évaluer la dispersion de 2 valeurs

Bonjour

Je fais une série de test sur des échantillons biologiques. Chaque échantillon est testé 2 fois au cours de la même manip et on obtient donc 2 valeurs. Je souhaite évaluer la dispersion de chaque paire de valeur et éventuellement les écarter si trop dispersées, comment faire ?

On m'a conseillé de calculer le coeff de variation de chaque paire mais ça ne me paraît pas valable. Qu'en pensez vous ?

Merci

Bonjour.

A ton avis, 2 et 10 sont-ils dispersés ? et 152 et 160 ?

Tu devrais préciser ce que tu vas prendre comme critère pour décider qu'une paire est "trop dispersée".

Cordialement.

Merci pour ta réponse, je me suis mal exprimé dans ma 1ère question, désolé. Dans un premier temps, je souhaite simplement classer les dispersions. Dans ton exemple et si on prend le CV, on aurait :

paire 2-10 : CV=94%
paire 152-160 : CV=3,6% (sous réserve d'erreurs de calcul)

on voit que la paire 152-160 est moins dispersée. Mais cette méthode est-elle valable pour seulement 2 valeurs ?

Et pourtant !

Si les valeurs possibles vont de -10 à 10 pour la paire 2-10, et de 150 à 160 pour la paire 152-160, c'est la deuxième qui est la plus dispersée, puisque la différence vaut 80% de l'étendue, contre 40% pour la première.

En pratique, plutôt qu'essayer de trouver une règle statistique générale (donc forcément inadaptée dans certains cas), il vaudrait mieux essayer de savoir quel écart est admissible et quel écart doit faire rejeter la paire. Et ceci en fonction des conditions d'expérience.

Cordialement.

Merci

Euh, je ne comprends pas ton raisonnement ; pour la paire 2-10, les valeurs sont 2 et 10.

Je suis d'accord avec toi pour essayer de savoir quel est l'écart admissible, mais sur quelle base ?

Je n'ai jamais dit le contraire. mais 2 et 10, ça ne veut rien dire. D'une part, 2km et 10 km, c'est 2000 et 10000 (en m). D'autre part, vu de la lune, 2km ou 10 km, sur la terre, c'est juste à côté.
La dispersion n'a de sens que dans un contexte donné. Pour des événements rares, 1 cas, ou 2 cas c'est très différent. pour les jours d'absence de collégien, c’est quasiment la même chose.

Cordialement.

NB : Tant que tu restes dans l'abstrait, ça ne sert pas à grand chose de parler.

NBB : Tu n'as pas vraiment lu : "Si les valeurs possibles vont de -10 à 10 pour la paire 2-10,"

Merci, j'ai manqué de clarté. mais 2 et 10 sont les valeurs obtenues dans mon système (il n'est pas question de valeur possibles mais des valeurs inscrites sur l'écran), je n'ai pas d'autres informations ;

Par exemple j'ai 3 balances et 2 poids inconnus, je pèse ces 2 poids 2 fois sur chaque balance et je veux savoir quelle balance donne le moins de dispersion (peu importe l'exactitude)
je calcule l'écart type de chaque valeur de la paire de pesée et je le divise par la moyenne, j'obtiens le CV ; je refait la même chose avec les 2 poids sur les 3 balances je veux simplement classer ces paires en fonction de leur dispersion, après je jugerai si c'est beaucoup ou peu dispersé. Le contexte est celui de la comparaison de ces dispersion

En d'autres termes : est-il possible de mesurer la dispersion de 2 valeurs ?

Pour être franc, je pense que ce raisonnement est faux : calculer un CV sur seulement 2 valeurs n'a pas de sens en stat, il faut beaucoup plus de données pour avoir une distribution normale

Ok.

Si les poids sont les mêmes sur les balances, seul l'écart compte. Ou bien, si tes deux poids sont d'ordres de grandeur différents, l'écart relatif (écart divisé par un des deux nombres).

Sinon, le coefficient de variation n'a rien à voir avec la loi Normale.

"En d'autres termes : est-il possible de mesurer la dispersion de 2 valeurs ?" Pourquoi re-généralises-tu une notion bien claire ? Ton problème est d'analyser la reproductibilité de tes balances, pas de faire une théorie.

Cordialement.

Dire que le coeff de variation (et donc l'écart type) n'a rien à voir avec la loi normale me paraît un raccourci un peu rapide, non ?

Merci de t'être penché sur mon problème, je vais m'arrêter là

Bonjour,

A mon avis, tu devrais calculer le coefficient de corrélation intraclasse qui permet d'évaluer la reproductibilité des mesures. Ensuite, il existe un algorithme qui permet d'exclure les couples pour lesquels les valeurs sont trop discordantes. La méthode est présentée ici :
http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0027557
Même si le contexte de l'article est un peu différent, je pense que cela peut t'être utile.

Ayana