Étape 12 : Tests de T
Analyse de la variance statistiquement prouvé l’existence de ces variations aléatoires dans les données enregistrées, mais il n’a pas identifié l’emplacement de la variation (c'est-à-dire quels ensembles de données ont été statistiquement différents ; de l’ANOVA, nous savons seulement qu’il y a au moins deux jeux qui sont statistiquement différent). Pour être complet dans l’analyse des données, il doit être indiqué que chaque ensemble de données est statistiquement différent d’autres ensembles de données. Idéalement, cela s’accomplirait en utilisant le test Post Hoc de Tukey, qui évite l’accumulation des erreurs résultant d’une série de tests t, mais Excel ne supporte pas ce test, donc nous allons utiliser le test t. Dans ce cas, l’erreur qui s’accumule est négligeable. Voici les étapes pour effectuer un test t dans excellent :
1) mettre en évidence deux ensembles de données que vous souhaitez tester
2) allez dans l’onglet données
3) sélectionnez l’analyse des données
4) sélectionnez "t-Test : deux échantillons les variances inégales"
5) cliquez sur OK
6) pour la gamme d’entrée 1, sélectionnez l’un des ensembles de données, sélectionnez l’autre pour le rang 2
7) la valeur alpha doit être de 0,05
8) si vous le souhaitez, choisissez une zone de sortie
9) cliquez sur OK
Ces essais doivent être effectués avec chaque combinaison possible des deux ensembles de données (contrôle vs niveau 1, niveau de contrôle vs 2, etc..). Si chaque valeur de p est inférieure ou égale à 0,05, l’hypothèse nulle peut être rejetée pour la totalité du projet. Notez qu’un test de t de deux échantillons en supposant des variances inégales a été utilisé parce qu’il y avait deux séries de données différentes (deux échantillons) et nous ne savons pas l’écart (si on suppose que c’est inégale).
Interprétation des résultats
Pour interpréter les résultats, il faut d’abord comprendre la différence entre une queue et deux statistiques t à queue. Vous pouvez considérer une distribution normale ou de la courbe en cloche comme ayant deux « queues » étendant infiniment dans les directions gauche et droite. La statistique t à queue une estime la probabilité que la moyenne de la population réelle existe au sein de 5 % de la superficie totale sous la courbe à chaque extrême (en d’autres termes, de l’arrière droit de 5 % ou 5 % de l’arrière gauche). La statistique t à queue deux divise les 5 % 2,5 % et considère les deux extrêmes (ou queue) de la courbe en cloche. En sélectionnant les deux queue t statistique, nous pouvons augmenter notre confiance aux conclusions. Examinez à présent la valeur de conte t donné deux critiques, t_C dénotée et la statistique t réels, notée t. If - t_C < t < t_C, alors on accepte l’hypothèse nulle. Dans le cas illustré ci-dessus, la statistique t est en dehors de cette plage. Par conséquent, nous pouvons rejeter l’hypothèse nulle de ces deux ensembles de données.
Enfin, la valeur de p est notée « P (T < = t) bilatéral » dans la sortie de Excel. Notez que dans ce cas, p est bien inférieure à 0,05. Les valeurs de p provenant de différents tests sont résumés dans le tableau. Notez que les valeurs de p sont plus grandes pour les tensions proches en valeur (niveau 1 et niveau 2, niveau 3 et niveau 2, etc.) et plus petites pour des tensions plus loin dans la vallée. Cela correspond à l’hypothèse qu’il existe une corrélation positive entre la tension et la force de freinage produit par l’électro-aimant.
