Stats pour mémoire Kiné

[inviteb9dd4e3c]

Bonjour,

Je dois faire des statistiques en vue de terminer mon mémoire.
je résume la situation:
12 joueurs de foot
3 tests effectués (sprint, détente verticale, cooper)
ensuite après avoir récolté les données, je réalise un renforcement par isocinétisme
et je re-test au bout de huit séances
Donc: le renforcement a-t-il influencé les tests?
Je dois effectuer le test de Wilcoxon, d'échantillons pairés.
Imaginons les résultats suivant pour le sprint:
Avant renforcement:
2,12 2,10 2,19 2,13 2,21 2,18 2,20 2,09 2,14 2,06 2,17 2,11
après renforcement:
2,00 2,09 2,08 2,11 2,27 2,05 2,24 2,06 2,07 2,01 2,15 2,03
je fais les différences:
12 1 11 2 6 13 4 3 7 5 2 8
ensuite les rangs:
10 1 9 2,5 6 11 5 4 7 6 2,5 8
(par exemple si on a 3 rangs les mêmes, fait-on: 1+2+3= 6 qu'on divise par 3=2 et donc pas de rangs 1,2,3??? Mais 3 rangs 2???
ensuite les signes:
- - - - + - + - - - - -
comme je veux voir si il y a eu amélioration, dois-je prendre la somme des "-"?
Car dans un cours, c'est écrit qu'on prend la somme des "+" pour obtenir T. Mais si je prends cette somme "+", alors cela veut dire que je prends ceux qui ont augmenté leur temps!
Ensuite dans la table de wilcoxon, si je suis dans l'intervalle à 95% ou en dessous, cela veut dire que le renforcement n'a pas marché à 95%???
il faut être au-dessus de l'intervalle pour affirmer que le renforcement a été bénéfique?
Merci
-----

[invitec5eb4b89]

Bonjour,

Ce que tu as fait est pas mal du tout, ton étude est très intéressante !

Pour le test du signe, tout est très bien expliqué sur le site suivant avec un bel exemple sur des arbres plus grands couchés que debouts... Test du signe

Si tu veux pouvoir justifier l'utilisation de ce test plutôt qu'un test de Student, il te suffit de montrer que l'hypothèse gaussienne n'est pas vérifiée, et cela grâce à un test de Shapiro (là je copie honteusement Kinette...), qui est particulièrement adapté aux petits échantillons : Shapiro

J'ai fait donc ça avec R, qui est un logiciel de statistique libre, qu'on peut même utiliser en ligne : Utiliser R

avant <- c(2.12, 2.10, 2.19, 2.13, 2.21 ,2.18, 2.20 ,2.09, 2.14, 2.06, 2.17, 2.11)
apres <- c(2.00, 2.09, 2.08, 2.11, 2.27, 2.05, 2.24, 2.06, 2.07, 2.01, 2.15, 2.03)
shapiro.test(avant)
shapiro.test(apres)
wilcox.test(avant,apres,alternative="less",paired=TRUE)

Le résultat est :

> avant <- c(2.12, 2.10, 2.19, 2.13, 2.21 ,2.18, 2.20 ,2.09, 2.14, 2.06, 2.17, 2.11)
> apres <- c(2.00, 2.09, 2.08, 2.11, 2.27, 2.05, 2.24, 2.06, 2.07, 2.01, 2.15, 2.03)
> shapiro.test(avant)

Shapiro-Wilk normality test

data: avant
W = 0.9575, p-value = 0.7483

> shapiro.test(apres)

Shapiro-Wilk normality test

data: apres
W = 0.8841, p-value = 0.0988

> wilcox.test(avant,apres,altern ative="less",paired=TRUE)

Wilcoxon signed rank test with continuity correction

data: avant and apres
V = 66, p-value = 0.9845
alternative hypothesis: true location shift is less than 0

La conclusion est : on est à 90% certain que l'"entrainement spécial" améliore les performances en sprint des footballers. Je dis "à 90 %" seulement car wilcox.test me donne des résultats un peu différents de ceux que j'ai calculés à la main avec la Table de la Loi Binomiale (???).

Voilà, mais peut-être que tu voudrais quelque chose de moins algorithmique et de plus "littéraire" ?
V.

ps : je ne vois pas l'intérêt de calculer les rangs...

[inviteb9dd4e3c]

Bonjour,

Ce que tu as fait est pas mal du tout, ton étude est très intéressante !

Pour le test du signe, tout est très bien expliqué sur le site suivant avec un bel exemple sur des arbres plus grands couchés que debouts... Test du signe

Si tu veux pouvoir justifier l'utilisation de ce test plutôt qu'un test de Student, il te suffit de montrer que l'hypothèse gaussienne n'est pas vérifiée, et cela grâce à un test de Shapiro (là je copie honteusement Kinette...), qui est particulièrement adapté aux petits échantillons : Shapiro

J'ai fait donc ça avec R, qui est un logiciel de statistique libre, qu'on peut même utiliser en ligne : Utiliser R

avant <- c(2.12, 2.10, 2.19, 2.13, 2.21 ,2.18, 2.20 ,2.09, 2.14, 2.06, 2.17, 2.11)
apres <- c(2.00, 2.09, 2.08, 2.11, 2.27, 2.05, 2.24, 2.06, 2.07, 2.01, 2.15, 2.03)
shapiro.test(avant)
shapiro.test(apres)
wilcox.test(avant,apres,alternative="less",paired=TRUE)

Le résultat est :

La conclusion est : on est à 90% certain que l'"entrainement spécial" améliore les performances en sprint des footballers. Je dis "à 90 %" seulement car wilcox.test me donne des résultats un peu différents de ceux que j'ai calculés à la main avec la Table de la Loi Binomiale (???).

Voilà, mais peut-être que tu voudrais quelque chose de moins algorithmique et de plus "littéraire" ?
V.

ps : je ne vois pas l'intérêt de calculer les rangs...

Ben en fait, le prof de stat nous a demandé de faire Wilcoxon comme je te l'ai montré pour des petites population (12 en est une).
Donc je ne peux pas faire d'autres stats.
Et je voulais savoir avec les rangs si j'en ai 3 les mêmes comme j'ai déjà écrit avant:
1+2+3=6 divisé par 3=2 donc pas de rangs 1,2,3?? C'est ça?
Et comme je veux prouver une diminution du temps (donc amélioration des performances) dois-je prendre la somme des négatifs et la reporter dans la table 95% et 99%?
Merci, désolé encore pour toutes ces questions

[invitec5eb4b89]

Salut, je viens de voir qu'on pouvait effectivement calculer les rangs pour avoir plus de puissance.

Ben en fait, le prof de stat nous a demandé de faire Wilcoxon comme je te l'ai montré pour des petites population (12 en est une).
Donc je ne peux pas faire d'autres stats.
Et je voulais savoir avec les rangs si j'en ai 3 les mêmes comme j'ai déjà écrit avant:
1+2+3=6 divisé par 3=2 donc pas de rangs 1,2,3?? C'est ça?
Et comme je veux prouver une diminution du temps (donc amélioration des performances) dois-je prendre la somme des négatifs et la reporter dans la table 95% et 99%?
Merci, désolé encore pour toutes ces questions

Pour répondre à ta question, il suffit de lire attentivement le site duquel je t'ai donné le lien :

Méthode
di = différence entre chaque paire, représentant la différence entre les scores appariés obtenus lors des deux traitements. Chaque paire a un di.
Ranger tous les di sans tenir compte de son signe. Dans ce cas, lorsque l'on range les di, un di de -1 est affecté d'un rang inférieur à celui d'un di de -2 ou +2. Puis réaffecter à chaque rang le signe de la différence.
Si les traitements A et B sont équivalent, donc si H0 est vraie, la somme des rangs ayant un signe positif et celle des rangs ayant un signe négatif devraient être à peu près égale. Mais si la somme des rangs de signes positifs est très différente de celle des rangs de signes négatifs, nous en déduirons que le traitement A diffère du traitement B, et rejèterons l'hypothèse nulle. Donc, il y a rejet d'H0 que la somme des rangs de signe négatif ou que celle des rangs de signe positif soit faible.
Il est possible que les deux scores d'une quelconque paire soient égaux. Il n'y a pas de différence observée entre les deux traitements pour cette paire (d = 0). De telles paires sont abandonnées. N est alors égal au nombre de paires dont la différence entre les traitements n'est pas nulle. Mais deux ou plus des différences observées entre paire peuvent être égales entre elles. On donne alors le même rang à ces valeurs liées. Le rang affecté est la moyenne des rangs qu'auraient eu les diverses valeurs si elles avaient différées. Ainsi, trois des paires observées présentent les différences suivantes : -1, -1 et +1. Chaque paire aura le rang 2, car (1 + 2 + 3) / 3 = 2. La différence suivante aura alors le rang 4, puisque les rangs 1, 2, et 3 ont déjà été utilisé.

Petits échantillons
T = la somme des rangs du signe observée le moins fréquent. La table 5 donne les valeurs critiques de T et leurs niveaux de signification associés pour N 25. Si le T observé est égal ou inférieur à la valeur donnée dans la table pour un niveau de signification et pour le nombre de différences non nulles N, l'hypothèse nulle peut être rejetée à ce niveau de signification.

En conclusion :

> avant
 [1] 2.12 2.10 2.19 2.13 2.21 2.18 2.20 2.09 2.14 2.06 2.17 2.11
> apres
 [1] 2.00 2.09 2.08 2.11 2.27 2.05 2.24 2.06 2.07 2.01 2.15 2.03
> avant-apres
 [1]  0.12  0.01  0.11  0.02 -0.06  0.13 -0.04  0.03  0.07  0.05  0.02  0.08
> rank(abs(avant-apres))
 [1] 11.0  1.0 10.0  2.5  7.0 12.0  5.0  4.0  8.0  6.0  2.5  9.0

-- tu dois affecter le même pour des différences égales (en valeurs absolues)
-- tu fais la somme des rangs correspondant aux différences négatives : T=12
-- puis tu vas voir dans la table de la statistique de Wilcoxon qui te donne une "valeur" égale à 0.025 pour un test unilatéral, ce qui est le cas dans ton étude.

Finalement, comme tu as fais l'hypothèse H0 : "Les deux situations sont équivalentes" et l'hypothèse alternative H1 : "Les temps après renforcement sont plus petits", un test de Wilcoxon sur les rangs te permet de rejeter l'hypothèse H0 avec le risque 2.5 % (ou une confiance de 97,5 %).

Vala,me trompe-je ?

[A voir en vidéo sur Futura]

[inviteb9dd4e3c]

Salut, je viens de voir qu'on pouvait effectivement calculer les rangs pour avoir plus de puissance.


Pour répondre à ta question, il suffit de lire attentivement le site duquel je t'ai donné le lien :

En conclusion :

> avant
 [1] 2.12 2.10 2.19 2.13 2.21 2.18 2.20 2.09 2.14 2.06 2.17 2.11
> apres
 [1] 2.00 2.09 2.08 2.11 2.27 2.05 2.24 2.06 2.07 2.01 2.15 2.03
> avant-apres
 [1]  0.12  0.01  0.11  0.02 -0.06  0.13 -0.04  0.03  0.07  0.05  0.02  0.08
> rank(abs(avant-apres))
 [1] 11.0  1.0 10.0  2.5  7.0 12.0  5.0  4.0  8.0  6.0  2.5  9.0

-- tu dois affecter le même pour des différences égales (en valeurs absolues)
-- tu fais la somme des rangs correspondant aux différences négatives : T=12
-- puis tu vas voir dans la table de la statistique de Wilcoxon qui te donne une "valeur" égale à 0.025 pour un test unilatéral, ce qui est le cas dans ton étude.

Finalement, comme tu as fais l'hypothèse H0 : "Les deux situations sont équivalentes" et l'hypothèse alternative H1 : "Les temps après renforcement sont plus petits", un test de Wilcoxon sur les rangs te permet de rejeter l'hypothèse H0 avec le risque 2.5 % (ou une confiance de 97,5 %).

Vala,me trompe-je ?

Donc pour toi, quand le temps passe de 2,12 à 2,00 cela donne +12 et non -12? Pourtant c'est moins, ou alors tu veux dire que l'on gagne +0,12 seconde, c'est ça.
Et donc pour les deux qui ont augmenté leur temps, cela devient négatif.
J'ai une table de 95% (0,05) et une de 99% (0,01)
à 95%, mon intervalle à 12n est de : [13; 65] et à 99% [9; 69]
Pfff moi et les math... je me sens bien plus à l'aise au niveau du corp humain

[inviteb9dd4e3c]

Voilà mes résultats, est-ce bon?
Pour le sprint, en secondes:

Avant 2,12 2,10 2,19 2,13 2,21 2,18 2,20 2,09 2,14 2,06 2,17 2,11
Après 2,00 2,09 2,08 2,11 2,27 2,05 2,24 2,06 2,07 2,01 2,15 2,03
Différence 12 1 11 2 6 13 4 3 7 5 2 8
Rangs 10 1 9 2,5 6 11 5 4 7 6 2,5 8
Signe des différences + + + + - + - + + + + +
T+= 61, intervalle à 95%= [13; 65] 61 étant compris dedans, il n'y a pas d'amélioration.
C'est ça ?
Pour la détente verticale, en cm:

Avant 48 44 57 50 53 50 44 47 46 50 46 45
Après 56 45 54 46 49 47 45 48 49 52 48 49
Différence 8 1 3 4 4 3 1 1 3 2 2 4
Rangs 12 2 7 10 10 7 2 2 7 4,5 4,5 10
Signe des différences + + - - - - + + + + + +
T+= 44, 44 étant dans l'intervalle, pas d'amélioration

Pour le test Cooper, en mètres:

Avant 2560 2560 2510 2510 2460 2510 2330 2460 2460 2560 2460 2510
Après 2830 2620 2780 2720 2560 2670 2280 2620 2560 2880 2670 2720
Différence 270 60 270 210 100 60 50 160 100 320 210 210
Rangs 10,5 2,5 10,5 8 4,5 2,5 1 6 4,5 12 8 8
Signe des différences + + + + + + - + + + + +
T+= 77, intevalle à 99%= [9; 69], on en conclut que le renforcement a amélioré à 99% de certitude?
C'est ça?
Merci

[invitec5eb4b89]

Salut,

J'ai du mal à comprendre comment fonctionne ta table de Wilcoxon, tu pourrais la scanner ? Ou m'indiquer un endroit où la trouver ?

De plus, tes conclusions pour les points 1 et 2 ont quand même l'air faux : on "voit" bien qu'il y a une amélioration. Les tests comme celui de Wilcoxon sont juste faits pour chiffrer la confiance que tu as dans un résultat que tu as déjà "senti" en regardant les temps de tes footballeurs...

Bref, à part ça la présentation est claire et concise, à condition de résoudre le mystère de la table que tu as, ça devra être bon.

Cordialement,
V.

[inviteb9dd4e3c]

Voilà la table, mais si ce n'est pas compris dans l'intervalle, cela veut dire que les échantillons sont conformes donc qu'il n'y a pas de réelle différence non?
Merci.

[invitec5eb4b89]

Bonjour !
Plusieurs points :
0) Merci pour la table, je comprends mieux cette histoire d'intervalles, et effectivement, quand ton score est entre T1 et T2 pour un risque donnée, tu peux dire que tes performances ne sont pas améliorées...
1) Tu as décidé de faire un test bilatéral (i.e. les performances sont différentes) alors que tu aurais pu te contenter simplement d'un test unilatéral (les performances sont améliorées), ce qui fait que ton "risque" est multiplié par 2 !
2) Pour le sprint, 61 c'est quand même vachement proche de 65, à mon avis, si tu choisis un supérieur, ton score sortirait de l'intervalle...

Cependant, les conclusions que tu tires en te basant uniquement sur ta table sont correctes, n'oublie pas de préciser tes hypothèses de départ et n'oublie de mentionner le risque que tu as choisi, même quand tu conclues qu'il n'y a pas d'amélioration...

En bref, c'est dommage que tu ne puisses pas utiliser un logiciel de calcul statistique pour calculer toi-même le risque , parce que du coup tes conclusions sont en défaveur du protocole d'entraînement que tu as testé, alors qu'on voit bien, même à l"oeil nu", qu'il améliore les performances !!!!!

Voilà, j'espère que j'ai pu te donner un coup de main, mais j'aimerais quand même avoir d'autres avis de forumeurs sur le sujet, ils sont étrangement silencieux !

C'est pour quand ton mémoire ?

[inviteb9dd4e3c]

Bonjour !
Plusieurs points :
0) Merci pour la table, je comprends mieux cette histoire d'intervalles, et effectivement, quand ton score est entre T1 et T2 pour un risque donnée, tu peux dire que tes performances ne sont pas améliorées...
1) Tu as décidé de faire un test bilatéral (i.e. les performances sont différentes) alors que tu aurais pu te contenter simplement d'un test unilatéral (les performances sont améliorées), ce qui fait que ton "risque" est multiplié par 2 !
2) Pour le sprint, 61 c'est quand même vachement proche de 65, à mon avis, si tu choisis un supérieur, ton score sortirait de l'intervalle...

Cependant, les conclusions que tu tires en te basant uniquement sur ta table sont correctes, n'oublie pas de préciser tes hypothèses de départ et n'oublie de mentionner le risque que tu as choisi, même quand tu conclues qu'il n'y a pas d'amélioration...

En bref, c'est dommage que tu ne puisses pas utiliser un logiciel de calcul statistique pour calculer toi-même le risque , parce que du coup tes conclusions sont en défaveur du protocole d'entraînement que tu as testé, alors qu'on voit bien, même à l"oeil nu", qu'il améliore les performances !!!!!

Voilà, j'espère que j'ai pu te donner un coup de main, mais j'aimerais quand même avoir d'autres avis de forumeurs sur le sujet, ils sont étrangement silencieux !

C'est pour quand ton mémoire ?

Merci, c'est pour le 26 avril. Il est fini!
Qu'est-ce que ce risque "alpha"? Comment le calcule-t-on?
C'est bête je sais mais c'est le seul que l'on puisse utiliser, notre cours de stat était très "léger"!
Comment aurais-je pu faire un unilatéral?

[inviteb9dd4e3c]

Heu... ça va pour le risque alpha j'ai vu. Mais je devais changer quoi pour faire un unilatéral?

[invitec5eb4b89]

Ben ya tout dans ma toute première réponse, tu as les liens vers les explications pour le test de Wilcoxon, tu as le lien pour demander à R de mener le test etc...

Donc ben "ya plus qu'à" ! Bon courage !