Comparer deux groupes – test de randomisation et test t de Student à deux échantillons

MathématiquesStatistiques15–16 ans

Utiliser avec ma classe

Trois vraies expériences randomisées (caféine et tapotements des doigts, sieste ou caféine avant un test de mémoire, motivation intrinsèque ou extrinsèque et créativité), des données générées ou vos propres valeurs. Mélangez encore et encore les étiquettes des groupes pour construire la distribution de randomisation de la différence des moyennes, lisez la part des mélanges au moins aussi extrêmes que la différence observée et comparez cette p-valeur à celle du test t à deux échantillons de Welch ou à variance commune.

Leçon : Inférence sur deux groupes : tests de randomisation et test t de Student à deux échantillons

Ce qu’elle montre

Dans une expérience randomisée, le hasard a décidé qui recevait quel traitement. Si le traitement ne changeait rien (l'hypothèse nulle), la valeur de chaque sujet serait la même dans l'un ou l'autre groupe : la différence des moyennes observée n'est donc qu'une des nombreuses façons dont les étiquettes auraient pu être distribuées. Mélanger les étiquettes à répétition fait apparaître cette distribution de randomisation, et la p-valeur est la part des mélanges au moins aussi extrêmes que la différence observée. Le test t à deux échantillons obtient une p-valeur proche par une formule, pour des populations à peu près normales ; la version de Welch ne suppose pas l'égalité des variances.

Mode d’emploi

Choisissez le Jeu de données et l'alternative μ₁ > μ₂, μ₁ ≠ μ₂ ou μ₁ < μ₂. Cliquez sur Mélanger une fois pour voir les valeurs redistribuées dans de nouveaux groupes, puis sur +100 mélanges ou +1000 mélanges pour construire la distribution. Cochez Comparer avec le test t pour voir t, df et sa p-valeur, et passez de Welch à Variance commune. Modifiez les valeurs pour utiliser vos propres données, changez la Graine aléatoire et cliquez sur Enregistrer.

Paramètres modifiables

  • Jeu de données Caféine et tapotements, Sieste ou caféine : mots retenus, Motivation et créativité, Données générées, Vos propres données
  • Alternative H₁ μ₁ > μ₂, μ₁ ≠ μ₂, μ₁ < μ₂
  • Test t Welch (variances inégales), Variance commune (variances égales)
  • Comparer avec le test t
  • Graine aléatoire 1–999
  • Taille de chaque groupe n (données générées) 4–30
  • Vraie différence μ₁ − μ₂ (données générées) -6–6
  • Écart type σ de la population (données générées) 1–8
  • Forme de la population (données générées) Normale, Étalée à droite
  • Mélanges déjà faits à l'ouverture de la page 0–10000

Questions à explorer

  1. Pourquoi la p-valeur de randomisation change-t-elle un peu quand vous changez la graine, alors que celle du test t ne change pas ?
  2. Pour les données sieste ou caféine, à quel point la p-valeur de randomisation et celle du test t sont-elles proches ?
  3. Qu'arrive-t-il aux deux p-valeurs si vous ajoutez une très grande valeur au groupe 1 ?