Tout savoir sur le test F : son utilité et ses spécificités

Le test F, ou test de Fisher, est un test où l'on pose des hypothèses statistiques, dans le but de tester l'égalité et le rapport entre deux variances. C'est une formule mathématique, dans laquelle plus le résultat est proche des 100%, plus les deux variances sont semblables. Cet article a pour but de décrire l'utilité de ce test, ainsi que ses spécificités.

Son utilité

Utilité théorique Le test de Fisher permet d'élaborer des statistiques par comparaisons, telles que des rendements agricoles, des répartitions salariales et bien d'autres. Ce test sert à comparer les moyennes de divers bords. Il est utile dans tout ce qui peut être concerné par les statistiques, puisqu'il vise à évaluer l'égalité ou non de deux moyennes, dans quelque domaine que ce soit. Exemple Si l'on souhaite évaluer les effets d'un traitement contre le cholestérol, nous allons avoir recours au test de Fisher. On mesure les taux de cholestérol dans deux populations distinctes : l'une a pris le traitement contre le cholestérol, l'autre non. Pour évaluer l'efficacité du traitement, il faut alors que la différence de résultats entre les deux groupes soit bien distincte, pour qu'il n'y ait pas de doutes possibles. Plus le traitement sera efficace, plus le résultat au test de Fisher comparant les deux moyennes des 2 groupes sera proche de zéro. Moins le traitement sera efficace, plus il sera proche de 1 (ou 100%).

Ses spécificités

La loi de Fisher La loi de Fisher est celle qui encadre la formule, ou le test de Fisher. C'est une loi de probabilité parmi d'autres, qui impose que les résultats devant être comparés par le test de Fisher lui répondent. En effet, si les résultats ne répondent pas à la loi, le test de F ne peut pas être effectué. L'ANOVA test C'est un test qui peut être associé au test de Fisher. La table Fisher La table de la loi Fisher est une table statistique. Une table statistique est un tableau mettant en lien deux chiffres afin d'obtenir un résultat. Par exemple si l'on obtient n1=3 et n2=6 alors que P=0,95, on obtient le résultat 4,76. Le contexte étant essentiel, l'exemple ci-dessus n'a pas de réelle valeur, mais permet de comprendre l'utilisation de la table Fisher. En effet, les tables statistiques sont parfois difficiles à comprendre.