Test de fisher avec boucle

Bonjour,

J'ai un jeu de données type ça :


Jusque là tout va bien.
L'idée serait de tester si les pics sont significatifs par rapport aux autres via un test de fisher.
Pour cela je dois créer une fenêtre ( temporelle dans mon cas ) encadrant le pic "0312" pour le comparer aux autres.
Il faut donc que je crée une boucle.
Des idées ?
Merci bien
Jesk

Salut jesk34, personnellement je ne comprends pas ta problématique, un travail sur les tables de fréquence avec un test de liaison ne suffirait-il pas à montrer qu'il n'y a pas distribution aléatoire de ton effectif et cette figure permettrait de dire pourquoi?

J'avais commencé par faire ça, mais on m'a dit que ce n'était pas suffisant comme "preuve" de significativité et qu'il fallait que je fasse une test de fisher pour cela.

Est-ce que "on" a des arguments statistiques? Et un test de Fisher sur quoi?

On est en mission depuis 2 semaines dans le fin fond de perpette les olivettes.
Donc l'argument statistique je l'ai pas.

Perso je pense qu'un chi2 peut passer sur ces datas là et que les parts de contribution suffiront comme argument. Le souci c'est que là si tu regroupes tes données qui sont distribuées aléatoirement versus ton pic tu vas avoir un test non significatif, à moins que tu puisses le pondérer en fonction du nombre de séquence prise en compte et à ce moment là tu peux mais je sais pas si ça se fait. Personnellement j'ai toujours démontrer qu'il n'y avait pas de distribution aléatoire puis user d'une représentation graphique pour préciser pourquoi, et puis faut être de mauvaise foi pour demander plus qu'un test + un graphe comme celui-là en terme d'arguments. Après je sais peut-être tout simplement pas comment démontrer ce qu'on te demande...

Éventuellement, tu peux supprimer ton pic et faire ton test exact de Fisher sans puis avec et mettre en avant la différence de p-value.

Dans tous les cas, ça dépend du logiciel que tu utilises, mais si tu as fait un chi-deux et que les conditions d'applications n'étaient pas remplies (effectifs théoriques >5), tu as dû avoir un test exact de Fisher fait automatiquement ou un message d'erreur. Sinon le chi-deux est amplement suffisant. Mais vue la tête de tes données, et surtout la taille de tes effectifs, l'un ou l'autre ne devrait pas changer grand chose. Et je suis d'accord avec joyeux_lapin, il ne faut pas regrouper les données

mes 2 sous...

dans un cas comme celui-là on est en plein dans la stat pour la stat. Je veux pas être méchant mais quand le pic le plus élevé dépasse à peine le 140 alors que celui qui t'intéresse est à quasiment 650, c'est un peu comme mettre un carré noir et un blanc à côté et demander quel est le plus foncé statistiquement...
Bref si tu as des critiques sur ton observation, la seule chose qui va être mise en évidence statistiquement c'est l'imbécilité de celui qui fait la critique.

Nik

C'est évident... Le problème c'est la connerie des reviewers quand on veut publier ou des cons en congrès qui demandent où est la p-value... Le statisticien doit malheureusement toujours céder envers un consensus mou... C'est son drame ;-)

Je ne suis pas tout à fait d'accord avec ça. C'est vrai si la finalité c'est de publier hors à mon avis, la finalité doit être la pertinence du résulat. Il ne faut pas hésiter à démonter le travail des reviewers qui racontent souvent n'importe quoi quand ils rentrent dans des considérations aussi absurdes.

Il y a des travaux pour aller dans ce sens, voir par exemple le travail de Bob O'hara et un de ses post sur son blog : ICI

Nik

Pour revenir au sujet, tu peux éventuellement mettre en évidence deux pentes significativement fortes à l'endroit du pic.

Merci Nik pour ce lien
Il est bien évident qu'il faut refuser les choses non pertinentes (comme par exemple, des courbes ROC sur la survie, que l'on voit pourtant dans des articles médicaux, l'utilisation de "change-score"...), ou des stats sur des échantillons minuscules. Après, dans un cas comme celui de ce topic, un test est inutile car c'est évident que la répartition n'est pas aléatoire, mais ce n'est pas faux de faire un test. Malheureusement, par expérience, je sais que même en donnant des références scientifiques aux reviewers pour leur montrer que leurs requètes ne sont pas pertinentes ils répondent trop souvent par des arguments d'autorité du type "untel l'a fait dans un article publié dans Science"... C'est malheureux mais hélas très courant encore et la sacro-sainte p-value est loin de descendre de son piédestal...

bref,

Je ne suis pas compétent là dedans mais en analyse de signal, je crois qu'il y a des outils pour ce genre de chose.

Nik

En effet, on est pas obligé de faire un test de fisher absolument.
Du coup on peut faire quoi comme test là ?
En fait, je compte le nombre de billes que j'ai par niveau mais ce nombre est ramené en influx donc ce sont des variables continues. Je voudrais prouver donc qu'à 0312 j'ai une différence de pic.
Et ça ne suit pas une loi normale.
Parce que le test du khi² ce sont pour des variables nominales non ?