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
  • tidyverse
  • Transformation de données


Comment comparer deux moyennes sur R lorsque les données ne suivent pas une loi Normale ? wilcox.test

0
dans Test

Le test non-paramétrique de Wilcoxon permet de tester l’égalité de deux moyennes lorsque l’hypothèse de normalité n’est pas validée. L’hypothèse H0 est « les moyennes sont égales » ou « la moyenne vaut une valeur x ».

Pour réaliser ce test il est nécessaire d’avoir un échantillonnage aléatoire et que les lois suivies par les deux variables étudiées soient les mêmes. Pour tester l’hypothèse H0 on utilise la fonction wilcox.test().

 
A<-subset(iris,Species=="setosa")[,4]
#échantillonnage de la largeur des pétales chez l’espèce Setosa.
 
B<-subset(iris,Species=="versicolor")[,4]
#échantillonnage de la largeur des pétales chez l’espèce Versicolor.
    
#On test si la moyenne de la largeur des pétales de l'espèce Setosa vaut 0.5 :
wilcox.test(A,0.5)
 
        Wilcoxon rank sum test with continuity correction
 
data:  A and 0.5
W = 1.5, p-value = 0.08259
alternative hypothesis: true location shift is not equal to 0 
 

La p-value vaut 0.08 ce qui est supérieure à 0.05. Cela signifie que la moyenne de la largeur des pétales pour l’espèce setosa n’est pas significativement différente de 0.5.

 

On test si la moyenne de la largeur des pétales de l’espèce Setosa et celle de Versicolor sont égales ou non :

 
wilcox.test(A,B)
 
        Wilcoxon rank sum test with continuity correction
 
data:  A and B
W = 0, p-value < 2.2e-16
alternative hypothesis: true location shift is not equal to 0
 
 

La p-value est inférieure à 0.05. Cela signifie que la moyenne de la largeur des pétales pour l’espèce setosa est significativement différente de celle de l’espèce Versicolor.

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 +1 sur 1 votes)
Loading ... Loading ...

Poster un commentaire


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

*
*


cinq + 8 =

Formation logiciel R