Adéquation à une loi normale et normalisation des données.

Bonjour,

Je suis étudiant en deuxième année de licence de biologie et je réalise une étude sur un parasite présent chez un petit poisson.

Lors de mes traitements statistiques j'aurais besoin de comparer les moyennes du nombre de parasite par individu sur plusieurs échantillons.

Un test ANOVA m'indique qu'il y a des différences significatives entre les différents échantillons.

J'aimerais donc comparer les moyennes 2 à 2. Pour pouvoir déterminer quel test choisir il faut au préalable que je détermine si la variance des échantillons est identique ou non en employant le test de Fischer.

Cependant le test de Fischer pose comme condition que la distribution de mes échantillons suis une loi normale. Je devrais donc tester mes échantillons pour voir si leur distribution suis une loi normale ou non.

J'aimerais savoir comment normaliser les données en les transformant, dans la cas ou le test montre que la distribution de mes échantillons n'est pas normale (et donc que les conditions du test de Fischer ne sont pas remplies).

Merci d'avance pour vôtre aide.

L'ANOVA suppose aussi que les variances entre tes groupes soient égales ... Avant toutes choses il faudrait commencer par la. Après la trnasformation que tu dois adopter dépend de la la distribution de tes données. Tu peux essayer : ln(x), ln(x+1), racine carré(x), racine quatrième de x, la transformation box-cox, etc... J'imagine que tu as des données de comptage, le nombe de parasites recencés ? Si c'est le cas il est pas du tout anormal que tes données ne suivent pas par définition une loi normale.

micros

J'ai une autre question à propos de la normalisation des donnés.

Je voulais savoir si le résultat d'un test sur des données normalisées était aussi valable pour les données brut ayant servit à construire ces données normalisées.

Merci d'avance

du moment que ce ne sont pas les mêmes variables (même si l'une est issue de l'autre) tu ne peux pas extrapoler les résultats de ton test à l'autre variable.

micros

Du coup si ma variable ne suis pas une distribution normale dés le départ, je ne peut pas utiliser certains tests (comme le test de Fischer par exemple).

Il faudrait donc que j'utilise un test non paramétrique?

si ta variable est franchement non normale effectivement il vaudrait mieux passer en non paramétrique car ton test risque de te dire n'importe quoi (perte de la puissance de ce dernier).

micros