{"id":800425,"date":"2022-07-07T09:00:00","date_gmt":"2022-07-07T09:00:00","guid":{"rendered":"https:\/\/www.questionpro.com\/blog\/echantillons-apparies\/"},"modified":"2022-07-07T09:00:00","modified_gmt":"2022-07-07T09:00:00","slug":"echantillons-apparies","status":"publish","type":"post","link":"https:\/\/www.questionpro.com\/blog\/fr\/echantillons-apparies\/","title":{"rendered":"\u00c9chantillons appari\u00e9s et \u00e9chantillons ind\u00e9pendants : Les diff\u00e9rences"},"content":{"rendered":"
D’une part, nous pouvons utiliser des \u00e9chantillons appari\u00e9s con\u00e7us pour des exp\u00e9riences \u00e0 deux groupes (par exemple, pour tester les effets du traitement). En revanche, nous pouvons les utiliser avec des structures plus complexes si la variable ind\u00e9pendante est structur\u00e9e dans l’espace. <\/span>Les traitements peuvent ainsi \u00eatre administr\u00e9s \u00e0 diff\u00e9rentes paires de sujets ou d’objets au fur et \u00e0 mesure de leur progression dans l’espace ou le temps. <\/span><\/p>\n Ainsi, chaque point de donn\u00e9es poss\u00e8de un identifiant de sujet unique et une association avec une autre observation d’un sujet diff\u00e9rent. <\/span><\/p>\n Les \u00e9chantillons appari\u00e9s sont des \u00e9chantillons permettant de faire des d\u00e9ductions sur les diff\u00e9rences entre deux variables appari\u00e9es, telles que l’effet d’un traitement sur deux comportements. Ils peuvent \u00e9galement aider les chercheurs \u00e0 estimer l’ampleur de la variation d’une variable caus\u00e9e par la variation d’une autre variable. <\/span><\/p>\n Dans un plan d’\u00e9chantillonnage par paires, chaque participant fournit plusieurs mesures pour chaque point de donn\u00e9es (ou paire) de l’\u00e9chantillon. <\/span><\/p>\n Examinons maintenant l’importance de comprendre le r\u00f4le du test t par paires. Ce test statistique compare deux variables appari\u00e9es d’une certaine mani\u00e8re, comme \u00ab\u00a0avant et apr\u00e8s\u00a0\u00bb ou \u00ab\u00a0traitement contre contr\u00f4le\u00a0\u00bb.<\/span><\/p>\n L’hypoth\u00e8se nulle d’un test t par paires stipule que la moyenne des diff\u00e9rences par paires est \u00e9gale \u00e0 z\u00e9ro dans la population.<\/span><\/p>\n Cela signifie que si vous deviez effectuer ce test sur un grand nombre d’\u00e9chantillons de votre population, vous vous attendriez \u00e0 ce que la plupart d’entre eux pr\u00e9sentent des diff\u00e9rences moyennes par paires proches de z\u00e9ro. En d’autres termes, la plupart des \u00e9chantillons pr\u00e9sentent de faibles diff\u00e9rences positives ou n\u00e9gatives entre leurs valeurs.<\/span><\/p>\n L’hypoth\u00e8se alternative d’un test t par paires stipule que la moyenne des diff\u00e9rences par paires n’est pas \u00e9gale \u00e0 z\u00e9ro dans la population. Cela signifie qu’un effet est observ\u00e9 – quelque chose a chang\u00e9 d’un ensemble d’\u00e9chantillons \u00e0 un autre ou d’un groupe \u00e0 un autre.<\/span><\/p>\n Si votre valeur p est inf\u00e9rieure \u00e0 votre seuil de signification (par exemple, 0,05), vous pouvez rejeter l’hypoth\u00e8se nulle et conclure que votre \u00e9chantillon fournit des preuves suffisamment solides pour conclure que la diff\u00e9rence moyenne entre les paires n’est pas \u00e9gale \u00e0 z\u00e9ro dans la population.<\/span><\/p>\n Contrairement aux \u00e9chantillons appari\u00e9s, les \u00e9chantillons ind\u00e9pendants consid\u00e8rent deux populations distinctes non apparent\u00e9es, chaque individu n’appartenant qu’\u00e0 un seul groupe. Par exemple, les chercheurs qui souhaitent examiner la relation entre un taux de cholest\u00e9rol \u00e9lev\u00e9 et les r\u00e9sultats en mati\u00e8re de sant\u00e9 peuvent affecter des patients atteints d’une maladie cardiovasculaire \u00e0 un groupe de traitement et les comparer \u00e0 ceux qui ne sont pas atteints d’une maladie cardiovasculaire mais qui ont un taux de cholest\u00e9rol \u00e9lev\u00e9. <\/span><\/p>\n Dans les deux cas, chaque sujet est assign\u00e9 au hasard \u00e0 un groupe d’\u00e9tude ou \u00e0 un groupe de contr\u00f4le, puis leurs donn\u00e9es sont collect\u00e9es ; ce type de plan de recherche est appel\u00e9 \u00ab\u00a0test t d’\u00e9chantillons ind\u00e9pendants\u00a0\u00bb.<\/span><\/p>\nQu’est-ce qu’un \u00e9chantillon appari\u00e9 ?<\/h2>\n
Quelle est la diff\u00e9rence entre les \u00e9chantillons appari\u00e9s et les \u00e9chantillons ind\u00e9pendants ?<\/b><\/h2>\n