You are on page 1of 20

# Vrification dhypothse:

Jan-16

Fethi Derbeli

## For all tests:

p > 0.05 Fail to Reject Ho (null)
p < 0.05 Reject Ho

Hypothesis Testing
Attribute Data (2 factors only)

## Continuous Data (one factor only)

Non Normal
Ho: s1 = s2 = s3 = ...
Ha: at least one is different
Minitab:
Stat - Anova Test for Equal Variances
For only two ss this is similar to an FTest: F=(S1)2 / (S2)2
If F calc > F table, then reject null.
(Use Chi-Squared for one sample)

Normality Test

Contingency
Table

Normal
Two or More
Samples

Levenes Test

Ho: M1 = M target
1 Sample
Ha: M1 M target
Minitab:
Stat - Nonparametric - 1 Sample-Sign (OR)
Stat - Nonparametric - 1 Sample-Wilcoxon
(This is also used for paired comparisons:
Ho: M1 - M2 = 0)
M1 = Median of sample 1
M target = Target Median

One
Ho: 1 = target
Sample
Ha: 1 target
Minitab:
Chi-Squared
Stat Basic Stats Display Descriptive
Statistics
Graphs: Graphical Summary
If s target falls with CI, then fail to

Two or More
Samples
Ho: 1 = 2 = 3 = ...
Ha: at leastone is different
Minitab:
Stat - Anova Test for Equal Variance
(For only two ss this is the same as an
F-Test: F=(S1)2 / (S2)2
If F calc > F table, then reject null.

Bartletts Test

reject Ho.
Ho: 1 = target
Ha: 1 target
1 Sample
Minitab:
Stat - Basic Stats - 1 Sample-T
Stat Basic Stats Display Descriptive
Statistics
Graphs: Graphical Summary

2 or More

Ho: M1 = M2 = M3 = ...
Samples
Ha: at least one is different
Minitab:
Stat - Nonparametric - Mann-Whitney (OR)
Stat - Nonparametric - Kruskal-Wallis (OR)
Stat - Nonparametric - Moods Median (OR)
Stat - Nonparametric - Friedmans
M1 = Median of sample 1, etc...

Jan-16

## Ho: Data is Normal

Ha: Data is NOT Normal
Minitab:
Stat - Basic Stat - Normality Test
Use Anderson-Darling

## Ho: Two factors are independent

Ha: Two factors are dependent
Minitab:
Stat -Tables - Chi-square Test

T Test
Two
Samples

Two or More
Samples

One Way
Anova

CI, then

## fail to reject Ho.

Ho: 1 = 2

2 Sample T Test
( Variances Equal)

Ha: 1 2
Minitab:
Stat - Basic Stats - 2-Sample T
(Compares Means using pooled Std Dev)
Assume equal variances
Fethi

Ho: 1 = 2

2 Sample T Test
(Variances Not Equal)

Ha: 1 2
Minitab:
Stat - Basic Stats - 2-Sample T
(Compares Means using each sample Std Dev)

Derbeli

Ho: 1 = 2 = 3 = ...
Ha: at least one is different
Minitab:
Stat - Anova- One-way (or
one-way unstacked)
Assumes Equal Variances
(Bartletts test must fail to
reject that variances are =.

## Description table dventualit (contingency Table)

La table dventualit est utilise pour analyser des donnes gnres par
deux facteurs.
Cet outil est utilis pour tester la relation de dpendance entre deux
sources de variation, elle peut tre dcrit comme suit:
Ho: facteur A est indpendant du facteur B
Ha: facteur A est dpendant du facteur B
(On est pas entrain de chercher la diffrence, on cherche la dpendance)
Un test test statistique est calcul. Pour des donnes par attribue la valeur
est estime via une distribution 2 (chi-squared) et utilis pour un test
dhypothse sur les frquences doccurrence dun venement (occurrence
dun dfaut discrt)
et les dgrr de libert associs chaque facteur, une valeur critique est
dfinit
Si le test statistique est plus grand que la valeur critique, Ho est rejet.

Jan-16

Fethi Derbeli

Distribution Chi-carre
100
90
80
70

Frequency

## Uiliser les frquences

Les observations doivent tre
indpendants. (pas de
mesures rpts pour la
mme source).
(R-1)(C-1)= df
05 ou plus observations pour
chaque source. Les sources
peuvent tre combines pour
extrapoler les observations.

60
50
40
30
20
10
0
0

10

20

30

C1

Jan-16

Fethi Derbeli

Mthode Chi-carre
Step 1: Statuer le problme pratique
Step 2: Statuer lhypothse nule (supposition de
indpendance) et lhypothse alternative (supposition de
dpendance)
Step 3: Decider le test appropri (Chi-carre test)
Step 4: Dfinir le niveau level (habituellement 0.05)
Steps 5-6: Determiner la taille appropri des chantillons
et le plan dchantillonage. Combien dchantillons vont
tre tests pour dfinir la frquence dinformation?
Step 7: Effectuer le test et collecter les data

Jan-16

Fethi Derbeli

Mthode Chi-carre
Step 8: Determiner le test statistique utilisant la formule suivante ou
Minitab (Stat > Tables > Chisquare Test)

2 (calc)

## (Oij Eif ) 2 / Eij

df (r 1)( c 1)
Ou: O = la valeur des observations (donnes experimentales)
E = La valeur attendue (Fr*Fc)/Ftotal
r = Le nombre des lignes
c = nombre des colonnes
Fr = frquence total des lignes
Fc = frquence total des colonnes
Ftotal = frquence total du table

## Step 9: Dfinir le 2 (critique) de la table de distribution Chi-carre et

le comparer avec 2 (calcul)
Step 10: Traduire les conclusions statistiques en langage processus . Si
on rejte Ho, donc les variables sont independents
Jan-16

Fethi Derbeli

## Calcul de la valeur attendue

Exercice: Calculer la valeur attendu pour chaque case.
Good Coils

First Shift

O11 = 20

O12 = 50

Total = 70

Second Shift

O21 = 40

O22 = 70

Total = 110

Total = 60

Total = 120

First Shift
Second Shift

Good Coils

E11 = 70 * 60 / 180
=

E12 = ( ) * ( ) / ( )

E21 = ( ) * ( ) / ( )

= 46.6
E22 = ( ) * ( ) / ( )

2 (calc)

Jan-16

Fethi Derbeli

Fr * Fc
Ftotal

## Calcul de la valeur Chi-carre

Exercice: Calculer la valeur chi-carre pour chaque case.
Good Coils

First Shift

O11 = 20

O12 = 5o

Second Shift

E11 = 23.3
O21 = 40

E12 = 46.6
O22 = 70

E21 = 36.6

E22 = 73.3

2 (calc)

First Shift

## (Oij Eif ) 2 / Eij

Good Coils

2 = (O11-E11)2 / E11

2 = (O12-E12)2 / E12

Second Shift

2 (calc) = (
Jan-16

2 = ( - )2 / ( )

2 = ( - )2 / ( )

)+(

)+(

)+(

) = ________

Fethi Derbeli

## Calcul de la valeur Chi-carre

Ha: Resultats de la procdure chirugicale dpendent de l'hopital
Hosp A
NI
13
observed
expected 11,52589
chi-sq
0,188533
PFR
18
observed
expected 19,08174
chi-sq
0,061324
CFR
16
Observed
Expected 16,39237
chi-Sq 0,009392
Total

47

Hosp B

Hosp C

Hosp D

Hosp E

Total

21

43

90

## Exercice: Utiliser le tableau pour

dcider si les rsultats du
procdure chirirgcale dpend de
lhopital.

2 (calc) = _____________
10

36

56

29

149

16

35

51

10

128

2 (critical) = ___________

NI = No damlioration
PFR = Restauration
fonctionnelle partielle

31

79

128

82

367

CFR =Restauration
fonctionnelle complte

Note: Example from: Statistics for Experimenters, George E.P. Box, William G. Hunter, and J. Stuart
Hunter, 1978, p.145.
Jan-16

Fethi Derbeli

## Calcul de la valeur Chi-carre

Ha: Resultats de la procdure chirugicale dpendent de l'hopital
Hosp A
NI
13
observed
expected 11,52589
chi-sq
0,188533

Hosp B

Hosp C

Hosp D

Hosp E

Total

21

43

90

7,60218
0,89071

## 19,3733 31,38965 20,10899

6,676813 3,438865 26,05791 37,25283

PFR
18
10
36
observed
expected 19,08174 12,58583 32,07357
chi-sq
0,061324 0,531274 0,480672

56
51,9673
0,31294

29

149

33,29155
0,553216 1,939426

CFR
16
16
35
51
10
128
Observed
Expected 16,39237 10,81199 27,55313 44,64305 28,59946
chi-Sq 0,009392 2,489408 2,012687 0,905198 12,09603 17,51271
Total

47

31

79

128

82

367

2 (calc) = ___56,705________
2 (critical) = __15,51_____
Expected counts are printed below observed
counts
Chi-Square contributions are printed below
expected counts
Hosp A Hosp B Hosp C Hosp D Hosp E
Total
1
13
5
8
21
43 90
11,53 7,60 19,37 31,39 20,11
0,189 0,891 6,677 3,439 26,058
2

18
10
36
56
29 149
19,08 12,59 32,07 51,97 33,29
0,061 0,531 0,481 0,313 0,553

16
16
35
51
10 128
16,39 10,81 27,55 44,64 28,60
0,009 2,489 2,013 0,905 12,096

Total

47

31

79

128

82

367

Jan-16

Fethi Derbeli

10

## Comment savoir quel hopital est diffrent?

Les tables dventualit nous montre quil y a une
dpendance mais pas le catgorie qui cause la
diffrence.
Lorsquon a plus que 02 catgories, on peut utliser
la p-chart pour identifier la catgorie qui cause la
dpendance
Les donnes doivent tre prsentes dans des colonnes
spares
fn: Hospital.mtw

## Les point hors contrle sont considrs

statistiquement diffrents
Read Breyfogle, p. 339, section 20.5
Jan-16

Fethi Derbeli

11

P-Chart - Minitab
Stat > Control Charts > P

Hospital.mtw

## a paermet de sparer la graphe

par hopitale (besoin didentifier
la colonne)

Jan-16

Fethi Derbeli

12

The Resulting
P Chart for Chart
counts by Hospital
A

0.6
NI

Proportion

0.5

UCL=0.4895

0.4
P=0.3333

0.3
0.2

LCL=0.1772

Points hors
contrle nous
montre qui cause
la dpendance.
A quel hopital tu
prfre aller?

NI
0.1

CFR

NI

0.0
0

10

15

Sample Number

Jan-16

Fethi Derbeli

13

Cont Tables.mtw

## Exemple: On veut valuer deux outils de mesure de lpaisseur de peinture

avec 03 mthodes

Type

1 Cut/Drill

2 Cut/Drill

4 Cut/Drill

Tooke
DJH Borer

37
35

41
72

44
71

Step 1:
Problme pratique: Est ce que lun des outils dtecte difframent
les dfauts selon la mthode utilise?
Step 2:
Ho: La thode du test indpendente de loutil de mesure
Ha: La mthode du test dpend de loutil de mesure
Step 3-4:
On va utiliser le chi-square test et alpha 0.05
Steps 5-6:
Echantillonage: On utilise les donnes mensuelles pour chaque
outil qui nous donnent 122 valeurspour Tooke et 178 valeurs pour DJH
Borer.

Jan-16

Fethi Derbeli

14

## Minitab Exemple, Steps 7-8

Step 7: Les donnes collectes fn:

## Chi-Square Test: 1 Cut/Drill, 2 Cut/Drill, 4 Cut/Drill

Cont Tables.mtw)
Step 8: Determiner le test
statistique 2(calc)
On utilise Minitab

counts

## Stat > Tables > Chisquare Test

Selectinner les colonnes (C2C4)
Interpreter Output
La valeur 2 (calc)?
La valeur p-value?
Quel conclusion?

## 1 Cut/Dr 2 Cut/Dr 4 Cut/Dr

1

Total

Chi-Sq =

37

41

44

29.28

45.95

46.77

35

72

71

42.72

67.05

68.23

72

113

115

Total
122

178

300

2.035 +

0.534 +

0.164 +

1.395 +

0.366 +

0.112 = 4.606

DF = 2, P-Value = 0.100

Jan-16

Fethi Derbeli

15

## Minitab Exemple, Steps 9-10

Step 9: Determiner la valeur critique et la comparer avec la valeur calcule
(table chi carre)
Quel est le degr de libert ?
Quel est la valeur critique de 2 (critical)

## Si 2 (calc) > 2 (critical), on rejete Ho.

2 (calc) = 4.606
2 (critical) = 5.99
Puisque 4.606 < 5.99, on chou de rejeter Ho
Step 10: La diffrence entre les dfauts ne dpend pas des outils de mesure
utilis.

Jan-16

Fethi Derbeli

16

Test de 02 Proportions
Lorsquon a seulement deux catgories (2X2 table), on
peut utiliser le test de proportions pour avoir les mmes
rsultats avec Minitab.
Avec ce test, on prend la proportion des occurrences au
lieu du nombre des occurrences
La valeur attendue est gale la proportion de
lchantillon vs. total
Lhypothse nulle est que la proportion du facteur A =
proportion du facteur B (Ho: p1 - p2 = 0, ou p1 et p2 sont
les proportions du succ dans la populations 1 et 2).
Prenant un exemple

Jan-16

Fethi Derbeli

17

## Test of 2 Proportions Example

Tu es le responsible achat et tu veux procurer des photocopieurs.
Aprs avoir comparer plusieurs marques en terme de prix, qualit,
garantie et style, on a reduit le choix sur deux marques : Marque
X et Marque Y. On dtermine la facteur fiabilit comme critre de
choix comme dfinit par les exigences des services pour une
anne.
La socit utilise dj les 002 marques et on peut obtenir des
donnes das lhistorique du service informatique pour 50
machines alatoires pour chaque marque. Les enregistrement
indique que 6 du Marque X et 8 du marque Y ont ts rpares.
Utlisant ses donnes pour dfinir le choix de la marque acheter.

Jan-16

Fethi Derbeli

18

Test de 2 Proportions
A Minitab, choisir Stat >
Basic Stats > 2
proportions
In First Sample, under
Trials, enter 50. Under
Successes, enter 44
In Second Sample,
under Trials, enter 50.
Under Successes, enter
42. Click OK.

Sample

Sample p

44

50

0.880000

42

50

0.840000

## Estimate for p(1) - p(2):

95% CI for p(1) - p(2):

0.04

(-0.0957903, 0.175790)

Jan-16

Fethi Derbeli

Z = 0.58

P-Value = 0.564
19

Questions?

Jan-16

Fethi Derbeli

20