Test des signes à un échantillon (One Sample Sign)

Le test des signes à un échantillon détermine si la médiane d'un échantillon unique est statistiquement égale à une valeur cible donnée. Il compte combien d'observations se situent au-dessus et combien au-dessous de la cible, en ne considérant que le signe (la direction) de chaque différence, et non sa grandeur.

Dernière révision

Point clé

Le test des signes à un échantillon détermine si la médiane d'un échantillon unique est statistiquement égale à une valeur cible donnée.

Sur cette page
  1. Qu'est-ce que le test des signes à un échantillon (One Sample Sign) ?
  2. Quand utiliser le test des signes à un échantillon ?
  3. Recommandations pour bien utiliser le test des signes à un échantillon
  4. Alternatives : quand ne pas utiliser le test des signes à un échantillon
  5. Exemple de test des signes à un échantillon
  6. Comment utiliser Fried Man

Qu'est-ce que le test des signes à un échantillon (One Sample Sign) ?

Le test des signes à un échantillon détermine si la médiane d'un échantillon unique est statistiquement égale à une valeur cible donnée. Il compte combien d'observations se situent au-dessus et combien au-dessous de la cible, en ne considérant que le signe (la direction) de chaque différence, et non sa grandeur. C'est le test non paramétrique le plus simple pour un échantillon unique, et il ne suppose rien sur la forme de la distribution.

Définition simple :un test simple qui vérifie si la médiane de vos données correspond à une valeur cible, en comptant combien de mesures se situent au-dessus ou au-dessous de cette cible.

Quand utiliser le test des signes à un échantillon ?

  • Utilisez-le pour tester si la médiane d'un échantillon unique est égale à une cible donnée.
  • Utilisez-le lorsque les données ne suivent pas une distribution normale et que la symétrie ne peut pas être supposée.
  • Utilisez-le lorsque des valeurs aberrantes importantes rendent les tests fondés sur la moyenne peu fiables.
  • Utilisez-le lorsque seule la direction de la différence compte, et non sa grandeur.
  • Utilisez-le sur des données ordinales dont les différences numériques exactes n'ont pas de sens.

Recommandations pour bien utiliser le test des signes à un échantillon

  • Définissez une médiane cible pertinente avant de recueillir les données, et non à partir des données elles-mêmes.
  • Les observations exactement égales à la cible sont exclues  ; de nombreuses égalités réduisent la fiabilité du test.
  • Recueillez au moins 10 observations  ; le test des signes a une faible puissance avec de petits échantillons.
  • Un résultat non significatif ne confirme pas que la médiane est égale à la cible, seulement qu' il n'a pas été trouvé de preuves suffisantes pour la rejeter.

Alternatives : quand ne pas utiliser le test des signes à un échantillon

  • Si les données sont approximativement symétriques mais non normales, utilisez le test de Wilcoxon à un échantillon  ; plus puissant car il utilise la grandeur.
  • Si les données suivent une distribution normale, utilisez le test t à un échantillon
  • Si vous comparez deux groupes indépendants, utilisez le test de Mann-Whitney
  • Si vous comparez trois groupes ou plus, utilisez le test de Kruskal-Wallis

Exemple de test des signes à un échantillon

Un ingénieur métallurgiste cherche à savoir si la teneur typique en chrome d'un acier inoxydable est de 18 %. Pour l'étudier, il prélève 12 échantillons aléatoires, mesure leur teneur en chrome et applique un test des signes à un échantillon pour vérifier si la médiane diffère de 18 %. Les étapes suivantes :

  1. Il a rassemblé les données nécessaires.
One Sample Sign — figure 1
  1. Il analyse ensuite les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
  2.  Pour trouver One Sample Sign, choisissez Statistical module> Nonparametric > One Sample Sign.
  3.  Dans l'outil, il saisit les données ainsi que les autres paramètres comme suit :
One Sample Sign — figure 2

5. Après avoir utilisé l'outil ci-dessus, il obtient les résultats suivants :

One Sample Sign — figure 3

Comment utiliser Fried Man

La marche à suivre est la suivante :

  1. Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
  2. Sur la page d'accueil, choisissez Statistical Tool> Nonparametric>One Sample Sign.
  3. Ensuite, mettez à jour les données manuellement ou copiez-les entièrement (Ctrl+C) depuis une feuille Excel et collez-les (Ctrl+V) ici.
  4. Ensuite, renseignez les options requises.
  5. Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.

Sur le tableau de bord de One Sample Sign, la fenêtre est divisée en deux parties.

One Sample Sign — figure 4

Dans la partie de gauche se trouve le Data Pane (volet de données). Dans le Data Pane, chaque ligne forme un sous-groupe. Les données peuvent être saisies manuellement ou copiées entièrement (Ctrl+C) depuis une feuille Excel et collées (Ctrl+V) ici.

Load example : des données d'exemple sont chargées.

Load File : permet de charger directement des données Excel.

Dans la partie de droite, de nombreuses options sont proposées :

  • Variable (Required) : sélectionnez la colonne contenant vos données de mesure, par exemple %Chromium dans ce cas. C'est l'échantillon unique que vous voulez tester. Le test analyse les valeurs de cette colonne pour déterminer si la médiane de l'échantillon est statistiquement égale à la valeur cible que vous indiquez. La variable doit être continue ou ordinale.
  • Confidence Level (Default 95%) : définit le niveau de certitude de l'intervalle de confiance calculé autour de la médiane de l'échantillon. La valeur par défaut de 95% signifie que vous êtes sûr à 95 % que la vraie médiane de la population se situe dans l'intervalle indiqué. Elle est fixée à 95 % par défaut car c'est le standard universellement admis en analyse statistique : elle équilibre la prudence nécessaire pour tirer des conclusions fiables et le caractère pratique pour un usage réel. Un niveau de confiance plus bas (par ex. 90 %) donne un intervalle plus étroit mais moins certain ; un niveau plus élevé (par ex. 99 %) donne un intervalle plus large avec plus de certitude mais exige des preuves plus fortes pour détecter une différence significative.

Questions fréquentes

Qu'est-ce que le test des signes à un échantillon ?

Le test des signes à un échantillon détermine si la médiane d'un échantillon unique est statistiquement égale à une valeur cible donnée. Il compte combien d'observations se situent au-dessus et au-dessous de la cible, en n'utilisant que le signe de chaque différence, et non sa grandeur. C'est le test non paramétrique le plus simple pour un échantillon unique et il ne suppose rien sur la forme de la distribution.

Quand utiliser le test des signes plutôt que le test de Wilcoxon à un échantillon ?

Utilisez le test des signes lorsque les données ne sont pas normales et que la symétrie ne peut pas être supposée, lorsque des valeurs aberrantes rendent les tests fondés sur la moyenne peu fiables, ou pour des données ordinales. Si les données sont approximativement symétriques mais non normales, le test de Wilcoxon à un échantillon est plus puissant car il utilise la grandeur des différences ; pour des données normales, utilisez le test t à un échantillon.

De combien d'observations a-t-on besoin pour un test des signes ?

Recueillez au moins 10 observations, car le test des signes a une faible puissance avec de petits échantillons. Les observations exactement égales à la cible sont exclues ; de nombreuses égalités réduisent donc la fiabilité du test. La médiane cible doit être définie avant de recueillir les données, et non à partir des données elles-mêmes.

Comment interpréter un test des signes non significatif ?

Un résultat non significatif ne confirme pas que la médiane est égale à la cible. Il signifie seulement qu'il n'a pas été trouvé de preuves suffisantes pour rejeter l'hypothèse selon laquelle la médiane est égale à la cible. Comme le test des signes a une faible puissance avec de petits échantillons, un résultat non significatif obtenu avec peu d'observations constitue une preuve particulièrement faible.