Section Statistiques de base

Comment interpréter la valeur "p" ?

Vous pouvez consulter à ce sujet notre article "Comment calculer et interpréter la valeur de p ?" (Document PDF de 0.1 MB)

Pour illustrer ces propos, prenons l'exemple d'un test t élémentaire.

L’hypothèse nulle « H0 » et les hypothèses alternatives « HA », suivent généralement la règle suivante H0 : µ = µ0 et HA : µ n’est pas égale à µ0, où µ (mu) est la moyenne de la population pour le groupe étudié et où µ0 est la moyenne de la population testée.

Supposons que vous souhaitiez déterminer si un nouvel additif pour essence a un effet sur la consommation de carburant.

Si la consommation de carburant connue de cette catégorie particulière de véhicules est de 8,85 kilomètres par litre (km/l), les hypothèses pour cette étude sont H0 : µ = 8,85 et HA : µ n’est pas égale à 8,85.

Vous testez 35 véhicules et trouvez que les consommations s’échelonnent de 5,1 à 10,2 km/l.

Après avoir placé les données dans la colonne km/l, vous exécutez le test t dans Minitab (menu Stat > Statistiques élémentaires > Test t à 1 échantillon dans la version 13 ou Stat > Basic Statistics > 1-Sample-t dans la version 14) et obtenez les résultats suivants :

Résultats du test t

Test de mu = 8,85 contre mu différent de 8,85. Valeur p : 0,026 Valeur Moyenne : 8,41 km/l.

Les résultats montrent que la moyenne de l’échantillon de 35 véhicules est : 8,41.

Mais le km/l moyen de tous les véhicules de ce type (µ) peut toujours être de 8,85.

Vous devez savoir si l’échantillon est suffisamment probant pour rejeter H0.

Il y a généralement deux moyens de le déterminer, tous deux impliquant le niveau de signification, alpha.

Alpha est la probabilité de rejeter H0 lorsque H0 est vrai.

En l’occurrence, il s’agit de la probabilité de conclure que la moyenne de la population n’est pas 8,85, alors que c’est en fait le cas.

Le premier moyen de déterminer si l’échantillon est suffisamment probant pour rejeter H0 est de calculer la valeur de la statistique de test et de la comparer à une valeur du tableau statistique correspondant à une valeur pré-déterminée d’Alpha.

La deuxième méthode consiste à calculer la valeur « p » et de la comparer à Alpha.

La valeur de p indique la mesure dans laquelle l’échantillon soutient le rejet de H0.

En général, plus la valeur de p est petite, plus le poids de l’échantillon pour un rejet de H0 sera important.

Plus précisément, la valeur de p est la plus petite valeur d’alpha qui entraîne le rejet de H0.

Pour toute valeur d’alpha < la valeur p, ne rejetez pas H0, et pour toute valeur d’alpha > ou = à la valeur p, rejetez H0.

La valeur de p est également la proportion des statistiques de test d’échantillons de même effectif (issus de la même population) qui produirait une valeur plus extrême de la statistique de test en supposant que H0 soit vraie.

Dans notre exemple de test t, la statistique de test est fonction de la moyenne et la valeur « p » est de 0,026.

Cela signifie que 2,6% des moyennes des échantillons d’un effectif de 35, extraits d’une population où µ = 8,85, produiront une moyenne qui indique que µ n’est pas égale à 8,85.

Demandez-vous ce qui est le plus probable : que vous ayez eu la chance d’extraire l’un des rares échantillons indiquant que µ n’est pas égale à 8,85; ou que µ soit vraiment différente de 8,85 ?

La valeur de p est traditionnellement comparée à des valeurs alpha de moins de 0,05 ou 0,01, en fonction du champ d’étude.

Consultez les articles des revues spécialisées dans votre domaine pour connaître les valeurs acceptables.

Dans notre exemple, prenons une valeur d’alpha de 0,05.

La valeur p de 0,026 indique que le km/l moyen de tous les véhicules de ce type (et pas seulement la moyenne des 35 véhicules de l’étude) n’est probablement pas égal à 8,85.

On peut indiquer ceci de manière plus statistiquement correcte par "à un niveau de signification de 0,05, le km/l moyen semble être considérablement différent de 8,85."

L’hypothèse nulle varie d’un test à l’autre.

L’interprétation de la valeur « p » dépend de la connaissance de la valeur des hypothèses nulle et alternatives.

Les résultats dans Minitab pour la régression, par exemple, comprennent un test d’hypothèse pour les estimations de ß0, ß1, ...

Dans l’exemple ci-dessous, la variable DIAMETRE est statistiquement très significative, parce que la valeur « p » est égale à 0.

Résultats de la régression

L’équation de régression est VOLUME = - 36,9 + 5,07DIAMETRE

Dans un test de normalité, comme le test de Anderson-Darling ou le test de Kolmogorov-Smirnov, l’hypothèse nulle est que les données ont une loi normale.

Dans un test du khi deux d’indépendance, l’hypothèse nulle est que les deux facteurs de l’étude - par exemple, âge et préférence de vote - sont indépendants l’un de l’autre.

Si le test produit une valeur « p » suffisamment petite, l’échantillon est alors suffisamment probant pour rejeter l’hypothèse nulle en faveur de l’hypothèse alternative ("les données ont une loi non-normale" ou "les facteurs ne sont pas indépendants").

L’utilisation de la valeur de p est alors simple si vous connaissez deux facteurs clés : les valeurs qui sont acceptables dans votre domaine, et les hypothèses nulles et alternatives pour les tests que vous conduisez.

Comment supprimer les répétitions afin que chaque catégorie et chaque nombre ne soient énumérés qu'une seule fois?

J'ai des catégories qui se répètent dans C1 avec leurs valeurs numériques correspondantes dans C2.

Je souhaiterais avoir un récapitulatif afin que chaque catégorie et chaque nombre ne soient énumérés qu'une seule fois.

Puis-je le faire sans supprimer manuellement chaque entrée additionnelle?

1. Choisissez Stat > Statistiques élémentaires > Stocker les statistiques descriptives (Stat > Basic Statistics > Store Descriptive Statistics dans la version 14).

2. Dans Variables, entrez C2.

3. Dans Variables Par, entrez C1.

4. Cliquez sur Statistiques (Statistics dans la version 14).

5. Cochez Moyenne (Mean dans la version 14), et décochez Nombre de valeurs présentes (N non missing dans la version 14).

6. Cliquez sur OK dans chaque boîte de dialogue.

La liste des catégories et leurs nombres correspondants seront stockés dans les colonnes disponibles dans la feuille de travail active.

Comment modifier les statistiques affichées par défaut à l’aide de la commande "Display Descriptive Statistics" (Afficher les statistiques descriptives) ? (S'applique à Minitab Version 14)

Seule la session en cours est modifiée si vous apportez des changements apportées dans la fenêtre "Statistics" de la boîte de dialogue "Display Descriptive Statistics" (Afficher les statistiques descriptives).

Pour modifier les paramètres par défaut des sessions futures, choisissez "Tools > Options > Individual Commands > Display Descriptive Statistics" (Outils > Options > Commandes individuelles > Afficher les statistiques descriptives. Cochez les statistiques désirées et cliquez sur OK.

Remarque : La modification des valeurs par défaut ne sera pas prise en compte par les fichiers de projets Minitab réalisés avant le changement.

Pour modifier les statistiques de ces fichiers antérieurs à la modification, cochez manuellement les statistiques désirées dans fenêtre Statistics de la boîte de dialogue Display Descriptive Statistics.

Comment calculer la moyenne pondérée et l'écart type pondéré ?

Vous disposez de deux options pour calculer la moyenne pondérée et l'écart type pondéré. Avec l'option 1, les résultats s'affichent dans la fenêtre Session. Avec l'option 2, les résultats sont stockés dans la Feuille de Travail.

Option 1 : Utilisez la macro "Moyenne Pondérée et Ecart Type Pondéré", disponible dans notre Bibliothèque de Macros : Supposons que les données se trouvent dans la colonne C1 et les pondérations dans C2.

1. Cliquez sur le lien "Weighted Mean and Weighted Standard Deviation Macro" (Macro Moyenne Pondérée et Ecart Type Pondéré).
2. Sous "Weighted Mean and Weighted Standard Deviation" (Moyenne Pondérée et Ecart Type Pondéré), cliquez sur Code.
3. Enregistrez la page sous une macro, appelée WSTAT.MAC, dans votre répertoire de macros Minitab (généralement C:\Program Files\MINITAB 14\Macros). Pour obtenir les instructions, cliquez sur "How to save this page as a macro" (Comment enregistrer cette page en format Macro).
4. Dans la fenêtre Session à l'invite de commande MTB>, tapez ce qui suit puis appuyez sur [Entrée] : %WSTAT C1 C2 Remarque : Pour afficher l'invite de commande, activez la fenêtre Session et choisissez Edition > Editeur de ligne de commande (Editor > Enable Command Language dans Minitab 14).

Option 2 - Utilisez Calc > Calculatrice (Calc > Calculator dans Minitab 14): Supposons que les données se trouvent dans la colonne C1, les pondérations dans C2 et que C3 et C4 sont vides.

1. Choisissez Calc > Calculatrice (Calc > Calculator dans Minitab 14).
2. Dans le champ "Stocker le résultat dans la variable" (Store result in variable dans Minitab 14), entrez C3.
3. Dans le champ "Expression", entrez SUM(C1*C2)/SUM(C2) Cliquez sur OK. La moyenne pondérée est stockée dans C3.
4. Choisissez Calc > Calculatrice (Calc > Calculator dans Minitab 14). Dans Stocker le résultat dans la variable (Store result in variable dans Minitab 14), entrez C4. Dans le champ "Expression", entrez SQRT(SUM(C2*(C1-C3)**2)/((SUM(C2/C2)-1)*SUM(C2)/SUM(C2/C2))).
5. Cliquez sur OK. L'écart type pondéré est stocké dans C4.

Remarque : Le carré de l'écart type pondéré est la variance pondérée.

(S'applique à Minitab Version 14) : Comment exécuter un Test exact d'indépendance de Fisher sur des données dans un tableau de contingence deux par deux ?

Supposons que votre tableau de contingence deux par deux se trouve dans les lignes 1 et 2 des colonnes C2 et C3 comme indiqué ci-dessous :

C1 C2 (Oui) C3 (non)

Hommes 0 6

Femmes 4 2

Avec la Version 14 :

1. Choisissez Data > Stack > Rows (Données > Empiler > Lignes).
2. Dans "Rows to be stacked are in the following columns" (Les lignes à empiler se trouvent dans les colonnes suivantes), saisissez C2 C3.
3. Dans "Store stacked data in" (Stocker les données empilées dans), entrez C6.
4. Cochez "Store row subscripts in" (Stocker les indices de lignes dans) et entrez C4.
5. Cochez "Store column subscripts in" (Stocker les indices de colonnes dans) et entrez C5. Cliquez sur OK.
6. Choisissez "Stat > Tables > Cross Tabulation and Chi-Square" (Stat > Tableaux > Tableau à entrées multiples et Khi deux).
7. Dans "For rows" (Pour les lignes), entrez C4.
8. Dans "For columns" (Pour les colonnes), entrez C5.
9. Dans "Frequencies are in" (Les effectifs sont dans), entrez C6.
10. Cliquez sur "Other Stats" (Autres stats).
11. Cochez "Fisher's exact test for 2x2 tables" (Test exact de Fisher pour les tableaux 2x2). Cliquez sur OK dans chaque boîte de dialogue.

Document apparenté : Macro Test Exact d'Indépendance de Fisher.

Comment exécuter un test d'ajustement du khi deux pour un plan d'expériences multinomial (à savoir : le résultat de chaque essai s'inscrit dans une des catégories k) ?

Remarque : Supposons que vous ayez deux variables (par exemple, une variable avec 3 catégories et une variable avec 4 catégories).

Si vous avez un tableau de contingence dans la feuille de travail, vous pouvez utiliser Stat > Tableaux > Test du khi deux dans la version 13 ou "Stat > Tables > Chi-Square Goodness-of-Fit Test (One Variable)" (Stat > Tableaux > Test du khi deux (tableau dans la feuille de travail)) dans la version 14.

Si vous avez les données brutes dans la feuille de travail, vous pouvez sélectionner Stat > Tableaux > Tableau à entrées multiples > analyse du khi deux dans la version 13 ou "Stat > Tables > Cross Tabulation and Chi-Square" (Stat > Tableaux > Tableau à entrées multiples et Khi deux) dans la version 14.

Supposons que les fréquences observées (dénombrements d'entiers) se trouvent dans C1 et que vous souhaitiez effectuer un test pour des proportions égales sur des catégories.

Dans la version 14 :

1. Choisissez "Stat > Tables > Chi-Square Goodness-of-Fit Test (One Variable)" (Stat > Tableaux > Test d'ajustement du khi deux (une variable)).
2. Dans "Observed Counts" (Dénombrements Observés), entrez C1.
3. Sous Test, choisissez "Equal proportion" (Proportions égales). Cliquez sur OK.

Remarque : Cette fonctionnalité est une nouveauté de la version 14.2. Si vous avez la version 14.1 ou 14.11, 14.12 ou encore 14.13, vous pouvez mettre à jour gratuitement votre licence de Minitab 14 sur cette page.

Dans la version 13 :

Utilisez la macro "Goodness-of-Fit Test for Discrete Data" (Test d'ajustement pour données discrètes), référencée dans notre Bibliothèque de macros mise à votre disposition gratuitement sur notre site internet.

La macro exécute un test d'ajustement entre les fréquences observées et une loi de probabilité discrète hypothétisée, en utilisant à la fois les statistiques du khi deux et du rapport de vraisemblance (G). Les valeurs p exactes peuvent être demandées pour de petits effectifs d'échantillons lorsqu'aucun paramètre n'est estimé (voir ci-dessous). Dans le cas contraire, l'approximation du khi deux est utilisée.

Remarque : Dans le cas particulier de deux catégories, la statistique du khi deux est calculée à la fois sans et avec la correction de continuité de Yates.

Consultez la page internet qui comprend la macro "Goodness-of-Fit Test for Discrete Data" (Macro test d'ajustement pour données discrètes) à l'adresse http://www.minitab.com/support/macros/default.aspx?id=60.

1. Sous "Goodness-of-Fit Test for Discrete Data description" (description du test d'ajustement pour données discrètes), cliquez sur Code.
2. Enregistrez la page sous le format d'une macro intitulée GOF.MAC dans votre répertoire de macros Minitab (généralement C:\Program Files\MINITAB 14\Macros).

Pour toute instruction, lisez le document "How to save this page as a macro" (Comment enregistrer cette page en tant que macro) qui vous est alors proposé.

Supposons que les fréquences observées (dénombrements d'entiers) se trouvent dans C1 et que les nombres attendus ou les probabilités hypothétiques se trouvent dans C2. Dans la fenêtre Session à l'invite de commande MTB>, tapez ce qui suit puis appuyez sur Entrée : %GOF C1 C2

Remarque : La macro décidera du type d'informations stocké dans la seconde colonne en examinant la somme de ses éléments. La somme des entrées dans cette colonne doit être strictement égale à 1,0 ou à l'effectif total de l'échantillon. Remarque : La valeur par défaut pour le nombre de paramètres estimés d'après les données est zéro.

Supposons que vous souhaitiez spécifier que deux paramètres sont estimés d'après les données, mais également invoquer une routine qui calcule une valeur de p exacte pour la statistique du khi deux d'après la distribution multinomiale. Dans la fenêtre "Session" de Minitab, à l'invite de commande MTB>, tapez ce qui suit et appuyez sur Entrée après chaque ligne : %GOF C1 C2; ESTIMATE 2; EXACT.

Remarques : Dans la fenêtre "Session" de Minitab, l'invite de commande passe à "SUBC> after the first line" (SUBC> après la première ligne).

Le test exact doit être invoqué uniquement lorsque les catégories sont relativement peu nombreuses (2 ou 3) et/ou les effectifs des échantillons sont si petits que l'approximation du khi deux n'est pas fiable. Etant donné que cette routine invoque à répétition des fonctions Minitab intégrées, elle est très peu efficace et sera très longue à exécuter si les effectifs des échantillons ou le nombre de catégories sont trop importants.

Pour afficher l'invite de commande, activez la fenêtre de Session et choisissez "Editor > Enable Commands" (Editeur > Activer les Commandes).

Pour exécuter un test d'ajustement du khi deux pour un plan d'expériences multinomial "à la main", vous pouvez consulter l'astuce n°1275 (en anglais uniquement).

Comment représenter graphiquement des lois normales superposées (avec, en option: histogrammes, limites de spécification et min et max) ?

Pour la Version 14, utilisez le menu Graphique > Histogramme :

1. Pour représenter graphiquement des lois normales superposées, choisissez Graphique > Histogramme > Avec Ajustement et Groupes, ou pour représenter graphiquement des lois normales superposées avec des histo
2. grammes, choisissez Graphique > Histogramme > Avec Ajustement. Après avoir entré les variables du Graphique, choisissez Graphiques Multiples et sélectionnez "Superposé sur le même graphique".
3. Pour ajouter des limites de spécification, sélectionnez le bouton Echelle puis l'onglet Lignes de Référence. Dans Montrer lignes de référence aux positions X (échelle de données), entrez les valeurs des limites de spécification.
4. Pour spécifier le min et le max, créez le graphique, puis double- cliquez sur l'axe x pour accéder aux Minimum et Maximum.

Si vous utilisez la Version 13, utilisez la macro Superposition de Lois Normales sur Un Graphique pour créer des lois normales superposées sur un graphique. Vous pouvez également superposer des histogrammes, inclure des limites de spécification, et spécifier les valeurs minimum et/ou maximum.

1. Cliquez sur le lien "Superposition de Lois Normales sur Un Graphique".
2. Enregistrez la page sous une macro appelée NORMCURV.MAC dans votre répertoire de macros Minitab (généralement C:\Program Files\Mtbwin\Macros). Des instructions sont disponibles en cliquant sur "Comment enregistrer cette page sous une macro.")
3. Supposons que des données se trouvent dans les colonnes C1, C2 et C3. Dans la fenêtre Session, à l'invite de commande (MTB >), tapez: %NORMCURV C1 C2 C3

Supposons que vous souhaitiez superposer des histogrammes ainsi qu'une limite de spécification inférieure de 8 et une limite de spécification supérieure de 12 mais aussi des valeurs minimum et maximum de 6 et 14. Dans la fenêtre Session, à l'invite de commande (MTB >), tapez: %NORMCURV C1 C2 C3; HIST; SPEC 8 12; MIN 6; MAX 14.

Remarque: Pour afficher l'invite de commande, activez la fenêtre Session et choisissez Editeur > Activer les Commandes.

Comment calculer l'Alpha de Cronbach ?

Vous pouvez utiliser la macro Alpha de Cronbach, disponible dans notre Bibliothèque de Macros en ligne sur notre site internet.

La macro est accessible sur cette page.

1. Dans le premier paragraphe qui apparaît en haut de votre écran, sous le texte de description de la Macro Alpha de Cronbach, cliquez sur le mot "Code" coloré en bleu et souligné.
2. Vous accédez alors à une page internet que vous enregistrez comme une macro en la nommant CRONY.MAC, dans votre répertoire de macros Minitab. En général, le chemin d'accès à ce répertoire sur votre ordinateur est C:\Program Files\MINITAB 14\Macros.
3. Supposons que les données se trouvent dans C1, C2, et C3. Dans la fenêtre Session à l'invite de commande MTB>, tapez l'une des deux formules suivantes : %CRONY C1 C2 C3

ou

%CRONY C1-C3

(Dans la fenêtre Session, l'invite de commande est remplacée par SUBC> après la première ligne.)

Puis appuyez sur Entrée.

Supposons que vous souhaitiez que l'Alpha de Cronbach soit basé sur des variables normalisées. Dans la fenêtre Session à l'invite de commande MTB>, tapez l'une des deux formules suivantes en appuyant sur Entrée après chaque ligne:

%CRONY C1 C2 C3; STAN.

ou

%CRONY C1-C3; STAN.

Comment créer un graphique avec des courbes superposées (PDF de Lois Fonction de Densité de Probabilité) telles que des courbes de Weibull superposées?

1. Choisissez Graph > Histogram > With Fit and Groups (Graphique > Histogramme > Avec Ajustement et Groupes).
2. Dans Graph variables (Variables du graphique), entrez les variables à tracer.
3. Cliquez sur Data View (Visualiser les Données).
4. Choisissez l'onglet Distribution (Loi de distribution).
5. A partir du menu déroulant Distribution, choisissez la fonction désirée. Entrez des paramètres historiques si vous le souhaitez.
6. Cliquez sur OK dans chaque boîte de dialogue.

Remarque :

Si vous entrez des paramètres historiques, vous ne verrez qu'une seule courbe étant donné que la même courbe sera superposée pour chaque variable.

Si vous n'entrez pas de paramètres historiques, les paramètres seront alors estimés pour chaque variable et les courbes correspondantes seront toutes tracées.

Quel test de normalité dois-je choisir lorsque j'utilise Stat > Basic Statistics > Normality Test (Stat > Statistiques Elémentaires > Test de Normalité) ?

Les tests d'Anderson-Darling et de Kolmogorov-Smirnov sont fondés sur la fonction de répartition empirique. Celui de Ryan-Joiner, similaire au test de Shapiro-Wilk, est basé sur la régression et la corrélation.

Les trois tests permettent de qualifier une distribution de "non normale" en cas d'asymétrie.

Les trois tests sont moins probants lorsque la distribution sous-jacente est une répartition t et la non-normalité est due à un aplatissement.

En général, parmi les tests basés sur la fonction de répartition empirique, "Anderson-Darling" a tendance à être plus efficace dans la détection des écarts au niveau des extrémités de la distribution.

En pratique, si le problème majeur est la distance des extrémités à la courbe de Gauss, la plupart des statisticiens utilisent en première instance le test de Anderson-Darling.

Remarque : Si vous vérifiez la normalité pour appliquer une analyse d'aptitude (Normale), les queues sont la partie la plus critique de la distribution.

Pour obtenir de plus amples informations sur la statistique du test d'adéquation de l'ajustement de Anderson-Darling, vous pouvez consulter la question/réponse n°731 (en anglais uniquement).

Pour consulter le document "Normal Probability Plots and Tests for Normality" Dnormales et tests de normalité) de Thomas A. Ryan, Jr. et Brian L. Joiner, vous pouvez consulter la question/réponse N°288 (en anglais uniquement).

Référence :

R.B. D'Augostino et M.A. Stephens, Eds. (1986). Goodness-of-Fit Techniques. Marcel Dekker.

Comment effectuer un test d’hypothèse pour une variance de population simple ? Puis-je avoir plus d'informations sur ce test d'hypothèse ?

Remarque :

La fonction 1 Variance vous permet d’effectuer un test pour 1 variance ou 1 écart-type.

Vous pouvez entrer des données brutes ou des données récapitulatives, et effectuer un test côté droit, côté gauche ou bilatéral.

Elle calcule également des intervalles de confiance pour la variance et pour l’écart-type.

Lien utile :

Vous pouvez consulter le document au format Acrobat écrit par nos experts à ce sujet, en anglais.

Avec Minitab 15 :

Choisissez Stat > Statistiques élémentaires > 1 Variance (Stat > Basic Statistics > 1 Variance).

Avec Minitab 14 :

La macro One Sample Test of the Variance (Test échantillon simple de la variance) est disponible dans notre bibliothèque de macros pour effectuer un test bilatéral.

1. Cliquez sur le lien Macro One Sample Test of the Variance (MacroTest échantillon simple de la variance).
2. Sous la description One Sample Test of the Variance (Test échantillon simple de la variance), cliquez sur Code (Code).
3. Enregistrez la page sous une macro, intitulée SIGTEST.MAC, dans votre répertoire de macros Minitab (par exemple, C:\Program Files\Minitab 15\English\Macros).
4. Pour de plus amples informations, cliquez sur "How to save this page as a macro" (Comment enregistrer cette page sous une macro).
5. Dans la fenêtre Session, tapez %SIGTEST à l’invite de commande (MTB >).
6. Entrez les informations demandées après invite.

Remarque :

Pour afficher l’invite de commande, activez la fenêtre Session et choisissez Editor > Enable Commands (Edition> Editeur de ligne de commande).

Je souhaiterais avoir plus d’informations sur Stat > Statistiques Elémentaires > Test de Poisson à 1 échantillon et Test de Poisson à 2 échantillons

Vous pouvez consulter en ligne le document "Test de Poisson" écrit par nos Spécialistes sur ce thème (fichier PDF, 176 KB).

Comment effectuer un test d'ajustement du khi deux pour un essai multinomial (à savoir, le résultat de chaque essai s'inscrit dans une des catégories k)?

Remarque :

Lorsque vous avez 2 variables (par exemple, une variable avec 3 catégories et une variable avec 4 catégories), vous pouvez :

• Sélectionnez Stat > Tableaux > Test du khi deux (Tableau à deux entrées dans la feuille de travail) [Stat > Tables > Chi-Square Test (Two-Way Table in Worksheet)] si vous avez un tableau de contingence dans la feuille de travail.
• Sélectionnez Stat > Tableaux > Tableau à entrées multiples et Khi deux [Stat > Tables > Cross Tabulation and Chi-Square] si vous avez les données brutes dans la feuille de travail pour effectuer un test d'ajustement du khi deux.

Dans Minitab :

Supposons que les fréquences observées (dénombrements des entiers) se trouvent dans C1 et que vous souhaitiez effectuer un test pour des proportions égales sur des catégories.

1. Utilisez Stat > Tableaux > Test d'ajustement du khi deux (Une Variable) [Stat > Tables > Chi-Square Goodness-of-Fit Test (One Variable)].
2. Dans Dénombrements Observés [Observed Counts], entrez C1.

Revenir au sommaire des questions-réponses