Aller au contenu

Tests non paramétriques

Fiche de révision · Biostatistiques · PASS

L'essentiel du cours

  1. Chapitre 1 : Pourquoi des tests non paramétriques ?

    On utilise un test non paramétrique lorsque les hypothèses du test paramétrique ne sont pas crédibles.

  2. Chapitre 2 : Comparer deux groupes indépendants : Mann-Whitney

    Mann-Whitney est l’alternative non paramétrique au test de Student pour deux groupes indépendants.

  3. Chapitre 3 : Wilcoxon, Kruskal-Wallis et Friedman

    Le choix dépend du nombre de groupes et du caractère apparié ou indépendant des données.

  4. Chapitre 4 : Interprétation et précautions

    Un résultat significatif se rapporte toujours à H0 et doit être complété par une description clinique et une taille d’effet.

Teste-toi · 8 questions

  1. 1.Quelle situation oriente d’abord vers un test non paramétrique ?

    Voir la réponse

    Réponse : Petit échantillon, variable ordinale ou distribution très asymétrique

    Les tests non paramétriques sont utiles quand les hypothèses paramétriques ne sont pas crédibles, surtout pour des variables ordinales ou de petits effectifs.

  2. 2.Le test de Mann-Whitney est l’alternative non paramétrique au test :

    1. A.Student pour séries appariées
    2. B.Student pour échantillons indépendants
    3. C.Corrélation de Pearson
    4. D.ANOVA à un facteur
    Voir la réponse

    Réponse B : Student pour échantillons indépendants

    Mann-Whitney compare deux groupes indépendants lorsque le test de Student pour groupes indépendants n’est pas adapté.

  3. 3.Pour comparer une EVA avant/après traitement chez les mêmes patients, sans normalité des différences, on utilise plutôt :

    1. A.Wilcoxon signé
    2. B.Kruskal-Wallis
    3. C.Chi-deux d’indépendance
    4. D.Mann-Whitney
    Voir la réponse

    Réponse A : Wilcoxon signé

    Les données sont appariées : Wilcoxon signé travaille sur les différences intra-patient.

  4. 4.Pour comparer 3 groupes indépendants sur une variable ordinale, le test global adapté est :

    1. A.Friedman
    2. B.Kruskal-Wallis
    3. C.Wilcoxon signé
    4. D.Mann-Whitney
    Voir la réponse

    Réponse B : Kruskal-Wallis

    Kruskal-Wallis est l’alternative non paramétrique à l’ANOVA pour au moins trois groupes indépendants.

  5. 5.Le coefficient de Spearman mesure principalement :

    1. A.Une différence de médianes entre 2 groupes
    2. B.Une association monotone à partir des rangs
    3. C.Une variance expliquée par un facteur
    4. D.Une relation linéaire entre deux variables normales
    Voir la réponse

    Réponse B : Une association monotone à partir des rangs

    Spearman transforme les valeurs en rangs et mesure une association monotone, pas obligatoirement linéaire.

  6. 6.Dans Mann-Whitney, H0 exprime en général :

    1. A.Pas de différence de distribution ou de position entre les deux groupes
    2. B.Les échantillons sont appariés
    3. C.Les moyennes sont exactement égales
    4. D.Les variances sont différentes
    Voir la réponse

    Réponse A : Pas de différence de distribution ou de position entre les deux groupes

    H0 correspond généralement à une absence de différence de distribution ou de position entre les groupes.

  7. 7.Si les conditions du test paramétrique sont respectées, un test non paramétrique :

    1. A.Est toujours plus puissant
    2. B.Ne nécessite pas de p-value
    3. C.Ne peut pas être utilisé
    4. D.A généralement une puissance inférieure
    Voir la réponse

    Réponse D : A généralement une puissance inférieure

    Le test non paramétrique perd souvent de la puissance lorsqu’un test paramétrique est valide.

  8. 8.Une p-value de 0,03 dans un test non paramétrique signifie :

    1. A.Le test est invalide car p < 0,05
    2. B.La taille d’effet est de 3 %
    3. C.La probabilité d’observer une statistique au moins aussi extrême sous H0 est 3 %
    4. D.La probabilité que H0 soit vraie est 3 %
    Voir la réponse

    Réponse C : La probabilité d’observer une statistique au moins aussi extrême sous H0 est 3 %

    La p-value se calcule sous H0 : elle mesure le caractère extrême des données observées, pas la probabilité que H0 soit vraie.