Sommaire

Test des rangs signés de Wilcoxon

Cet article est une ébauche concernant les probabilités et la statistique.

Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.

Consultez la liste des tâches à accomplirenpage de discussion.

modifier - modifier le code - modifier Wikidata

Enstatistique, le test des rangs signés de Wilcoxon est une alternative non-paramétrique au test de Student pour des échantillons appariés. Le test s'intéresse à un paramètre de position : la médiane, le but étant de tester s'il existe un changement sur la médiane.

Conditions du test[modifier | modifier le code]

La procédure considère que les variables étudiées ont été mesurées sur une échelle permettant d'ordonner les observations en rangs pour chaque variable (c'est-à-dire une échelle ordinale) et que les différences de rangs entre variables ont un sens.

C'est pourquoi les conditions requises pour réaliser ce test sont plus contraignantes que celles du test des signes. Toutefois, si ces conditions sont remplies, c'est-à-dire si les différences (ex: différents taux pour un même individu) contiennent des informations exploitables, ce test sera plus puissant que le test des signes.

En fait, si les conditions du test T paramétrique pour des échantillons appariés sont remplies, ce test est presque aussi puissant que le test T.

Les données consistent en ${\displaystyle 2n}$ observations, deux observations pour chaque sujet n

Sujet i	${\displaystyle X_{i}}$	${\displaystyle Y_{i}}$
1	${\displaystyle X_{1}}$	${\displaystyle Y_{1}}$
2	${\displaystyle X_{2}}$	${\displaystyle Y_{2}}$
.	.	.
${\displaystyle n}$	${\displaystyle X_{n}}$	${\displaystyle Y_{n}}$

On note ${\displaystyle Z_{i}:=Y_{i}-X_{i},i=1,\dots ,n}$ et ces différences sont supposées mutuellement indépendantes. Chaque ${\displaystyle Z}$ provient d'une population continue (pas nécessairement la même) et est symétrique autour d'une médiane commune ${\displaystyle \theta }$. On note ${\displaystyle F_{i}}$la loi de ${\displaystyle Z_{i}}$on suppose que :

${\displaystyle F_{i}(\theta +t)-F_{i}(\theta -t)=0,}$ pour tout t. Le paramètre ${\displaystyle \theta }$ est nommé "treatment effect"

Procédure du test[modifier | modifier le code]

L'hypothèse nulle est ${\displaystyle H_{0}:\theta =0}$.

Pour calculer la statistique de test des rangs signés de Wilcoxon ${\displaystyle T^{+}}$, on range du plus petit au plus grand les valeurs absolues des différences ${\displaystyle |Z_{i}|,\dots ,|Z_{n}|}$ et l'on note ${\displaystyle R_{i}}$ le rang de ${\displaystyle |Z_{i}|}$. On définit la fonction indicatrice ${\displaystyle \psi _{i}}$qui est égale à 1 si ${\displaystyle Z_{i}>0}$ et 0 si ${\displaystyle Z_{i}\leqslant 0}$.

La statistique de test est alors ${\displaystyle T^{+}=\sum _{i=1}^{n}R_{i}\psi _{i}}$.

• Test unilatéral à droite ${\displaystyle H_{1}:\theta >0}$

On rejette ${\displaystyle H_{0}}$si${\displaystyle T^{+}\geqslant t_{\alpha }}$où ${\displaystyle t_{\alpha }}$ est choisi tel que le risque de première espèce est égale à ${\displaystyle \alpha }$, le niveau de signification statistique.

• Test unilatéral à gauche ${\textstyle H_{2}:\theta <0}$

On rejette ${\displaystyle H_{0}}$si${\displaystyle T^{+}\leqslant {\frac {n(n+1)}{2}}-t_{\alpha }}$

• Test bilatéral ${\displaystyle H_{3}:\theta \neq 0}$

On rejette ${\displaystyle H_{0}}$si${\displaystyle T^{+}\leqslant {\frac {n(n+1)}{2}}-t_{\alpha /2}}$ou${\displaystyle T^{+}\geqslant t_{\alpha /2}}$.

Les valeurs critiques ${\displaystyle t_{\alpha }}$ peuvent être obtenues avec la fonction R qsignrank .

Implémentation[modifier | modifier le code]

• wilcox.test(x, y, paired = TRUE) avec la bibliothèque "stats" de R^[1].

Notes et références[modifier | modifier le code]

v · m Tests statistiques
Tests de comparaison d'une seule variable	Pour un échantillon Test Z Test t pour un échantillon Test des signes Test des rangs signés de Wilcoxon Estimateur de Hodges-Lehmann Pour deux échantillons Test F Test de Student Test t de Welch Test U de Mann-Whitney Test du χ² d'homogénéité Test de McNemar Test de la médiane Pour 3 échantillons ou plus Analyse de la variance (ANOVA) Test de Kruskal-Wallis ANOVA de Friedman Test de Bartlett Test de Levene Test de Brown-Forsythe
Tests de comparaison de deux variables	Deux variables quantitatives : Tests de corrélation Corrélation de Pearson Corrélation de Spearman Corrélation de Kendall Deux variables qualitatives Test exact de Fisher Test du χ² d'indépendance Test Gamma Plus de deux variables Concordance de Kendall Analyse de variance multivariée Test Q de Cochran
Tests d'adéquation à une loi	Test de Kolmogorov-Smirnov Test du χ² d'adéquation Test de Jarque-Bera Test de Lilliefors Test d'Anderson-Darling Test de D'Agostino Test de Cramer-Von Mises
Tests d'appartenance à une famille de lois	Test de Shapiro-Wilk
Autres tests	Test du rapport de vraisemblance
Tests non-paramétriques Tests paramétriques Table d'utilisation des tests statistiques

v · m Index du projet probabilités et statistiques

Théorie des probabilités Bases théoriques Principes généraux Axiomes des probabilités Espace probabilisable Probabilité Événement Tribu Indépendance Variable aléatoire Espérance Variables iid Convergence de lois Théorème central limite Loi des grands nombres Théorème de Borel-Cantelli Calcul stochastique Marche aléatoire Chaîne de Markov Processus stochastique Processus de Markov Martingale Mouvement brownien Équation différentielle stochastique Lois de probabilité Lois continues Loi exponentielle Loi normale Loi uniforme Loi de Student Loi de Fisher Loi du χ² Lois discrètes Loi de Bernoulli Loi binomiale Loi de Poisson Loi géométrique Loi hypergéométrique Mélange entre statistiques et probabilités Intervalle de confiance Interprétations de la probabilité Bayésianisme Théorie des statistiques Statistiques descriptives Bases théoriques Une statistique Caractère Échantillon Erreur type Intervalle de confiance Fonction de répartition empirique Théorème de Glivenko-Cantelli Inférence bayésienne Régression linéaire Méthode des moindres carrés Analyse des données Corrélation Tableaux Tableau de contingence Tableau disjonctif complet Table de Burt Visualisation de données Histogramme Diagramme à barres Graphique en aires Diagramme circulaire Treemap Boîte à moustaches Nuage de points Graphique à bulles Diagramme en cascade Graphique en entonnoir Diagramme de Kiviat Corrélogramme Graphique en forêt Diagramme branche-et-feuille Heat map Sparkline Paramètres de position Moyenne arithmétique Mode Médiane Quantile Quartile Décile Centile Paramètres de dispersion Étendue Écart moyen Variance Écart type Déviation absolue moyenne Écart interquartile Coefficient de variation Paramètres de forme Coefficient d'asymétrie Coefficient d'aplatissement Statistiques inductives Bases théoriques Hypothèse nulle Estimateur Signification statistique Sensibilité et spécificité Courbe ROC Nombre de sujets nécessaires Valeur p Contraste (statistiques) Statistique de test Taille d'effet Puissance statistique Tests paramétriques Test d'hypothèse Test de Bartlett Test de normalité Test de Fisher d'égalité de deux variances Test d'Hausman Test d'Anderson-Darling Test de Banerji Test de Durbin-Watson Test de Goldfeld et Quandt Test de Jarque-Bera Test de Mood Test de Lilliefors Test de Wald Test T pour des échantillons indépendants Test T pour des échantillons appariés Test de corrélation de Pearson Tests non-paramétriques Test U de Mann-Whitney Test de Kruskal-Wallis Test exact de Fisher Test de Kolmogorov-Smirnov Test de Shapiro-Wilk Test de Chow Test de McNemar Test de Spearman Tau de Kendall Test Gamma Test des suites de Wald-Wolfowitz Test de la médiane Test des signes ANOVA de Friedman Concordance de Kendall Test Q de Cochran Test des rangs signés de Wilcoxon Test de Sargan Application Économétrie Mécanique statistique Jeu de hasard Biomathématique Biostatistique Mathématiques financières

• Portail des probabilités et de la statistique