Anova

sous-facteurs (annexe E et F). À partir du score à l’échelle de psychopathie et de l’attribution du type d’ajustement carcéral, cela a permis de procéder à différentes analyses statistiques. Une première comparaison a été établie à l’aide du test ANOVA. Cet outil permettait de vérifier les éventuelles différences entre les groupes de détenus constitués à partir de la typologie et les moyennes des scores à l’échelle de psychopathie. Un test t de Student a également été effectué à partir des moyennes

trait Les groupes ayant un trait de culpabilité élevé et faible ont été partagé selon la moyenne (media split). Contrôle de l’état émotif Afin d’évaluer le contrôle de l’état émotif des participants, nous avons effectué une analyse de variance (ANOVA), 22 (état émotif sentiment de culpabilité comme trait), sur les résultats concernant le sentiment de culpabilité comme état. L’expérience s’est révélée efficace, comme le montre un sentiment de culpabilité qui est plus élevé après le récit par le

Dietary Fiber (fibres alimentaires solubles) TDF : Total Dietary Fiber (fibres alimentaires totales) UFC : Unités Formant Colonies WHC: Water Holding Capacity (capacité de retention d’eau) Termes statistiques ACP: Analyse en Composantes Principales ANOVA : Analysis of Variance (analyse de la variance) ddl : dégré de liberté F : valeur de Fisher LSD : Least Significant Difference p : probabilité SD : Standard Deviation (déviation standard) Tables des matières Echantillons LAH1 : échantillons des

fonctions statistiques incluses dans le logiciel de base sont les suivantes :     Statistiques descriptives : Tableau croisé, Fréquences, Descriptifs, Découverte, Statistiques descriptives du quotient Statistique bivariée : Moyennes, Test t, ANOVA, Corrélation (bivariée, partielle, distances), Tests non paramétriques Prédiction pour résultats numériques : Régression linéaire Prédiction pour groupes identifiants : Analyse de facteur, Analyse de groupe (deux pas, moyenne K, hiérarchique), Analyse

XIR et ∅ e RNKoho XIR et ∅ 1 Une variables explicative qualitative a 2 modalit´ s (0,1) peut etre consid´ r´ e comme quantitative ; c’est l’indicatrice des modalit´ s. ` ˆ e ee e 79 80 i. Mod` le lin´ aire g´ n´ ralis´ e e e e e XIR et Y ANOVA XE et Y RLM ACOVA XIR∪E et Y Rlogi XIR∪E et Z Lglin XT et T ii. Analyse discriminante ADpar/nopar XIR et T iii. Classification and regression Tree ArbReg XIR∪E et Y Chapitre 11. Conclusion ArbCla XIR∪E et T iv. R´ seaux neuronaux e percep XIR∪E

scores et l’erreur type du coefficient qui est de 1,261. L’hypothèse qu’on peut avancer est que l’investissement en éducation (variable indépendante) a une influence positive sur la valeur exportée (variable dépendante). En faisant l’analyse ANOVA pour déterminer si le modèle est statistiquement significatif, nous constatons que la valeur critique se situe entre 11,97 et 11,38 pour un niveau de signification de 0,001. Puisque F observé est supérieur au F critique (14,108 > 11,38), l’hypothèse

....---_.:..---..:.._--.....::::~ X 100 (masse de chair humide (g) 2.13 Analyses statistiques La normalité des résidus a été vérifiée à l'aide du test de Kolmogorov-Smirnov et l'homogénéité des variances, à l'aide du test de Levene. Des ANOVA à un facteur et des tests à posteriori de Bonferroni ont été effectués pour comparer les concentrations de stéroïdes (testostérone, 17p-oestradiol et progestérone) et de réserves énergétiques, ainsi que les rapports testostérone/oestradiol, entre

le niveau de leurs intensités. 4.2.2.2.3. Variables qualitatives et quantitatives Dans les cas où les données à traiter sont à la fois quantitatives et qualitatives, le test utilisé le plus souvent est l’analyse des variances (test F ou Anova) qui permet de tester la significativité des différences de moyennes observées (variables quantitatives) dans des échantillons bien différenciés (variables qualitatives) 4.3. L’étude de cas Toutes les informations recueillies auprès d’un patient

être propres à une procédure et à un type de résultat donnés, ou s’appliquer à des types de résultats spécifiques de différentes procédures. Vous pouvez, par exemple, avoir un autoscript qui formate les tableaux ANOVA produits par une analyse ANOVA à un facteur, ainsi que les tableaux ANOVA produits par d’autres procédures statistiques. En revanche, Effectifs produit à la fois un tableau d’effectifs et un tableau de statistiques, et vous pouvez choisir d’avoir un autoscript différent pour chaque tableau

banques qui leur permettent de lever des fonds plus importants. Sur ce point, nous avons fait une ANOVA à un facteur sur notre échantillon de 163 fonds FCPI pour voir s’il existe une différence entre la taille des fonds gérés par les sociétés de gestion indépendantes et celles des fonds gérés par les sociétés filiales. Le tableau 22 suivant montre bien que cette différence existe. Tableau 22 : L’analyse ANOVA à un facteur de la différence de taille entre les fonds gérés par les sociétés indépendantes