Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

ANOVA multi-facteurs

Dans cours

MSE-213: Probability and statistics for materials science

The course establishes the concepts of statistical analysis, probability theory, and data analysis. This includes standard statistical tests, correlation analysis and experimental design. It introduces computational statistical methods to analyse large dat ...

Description

Cette séance de cours couvre le concept d'ANOVA multi-facteurs, en se concentrant sur l'analyse de la variance expliquée par de multiples facteurs et leurs interactions. Linstructeur explique comment construire des modèles pour prédire les résultats en fonction de différents niveaux de facteurs et comment interpréter les résultats en utilisant les valeurs F. La séance de cours explore également la signification des interactions factorielles et fournit des conseils pratiques sur la décomposition de la somme totale des carrés. Grâce à des exemples et des formules, les étudiants apprennent à appliquer ANOVA multi-facteurs dans des scénarios réels.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Source officielle

Concepts associés (32)

Analyse de la variance

En statistique, lanalyse de la variance (terme souvent abrégé par le terme anglais ANOVA : analysis of variance) est un ensemble de modèles statistiques utilisés pour vérifier si les moyennes des groupes proviennent d'une même population. Les groupes correspondent aux modalités d'une variable qualitative (p. ex. variable : traitement; modalités : programme d'entrainement sportif, suppléments alimentaires; placebo) et les moyennes sont calculés à partir d'une variable continue (p. ex. gain musculaire).

Test F

En statistique, un test F est un terme générique désignant tout test statistique dans lequel la statistique de test suit la loi de Fisher sous l'hypothèse nulle. Ce type de tests est souvent utilisé lors de la comparaison de modèles statistiques qui ont été ajustés sur un ensemble de données, afin d'identifier le modèle qui correspond le mieux à la population à partir de laquelle les données ont été échantillonnées. Les tests F dits "exacts" sont ceux pour lesquels les modèles ont été ajustés aux données par la méthode des moindres carrés.

Loi de Fisher

En théorie des probabilités et en statistiques, la loi de Fisher ou encore loi de Fisher-Snedecor ou encore loi F de Snedecor est une loi de probabilité continue. Elle tire son nom des statisticiens Ronald Aylmer Fisher et George Snedecor. La loi de Fisher survient très fréquemment en tant que loi de la statistique de test lorsque l'hypothèse nulle est vraie, dans des tests statistiques, comme les tests du ratio de vraisemblance, dans les tests de Chow utilisés en économétrie, ou encore dans l'analyse de la variance (ANOVA) via le test de Fisher.

Variance (mathématiques)

vignette|Exemple d'échantillons pour deux populations ayant la même moyenne mais des variances différentes. La population en rouge a une moyenne de 100 et une variance de 100 (écart-type = SD = standard deviation = 10). La population en bleu a une moyenne de 100 et une variance de (écart-type = SD = 50). En statistique et en théorie des probabilités, la variance est une mesure de la dispersion des valeurs d'un échantillon ou d'une variable aléatoire.

Espérance mathématique

En théorie des probabilités, l'espérance mathématique d'une variable aléatoire réelle est, intuitivement, la valeur que l'on s'attend à trouver, en moyenne, si l'on répète un grand nombre de fois la même expérience aléatoire. Elle se note et se lit . Elle correspond à une moyenne pondérée des valeurs que peut prendre cette variable. Dans le cas où celle-ci prend un nombre fini de valeurs, il s'agit d'une moyenne pondérée par les probabilités d'apparition de chaque valeur.

Afficher plus

Séances de cours associées (55)

Comprendre les statistiques et le design expérimental

Couvre la théorie des probabilités de base, ANOVA, la conception expérimentale et les erreurs de déclaration statistique.

Statistiques essentielles: ANOVA

Couvre l'essentiel de l'ANOVA, expliquant son concept, ses calculs, ses hypothèses et l'interprétation des résultats.

Analyse de la variance (ANOVA)

Couvre l'analyse de la variance (ANOVA) pour évaluer les effets variables catégoriels sur les résultats quantitatifs.

Statistiques essentielles: ANOVA bidirectionnelle

Couvre l'essentiel de l'ANOVA bidirectionnelle, en se concentrant sur le calcul des variables de décision et la vérification des hypothèses.

Probabilités avancées : Variables aléatoires et valeurs attendues

Explore les probabilités avancées, les variables aléatoires et les valeurs attendues, avec des exemples pratiques et des quiz pour renforcer l'apprentissage.

Afficher plus

Concepts associés (32)

Analyse de la variance

Test F

Loi de Fisher

Variance (mathématiques)

Espérance mathématique

Afficher plus