Test binomial

Bonjour, j'ai une question au sujet du test binomial exact.
Je dois comparer 2 pourcentages de réponses "oui" à un questionnaire dans 2 populations différents qui ont un effectif différent.
Par exemple, 25 des 25 représentants du groue A ont répondu Oui (100%) et 83 des 87 du groupe B ont répondu Oui (95% et qq).
Je pensait que le meilleur test pour comparer ces pourcentages était la loi binomiale.
Hors j'ai 2 résultats différents dans R, selon que je me place du point de vue du groupe A ou B.
Pourriez vous éclairer ma lanterne ?
Merci

Bonjour,

Qu'entends-tu par "je me place du point de vue du groupe A ou B". Peux-tu poster le code STP?

Ayana

Je veux dire que selon la référence que je prends pour la proportion théorique (100% ou 95%), et que je le compare au résultat de l'autre groupe, je n'obtiens pas du tout un résultat équivalent. C'est certainement logique, d'où mon interrogation : est-ce le test adapté ?

Code:


> binom.test(83, 87, p=1)

       Exact binomial test

data:  83 and 87
number of successes = 83, number of trials = 87, p-value < 2.2e-16
alternative hypothesis: true probability of success is not equal to 1
95 percent confidence interval:
0.8864466 0.9873326
sample estimates:
probability of success
             0.954023

> binom.test(25, 25, p=0.95)

       Exact binomial test

data:  25 and 25
number of successes = 25, number of trials = 25, p-value = 0.635
alternative hypothesis: true probability of success is not equal to 0.95
95 percent confidence interval:
0.8628148 1.0000000
sample estimates:
probability of success
                    1

Ici, tu ne fais pas du tout les tests que tu penses faire. Pour le premier, tu testes si la proportion 83/87 est differente de la valeur theorique 1, et le 2e si ta proportion est differente de 0.95. Or ce que tu veux c'est comparer deux proportions observees et non une proportion observee a une proportion theorique. Le test binomial n'est donc pas celui qu'il te faut. Des alternatives seraient un test du chi-deux ou un fisher exact, mais comme dans un groupe tu n'as que des succes, cela va poser des problemes d'estimation.

Ayana

Merci Ayana pour ta réponse.
J'ai essayé un test du chi deux d'homogénéité. Cela me donne :

Code:


> A=c(25,0)
> B=c(83,4)
> table=rbind(A, B)
> chisq.test(table)

       Pearson's Chi-squared test with Yates' continuity correction

data:  table
X-squared = 0.23077, df = 1, p-value = 0.631

Warning message:
In chisq.test(table) : l'approximation du Chi-2 est peut-être incorrecte

Penses-tu que je m'approche de ce que je cherche ?

et avec le test de Fisher (qui, si j'ai bien compris, permet d'analyser de plus petits effectifs), ça donne ça :

Code:

> fisher.test(table)

       Fisher's Exact Test for Count Data

data:  table
p-value = 0.5733
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
0.1873542       Inf
sample estimates:
odds ratio
      Inf