{"id":15291,"date":"2020-03-15T15:56:54","date_gmt":"2020-03-15T14:56:54","guid":{"rendered":"https:\/\/www.datanovia.com\/en\/?post_type=dt_lessons&#038;p=15291"},"modified":"2020-03-15T15:56:54","modified_gmt":"2020-03-15T14:56:54","slug":"test-t-apparie","status":"publish","type":"dt_lessons","link":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/","title":{"rendered":"Test T Appari\u00e9"},"content":{"rendered":"<div id=\"rdoc\">\n<p>Le <strong>test-t appari\u00e9<\/strong> est utilis\u00e9 pour comparer les moyennes de deux groupes d\u2019\u00e9chantillons apparent\u00e9s. En d\u2019autres termes, il est utilis\u00e9 dans une situation o\u00f9 vous avez deux valeurs (c\u2019est-\u00e0-dire une paire de valeurs) pour les m\u00eames \u00e9chantillons.<\/p>\n<p>Il est \u00e9galement appel\u00e9:<\/p>\n<ul>\n<li><em>test-t d\u00e9pendent<\/em>,<\/li>\n<li><em>test-t pour \u00e9chantillons d\u00e9pendants<\/em>,<\/li>\n<li><em>test-t pour mesures r\u00e9p\u00e9t\u00e9es<\/em>,<\/li>\n<li><em>test-t pour \u00e9chantillons reli\u00e9s<\/em>,<\/li>\n<li><em>test-t \u00e0 deux \u00e9chantillons appari\u00e9s<\/em>,<\/li>\n<li><em>test t pour \u00e9chantillon appari\u00e9<\/em> et<\/li>\n<li><em>test t pour moyennes d\u00e9pendantes<\/em>.<\/li>\n<\/ul>\n<p>Par exemple, vous pouvez comparer le poids moyen de 20 souris avant et apr\u00e8s le traitement. Les donn\u00e9es contiennent 20 ensembles de valeurs avant traitement et 20 ensembles de valeurs apr\u00e8s traitement provenant de la double mesure du poids d\u2019une m\u00eame souris. Dans de telles situations, le test t-test par paires peut \u00eatre utilis\u00e9 pour comparer les poids moyens avant et apr\u00e8s le traitement.<\/p>\n<p>La proc\u00e9dure de l\u2019analyse du test t appari\u00e9 est la suivante:<\/p>\n<ol style=\"list-style-type: decimal;\">\n<li>Calculer la diff\u00e9rence (<span class=\"math inline\">\\(d\\)<\/span>) entre chaque paire de valeur<\/li>\n<li>Calculer la moyenne (<span class=\"math inline\">\\(m\\)<\/span>) et l\u2019\u00e9cart-type (<span class=\"math inline\">\\(s\\)<\/span>) de <span class=\"math inline\">\\(d\\)<\/span><\/li>\n<li>Comparer la diff\u00e9rence moyenne \u00e0 0. S\u2019il y a une diff\u00e9rence significative entre les deux paires d\u2019\u00e9chantillons, alors la moyenne de d (<span class=\"math inline\">\\(m\\)<\/span>) devrait \u00eatre loin de 0.<\/li>\n<\/ol>\n<div class=\"error\">\n<p>Le test t appari\u00e9 ne peut \u00eatre utilis\u00e9 que lorsque la diff\u00e9rence <span class=\"math inline\"><span class=\"math inline\">\\(d\\)<\/span><\/span> est normalement distribu\u00e9e. Cela peut \u00eatre v\u00e9rifi\u00e9 \u00e0 l\u2019aide du test de Shapiro-Wilk.<\/p>\n<\/div>\n<p>Dans ce chapitre, vous apprendrez la formule du <em>test t appari\u00e9<\/em>, ainsi que, comment:<\/p>\n<ul>\n<li><em>Calculer le test t appari\u00e9 dans R<\/em>. La fonction <code>t_test()<\/code> [paquet rstatix], qui est compatible avec les pipes, sera utilis\u00e9e.<\/li>\n<li><em>V\u00e9rifier les hypoth\u00e8ses du test t appari\u00e9<\/em><\/li>\n<li><em>Calculez et rapportez la taille de l\u2019effet du test t appari\u00e9<\/em> en utilisant le <em>d de Cohen<\/em>. La statistique \u201cd\u201d red\u00e9finit la diff\u00e9rence de moyennes comme le nombre d\u2019\u00e9carts-types qui s\u00e9pare ces moyennes. Les tailles d\u2019effet conventionnelles des tests T, propos\u00e9es par Cohen, sont : 0,2 (petit effet), 0,5 (effet mod\u00e9r\u00e9) et 0,8 (effet important) <span class=\"citation\">(Cohen 1998)<\/span>.<\/li>\n<\/ul>\n<p>Sommaire:<\/p>\n<div id=\"TOC\">\n<ul>\n<li><a href=\"#pr\u00e9requis\">Pr\u00e9requis<\/a><\/li>\n<li><a href=\"#questions-de-recherche\">Questions de recherche<\/a><\/li>\n<li><a href=\"#hypoth\u00e8ses-statistiques\">hypoth\u00e8ses statistiques<\/a><\/li>\n<li><a href=\"#formule\">Formule<\/a><\/li>\n<li><a href=\"#donn\u00e9es-de-d\u00e9monstration\">Donn\u00e9es de d\u00e9monstration<\/a><\/li>\n<li><a href=\"#statistiques-descriptives\">Statistiques descriptives<\/a><\/li>\n<li><a href=\"#visualisation\">Visualisation<\/a><\/li>\n<li><a href=\"#hypoth\u00e8ses-et-tests-pr\u00e9liminaires\">Hypoth\u00e8ses et tests pr\u00e9liminaires<\/a>\n<ul>\n<li><a href=\"#identifier-les-valeurs-aberrantes\">Identifier les valeurs aberrantes<\/a><\/li>\n<li><a href=\"#v\u00e9rifier-lhypoth\u00e8se-de-normalit\u00e9\">V\u00e9rifier l\u2019hypoth\u00e8se de normalit\u00e9<\/a><\/li>\n<\/ul>\n<\/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=\"#rapporter\">Rapporter<\/a><\/li>\n<li><a href=\"#r\u00e9sum\u00e9\">R\u00e9sum\u00e9<\/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=\"pr\u00e9requis\" 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> contient des fonctions R facilitant les analyses statistiques.<\/li>\n<li><code>datarium<\/code>: contient les jeux de donn\u00e9es requis pour ce chapitre.<\/li>\n<\/ul>\n<p>Commencez par charger les packages requis suivants:<\/p>\n<pre class=\"r\"><code>library(tidyverse)\r\nlibrary(ggpubr)\r\nlibrary(rstatix)<\/code><\/pre>\n<\/div>\n<div id=\"questions-de-recherche\" class=\"section level2\">\n<h2>Questions de recherche<\/h2>\n<p>Les questions de recherche typiques sont:<\/p>\n<ol style=\"list-style-type: decimal;\">\n<li>si la diff\u00e9rence moyenne (<span class=\"math inline\">\\(m\\)<\/span>) <em>est \u00e9gale<\/em> \u00e0 0 ?<\/li>\n<li>si la diff\u00e9rence moyenne (<span class=\"math inline\">\\(m\\)<\/span>) <em>est inf\u00e9rieure \u00e0<\/em> 0 ?<\/li>\n<li>si la diff\u00e9rence moyenne (<span class=\"math inline\">\\(m\\)<\/span>) <em>est plus grande que<\/em> 0 ?<\/li>\n<\/ol>\n<\/div>\n<div id=\"hypoth\u00e8ses-statistiques\" class=\"section level2\">\n<h2>hypoth\u00e8ses statistiques<\/h2>\n<p>En statistique, on peut d\u00e9finir l\u2019hypoth\u00e8se nulle correspondante (<span class=\"math inline\">\\(H_0\\)<\/span>) comme suit:<\/p>\n<ol style=\"list-style-type: decimal;\">\n<li><span class=\"math inline\">\\(H_0 : m = 0\\)<\/span><\/li>\n<li>H_0 : m 0$<\/li>\n<li>H_0 : m 0$<\/li>\n<\/ol>\n<p>Les <em>hypoth\u00e8ses alternatives<\/em> correspondantes (<span class=\"math inline\">\\(H_a\\)<\/span>) sont les suivantes:<\/p>\n<ol style=\"list-style-type: decimal;\">\n<li><span class=\"math inline\">\\(H_a : m \\ne 0\\)<\/span> (diff\u00e9rent)<\/li>\n<li><span class=\"math inline\">\\(H_a : m &gt; 0\\)<\/span> (plus grand ou \u201cgreater\u201d en anglais)<\/li>\n<li><span class=\"math inline\">\\(H_a : m &lt; 0\\)<\/span> (plus petit ou \u201clesser\u201d en anglais)<\/li>\n<\/ol>\n<p>Notez que:<\/p>\n<ul>\n<li>Les hypoth\u00e8ses 1) sont appel\u00e9es <em>tests bilat\u00e9raux<\/em><\/li>\n<li>Les hypoth\u00e8ses 2) et 3) sont appel\u00e9es <em>tests unilat\u00e9raux<\/em><\/li>\n<\/ul>\n<\/div>\n<div id=\"formule\" class=\"section level2\">\n<h2>Formule<\/h2>\n<p>La valeur statistique du test t appari\u00e9 peut \u00eatre calcul\u00e9e \u00e0 l\u2019aide de la formule suivante:<\/p>\n<p><span class=\"math display\">\\[<br \/>\nt = \\frac{m}{s\/\\sqrt{n}}<br \/>\n\\]<\/span><\/p>\n<p>o\u00f9,<\/p>\n<ul>\n<li><code>m<\/code> est la moyenne des diff\u00e9rences<\/li>\n<li><code>n<\/code> est la taille de l\u2019\u00e9chantillon (c.-\u00e0-d. la taille de d).<\/li>\n<li><code>s<\/code> est l\u2019\u00e9cart-type de d<\/li>\n<\/ul>\n<p>On peut calculer la p-value correspondant \u00e0 la valeur absolue de la statistique du t-test (|t|) pour les degr\u00e9s de libert\u00e9 (df) : <span class=\"math inline\">\\(df = n - 1\\)<\/span>.<\/p>\n<div class=\"success\">\n<p>Si la p-value est inf\u00e9rieure ou \u00e9gale \u00e0 0,05, on peut conclure que la diff\u00e9rence entre les deux \u00e9chantillons appari\u00e9s est significativement diff\u00e9rente.<\/p>\n<\/div>\n<\/div>\n<div id=\"donn\u00e9es-de-d\u00e9monstration\" class=\"section level2\">\n<h2>Donn\u00e9es de d\u00e9monstration<\/h2>\n<p>Ici, nous utiliserons un jeu de donn\u00e9es de d\u00e9monstration <code>mice2<\/code> [package datarium], qui contient le poids de 10 souris avant et apr\u00e8s le traitement.<\/p>\n<pre class=\"r\"><code># Format large\r\ndata(\"mice2\", package = \"datarium\")\r\nhead(mice2, 3)<\/code><\/pre>\n<pre><code>##   id before after\r\n## 1  1    187   430\r\n## 2  2    194   404\r\n## 3  3    232   406<\/code><\/pre>\n<pre class=\"r\"><code># Transformez en donn\u00e9es longues : \r\n# rassembler les valeurs de `before` (avant) et `after` (apr\u00e8s) dans la m\u00eame colonne\r\nmice2.long &lt;- mice2 %&gt;%\r\n  gather(key = \"group\", value = \"weight\", before, after)\r\nhead(mice2.long, 3)<\/code><\/pre>\n<pre><code>##   id  group weight\r\n## 1  1 before    187\r\n## 2  2 before    194\r\n## 3  3 before    232<\/code><\/pre>\n<\/div>\n<div id=\"statistiques-descriptives\" class=\"section level2\">\n<h2>Statistiques descriptives<\/h2>\n<p>Calculer quelques statistiques descriptives (moyenne et sd) par groupe:<\/p>\n<pre class=\"r\"><code>mice2.long %&gt;%\r\n  group_by(group) %&gt;%\r\n  get_summary_stats(weight, type = \"mean_sd\")<\/code><\/pre>\n<pre><code>## # A tibble: 2 x 5\r\n##   group  variable     n  mean    sd\r\n##   &lt;chr&gt;  &lt;chr&gt;    &lt;dbl&gt; &lt;dbl&gt; &lt;dbl&gt;\r\n## 1 after  weight      10  400.  30.1\r\n## 2 before weight      10  201.  20.0<\/code><\/pre>\n<\/div>\n<div id=\"visualisation\" class=\"section level2\">\n<h2>Visualisation<\/h2>\n<pre class=\"r\"><code>bxp &lt;- ggpaired(mice2.long, x = \"group\", y = \"weight\", \r\n         order = c(\"before\", \"after\"),\r\n         ylab = \"Weight\", xlab = \"Groups\")\r\nbxp<\/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\/072-paired-t-test-box-plot-1.png\" width=\"364.8\" \/><\/p>\n<\/div>\n<div id=\"hypoth\u00e8ses-et-tests-pr\u00e9liminaires\" class=\"section level2\">\n<h2>Hypoth\u00e8ses et tests pr\u00e9liminaires<\/h2>\n<p>Le test t des \u00e9chantillons appari\u00e9s suppose les caract\u00e9ristiques suivantes au sujet des donn\u00e9es:<\/p>\n<ul>\n<li><strong>les deux groupes sont appari\u00e9s<\/strong>. Dans notre exemple, c\u2019est le cas puisque les donn\u00e9es ont \u00e9t\u00e9 recueillies en mesurant deux fois le poids des m\u00eames souris.<\/li>\n<li><strong>Aucune valeur aberrante significative<\/strong> dans la diff\u00e9rence entre les deux groupes appari\u00e9s<\/li>\n<li><strong>Normalit\u00e9<\/strong>. la diff\u00e9rence des paires suit une distribution normale.<\/li>\n<\/ul>\n<p>Dans cette section, nous effectuerons quelques tests pr\u00e9liminaires pour v\u00e9rifier si ces hypoth\u00e8ses sont respect\u00e9es.<\/p>\n<p>Tout d\u2019abord, commencez par calculer la diff\u00e9rence entre les groupes:<\/p>\n<pre class=\"r\"><code>mice2 &lt;- mice2 %&gt;% mutate(differences = before - after)\r\nhead(mice2, 3)<\/code><\/pre>\n<pre><code>##   id before after differences\r\n## 1  1    187   430        -242\r\n## 2  2    194   404        -210\r\n## 3  3    232   406        -174<\/code><\/pre>\n<div id=\"identifier-les-valeurs-aberrantes\" class=\"section level3\">\n<h3>Identifier les valeurs aberrantes<\/h3>\n<p>Les valeurs aberrantes peuvent \u00eatre facilement identifi\u00e9es \u00e0 l\u2019aide des m\u00e9thodes boxplot, impl\u00e9ment\u00e9es dans la fonction R <code>identify_outliers()<\/code> [paquet rstatix].<\/p>\n<pre class=\"r\"><code>mice2 %&gt;% identify_outliers(differences)<\/code><\/pre>\n<pre><code>## [1] id          before      after       differences is.outlier  is.extreme \r\n## &lt;0 rows&gt; (or 0-length row.names)<\/code><\/pre>\n<div class=\"success\">\n<p>Il n\u2019y avait pas de valeurs extr\u00eames aberrantes.<\/p>\n<\/div>\n<div class=\"warning\">\n<p>Notez que, dans le cas o\u00f9 vous avez des valeurs extr\u00eames aberrantes, cela peut \u00eatre d\u00fb \u00e0 : 1) erreurs de saisie de donn\u00e9es, erreurs de mesure ou valeurs inhabituelles.<\/p>\n<p>Vous pouvez quand m\u00eame inclure la valeur aberrante dans l\u2019analyse si vous ne croyez pas que le r\u00e9sultat sera affect\u00e9 de fa\u00e7on substantielle. Cela peut \u00eatre \u00e9valu\u00e9 en comparant le r\u00e9sultat du test t avec et sans la valeur aberrante.<\/p>\n<p>Il est \u00e9galement possible de conserver les valeurs aberrantes dans les donn\u00e9es et d\u2019effectuer un test Wilcoxon ou un test t robuste en utilisant le progiciel WRS2.<\/p>\n<\/div>\n<\/div>\n<div id=\"v\u00e9rifier-lhypoth\u00e8se-de-normalit\u00e9\" class=\"section level3\">\n<h3>V\u00e9rifier l\u2019hypoth\u00e8se de normalit\u00e9<\/h3>\n<p>L\u2019hypoth\u00e8se de normalit\u00e9 peut \u00eatre v\u00e9rifi\u00e9e en calculant le test de Shapiro-Wilk pour chaque groupe. Si les donn\u00e9es sont normalement distribu\u00e9es, la p-value doit \u00eatre sup\u00e9rieure \u00e0 0,05.<\/p>\n<pre class=\"r\"><code>mice2 %&gt;% shapiro_test(differences) <\/code><\/pre>\n<pre><code>## # A tibble: 1 x 3\r\n##   variable    statistic     p\r\n##   &lt;chr&gt;           &lt;dbl&gt; &lt;dbl&gt;\r\n## 1 differences     0.968 0.867<\/code><\/pre>\n<div class=\"success\">\n<p>D\u2019apr\u00e8s le r\u00e9sultat, les deux p-values sont sup\u00e9rieures au seuil de significativit\u00e9 0,05, ce qui indique que la distribution des donn\u00e9es n\u2019est pas significativement diff\u00e9rente de la distribution normale. En d\u2019autres termes, nous pouvons supposer que la normalit\u00e9.<\/p>\n<\/div>\n<p>Vous pouvez \u00e9galement cr\u00e9er des QQ plots pour chaque groupe. Le graphique QQ plot dessine la corr\u00e9lation entre une donn\u00e9e d\u00e9finie et la distribution normale.<\/p>\n<pre class=\"r\"><code>ggqqplot(mice2, \"differences\")<\/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\/072-paired-t-test-qqplot-1.png\" width=\"288\" \/><\/p>\n<div class=\"success\">\n<p>Tous les points se situent approximativement le long de la ligne de r\u00e9f\u00e9rence (45 degr\u00e9s), pour chaque groupe. Nous pouvons donc supposer la normalit\u00e9 des donn\u00e9es.<\/p>\n<\/div>\n<div class=\"warning\">\n<p>Notez que, si la taille de votre \u00e9chantillon est sup\u00e9rieure \u00e0 50, le graphique de normalit\u00e9 QQ plot est pr\u00e9f\u00e9r\u00e9 parce qu\u2019avec des \u00e9chantillons de plus grande taille, le test de Shapiro-Wilk devient tr\u00e8s sensible m\u00eame \u00e0 un \u00e9cart mineur par rapport \u00e0 la distribution normale.<\/p>\n<p>Dans le cas o\u00f9 les donn\u00e9es ne sont pas normalement distribu\u00e9es, il est recommand\u00e9 d\u2019utiliser le test de Wilcoxon non param\u00e9trique.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<div id=\"calculs\" class=\"section level2\">\n<h2>Calculs<\/h2>\n<p>Nous voulons savoir s\u2019il y a une diff\u00e9rence significative dans les poids moyens apr\u00e8s le traitement ?<\/p>\n<p>Nous allons utiliser la fonction <code>t_test()<\/code> [package rstatix], facile d\u2019utilisation, un emballage autour de la fonction de base R <code>t.test()<\/code>.<\/p>\n<pre class=\"r\"><code>stat.test &lt;- mice2.long  %&gt;% \r\n  t_test(weight ~ group, paired = TRUE) %&gt;%\r\n  add_significance()\r\nstat.test<\/code><\/pre>\n<pre><code>## # A tibble: 1 x 9\r\n##   .y.    group1 group2    n1    n2 statistic    df             p p.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 weight after  before    10    10      25.5     9 0.00000000104 ****<\/code><\/pre>\n<p>Les r\u00e9sultats ci-dessus montrent les composantes suivantes:<\/p>\n<ul>\n<li><code>.y.<\/code>: la variable y utilis\u00e9e dans le test.<\/li>\n<li><code>group1,group2<\/code>: les groupes compar\u00e9s dans les tests par paires.<\/li>\n<li><code>statistic<\/code>: Statistique de test utilis\u00e9e pour calculer la p-value.<\/li>\n<li><code>df<\/code>: degr\u00e9s de libert\u00e9.<\/li>\n<li><code>p<\/code>: p-value.<\/li>\n<\/ul>\n<div class=\"warning\">\n<p>Notez que, vous pouvez obtenir un r\u00e9sultat d\u00e9taill\u00e9 en sp\u00e9cifiant l\u2019option <code>detailed = TRUE<\/code>.<\/p>\n<\/div>\n<p>Pour calculer un t-test pair\u00e9 unilat\u00e9ral, vous pouvez sp\u00e9cifier l\u2019option <code>alternative<\/code> comme suit.<\/p>\n<ul>\n<li>si vous voulez tester si le poids moyen avant traitement est inf\u00e9rieur au poids moyen apr\u00e8s traitement, saisissez ceci:<\/li>\n<\/ul>\n<pre class=\"r\"><code>mice2.long  %&gt;%\r\n  t_test(weight ~ group, paired = TRUE, alternative = \"less\")<\/code><\/pre>\n<ul>\n<li>Ou, si vous voulez tester si le poids moyen avant traitement est sup\u00e9rieur au poids moyen apr\u00e8s traitement, saisissez ceci<\/li>\n<\/ul>\n<pre class=\"r\"><code>mice2.long  %&gt;%\r\n  t_test(weight ~ group, paired = TRUE, alternative = \"greater\")<\/code><\/pre>\n<\/div>\n<div id=\"taille-de-leffet\" class=\"section level2\">\n<h2>Taille de l\u2019effet<\/h2>\n<p>La taille de l\u2019effet d\u2019un test t pour \u00e9chantillons appari\u00e9s peut \u00eatre calcul\u00e9e en divisant la diff\u00e9rence moyenne par l\u2019\u00e9cart-type de la diff\u00e9rence, comme indiqu\u00e9 ci-dessous.<\/p>\n<p><strong>La formule du d de Cohen<\/strong>:<\/p>\n<p><span class=\"math display\">\\[<br \/>\nd = \\frac{mean_D}{SD_D}<br \/>\n\\]<\/span><\/p>\n<p>O\u00f9 <code>D<\/code> est la diff\u00e9rence entre les valeurs des \u00e9chantillons appari\u00e9s.<\/p>\n<p><strong>Calculs<\/strong>:<\/p>\n<pre class=\"r\"><code>mice2.long  %&gt;% cohens_d(weight ~ group, paired = TRUE)<\/code><\/pre>\n<pre><code>## # A tibble: 1 x 7\r\n##   .y.    group1 group2 effsize    n1    n2 magnitude\r\n## * &lt;chr&gt;  &lt;chr&gt;  &lt;chr&gt;    &lt;dbl&gt; &lt;int&gt; &lt;int&gt; &lt;ord&gt;    \r\n## 1 weight after  before    8.08    10    10 large<\/code><\/pre>\n<div class=\"success\">\n<p>La taille de l\u2019effet est importante, d de Cohen = 8,07.<\/p>\n<\/div>\n<\/div>\n<div id=\"rapporter\" class=\"section level2\">\n<h2>Rapporter<\/h2>\n<p>Nous pourrions rapporter les r\u00e9sultats comme suit : Le poids moyen des souris a augment\u00e9 de fa\u00e7on significative apr\u00e8s le traitement, t(9) = 25,5, p &lt; 0,0001, d = 8,07.<\/p>\n<pre class=\"r\"><code>stat.test &lt;- stat.test %&gt;% add_xy_position(x = \"group\")\r\nbxp + \r\n  stat_pvalue_manual(stat.test, tip.length = 0) +\r\n  labs(subtitle = get_test_label(stat.test, detailed= TRUE))<\/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\/072-paired-t-test-paired-t-test-box-plot-with-p-values-1.png\" width=\"364.8\" \/><\/p>\n<\/div>\n<div id=\"r\u00e9sum\u00e9\" class=\"section level2\">\n<h2>R\u00e9sum\u00e9<\/h2>\n<p>Cet article d\u00e9crit la formule et les principes de base du test t appari\u00e9 ou du test t d\u00e9pendant. Des exemples de codes R sont fournis pour v\u00e9rifier les hypoth\u00e8ses, calculer le test et la taille de l\u2019effet, interpr\u00e9ter et communiquer les r\u00e9sultats.<\/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-cohen1998\">\n<p>Cohen, J. 1998. <em>Statistical Power Analysis for the Behavioral Sciences<\/em>. 2nd ed. Hillsdale, NJ: Lawrence Erlbaum Associates.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<p><!--end rdoc--><\/p>\n","protected":false},"excerpt":{"rendered":"<p>D\u00e9crit le test t appari\u00e9, qui est utilis\u00e9 pour comparer la moyenne de deux groupes associ\u00e9s. Vous apprendrez la formule, les hypoth\u00e8ses, le calcul, la visualisation, la mesure de la taille de l&rsquo;effet \u00e0 l&rsquo;aide du d de Cohen, l&rsquo;interpr\u00e9tation et le compte rendu dans R.<\/p>\n","protected":false},"author":1,"featured_media":15293,"parent":15176,"menu_order":72,"comment_status":"open","ping_status":"closed","template":"","class_list":["post-15291","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 T Appari\u00e9: Excellente R\u00e9f\u00e9rence que Vous Allez Aimer - Datanovia<\/title>\n<meta name=\"description\" content=\"D\u00e9crit le test t appari\u00e9, qui est utilis\u00e9 pour comparer la moyenne de deux groupes associ\u00e9s. Vous apprendrez la formule, les hypoth\u00e8ses, le calcul, la visualisation, la mesure de la taille de l&#039;effet \u00e0 l&#039;aide du d de Cohen, l&#039;interpr\u00e9tation et le compte rendu dans R.\" \/>\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\/types-de-test-t\/test-t-apparie\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Test T Appari\u00e9: Excellente R\u00e9f\u00e9rence que Vous Allez Aimer - Datanovia\" \/>\n<meta property=\"og:description\" content=\"D\u00e9crit le test t appari\u00e9, qui est utilis\u00e9 pour comparer la moyenne de deux groupes associ\u00e9s. Vous apprendrez la formule, les hypoth\u00e8ses, le calcul, la visualisation, la mesure de la taille de l&#039;effet \u00e0 l&#039;aide du d de Cohen, l&#039;interpr\u00e9tation et le compte rendu dans R.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/\" \/>\n<meta property=\"og:site_name\" content=\"Datanovia\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/072-paired-t-test-box-plot-1.png\" \/>\n\t<meta property=\"og:image:width\" content=\"729\" \/>\n\t<meta property=\"og:image:height\" content=\"576\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\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=\"9 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\/types-de-test-t\/test-t-apparie\/\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/\",\"name\":\"Test T Appari\u00e9: Excellente R\u00e9f\u00e9rence que Vous Allez Aimer - Datanovia\",\"isPartOf\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/072-paired-t-test-box-plot-1.png\",\"datePublished\":\"2020-03-15T14:56:54+00:00\",\"description\":\"D\u00e9crit le test t appari\u00e9, qui est utilis\u00e9 pour comparer la moyenne de deux groupes associ\u00e9s. Vous apprendrez la formule, les hypoth\u00e8ses, le calcul, la visualisation, la mesure de la taille de l'effet \u00e0 l'aide du d de Cohen, l'interpr\u00e9tation et le compte rendu dans R.\",\"breadcrumb\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/#primaryimage\",\"url\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/072-paired-t-test-box-plot-1.png\",\"contentUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/072-paired-t-test-box-plot-1.png\",\"width\":729,\"height\":576,\"caption\":\"072-paired-t-test-box-plot-1.png\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/#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\":\"Types de Test-T\",\"item\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/\"},{\"@type\":\"ListItem\",\"position\":4,\"name\":\"Test T Appari\u00e9\"}]},{\"@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 T Appari\u00e9: Excellente R\u00e9f\u00e9rence que Vous Allez Aimer - Datanovia","description":"D\u00e9crit le test t appari\u00e9, qui est utilis\u00e9 pour comparer la moyenne de deux groupes associ\u00e9s. Vous apprendrez la formule, les hypoth\u00e8ses, le calcul, la visualisation, la mesure de la taille de l'effet \u00e0 l'aide du d de Cohen, l'interpr\u00e9tation et le compte rendu dans R.","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\/types-de-test-t\/test-t-apparie\/","og_locale":"fr_FR","og_type":"article","og_title":"Test T Appari\u00e9: Excellente R\u00e9f\u00e9rence que Vous Allez Aimer - Datanovia","og_description":"D\u00e9crit le test t appari\u00e9, qui est utilis\u00e9 pour comparer la moyenne de deux groupes associ\u00e9s. Vous apprendrez la formule, les hypoth\u00e8ses, le calcul, la visualisation, la mesure de la taille de l'effet \u00e0 l'aide du d de Cohen, l'interpr\u00e9tation et le compte rendu dans R.","og_url":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/","og_site_name":"Datanovia","og_image":[{"width":729,"height":576,"url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/072-paired-t-test-box-plot-1.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_misc":{"Dur\u00e9e de lecture estim\u00e9e":"9 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/","url":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/","name":"Test T Appari\u00e9: Excellente R\u00e9f\u00e9rence que Vous Allez Aimer - Datanovia","isPartOf":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/#primaryimage"},"image":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/#primaryimage"},"thumbnailUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/072-paired-t-test-box-plot-1.png","datePublished":"2020-03-15T14:56:54+00:00","description":"D\u00e9crit le test t appari\u00e9, qui est utilis\u00e9 pour comparer la moyenne de deux groupes associ\u00e9s. Vous apprendrez la formule, les hypoth\u00e8ses, le calcul, la visualisation, la mesure de la taille de l'effet \u00e0 l'aide du d de Cohen, l'interpr\u00e9tation et le compte rendu dans R.","breadcrumb":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/#primaryimage","url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/072-paired-t-test-box-plot-1.png","contentUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/072-paired-t-test-box-plot-1.png","width":729,"height":576,"caption":"072-paired-t-test-box-plot-1.png"},{"@type":"BreadcrumbList","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/test-t-apparie\/#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":"Types de Test-T","item":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/types-de-test-t\/"},{"@type":"ListItem","position":4,"name":"Test T Appari\u00e9"}]},{"@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\/15291","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=15291"}],"version-history":[{"count":0,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons\/15291\/revisions"}],"up":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons\/15176"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/media\/15293"}],"wp:attachment":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/media?parent=15291"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}