Test de proportion

Bonjour,

Je souhaite tester la liaison entre deux variables

Code:


Tc2
                0  1
  Bon             40 40
  mauvais        6 15

prop.test(Tc2)

 2-sample test for equality of proportions with continuity correction

data:  Tc2
X-squared = 2.2762, df = 1, p-value = 0.1314
alternative hypothesis: two.sided
95 percent confidence interval:
 -0.03789207  0.46646350
sample estimates:
   prop 1    prop 2
0.5000000 0.2857143


Ensuite j'ai voulu tester s'il existe une difference du mauvais entre les 0 et 1

Code:


d=sum(Tc2[2,1]+Tc2[2,2])
 
prop.test(Tc2[2,1],d,p=Tc2[2,2]/d)



 1-sample proportions test with continuity correction

data:  Tc2[2, 1] out of d, null probability Tc2[2, 2]/d
X-squared = 16.858, df = 1, p-value = 4.028e-05
alternative hypothesis: true p is not equal to 0.7142857
95 percent confidence interval:
 0.1219497 0.5231442
sample estimates:
        p
0.2857143



==> Donc j'ai interprété ça : il existe une différence du "mauvais" entre les deux classes 0 et 1 .
Mon interprétation est logique ?

Cordialement,

Dans prop.test(), l'argument p donne des proportions (probabilités), or vous donner des effectifs. Le premier test global est correct. Le second est faux.

La syntaxe correcte est:

Code:

d=sum(Tc2[2,1]+Tc2[2,2])
prop.test(Tc2[2,],n=c(d,d),p=c(.5,.5))


        2-sample test for given proportions with continuity correction

data:  tc3[2, ] out of c(d, d), null probabilities c(0.5, 0.5)
X-squared = 6.0952, df = 2, p-value = 0.04747
alternative hypothesis: two.sided
null values:
prop 1 prop 2
   0.5    0.5
sample estimates:
   prop 1    prop 2
0.2857143 0.7142857

Il y a une très légère différence, pour "mauvais".

HTH, Eric.

Je vous remercie pour votre réponse.
au fait la question du médecin était :
quelle est la matière (0 ou 1) qui permet d'avoir un "bon" ?

Ma démarche pour répondre à cette question est bonne ?( je doute dans ma configuration de table , faut pas faire le contraire?)

Cordialement,

toussaZK a écrit:quelle est la matière (0 ou 1) qui permet d'avoir un "bon" ?

Vu les résultats, globalement pas (ou très peu) significatifs, il n'y a semble t-il pas de différence entre les deux matières. C'est ainsi.

HTH, Eric.

Je vous remercie pour votre réponse.

Comme dans le prop.test on met "p=(0.5,0.5)" il faudra donc dans l’interprétation mentionné ça ? par exemple dire si la p_value <0.05 le groupe A diffère significativement du groupe B de 50 % ?

Cordialement,

Ou bien, les proportions sont les mêmes dans les deux groupes.

Eric.