{"id":11074,"date":"2019-12-08T01:50:02","date_gmt":"2019-12-07T23:50:02","guid":{"rendered":"https:\/\/www.datanovia.com\/en\/?post_type=dt_lessons&#038;p=11074"},"modified":"2019-12-08T01:50:02","modified_gmt":"2019-12-07T23:50:02","slug":"test-de-friedman-dans-r","status":"publish","type":"dt_lessons","link":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/","title":{"rendered":"Test de Friedman dans R"},"content":{"rendered":"<div id=\"rdoc\">\n<p>Le <strong>test de Friedman<\/strong> est une alternative non param\u00e9trique au test ANOVA, \u00e0 un facteur, sur mesures r\u00e9p\u00e9t\u00e9es. Il \u00e9tend le <em>test du signe<\/em> dans le cas o\u00f9 il y a plus de deux groupes \u00e0 comparer.<\/p>\n<p><strong>Le test de Friedman<\/strong> est utilis\u00e9 pour \u00e9valuer s\u2019il existe des diff\u00e9rences statistiquement significatives entre les distributions de trois groupes appari\u00e9s ou plus. Il est recommand\u00e9 lorsque les hypoth\u00e8ses de normalit\u00e9 du test ANOVA, \u00e0 un facteur, sur mesures r\u00e9p\u00e9t\u00e9es ne sont pas respect\u00e9es ou lorsque la variable d\u00e9pendante est mesur\u00e9e sur une \u00e9chelle ordinale.<\/p>\n<p>Dans ce chapitre, vous apprendrez \u00e0:<\/p>\n<ul>\n<li><strong>Calculer le test de Friedman dans R<\/strong><\/li>\n<li><strong>Effectuer des comparaisons multiples par paire entre les groupes<\/strong>, afin d\u2019identifier les paires de groupes qui sont significativement diff\u00e9rentes.<\/li>\n<li><strong>D\u00e9terminer la taille de l\u2019effet du test de Friedman \u00e0 l\u2019aide du W de Kendall<\/strong>.<\/li>\n<\/ul>\n<p>Sommaire:<\/p>\n<div id=\"TOC\">\n<ul>\n<li><a href=\"#prerequis\">Pr\u00e9requis<\/a><\/li>\n<li><a href=\"#preparation-des-donnees\">Pr\u00e9paration des donn\u00e9es<\/a><\/li>\n<li><a href=\"#statistiques-descriptives\">Statistiques descriptives<\/a><\/li>\n<li><a href=\"#visualisation\">Visualisation<\/a><\/li>\n<li><a href=\"#calculs\">Calculs<\/a><\/li>\n<li><a href=\"#taille-de-leffet\">Taille de l\u2019effet<\/a><\/li>\n<li><a href=\"#comparaisons-multiples-par-paires\">Comparaisons multiples par paires<\/a><\/li>\n<li><a href=\"#rapporter\">Rapporter<\/a><\/li>\n<li><a href=\"#references\">References<\/a><\/li>\n<\/ul>\n<\/div>\n<div class='dt-sc-hr-invisible-medium  '><\/div>\n<div class='dt-sc-ico-content type1'><div class='custom-icon' ><a href='https:\/\/www.datanovia.com\/en\/fr\/produit\/pratiques-des-statistiques-dans-r-pour-comparaison-de-groupes-variables-numeriques\/' target='_blank'><span class='fa fa-book'><\/span><\/a><\/div><h4><a href='https:\/\/www.datanovia.com\/en\/fr\/produit\/pratiques-des-statistiques-dans-r-pour-comparaison-de-groupes-variables-numeriques\/' target='_blank'> Livre Apparent\u00e9 <\/a><\/h4>Pratique des Statistiques dans R II - Comparaison de Groupes: Variables Num\u00e9riques<\/div>\n<div class='dt-sc-hr-invisible-medium  '><\/div>\n<div id=\"prerequis\" class=\"section level2\">\n<h2>Pr\u00e9requis<\/h2>\n<p>Assurez-vous d\u2019avoir install\u00e9 les paquets R suivants:<\/p>\n<ul>\n<li><code>tidyverse<\/code> pour la manipulation et la visualisation des donn\u00e9es<\/li>\n<li><code>ggpubr<\/code> pour cr\u00e9er facilement des graphiques pr\u00eats \u00e0 la publication<\/li>\n<li><code>rstatix<\/code> offre des fonctions R conviviales pour des analyses statistiques faciles \u00e0 r\u00e9aliser.<\/li>\n<\/ul>\n<p>Charger les packages:<\/p>\n<pre class=\"r\"><code>library(tidyverse)\r\nlibrary(ggpubr)\r\nlibrary(rstatix)<\/code><\/pre>\n<\/div>\n<div id=\"preparation-des-donnees\" class=\"section level2\">\n<h2>Pr\u00e9paration des donn\u00e9es<\/h2>\n<p>Nous utiliserons le jeu de donn\u00e9es sur l\u2019estime de soi mesur\u00e9 sur trois points temporels. Les donn\u00e9es sont disponibles dans le package datarium.<\/p>\n<pre class=\"r\"><code>data(\"selfesteem\", package = \"datarium\")\r\nhead(selfesteem, 3)<\/code><\/pre>\n<pre><code>## # A tibble: 3 x 4\r\n##      id    t1    t2    t3\r\n##   &lt;int&gt; &lt;dbl&gt; &lt;dbl&gt; &lt;dbl&gt;\r\n## 1     1  4.01  5.18  7.11\r\n## 2     2  2.56  6.91  6.31\r\n## 3     3  3.24  4.44  9.78<\/code><\/pre>\n<p>Rassemblez les colonnes <code>t1<\/code>, <code>t2<\/code> et <code>t3<\/code> en format long. Convertir les variables <code>id<\/code> et <code>time<\/code> en factor (ou variables de regroupement):<\/p>\n<pre class=\"r\"><code>selfesteem &lt;- selfesteem %&gt;%\r\n  gather(key = \"time\", value = \"score\", t1, t2, t3) %&gt;%\r\n  convert_as_factor(id, time)\r\nhead(selfesteem, 3)<\/code><\/pre>\n<pre><code>## # A tibble: 3 x 3\r\n##   id    time  score\r\n##   &lt;fct&gt; &lt;fct&gt; &lt;dbl&gt;\r\n## 1 1     t1     4.01\r\n## 2 2     t1     2.56\r\n## 3 3     t1     3.24<\/code><\/pre>\n<\/div>\n<div id=\"statistiques-descriptives\" class=\"section level2\">\n<h2>Statistiques descriptives<\/h2>\n<p>Calculer quelques statistiques sommaires du <code>score<\/code> de l\u2019estime de soi par groupe (<code>time<\/code>):<\/p>\n<pre class=\"r\"><code>selfesteem %&gt;%\r\n  group_by(time) %&gt;%\r\n  get_summary_stats(score, type = \"common\")<\/code><\/pre>\n<pre><code>## # A tibble: 3 x 11\r\n##   time  variable     n   min   max median   iqr  mean    sd    se    ci\r\n##   &lt;fct&gt; &lt;chr&gt;    &lt;dbl&gt; &lt;dbl&gt; &lt;dbl&gt;  &lt;dbl&gt; &lt;dbl&gt; &lt;dbl&gt; &lt;dbl&gt; &lt;dbl&gt; &lt;dbl&gt;\r\n## 1 t1    score       10  2.05  4.00   3.21 0.571  3.14 0.552 0.174 0.395\r\n## 2 t2    score       10  3.91  6.91   4.60 0.89   4.93 0.863 0.273 0.617\r\n## 3 t3    score       10  6.31  9.78   7.46 1.74   7.64 1.14  0.361 0.817<\/code><\/pre>\n<\/div>\n<div id=\"visualisation\" class=\"section level2\">\n<h2>Visualisation<\/h2>\n<p>Cr\u00e9er un box plot et ajouter des points correspondant \u00e0 des valeurs individuelles<\/p>\n<pre class=\"r\"><code>ggboxplot(selfesteem, x = \"time\", y = \"score\", add = \"jitter\")<\/code><\/pre>\n<p><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/r-statistics-2-comparing-groups-means\/figures\/051-friedman-test-visualization-1.png\" width=\"336\" \/><\/p>\n<\/div>\n<div id=\"calculs\" class=\"section level2\">\n<h2>Calculs<\/h2>\n<p>Nous utiliserons la fonction <code>friedman_test()<\/code> [paquet rstatix], un wrapper autour de la fonction de base R <code>friedman.test()<\/code>.<\/p>\n<pre class=\"r\"><code>res.fried &lt;- selfesteem %&gt;% friedman_test(score ~ time |id)\r\nres.fried<\/code><\/pre>\n<pre><code>## # A tibble: 1 x 6\r\n##   .y.       n statistic    df        p method       \r\n## * &lt;chr&gt; &lt;int&gt;     &lt;dbl&gt; &lt;dbl&gt;    &lt;dbl&gt; &lt;chr&gt;        \r\n## 1 score    10      18.2     2 0.000112 Friedman test<\/code><\/pre>\n<div class=\"success\">\n<p>Le score de l\u2019estime de soi \u00e9tait statistiquement significativement diff\u00e9rent aux diff\u00e9rents temps durant le r\u00e9gime, X2(2) = 18,2, p = 0,0001.<\/p>\n<\/div>\n<\/div>\n<div id=\"taille-de-leffet\" class=\"section level2\">\n<h2>Taille de l\u2019effet<\/h2>\n<p>Le W de Kendall peut \u00eatre utilis\u00e9 comme mesure de la taille de l\u2019effet du test de Friedman. Il se calcule comme suit : <code>W = X2\/N(K-1)<\/code> ; o\u00f9 <code>W<\/code> est la valeur W de Kendall ; <code>X2<\/code> est la valeur statistique du test de Friedman ; <code>N<\/code> est la taille de l\u2019\u00e9chantillon. <code>k<\/code> est le nombre de mesures par sujet <span class=\"citation\">(M. T. Tomczak and Tomczak 2014)<\/span>.<\/p>\n<p>Le coefficient W de Kendall prend la valeur de 0 (indiquant l\u2019absence de relation) \u00e0 1 (indiquant une relation parfaite).<\/p>\n<p>Le W de Kendall utilise les recommandations d\u2019interpr\u00e9tation de Cohen: 0,1 - &lt; 0,3 (petit effet), 0,3 - &lt; 0,5 (effet mod\u00e9r\u00e9) et &gt;= 0,5 (effet important). Les intervalles de confiance sont calcul\u00e9s par bootstap.<\/p>\n<pre class=\"r\"><code>selfesteem %&gt;% friedman_effsize(score ~ time |id)<\/code><\/pre>\n<pre><code>## # A tibble: 1 x 5\r\n##   .y.       n effsize method    magnitude\r\n## * &lt;chr&gt; &lt;int&gt;   &lt;dbl&gt; &lt;chr&gt;     &lt;ord&gt;    \r\n## 1 score    10   0.910 Kendall W large<\/code><\/pre>\n<div class=\"success\">\n<p>Une grande taille d\u2019effet est d\u00e9tect\u00e9e, W = 0,91.<\/p>\n<\/div>\n<\/div>\n<div id=\"comparaisons-multiples-par-paires\" class=\"section level2\">\n<h2>Comparaisons multiples par paires<\/h2>\n<p>D\u2019apr\u00e8s les r\u00e9sultats du test de Friedman, nous savons qu\u2019il y a une diff\u00e9rence significative entre les groupes, mais nous ne savons pas quelles paires de groupes sont diff\u00e9rentes.<\/p>\n<p>Un test de Friedman significatif peut \u00eatre suivi de <strong>tests des rangs de Wilcoxon<\/strong> pour identifier quels groupes sont diff\u00e9rents.<\/p>\n<div class=\"warning\">\n<p>Notez que les donn\u00e9es doivent \u00eatre correctement ordonn\u00e9es par la variable de bloc (<code>id<\/code>) pour que la premi\u00e8re observation du temps <code>t1<\/code> soit appari\u00e9e avec la premi\u00e8re observation du temps <code>t2<\/code>, et ainsi de suite.<\/p>\n<\/div>\n<p><strong>Comparaisons par paires \u00e0 l\u2019aide du test appari\u00e9 des rangs sign\u00e9s de Wilcoxon<\/strong>. Les p-values sont ajust\u00e9es \u00e0 l\u2019aide de la m\u00e9thode de correction des tests multiples de Bonferroni.<\/p>\n<pre class=\"r\"><code># comparaisons par paires\r\npwc &lt;- selfesteem %&gt;%\r\n  wilcox_test(score ~ time, paired = TRUE, p.adjust.method = \"bonferroni\")\r\npwc<\/code><\/pre>\n<pre><code>## # A tibble: 3 x 9\r\n##   .y.   group1 group2    n1    n2 statistic     p p.adj p.adj.signif\r\n## * &lt;chr&gt; &lt;chr&gt;  &lt;chr&gt;  &lt;int&gt; &lt;int&gt;     &lt;dbl&gt; &lt;dbl&gt; &lt;dbl&gt; &lt;chr&gt;       \r\n## 1 score t1     t2        10    10         0 0.002 0.006 **          \r\n## 2 score t1     t3        10    10         0 0.002 0.006 **          \r\n## 3 score t2     t3        10    10         1 0.004 0.012 *<\/code><\/pre>\n<div class=\"success\">\n<p>Toutes les diff\u00e9rences par paires sont statistiquement significatives.<\/p>\n<\/div>\n<div class=\"notice\">\n<p>Notez qu\u2019il est \u00e9galement possible d\u2019effectuer des comparaisons par paires \u00e0 l\u2019aide du test de signe, qui peut manquer de puissance pour d\u00e9tecter les diff\u00e9rences dans les jeux de donn\u00e9es appari\u00e9s. Cependant, il est utile parce qu\u2019il ne comporte que peu d\u2019hypoth\u00e8ses sur les distributions des donn\u00e9es \u00e0 comparer.<\/p>\n<\/div>\n<p><strong>Comparaisons par paires \u00e0 l\u2019aide du test des signes<\/strong>:<\/p>\n<pre class=\"r\"><code>pwc2 &lt;- selfesteem %&gt;%\r\n  sign_test(score ~ time, p.adjust.method = \"bonferroni\")\r\npwc2<\/code><\/pre>\n<\/div>\n<div id=\"rapporter\" class=\"section level2\">\n<h2>Rapporter<\/h2>\n<p>Le score de l\u2019estime de soi \u00e9tait statistiquement significativement diff\u00e9rent aux diff\u00e9rents points de temps en utilisant le test de Friedman, X2(2) = 18,2, p = 0,00011.<\/p>\n<p>Le test des rangs sign\u00e9s de Wilcoxon entre les groupes a r\u00e9v\u00e9l\u00e9 des diff\u00e9rences statistiquement significatives dans le score d\u2019estime de soi entre t1 et t2 (p = 0,006) ; t1 et t3 (0,006) ; t2 et t3 (0,012).<\/p>\n<pre class=\"r\"><code># Visualisation : Boxplots avec p-values\r\npwc &lt;- pwc %&gt;% add_xy_position(x = \"time\")\r\nggboxplot(selfesteem, x = \"time\", y = \"score\", add = \"point\") +\r\n  stat_pvalue_manual(pwc, hide.ns = TRUE) +\r\n  labs(\r\n    subtitle = get_test_label(res.fried, detailed = TRUE),\r\n    caption = get_pwc_label(pwc)\r\n  )<\/code><\/pre>\n<p><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/r-statistics-2-comparing-groups-means\/figures\/051-friedman-test-freedman-test-1.png\" width=\"480\" \/><\/p>\n<\/div>\n<div id=\"references\" class=\"section level2 unnumbered\">\n<h2>References<\/h2>\n<div id=\"refs\" class=\"references\">\n<div id=\"ref-tomczak2014\">\n<p>Tomczak, Maciej T., and Ewa Tomczak. 2014. \u201cThe Need to Report Effect Size Estimates Revisited. an Overview of Some Recommended Measures of Effect Size.\u201d Trends in SportSciences.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<p><!--end rdoc--><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Le test de Friedman est une alternative non param\u00e9trique au test ANOVA \u00e0 un facteur sur mesures r\u00e9p\u00e9t\u00e9es. Il \u00e9tend le test des signes dans le cas o\u00f9 il y a plus de deux groupes \u00e0 comparer. Il est recommand\u00e9 lorsque les hypoth\u00e8ses de normalit\u00e9 du test ANOVA \u00e0 un facteur sur mesures r\u00e9p\u00e9t\u00e9es ne sont pas respect\u00e9es ou lorsque la variable d\u00e9pendante est mesur\u00e9e sur une \u00e9chelle ordinale. Dans ce chapitre, vous apprendrez \u00e0 calculer le test de Friedman dans R et \u00e0 effectuer des comparaisons par paires entre groupes.<\/p>\n","protected":false},"author":1,"featured_media":11075,"parent":0,"menu_order":0,"comment_status":"open","ping_status":"closed","template":"","class_list":["post-11074","dt_lessons","type-dt_lessons","status-publish","has-post-thumbnail","hentry"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v25.2 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Test de Friedman dans R: Excellente R\u00e9f\u00e9rence - Datanovia<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Test de Friedman dans R: Excellente R\u00e9f\u00e9rence - Datanovia\" \/>\n<meta property=\"og:description\" content=\"Le test de Friedman est une alternative non param\u00e9trique au test ANOVA \u00e0 un facteur sur mesures r\u00e9p\u00e9t\u00e9es. Il \u00e9tend le test des signes dans le cas o\u00f9 il y a plus de deux groupes \u00e0 comparer. Il est recommand\u00e9 lorsque les hypoth\u00e8ses de normalit\u00e9 du test ANOVA \u00e0 un facteur sur mesures r\u00e9p\u00e9t\u00e9es ne sont pas respect\u00e9es ou lorsque la variable d\u00e9pendante est mesur\u00e9e sur une \u00e9chelle ordinale. Dans ce chapitre, vous apprendrez \u00e0 calculer le test de Friedman dans R et \u00e0 effectuer des comparaisons par paires entre groupes.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Datanovia\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X26992560_573127993027149_5694416758365244642_n.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"512\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data1\" content=\"6 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/\",\"name\":\"Test de Friedman dans R: Excellente R\u00e9f\u00e9rence - Datanovia\",\"isPartOf\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X26992560_573127993027149_5694416758365244642_n.jpg\",\"datePublished\":\"2019-12-07T23:50:02+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/#primaryimage\",\"url\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X26992560_573127993027149_5694416758365244642_n.jpg\",\"contentUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X26992560_573127993027149_5694416758365244642_n.jpg\",\"width\":1024,\"height\":512},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/www.datanovia.com\/en\/fr\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Le\u00e7ons\",\"item\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Test de Friedman dans R\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#website\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/\",\"name\":\"Datanovia\",\"description\":\"Exploration de Donn\u00e9es et Statistiques pour l'Aide \u00e0 la D\u00e9cision\",\"publisher\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.datanovia.com\/en\/fr\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#organization\",\"name\":\"Datanovia\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png\",\"contentUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png\",\"width\":98,\"height\":99,\"caption\":\"Datanovia\"},\"image\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Test de Friedman dans R: Excellente R\u00e9f\u00e9rence - Datanovia","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/","og_locale":"fr_FR","og_type":"article","og_title":"Test de Friedman dans R: Excellente R\u00e9f\u00e9rence - Datanovia","og_description":"Le test de Friedman est une alternative non param\u00e9trique au test ANOVA \u00e0 un facteur sur mesures r\u00e9p\u00e9t\u00e9es. Il \u00e9tend le test des signes dans le cas o\u00f9 il y a plus de deux groupes \u00e0 comparer. Il est recommand\u00e9 lorsque les hypoth\u00e8ses de normalit\u00e9 du test ANOVA \u00e0 un facteur sur mesures r\u00e9p\u00e9t\u00e9es ne sont pas respect\u00e9es ou lorsque la variable d\u00e9pendante est mesur\u00e9e sur une \u00e9chelle ordinale. Dans ce chapitre, vous apprendrez \u00e0 calculer le test de Friedman dans R et \u00e0 effectuer des comparaisons par paires entre groupes.","og_url":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/","og_site_name":"Datanovia","og_image":[{"width":1024,"height":512,"url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X26992560_573127993027149_5694416758365244642_n.jpg","type":"image\/jpeg"}],"twitter_card":"summary_large_image","twitter_misc":{"Dur\u00e9e de lecture estim\u00e9e":"6 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/","url":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/","name":"Test de Friedman dans R: Excellente R\u00e9f\u00e9rence - Datanovia","isPartOf":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/#primaryimage"},"image":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/#primaryimage"},"thumbnailUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X26992560_573127993027149_5694416758365244642_n.jpg","datePublished":"2019-12-07T23:50:02+00:00","breadcrumb":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/#primaryimage","url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X26992560_573127993027149_5694416758365244642_n.jpg","contentUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X26992560_573127993027149_5694416758365244642_n.jpg","width":1024,"height":512},{"@type":"BreadcrumbList","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/test-de-friedman-dans-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.datanovia.com\/en\/fr\/"},{"@type":"ListItem","position":2,"name":"Le\u00e7ons","item":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/"},{"@type":"ListItem","position":3,"name":"Test de Friedman dans R"}]},{"@type":"WebSite","@id":"https:\/\/www.datanovia.com\/en\/fr\/#website","url":"https:\/\/www.datanovia.com\/en\/fr\/","name":"Datanovia","description":"Exploration de Donn\u00e9es et Statistiques pour l'Aide \u00e0 la D\u00e9cision","publisher":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.datanovia.com\/en\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/www.datanovia.com\/en\/fr\/#organization","name":"Datanovia","url":"https:\/\/www.datanovia.com\/en\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png","contentUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png","width":98,"height":99,"caption":"Datanovia"},"image":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/"}}]}},"multi-rating":{"mr_rating_results":[]},"_links":{"self":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons\/11074","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons"}],"about":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/types\/dt_lessons"}],"author":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/comments?post=11074"}],"version-history":[{"count":0,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons\/11074\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/media\/11075"}],"wp:attachment":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/media?parent=11074"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}