Chi Deux

Principe Adequation Independance Cas part.
Test du 2 :
test dindependance et test dhomogeneite
PCEM2 Biostatistique
Pr. Nicolas MEYER

Laboratoire de Biostatistique et Informatique Medicale
Fac. de Medecine de Strasbourg

Fevrier 2011
Site internet du LBIM
http ://udsmed.u-strasbg.fr/labiostat/spip.php ?article2

Plan
1 Principe du test
2 2 dadequation
Comparaison dune proportion a une reference
Comparaison dune repartition a une repartition theorique
3 2 dindependance
Comparaison de deux proportions observees
Comparaison de plus de deux proportions
Comparaison de plusieurs multinomiales
4 Cas particuliers
Cas des series appariees
Cas des petits effectifs
Plan
1 Principe du test
2 2 dadequation
3 2 dindependance
4 Cas particuliers
Contexte
Cours precedent : comparaison de deux proportions
peut se formaliser differement

comme la comparaison de la repartition de deux distributions
binomiales
peut setendre a plus de deux proportions : comparaisons de
trois proportions de succes
peut setendre a la comparaisons de distributions
multinomiales : au moins deux groupes ayant au moins deux
modalites pour chaque variable : comparaison de la repartition
de lintensite dun symptome en 3 classes selon lexposition a
trois toxiques differents
Notion de tableau de contingence
Exemple : Comparaison de deux proportions

dans les cours precedents : pA = 110/200 et pB = 80/190 et
comparaison (( directe )) par le test z
Une autre presentation est possible :
Notion de tableau de contingence
Exemple : Comparaison de deux proportions

dans les cours precedents : pA = 110/200 et pB = 80/190 et
comparaison (( directe )) par le test z
Une autre presentation est possible :
TMT A TMT B Total

Succes 110 80 190
Echecs 90 110 200
Total 200 190 390
Soit un tableau a 4 cases.

Notion de loi multinomiale
Rappel :
la loi binomiale : B(n; p) : nombre de succes parmi n sujets
ayant chacun une probabilite p davoir un succes.
si resultat de lexperience aleatoire a plus que deux issues (donc
autre que succes-echec) loi multinomiale
Ex. : groupes sanguins : un sujet appartient a lun des 4 groupes
possibles.
modelise par la loi multinomiale
distribution multinomiale : quand les sujets peuvent etre classes
dans une parmi plus de deux modalites.
Notion de table de contingence
Forme generale : un tableau donnant le croisement de deux

variables multinomiales
F1 F2 F3 F4 F5
Gr .1 ... ... ... ... ... n1.
Gr .2 ... ... ... ... ... n2.
Gr .3 ... ... ... ... ... n3.
Gr .4 ... ... ... ... ... n4.
Total n.1 n.2 n.3 n.4 n.5 n..
Notion de table de contingence
Forme generale du tableau de contingence (TC)

I lignes et J colonnes soit I J cases ou cellules
deux marges : effectifs marginaux / distributions marginales
cellules indexees par ligne i et colonne j : cij
un effectif par case : nij
ni .
un effectif marginal en ligne :
un effectif marginal en colonne : n.j
un effectif total n..
Dans la case i ,j , il y a nij sujets ayant la caracteristique i de la
variable de ligne et la caracteristique j de la variable en colonne.
Exemple 1 : cas general
Soit un tableau de I lignes et de J colonnes.

On note nij leffectif de la cellule i ,j , avec i (1, . . . ,I ) et
j (1, . . . ,J )
1 ... j ... J
1 ... ... ... ... ... n1.
... ... ... ... ... ...
i ... ... nij ... ... ni.
... ... ... ... ... ...
I ... ... ... ... ... nI .
Total n.1 n.j n.J
Exemple 2 : cas le plus courant
Pour un tableau de deux lignes et deux colonnes :
col. 1 col. 2 total

ligne 1 n11 n12 n1.
ligne 2 n21 n22 n2.
total n.1 n.2 n..
Taille du tableau et degres de liberte
Notion de degres de liberte (ddl)
soit une table 2 2 : une fois les marges et une case connues,
on peut completer le tableau un ddl, pour la case a fixer
pour une table 3 3 : une fois les marges connues, il faut fixer
4 cases pour pouvoir determiner les 5 cases restantes : 4 ddl
loi du 2 : caracterisee par des ddl
calcul du nombre de ddl pour un tableau de taille I J :

nddl = (I 1) (J 1)
Contexte et commentaires
Utilisation du TC :
le tableau contient generalement des effectifs et pas des
proportions
comparer deux proportions comparer deux series deffectifs
dans le test du 2 , on compare des repartitions deffectifs
(entre 0 et ) et pas directement des proportions (entre 0 et
1)
une proportion = rapport de deux nombres : succes / echec
mais la question est la meme : les proportions different-elles ?
Construction du test
On souhaite comparer deux proportions observees

les effectifs observes subissent des fluctuations dechantillonnage
sous H0 la repartition des effectifs en lignes est identique dune
colonne a lautre et vice-versa.

Par exemple, sous egalite parfaite (H0 ) on observe :
col. 1 col. 2 total

ligne 1 10 10 20
ligne 2 84 84 168
total 94 94 188

Par exemple, sous egalite parfaite (H0 ) on observe :
dans cet exemple :

col. 1 col. 2 total
la repartition en colonne est la
ligne 1 10 10 20 meme dune ligne a lautre
ligne 2 84 84 168 la repartition en ligne est la
total 94 94 188 meme dune colonne a lautre
Attention !
Legalite des repartitions en ligne et en colonnes est une egalite en
proportion et pas en effectifs ! Par exemple :
Attention !
col. 1 col. 2 total

ligne 1 10 5 15
ligne 2 84 42 126
total 94 47 141
Attention !
col. 1 col. 2 total

0,106 0,106 0,106
0,894 0,894 0,894
col. 1 col. 2 total 1 1 1
ligne 1 10 5 15
ligne 2 84 42 126
total 94 47 141
Attention !
col. 1 col. 2 total

0,106 0,106 0,106
0,894 0,894 0,894
col. 1 col. 2 total 1 1 1
ligne 1 10 5 15
ligne 2 84 42 126 col. 1 col. 2 total
total 94 47 141 0,667 0,333 1
0,667 0,333 1
0,667 0,333 1
Sous H0 : egalite des repartitions en lignes / colonnes

Les effectifs observes sont tels que les proportions different
numeriquement
le test suppose la comparaison des effectifs observes et des
effectifs sous H0
comment obtenir les effectifs sous H0 , i.e. effectifs theoriques
(attendus) sous H0 ?
Comment obtenir les effectifs theoriques ?
en labsence de difference entre les repartitions entre lignes /
entre colonnes, les meilleures estimations des proportions de succes
/ echec sont obtenues a partir des effectifs marginaux.
sil ny a pas de difference entre les groupes, les repartitions en
lignes / colonnes sont en moyenne identiques entre elles et
identiques a la distribution marginale ligne/colonne
Comment obtenir les effectifs theoriques ?
en labsence de difference entre les repartitions entre lignes /
entre colonnes, les meilleures estimations des proportions de succes
/ echec sont obtenues a partir des effectifs marginaux.
sil ny a pas de difference entre les groupes, les repartitions en
lignes / colonnes sont en moyenne identiques entre elles et
identiques a la distribution marginale ligne/colonne
col. 1 col. 2 total

ligne 1 10 5 15
ligne 2 84 42 126
total 94 47 141
(.../... Comment obtenir les effectifs theoriques ?)

sous H0 , les repartitions marginales doivent etre identiques pour
chaque ligne/colonne
donc leffectif theorique dune cellule sous H0 est la valeur
attendue sous H0
les valeurs attendues obtenues sous H0 sont estimees a partir du
produit des marges
soit une repartition de chaque ligne/colonne au prorata de
chaque colonne/ligne
Soit sur un tableau :

col. 1 col. 2 total

ligne 1 e11 o1.
ligne 2 o2.
total o.1 o.2 o..
col. 1 col. 2 total sous H0 : e11 = o1. o.1 /o..

ligne 1 e11 o1. de facon generale :
ligne 2 o2. eij = oi . o.j /o..
total o.1 o.2 o..
Soit pour un tableau a 4 cases :
col. 1 col. 2 total

o1. o.1 o1. o.2
ligne 1 e11 = o.. e12 = o.. o1.
o2. o.1 o2. o.2

ligne 2 e21 = o.. e22 = o.. o2.
total o.1 o.2 o..
On se retrouve avec deux tableaux !


valeurs observees
col. 1 col. 2 total

ligne 1 o11 o12 o1.
ligne 2 o21 o22 o2.
total o.1 o.2 o..

valeurs observees valeurs theoriques
col. 1 col. 2 total col. 1 col. 2 total

ligne 1 o11 o12 o1. ligne 1 e11 e12 o1.
ligne 2 o21 o22 o2. ligne 2 e21 e22 o2.
total o.1 o.2 o.. total o.1 o.2 o..
Un tableau de valeurs observees et un tableau de valeurs theoriques

ou attendues sous H0
Le probleme de la comparaison de deux proportions devient le

probleme de la comparaison de deux repartitions
qui se ramene a la comparaison de deux tableaux : lun observe
et lautre theorique
Comment calculer lecart entre ces deux tableaux ?
dans une cellule ij , ecart entre obs et theo :
(oij eij )2
eij
cet ecart par cellule est somme sur lensemble des cellules :
X (oij eij )2
ij
eij
(oij eij )2
on montre que eij N (0 ; 1)
or une somme de N (; ) 2
test du 2
la comparaison de la repartition des lignes et des colonnes dun
tableau se fait par un test du 2 a k ddl.
Synthese : la logique du test :
en labsence de difference de repartition (i.e. absence de

difference de proportions), les valeurs observees sont egales
aux valeurs theoriques sur lensemble des cellules
P (oij eij )2
Donc, sous H0 : oij = eij , i ,j et ij eij =0
Si H0 est fausse :
les ecarts sont dautant plus importants que les distributions
different et donc :
plus les proportions / repartitions different
plus les ecarts oij eij augmentent
plus la valeur de 2 augmente
La valeur du 2obs sera comparee a une valeur seuil 2
Les hypotheses du test :

H0 : les repartitions en lignes / en colonnes ne different pas
H1 : les repartitions en lignes / en colonnes different
formulation generale, a adapter a chaque cas
La procedure :
remplir le tableau de contingence
calculer le nombre de degres de liberte
calculer les effectifs theoriques
calculer la valeur du 2obs
si 2obs > 2ddl;seuil : on rejette H0
sinon, on ne rejette pas H0
Remarques
(1) Conditions dapplication du test du 2 : tous les eij > 5
(2) dans le cas dune table 2 2, i.e. cas de la comparaison de

deux proportions : les deux tests sont strictements equivalents et
2obs = (zobs )2
Plan
1 Principe du test
2 2 dadequation
3 2 dindependance
4 Cas particuliers
Notion dadequation
comparaison dune proportion observee et dune proportion

theorique
comparaison dune distribution multinomiale observee et dune
multinomiale theorique
notion dadequation entre observation et theorie pre-existante
test dune loi de probabilite : une serie de valeur suit-elle une loi
multinomiale, une loi de Poisson, une loi de Gauss, etc ?
Notion dadequation
comparaison dune proportion observee et dune proportion

theorique
comparaison dune distribution multinomiale observee et dune
multinomiale theorique
notion dadequation entre observation et theorie pre-existante
test dune loi de probabilite : une serie de valeur suit-elle une loi
multinomiale, une loi de Poisson, une loi de Gauss, etc ?
Dans le cas dun 2 dadequation :
les effectifs theoriques sont connus par ailleurs (donnes par la
theorie) et il nest pas necessaire de les definir a partir des donnees
observees
1 prop/ref
Plan
1 Principe du test
2 2 dadequation
3 2 dindependance
4 Cas particuliers
1 prop/ref
Comparaison proportion observee / proportion theorique
On souhaite comparer une proportion observee et une proportion

theorique (exemple de la loi de Mendel)
Les effectifs theoriques du tableau et du test sont deja connus
par construction : la loi de Mendel fournit les valeurs attendues
il est inutile de calculer les valeurs theoriques a partir des valeurs
observees
1 prop/ref
On obtient donc le tableau suivant :
Effectifs observes Effectifs Theoriques

ligne 1 130 0,75 200 = 150
ligne 2 70 0,25 200 = 50
total 200 200
1 prop/ref
Realisation du test
Les hypotheses du test :

H0 : la repartition observee des phenotypes ne differe pas de la
repartition theorique
H1 : la repartition observee des phenotypes differe de la
repartition theorique
La procedure :
remplir le tableau de contingence X
calculer le nombre de degre de liberte = 1 (I-1)
calculer les effectifs theoriques X
calculer la valeur du 2obs :
(130 150)2 (70 50)2

+ = 10,67
150 50
1 prop/ref
2obs > 2seuil au risque = 5% puisque 10,67 > 3,84 :

donc on rejette H0
Donc on rejette lhypothese dadequation des donnees a la

repartition theorique et on peut considerer que le gene etudie na
pas une transmission mendelienne.
Remarque : 10,67 = (3,27)2 , 2obs = z 2 (voir cours prop.)

1 rep/theorique
Plan
1 Principe du test
2 2 dadequation
3 2 dindependance
4 Cas particuliers
1 rep/theorique
Comparaison multinomiale observee / theorique

Repartition des groupes sanguins (Beuscart et al. ) dans la
population francaise : connue tres fiablement par les dons du sang.
La repartition des groupes sanguins au pays basque sur un
echantillon de 150 sujets
Frequences theoriques :
0 A B AB total
Pop. francaise 0,42 0,45 0,09 0,04
Effectifs theoriques et observes :
0 A B AB total
Eff. observes 81 64 4 0 150
Eff. attendus 63,0 67,5 13,5 6,0 150
1 rep/theorique
Comparaison multinomiale observee / theorique

H0 : la frequence des groupes sanguins ne different pas entre la
population basque et la population francaise
H1 : la frequence des groupes sanguins different entre la
population basque et la population francaise
Les effectifs theoriques > 5, ddl=3 (I-1).
le 2obs vaut :
(81 63)2 (64 67,5)2 (4 13,5)2 (0 6)2

+ + + = 17,92
63 67,5 13,5 6
pour un = 0,05 et avec 3 ddl, le 2seuil = 7,815

Donc 2obs > 23; donc rejet de H0 et on conclut que la
repartition des groupes sanguins dans la population basque differe
de celle dans la population francaise.
1 rep/theorique
Retour sur le contexte dutilisation

exemple precedent : comparaison dune distribution multinomiale
observee et dune multinomiale theorique
illustre la notion dadequation entre observation et theorie
pre-existante
applicable pour tester une loi de probabilite : une serie de valeur
suit-elle une loi multinomiale specifiee, une loi de Poisson, une loi
de Gauss, etc ?
Exemple sur une loi de Gauss : soit une concentration serique sur
n patient.
definir des intervalles dinterets, par ex. 10, 20, 30, 40, 50
UI/mL
determiner la proportion de sujets attendus ayant une
concentration entre deux valeurs, a partir dune moyenne et
dune variance theoriques
comparer les proportions theoriques et observees par un 2
Plan
1 Principe du test
2 2 dadequation
3 2 dindependance
4 Cas particuliers
2 prop obs.
Plan
1 Principe du test
2 2 dadequation
3 2 dindependance
4 Cas particuliers
2 prop obs.
Peut se faire par un test z (voir cours precedent)

plus frequemment realise par un test du 2
X Procedure du test :
poser les hypotheses comme avec le test z
calculer les effectifs theoriques
calculer la valeur du 2obs
comparer a la valeur seuil du 2
rejet ou non de H0 selon la comparaison
2 prop obs.
Exemple
(A partir de lexemple donne avec le test z , soit 52 et 38% de taux

de succes)
TMT A TMT B Total

Succes 26 19 45
Echecs 24 31 55
Total 50 50 100
.../...
2 prop obs.
Exemple
.../...
effectifs attendus sous H0 :
TMT A TMT B Total

Succes 22,50 22,50 45
Echecs 27,50 27,50 55
Total 50 50 100
Valeur de la statistique de test :
(26 22,50)2 (19 22,50)2 (24 27,50)2 (31 27,50)2

2obs = + + +
22,50 22,50 27,50 27,50
2obs = 0,544 + 0,544 + 0,445 + 0,445 = 1,980

2 prop obs.
Exemple
donc : 2obs < 2seuil puisque 2seuil = 3,84 pour 1 ddl

on ne rejette pas H0 et on ne met pas en evidence de difference
entre les deux traitements
> 2 proportions
Plan
1 Principe du test
2 2 dadequation
3 2 dindependance
4 Cas particuliers
> 2 proportions
On souhaite comparer les taux de succes de trois traitements

simultanement :
On observe les donnees suivantes :
TMT A TMT B TMT C Total

Succes 26 19 32 77
Echecs 24 31 18 73
Total 50 50 50 150
Les hypotheses sont : H0 les taux de succes sont identiques dans

les trois populations et H1 au moins une des populations a un taux
de succes different des autres
> 2 proportions
Les effectifs theoriques sont les suivants :
TMT A TMT B TMT C Total

Succes 25,67 25,67 25,67 77
Echecs 24,33 24,33 24,33 73
Total 50 50 50 150
La valeur du obs :
obs = 0,004 + 1,732 + 1,563 + 0,005 + 1,826 + 1,648 = 6,778
pour un seuil a 5% = 5,99 on rejette H0 et on conclut que
lun au moins des traitements differe des autres.
multinom.
Plan
1 Principe du test
2 2 dadequation
3 2 dindependance
4 Cas particuliers
multinom.
Le test du 2 peut se generaliser a la comparaison de plus de

deux multinomiales (distribution a plus de deux modalites).
comparaison de levolution dune pathologie articulaire
(aggravation, amelioration, stabilite) en fonction de trois types de
traitements A, B et C.
a noter : les echantillons doivent etre independants ! On ne peut
a priori pas comparer la frequence de plusieurs effets secondaires
entre deux ou trois medicaments car un sujet peut avoir plusieurs
effets secondaires avec le meme medicament. Le cas des
echantillons non-independants sera vu plus loin dans le cas de deux
series appariees.
multinom.
Soit le tableau suivant :
Evolution TMT A TMT B TMT C Total

Amelioration 16 20 32 68
Stabilisation 24 31 18 73
Aggravation 20 10 19 49
Total 60 61 69 190
Les hypotheses sont : H0 : levolution est identique pour les trois

traitements et H1 : au moins un des traitements se caracterise par
une evolution differente
On souhaite faire un test au risque = 0,02
multinom.
Les valeurs theoriques sont les suivantes :
Evolutions TMT A TMT B TMT C Total

Amelioration 21,47 21,83 24,69 68
Stabilisation 23,05 23,44 26,51 73
Aggravation 15,47 15,73 17,79 49
Total 60 61 69 190
6149
Avec par exemple : e32 = 190 = 15,73
multinom.
2obs = 1,395 + 0,154 + 2,161 + 0,039 + 2,441 + 2,732 + 1,324 +

2,088 + 0,082 = 12,416
le nombre de ddl = (3 1) (3 1) = 4
la valeur seuil du 24;=2% = 11,67
Rem : la valeur seuil du 24;=1% = 13,28
donc on rejette lH0 au seuil choisi
multinom.
Remarques diverses
Comparaisons de plusieurs multinomiales
probleme des comparaisons multiples et de localisation de la

ou des differences apres un test significatif
probleme egalement pour les comparaisons des taux de succes
de plusieurs populations
pas de solutions simples
Plan
1 Principe du test
2 2 dadequation
3 2 dindependance
4 Cas particuliers
Series appariees
Plan
1 Principe du test
2 2 dadequation
3 2 dindependance
4 Cas particuliers
Series appariees
Series appariees sur var. qualitatives
series appariees : repetition dune mesure sur un meme sujet

mesure qualitative : presence/absence dune caracteristique
a deux temps differents : avant-apres application dun
traitement
sur deux organes (paires : poumons),
sur deux prelevements sur un meme organe : deux biopsies
hepatiques
en epidemiologie : sujets apparies etude cas-temoins
Series appariees
Exemple dun traitement applique sur les deux mains (pommade

corticode pour un eczema)
Gauche Droite
Amelioration O1 O3
Pas damelioration O2 O4
Total n n 2n
Les hypotheses testees sont :

D = G
D 6= G
Series appariees
La comparaison de ces deux proportions (D et G ) ne peut pas

se faire avec le test du 2 indique precedemment en raison de la
non-independance des donnees
dans une serie appariee, les resultats sur lune des series
dependent des resultats sur lautre serie
les conditions dapplications (independance des mesures) ne sont
donc pas presentes
changer la presentation des donnees et tenir compte de la
dependance des donnees
Series appariees
Cote Gauche
Cote Droit Amelioration Pas damelioration
Amelioration a c a +c
Pas damelioration b d
Total a +b n
Avec :
amelioration a droite : pD = (a + c)/n
amelioration a gauche : pG = (a + b)/n
Series appariees
Dou la comparaison :
D = G
D 6= G
mais avec les valeurs observees suivantes :
pD = (a + c)/n
pG = (a + b)/n
La comparaison doit tenir compte des paires concordantes et des

paires discordantes
.../...
Series appariees
.../...
paires concordantes : les deux cotes donnent le meme resultat
(succes-succes ou echec-echec)
paires discordantes : les deux cotes donnent un resultat
different (succes-echec ou vice-versa)
Les paires concordantes napportent pas dinformation sur la liaison
entre la maladie et le traitement : pour ces paires, le taux de
succes ne differe pas.
Series appariees
Cote Droit Cote gauche nombre de paires

S S a
E S b
S E c
E E d
Total = n
Principe si H0 vraie : nb. paires (S,E) = nb paires (E,S)

tester si proportion de paires (S,E) (equiv. (E,S)) 6= 1/2
soit comparaison proportion observee et proportion theorique
Series appariees
Realisation du test :
(E,S) (S,E)
Effectifs observes b c
b+c b+c
Effectifs theoriques 2 2
Total = n
Dou la valeur du 2 :
b+c 2 b+c 2 bc 2 cb 2

b c +
2obs;s.a. = b+c
2
+ b+c
2
= 2
b+c
2
2 2 2
.../...
Series appariees
.../... et in fine :
(b c)2
2obs;s.a. =
b+c
le nombre de ddl dun test 2 pour series appariees = 1

b+c
conditions dapplication : 2 >5
Series appariees
Exemple : etude epidemiologique, comparaison a lexposition a un

toxique entre cas (cancer) et temoin (meme service, pathologie
non cancereuse). On observe :
Temoins
Cas Exposes Non Exposes Total
Exposes 31 8 39
Non Exposes 10 42 52
Total 41 50 91
Series appariees
Procedure du test :
on pose H0 et H1 la frequence dexposition au toxique ne
differe pas / differe entre les cas et les temoins X
on fixe le risque (par exemple 10%) X
verification des conditions dapplication : (8 + 10)/2 > 5 X
calcul de 2obs;s.a. = (8 10)2 /(8 + 10) = 0,22 X
comparaison au 2seuil pour le risque choisi : 2seuil = 2,706 X
comparaison : 2obs;s.a. < 2seuil : on ne rejette pas H0
conclusion : on ne met pas en evidence une difference de
frequence dexposition au toxique entre les cas et les temoins
Petits effectifs
Plan
1 Principe du test
2 2 dadequation
3 2 dindependance
4 Cas particuliers
Petits effectifs
Dans certaines situations, effectifs tres petits :

dosage tres couteux
animaux (( particuliers ))
maladie rare
protocole complexe et long
etc
Conditions de validite du test du 2 pas toujours respectees
Petits effectifs
Utilisation directe des probabilites par le test exact de Fisher
A B
Succes a b m1
Echec c d m2
Total n1 n2 n
une fois les marges fixees et une case fixee, on connait toutes les
autres valeurs du tableau
loi hypergeometrique : constitution dun echantillon sans remise
dans lurne.
Petits effectifs

on peut calculer la probabilite davoir n11 = a sachant les marges
n1 !n2 !m1 !m2 !
Soit la V.A. A associee a leffectif a : Pr (A = a) = a!b!c!d!n!
Principe et procedure du test :

on test un ecart a lequirepartition des lignes/colonnes (ecart a
H0 )
lecart a lH0 est quantifie directement par la probabilite davoir
un ecart plus important que celui observe
calcul de la probabilite de Pr(A = a), a
addition de toutes les probabilites telles que
Pr(A = a ) 6 Pr(A = aobs )
Petits effectifs
Soit la table :
A B Total
Succes 5 0 5
Echec 2 5 7
Total 7 5 12
Sachant les marges, la case c11 peut prendre les valeurs suivantes :
{0, 1, 2, 3, 4, 5}.
Petits effectifs
dou les probabilites de chaque table :

Pr(A = 5) = 7!5!5!7!/5!0!2!5!12! = 0,0265 X
Pr(A = 4) = 7!5!5!7!/4!1!3!4!12! = 0,2210
Pr(A = 3) = 7!5!5!7!/3!2!4!3!12! = 0,4420
Pr(A = 2) = 7!5!5!7!/2!3!5!2!12! = 0,2651
Pr(A = 1) = 7!5!5!7!/1!4!6!1!12! = 0,0442
Pr(A = 0) = 7!5!5!7!/0!5!7!0!12! = 0,0013
soit valeur de test : p = 0,0265 + 0,0013 = 0,0278.
On rejette donc lH0 .
Petits effectifs
Remarques :
peu commode
toujours valide, meme si effectifs grands
mais seul a etre valide si effectifs petits
Petits effectifs
Remarques diverses
Choix de la valeur de
depend du contexte et du cout du risque

risque : risque de declarer a tort comme present un effet
inexistant
si le medicament a peu deffets secondaires : (( grand ))
acceptable
si le medicament a bcp deffets secondaires : etre sur de son
efficacite avant commercialisation : prendre (( petit ))
a moduler selon la gravite de la maladie et la disponibilite
dautres medicaments
Petits effectifs
Synthese finale
Au final, nous avons vu :

dans le cas de deux proportions, le test du 2 est equivalent
au test z
le test du 2 setend a differents cas
comparaison de trois proportions ou plus
comparaison de deux ou plus de deux multinomiales
cas particulier des series appariees
cas particulier des petits effectifs

Chi Deux

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Chi Deux

Uploaded by

Copyright:

Available Formats

Principe Adequation Independance Cas part.

Pr. Nicolas MEYER

Site internet du LBIM

http ://udsmed.u-strasbg.fr/labiostat/spip.php ?article2

Cours precedent : comparaison de deux proportions

peut se formaliser differement

Notion de tableau de contingence

Exemple : Comparaison de deux proportions

Notion de tableau de contingence

Exemple : Comparaison de deux proportions

TMT A TMT B Total

Soit un tableau a 4 cases.

Notion de loi multinomiale

Notion de table de contingence

Forme generale : un tableau donnant le croisement de deux

Notion de table de contingence

Forme generale du tableau de contingence (TC)

Exemple 1 : cas general

Soit un tableau de I lignes et de J colonnes.

Exemple 2 : cas le plus courant

Pour un tableau de deux lignes et deux colonnes :

col. 1 col. 2 total

Taille du tableau et degres de liberte

Notion de degres de liberte (ddl)

calcul du nombre de ddl pour un tableau de taille I J :

On souhaite comparer deux proportions observees

On souhaite comparer deux proportions observees

col. 1 col. 2 total

On souhaite comparer deux proportions observees

dans cet exemple :

col. 1 col. 2 total

col. 1 col. 2 total

col. 1 col. 2 total

Sous H0 : egalite des repartitions en lignes / colonnes

col. 1 col. 2 total

(.../... Comment obtenir les effectifs theoriques ?)

Soit sur un tableau :

Soit sur un tableau :

col. 1 col. 2 total

Soit sur un tableau :

col. 1 col. 2 total sous H0 : e11 = o1. o.1 /o..

Soit pour un tableau a 4 cases :

col. 1 col. 2 total

o2. o.1 o2. o.2

On se retrouve avec deux tableaux !

On se retrouve avec deux tableaux !

col. 1 col. 2 total

On se retrouve avec deux tableaux !

col. 1 col. 2 total col. 1 col. 2 total

Un tableau de valeurs observees et un tableau de valeurs theoriques

Le probleme de la comparaison de deux proportions devient le

dans une cellule ij , ecart entre obs et theo :

Synthese : la logique du test :

en labsence de difference de repartition (i.e. absence de

Les hypotheses du test :

(1) Conditions dapplication du test du 2 : tous les eij > 5

(2) dans le cas dune table 2 2, i.e. cas de la comparaison de

comparaison dune proportion observee et dune proportion

comparaison dune proportion observee et dune proportion

Comparaison proportion observee / proportion theorique

On souhaite comparer une proportion observee et une proportion

Comparaison dune proportion a une reference

On obtient donc le tableau suivant :

Effectifs observes Effectifs Theoriques