1. Grâce à ce formulaire vous pouvez proposer une astuce ou un script sur R.
  2. Votre script doit pouvoir être lancé en l'état. Veuillez penser à :
    • inclure le chargement des "library" nécessaires
    • construire un petit jeu de données si besoin est.
    • commenter les lignes de codes pour en faciliter la compréhension.
  3. Le titre de votre script ou astuce doit être clair et explicite.
  4. Pensez à mettre votre code entre les balises [R] et [/R]; Pour cela, vous pouvez utiliser le bouton

Vous pouvez utiliser vos comptes Facebook, twitter ou google pour vous identifer (google est compatible yahoo, openID...)
L'ideal étant de vous connecter si vous avez un compte utilisateur, ou faire une demande de compte utilisateur si vous n'en avez pas encore.
Créer un compte va vous permettre de pouvoir éditer vos codes et de mettre en avant votre site internet.
Sinon vous pouvez soumettre anonymement en remplissant les champs ci-après.







Choisissez les catégories correspondantes à votre Code:

  • algorithmique
  • Analyse de survie
  • base indispensable
  • bayésien
  • configuration de R
  • exportation de données
  • fonctions utiles
  • graphique
  • importation de données
  • inférence
  • manipulation de données
  • message d'erreur
  • modélisation
  • Non classé
  • optimisation
  • planification
  • programmer avec R
  • regression linéaire
  • Test
  • Transformation de données


Comment comparer deux variances grâce au test de Fisher-Snedecor ? var.test

0
dans fonctions utiles, manipulation de données

Le test de Fisher-Snedecor permet de savoir si les variances de deux populations (δ1² et δ2²) sont égales ou non. L’hypothèse H0 testée correspond à δ1²= δ2².

Pour réaliser ce test il est nécessaire d’avoir un échantillonnage aléatoire de chaque individu et que les ces deux échantillons suivent une loi Normale. On utilise pour tester cette hypothèse la fonction var.test().

 
data(iris)
A<-subset(iris,Species=="setosa")[,2]
#On isole la 2ème colonne : la largeur des sépales
 
 

On commence par tester la normalité de cette variable grâce au test de Shapiro :

 
shapiro.test(A)
 
        Shapiro-Wilk normality test
 
data:  A
W = 0.9717, p-value = 0.2715
 
 

La p-value est supérieur à 0.05 on ne rejette donc pas l’hypothèse de normalité.

 
#On isole les 100 premières lignes qui correspondent aux données des espèces Setosa et Versicolor.
var.test(Sepal.Length~Species, data=iris[1:100,])
 
        F test to compare two variances
 
data:  Sepal.Length by Species
F = 0.4663, num df = 49, denom df = 49, p-value = 0.008657
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
 0.2646385 0.8217841
sample estimates:
ratio of variances
         0.4663429
 
 

On remarque que la probabilité critique (p-value) vaut 0.008, ce qui est bien inférieur à 0.05. Nous rejetons donc l’hypothèse H0. Cela signifie que la variance de la longueur des sépales et significativement différente entre les deux espèces d’Iris étudiées. L’intervalle de confiance avec un seuil de 95% est [0.26 ; 0.82] et le quotient des variances de 0.46.

Proposé par Helene F.

Ce script vous à rendu service? remerciez l'auteur en votant ici:
- ça ne sert à rien -- c\'est interessant - (score de +2 sur 2 votes)
Loading ... Loading ...

Poster un commentaire


Votre email ne seras jamais communiqué champs requis désigné par une *

*
*


trois + 5 =

Formation logiciel R