont plus faibles que celles demandées pour un test de Student. Là où ce qui est décrit dans ton article est discutable c'est pourquoi avoir fait un test de Student si la distribution n'était pas normale ou si les variances étaient inégales ? Et si c'était le cas et qu'un test de Student était justifié, alors pourquoi tenter de démontrer qu'il y a une différence avec un test moins spécifique ? C'est pas ce qu'on appelle de l'honnêteté intellectuelle... J'ai l'impression qu'ils voulaient montrer qu'il y avait une différence significative, donc ils ont bien fait le boulot avec Student et comme ce test ne leur permettait pas de rejeter l'hypothèse nulle, ils en ont pris un plus laxiste avec l'espoir que ce test pourrait rejeter l'hypothèse nulle.
Quand on a deux tests qui disent le contraire, on prend le résultat de celui qui est le plus spécifique.

Cordialement,
Ecthelion