How do you know if there is a significant difference between two or more samples?

[#1]

I wanted to know if there is a significant difference between samples by comparing measured values, normally I had to use the student test or ANOVA right?

[#2]

Yes, thank you very much, it's clear.

Actually I have a question very far from the subject on which we are talking about it, I wanted to make a mixing plan, I searched on your platform but I did not find a tutorial. I do not know how I should fix the constraints of each variable if you can inform me on this subject

And thank youuuuu

[#3]

Bonsoir @Syrine,

Concernant le plan d'expériences que vous souhaitez réaliser, je pense qu'il vaudrait mieux ouvrir un nouveau sujet (ou poursuivre la discussion sur le sujet que vous aviez déjà ouvert) pour expliquer précisément ce que vous souhaitez faire, vos facteurs, vos contraintes expérimentales sur les facteurs (nombre d'expérience, certains facteurs ont une quantité totale fixe, ...) et vos besoins : quel type de modèle souhaitez vous ? Criblage, ou un peu plus de détails avec les interactions, effets quadratiques, ou des modèles adaptés aux plans de mélange comme des modèles Scheffé cubique réduit ?

• Celà permettrait aux autres membres de la communauté de vous aider et une meilleure lisibilité/clarté avec un seul post pour chaque sujet.

Vous aviez d'ailleurs ouvert un sujet pour un plan d'expériences que vous souhaitiez réaliser et sur lequel je vous avais répondu et donné quelques sources pour mieux appréhender les plans d'expériences avec JMP : Re: Quel est le plan d'experience que je devais choisir ? - JMP User Community

• Est-ce que les premières réponses fournies et les liens envoyés vous ont aidé ? Si vous avez besoin de plus de renseignements sur un aspect particulier, n'hésitez pas à répondre sur votre sujet dédié au plan d'expériences pour fournir plus de détails sur ce que vous souhaitez ou expliquer là où vous avez des difficultés/êtes bloqué.

Ravi que ces réponses vous aient aidé. Afin d'aider les autres utilisateurs JMP à trouver plus facilement les réponses à leurs questions, vous pouvez en dessous de chaque réponse à votre post "l'accepter comme solution" (voir capture ci-dessous) : cela permet de la/les mettre en avant juste en dessous du post originel avec la question, pour que les autres utilisateurs puissent plus facilement repérer la/les solution(s) parmi toutes les réponses fournies.

N'hésitez pas à rejoindre le groupe francophone des utilisateurs JMP sur cette communauté, les différents sujets qui y sont présentes peuvent vous inspirer : https://community.jmp.com/t5/Groupe-francophone-des/gh-p/france-jug

Bonne soirée, 

[#4]

Bonjour, 

D'accord si j'en ai besoin je vais ouvrir une autre session de discussion sur le plan de mélange. 

Revenons à ce meme sujet de test de différence, j'ai une question par rapport à R^2 si la valeur est faible donc le modèle ne permet pas de bien expliquer la variabilité. est ce que ça pause un problème ou on peut faire des améliorations ? 

[#5]

Bonjour @Syrine,

A quel jeu de données/analyse/test, etc... faîtes-vous allusion ?

Avez-vous un cas pratique en exemple ?

[#6]

Bonjour, 

Je vous communique la table de donnée ainsi que les résultats du test de différence ( Tukey ) que j'ai réalisé. 

mais je voulais savoir si dans un cas de R2 faible, on ne peut pas tenir compte de ces résultats. 

[#7 · Accepted solution]

Bonsoir @Syrine,

Ok, je pense mieux comprendre votre point d'interrogation avec le R².

Il faut garder à l'esprit que le R² représente le pourcentage de variabilité expliqué par le modèle : ici, le pourcentage de variabilité qui est expliqué uniquement par le facteur "Nature" (et analysé séparément aux deux temps). Il permet d'interpréter les résultats de l'analyse mais ce n'est pas le seul indicateur.

On peut regarder dans votre analyse deux indicateurs (et essayer de les interpréter):

• R² dans l'analyse Tukey-Kramer de la force en fonction de la nature : Pour le temps 1, 59% de la variabilité des résultats de force s'expliquent par le facteur/groupe "Nature". Expliquer plus de la moitié de la variabilité d'une réponse avec un seul facteur me semble un résultat important et/ou intéressant. Pour le temps 2, les résultats sont moins francs : 28% de la variabilité de ma réponse Force s'explique par la nature des échantillons. A voir si cette tendance est statistiquement significative ou pas.
• Analyse de variance : Dans le cas du temps 1, on voit que la p-value de l'analyse Tukey-Kramer est inférieure au seuil de significativité fixé à 0,05 : on a donc une analyse statistiquement significative. En prenant en compte le résultat du R², on peut donc se dire qu'il y a une différence marquée (variabilité dans les réponses expliquée à 59% par la nature des échantillons) et statistiquement significative au temps 1 pour les résultats de force entre le groupe/nature "avec glycérol" et les deux autres groupes. Dans le cas du temps 2, on voit que la p-value de l'analyse Tukey-Kramer est supérieure au seuil de significativité fixé à 0,05 : l'analyse est donc non statistiquement significative pour le temps 2. Il y a peut-être une tendance visible graphiquement, mais les indices (R² et p-value) ne sont pas assez concluants quant à la significativité et l'importance de la différence entre groupes.

J'espère que cette réponse vous permettra d'y voir plus clair,

[#8]

Merciii
Donc pour le t2 je ne peux pas dire qu'il n'y a pas de différence significative entre les trois natures.
Dans ce cas qu'est ce que je dois faire pour avoir une conclusion.

Et merciiii une autre fois

[#9 · Accepted solution]

Pour le T2, il n'y a en effet pas assez d'évidences pour dire qu'il y a une différence statistique significative entre groupes.
C'est votre conclusion avec ces données et résultats mesurés maintenant, mais cette conclusion peut évoluer en fonction du nombre d'échantillons testés et de mesures réalisés (si vous en ajoutez).
C'est pour cette raison (meilleure confiance dans les résultats et rigueur méthodologique) qu'il est préférable de définir en amont la différence minimale de valeur de réponse qu'on souhaite détecter entre groupes et fixer le seuil de significativité afin de calculer le nombre d'échantillons requis par groupe (analyse de puissance).
Sinon, on risque de manipuler les données et biaiser les résultats en continuant à collecter et mesurer des échantillons jusqu'à ce que "la conclusion nous plaise".
Une petite vidéo (en anglais) explique très bien cet aspect : https://youtu.be/VX_M3tIyiYk

[#10]

Ouiii j'ai compris merciii,
Je vais essayer de regarder la vidéo et de comprendre ce que vous avez dit, par ce que ça n'était pas très clair pour moi.

[#11]

Bonsoir,
Dans le cas où j'ai fait plusieurs répétitions et j'ai un R2 qui est faible ce qui ne permet pas d'expliquer la variabilité réelle, est ce que je peux éliminer quelques répétitions qui peuvent réduire l'écart types ( plus précisément les points qui sortent des deux côtés du quantiles quand je lance une ANOVA) ?