Frédéric Bertrand Magistère 2ème année - 2007/2008

T. P. no 5
Analyse de la variance

Exercice 1. Mangez des pommes !

Nous souhaitons comparer la teneur en vitamine C de cinq variétés de pommes

notées V1 , V2 , V3 , V4 et V5 . Pour chaque variété la teneur en vitamine C, exprimée
en mg/(100g) a été mesurée dans cinq pommes prises au hasard. Nous obtenons les
données suivantes regroupées dans le tableau ci-dessous :

V1 V2 V3 V4 V5
93, 6 95, 3 94, 5 98, 8 94, 6
95, 3 96, 9 97, 0 98, 2 97, 8
96, 0 95, 8 97, 8 97, 8 98, 0
93, 7 97, 3 97, 0 97, 2 95, 0
96, 2 97, 7 98, 3 97, 9 98, 9
Qu’est-il possible de conclure ?
Pour répondre à cette question, vous allez procéder à une analyse de la variance à
un facteur fixe.
1. Pourquoi faut-il faire ici une analyse de la variance à un facteur fixe et non
pas une analyse de la régression linéaire ?
2. Écrire le modèle statistique de l’analyse de la variance à un facteur.
3. Quelles sont les hypothèses que vous faites pour pouvoir appliquer la théorie
du modèle linéaire ? Sont-elles vérifiées ?
4. Calculer, à l’aide du logiciel R, le tableau de l’ANOVA correspondant à cette
étude.
5. Réaliser le test de Fisher au seuil de significativité 5% puis de 1%. Qu’en
déduisez-vous ?
6. Donner une estimation de la variance σ 2 .
7. Dans le cas de cette étude, pouvez-vous faire des comparaisons multiples ? Si
oui, pourquoi ? Et dans le cas de l’affirmatif, réaliser alors les comparaisons.
Que pouvez-vous conclure ?

Exercice 2. D’après Prum. Modèle linéaire. Comparaison de groupes et

régression. Les éditions INSERM, 1996.

Nous souhaitons comparer trois traitements, notés A, B et C contre l’asthme : le

traitement B est un nouveau traitement, que nous souhaitons mettre en compétition
avec les traitements classiques A et C. Nous répartissons par tirage au sort les
patients venant consulter dans un centre de soin, et nous leur affectons l’un des trois
1
Frédéric Bertrand Magistère 2ème année - 2007/2008

traitements. Nous mesurons sur chaque patient la durée, en jours, séparant de la

prochaine crise d’asthme. Les mesures sont reportées dans le tableau ci-dessous :
Traitement A Traitement B Traitement C
26; 27; 35; 36 29; 42; 44; 44 26; 26; 30; 30
38; 38; 41; 42 45; 48; 48; 52 33; 36; 38; 38
45; 50; 65 56; 56; 58; 58 39; 46; 47; 51
60; 61; 63; 63 51; 56; 75
69
Pouvons-nous conclure que les traitements ont une efficacité différente pour le critère
« temps séparant la prochaine crise ? »
Pour répondre à cette question, vous procéderez à nouveau à une analyse de la
variance à un facteur fixe. Reprenez les questions de l’exercice 1 et concluez.
Une remarque : quelle est la différence entre l’exercice 1 et l’exercice 2 ?

Exercice 3. Et pour finir : génotype.

Scheffé (1959, pp. 140–141) a reproduit les données d’une expérience destinée à
étudier les variations dans la masse, en g, de rats femelles hybrides en fonction du
génotype de la mère nourricière de la portée et du génotype de la portée. Il s’agit des
masses moyennes des individus femelles de 61 portées en fonction du génotype de la
mère nourricière de la portée et du génotype de la portée. Précisons que les portées
proviennent de mères distinctes et n’ont pas eu les mêmes mères nourricières.
1. Télécharger le fichier foster du package HSAUR à l’aide de la commande
suivante : data(foster,package="HSAUR").
2. Afficher-le à l’écran.
3. Combien de lignes ? Combien de colonnes ? Quel est le type de chaque co-
lonne ?
4. Vous remarquez qu’il y a deux facteurs dans ce data.frame. Nous souhaitons
étudier le gain de masse en fonction de ces deux facteurs à l’aide d’un modèle
de l’analyse de la variance. Il se pose alors la question naturelle de savoir
si le plan est équilibré ou déséquilibré ? Quel type d’analyse de la variance
pouvez-vous faire sous réserve que les conditions soient vérifiées ? À deux
facteurs avec interaction ? À deux facteurs sans interaction ?
5. Exécuter la ligne de commande suivante :
plot.design(foster)
Remarque : Faire un help de plot.design.
6. La figure que vous venez d’obtenir indique que les différences dans les poids
pour les quatre niveaux du génotype de la mère sont substancielles. Les
différences correspondantes pour le génotype de la lignée sont plus petites.
Nous allons appliquer une analyse de la variance en utilisant la fontion aov,
mais dans ce cas présent une complication apparait du au fait que le plan
n’est pas équilibré. Ici, le nombre d’observations est différent dans chaque
groupe. Par conséquent, il n’est plus possible de partitionner la variation que
l’on observe dans le jeu de données en des sommes de carrés orthogonales
2
Frédéric Bertrand Magistère 2ème année - 2007/2008

représentant les effets principaux et les interactions.

Dans un plan déséquilibré d’analyse de la variance à deux facteurs notés A
et B, il y a une proportion de la variance de la variable réponse qui peut
être attribuée soit au facteur A, soit au facteur B. La conséquence est que
les facteurs A et B ensemble expliquent moins de variation de la variable
dépendante que la somme de chacun explique à elle seule.
Nous allons maintenant envisager deux types d’analyse de la variance. Exé-
cuter à la suite les lignes de commande suivantes :
>summary(aov(weight∼litgen*motgen,data=foster))
et
>summary(aov(weight∼motgen*litgen,data=foster))
Qu’observez-vous ? Il y a une petite différence dans la somme des carrés pour
les deux effets principaux, et par conséquent, dans la statistique de Fisher et
dans la p-valeur. En fait, cette différence qui apparait est due au type de la
somme des carrés qui est calculé. Ici la fonction aov calcule une somme de
carrés de type I.
Vous pouvez lire cet extrait suivant :
« Le tableau Type I SS est construit en ajoutant les variables une à une dans
le modèle, et en évaluant l’impact sur la somme des carrés du modèle. De ce
fait, l’ordre dans lequel les variables sont entrées dans le modèle influe sur les
résultats obtenus. Le tableau Type III SS est calculé en enlevant ponctuelle-
ment chacune des variables du modèle, toutes les autres étant présentes, afin
d’évaluer l’impact de la variable supprimée sur le modèle. Ainsi, les valeurs
obtenues dans le tableau Type III SS sont indépendantes de l’ordre dans
lequel sont sélectionnées les variables. Le tableau Type III SS est souvent
préféré pour l’analyse des résultats d’un modèle avec interactions. »
Il ne reste plus qu’à savoir comment calculer les sommes de carrés de Type
III. Il est nécessaire d’utiliser la fonction Anova (attention avec un A majus-
cule du package « car »).
La ligne de commande à exécuter est la suivante :
>Anova(aov(weight∼motgen*litgen,data=foster), type="III")
7. La représentation graphique classique pour une analyse de la variance se fait
à l’aide des lignes de commande suivantes :
>layout(matrix((1 :4), nrow=2, ncol=2, byrow=T))
>plot(aov(weight∼motgen*litgen,data=foster))
8. Il est évident qu’il faut absolument vérifier les hypothèses classiques d’une
analyse de la variance paramétrique. Pour cela, exécuter les lignes de com-
mande suivantes :
>residus<-residuals((aov(weight∼litgen*motgen,data=foster)))
>qqnorm(residus)
>qqline(residus)
>shapiro.test(residus)
>library("car")
> bartlett.test(residus∼litgen*motgen,data=foster)
Remarque : Le test de Bartlett est un test d’égalité des variances construit
pour comparer au moins 3 échantillons. Indiquons également que le test de
3
Frédéric Bertrand Magistère 2ème année - 2007/2008

Fisher d’égalité des variances a pour commande « var.test (échantillon 1,

échantillon 2) ».
9. Enfin, nous pouvons calculer les estimations des coefficients du modèle en
exécutant la ligne de commande suivante :
>coefficients(aov(weight∼motgen*litgen, data=foster))
10. Nous pouvons aussi calculer les valeurs ajustées en exécutant la ligne de
commande suivante :
>fitted.values(aov(weight∼motgen*litgen, data=foster))
11. Les « anovas » conduisent à dire qu’il y a un effet principal du facteur
« motgen », qui signifie que le génotype de la mère ou encore que le fac-
teur « génotype de la mère » est significatif au seuil α = 5%.
Maintenant, nous souhaitons savoir quelles sont les différences entre les effets
des différents niveaux du facteur. Pour cela, nous allons avoir recours à des
tests de comparaison multiples. Choisissons un des modèles d’analyse de la
variance.
>foster aov<-aov(weight∼litgen*motgen,data=foster)
Puis exécuter les lignes de commande suivantes :
>foster hsd<-TukeyHSD(foster aov,"motgen")
>foster hsd
Qu’observez-vous ? Que concluez-vous ?

Exercice 4. Quatre modèles de machines à écrire

Une entreprise cherche à tester quatre modèles de machines à écrire. Pour faire ce
test, elle demande à cinq secrétaires professionnelles de taper un texte pendant 5
minutes. À la fin du test, on compte le nombre moyen de mots tapés en une minute.
On répète l’expérience le lendemain.
Les résultats (nombre moyen de mots par minute) sont présentés dans le tableau au
verso.
Secrétaires
Machines à écrire 1 2 3 4 5
1 33 31 34 34 31
36 31 36 33 31
2 32 37 40 33 35
35 35 36 36 36
3 37 35 34 31 37
39 35 37 35 40
4 29 31 33 31 33
31 33 34 27 33

Soit le modèle :
yi,j,k = µ + αi + βj + γi,j + i,j,k
avec i = 1, 2, 3, 4, j = 1, 2, 3, 4, 5 et k = 1, 2 et où α correspond à l’influence de la
machine à écrire, β l’influence de la secrétaire et γ l’interaction entre la machine i
et la secrétaire j.
4
Frédéric Bertrand Magistère 2ème année - 2007/2008

1. On considère la forme matricielle du modèle :

y = Xβ + .
Écrire le vecteur y et la matrice X en tenant compte des contraintes habi-
tuelles pour que la matrice soit inversible.
2. Tester les trois hypothèses nulles suivantes :
(i) Que cherche-t-on à tester avec les deux hypothèses suivantes ?
H0 : α1 = α2 = α3 = α4
contre
H1 : les valeurs des αi ne sont pas toutes égales, i = 1, 2, 3, 4.
(ii) Que cherche-t-on à tester avec les deux hypothèses suivantes ?
H0 : β1 = β2 = β3 = β4 = β5
contre
H1 : les valeurs des βj ne sont pas toutes égales, j = 1, 2, 3, 4, 5.
(iii) Que cherche-t-on à tester avec les deux hypothèses suivantes ?
H0 : γ1,1 = γ1,2 = · · · = γ1,5 = γ2,1 = · · · = γ4,5
contre
H1 : les valeurs des γi,j ne sont pas toutes égales, i = 1, 2, 3, 4 et j = 1, 2, 3, 4, 5.