Test mathématique

[invite2313209787891133]

Bonjour à tous.

Dans le cadre de mon travail je suis parfois amener à décider si un choix est significatif ou non; je fais actuellement ce choix...au feeling.

Je sais qu'il existe des tests mathématiques, comme le khi², mais j'ai beau lire des explications sur internet je n'arrive pas à saisir (j'ai arrêté les math il y a bien longtemps).

Je vous donne un exemple totalement imaginaire:
J'ai 3 sortes de clés à molette; des Facom, des clés 1er prix des Perlimpinpin (qui coutent 3x plus cher que les Facom).

Je dresse un tableau des durées de vie de chaque clé en semaines:
Facom: 12;15;24;18;20;22;19;10;18
1er prix : 9;12;14;18;8;3;17;15;20;12;11
Perlimpinpin : 22;15;14;16;17;20;11

Je veux savoir si il y a une différence de durée de vie significative entre chaque modèle: Comment puis je m'y prendre concrètement ?

Merci de bien vouloir m'expliquer sans me submerger de formules; je cherche plus une solution "clé en main" qu'un cours.

En vous remerciant d'avance.
-----

[invitec5eb4b89]

(...)
Merci de bien vouloir m'expliquer sans me submerger de formules; je cherche plus une solution "clé en main" qu'un cours.
(...)

Bonjour,

Je trouve cette remarque assez choquante : est-ce que l'on demanderait à un mathématicien d'expliquer un problème d'algèbre sans utiliser de notations algébriques ?

Bref. Pour le problème posé, je propose un test de Kruskal Wallis que l'on peut mener avec le logiciel R :

facom <- c(12,15,24,18,20,22,19,10,18)
premier_prix <- c(9,12,14,18,8,3,17,15,20,12,11)
perlimpinpin <- c(22,15,14,16,17,20,11)
donnees <- c(facom,premier_prix,perlimpinpin)
groupes <- rep(1:3,c(9,11,7))

kruskal.test( donnees , groupes )

La p-value est trop grande pour nous permettre de conclure que les durées de vie sont "en moyenne" (ou plutôt "en médiane") significativement différentes entre les trois groupes.

[invite986312212]

d'accord avec HigginsVincent. Une autre approche est l'analyse de survie, puisqu'il s'agit ici de durée de vie d'un matériel.

> facom <- c(12,15,24,18,20,22,19,10,18)
> premier_prix <- c(9,12,14,18,8,3,17,15,20,12,1 1)
> perlimpinpin <- c(22,15,14,16,17,20,11)
> donnees <- c(facom,premier_prix,perlimpin pin)
> groupes <- rep(1:3,c(9,11,7))
> library(surv4)
> summary(coxph(Surv(donnees,rep (T,27))~groupes))
Call:
coxph(formula = Surv(donnees, rep(T, 27)) ~ groupes)

n= 27

coef exp(coef) se(coef) z Pr(>|z|)
groupes 0.1990 1.2201 0.2274 0.875 0.382

exp(coef) exp(-coef) lower .95 upper .95
groupes 1.220 0.8196 0.7813 1.905

Rsquare= 0.028 (max possible= 0.992 )
Likelihood ratio test= 0.76 on 1 df, p=0.3841
Wald test = 0.77 on 1 df, p=0.3817
Score (logrank) test = 0.77 on 1 df, p=0.3797

même conclusion: pas de différences entre marques de clés à molette.

[invite986312212]

euh au fait, simple curiosité: tu fais quoi avec ces clés pour les rendre inutilisables en 10 à 20 semaines? parce que j'ai des outils Facom depuis trente ans et je m'en suis pas mal servi à une époque et je les vois pas s'user.

[A voir en vidéo sur Futura]

[invitec5eb4b89]

euh au fait, simple curiosité: tu fais quoi avec ces clés pour les rendre inutilisables en 10 à 20 semaines? parce que j'ai des outils Facom depuis trente ans et je m'en suis pas mal servi à une époque et je les vois pas s'user.

Peut être quelque chose de ce genre ?

[invite2313209787891133]

Bonjour à vous, et merci pour ces premiers éléments de réponse.

Tout d'abord je veux m'excuser si j'ai choqué quelqu'un; je me suis sans doute mal exprimé. Je ne suis pas totalement hermétique aux formules, dès l'instant qu'elles sont expliquées. Je voulais simplement dire que j'attend surtout une méthode qui fonctionne expliquée clairement. En math j'ai un niveau Bac D, mais je n'ai plus fais de math depuis un bon moment.

D'ailleurs ma mise en garde était autant malvenue qu'inutile, vu que vous m'avez répondu avec des des notations qui me sont complètement étrangères (une sorte de langage de programmation ?). Je travaille en bureau d'étude, en génie chimique; je fais pratiquement tous mes calculs en utilisant Excel.

Mon exemple était peut être inapproprié également; je vais vous donner un exemple qui ressemble plus à ce que je suis confronté:

Un procédé chimique produit un produit d'une certaine pureté.
Les opérateurs qui conduisent ce procédé peuvent effectuer une action particulière dans l'étape de fabrication, mais tous les opérateurs ne le font pas forcément.

Je forme 2 groupes:

1er groupe avec action effectuée; pureté du produit = 99% ; 99.1% ; 99.3% ; 99.1% ; 99% ; 98.9% ; 99.4%
2eme groupe, sans l'action effectuée ; pureté du produit = 99% ; 98.9%; 98.8% ; 99% ; 99.3% ; 99.2%

Comment déterminer si l'action est utile ou non, et comment déterminer à partir de combien de valeurs je serais capable de dire si l'effet de l'action est significative ou pas ?

Je ne sais pas si c'est clair...Dans tous les cas n'hésitez pas à demander des précisions.

Merci d'avance.

[invite986312212]

bonjour,

tu donnes un second exemple de problème où tu dois comparer des groupes de mesures. Ca a l'air d'être la même chose mais en fait cet exemple est différent du premier: ici tu as des proportions, ça ne se modélise pas par les mêmes distributions que des données de survie, ou que des comptages, etc. A chaque type de données son ou ses modèles. On peut t'indiquer des tests non-paramétriques qui marcheront à peu près tout le temps, mais je crois que si tu veux faire du bon boulot, tu n'échapperas pas à la nécessité d'acquérir quelques connaissances en stats. Le niveau du bac D est suffisant pour assimiler une formation en stats appliquées. Si tu n'as pas le temps de suivre une formation, essaie de te procurer un bouquin de stats pour biologistes ou médecins. Si tu as des difficultés tu trouveras de l'aide sur ce forum je pense.

[invite2313209787891133]

Merci pour cette réponse; je vais aller demander dans la section biologie si ils ont un bon livre à me conseiller.