Utilisez les figures uniquement pour les résultats particulièrement importants par rapport à vos hypothèses. N'abusez jamais des figures. Ne les utilisez que si elles aident à comprendre les résultats. Par exemple, pour comparer les moyennes de deux groupes, on n'a pas besoin d'une figure.
Interpréter des résultats signifie donner du sens aux résultats et nous permettre de verifier si notre hypothèse est vraie ou fausse. Comparer les expériences 2 à 2 : on compare l'expérience témoin avec une autre expérience. Les 2 expériences comparées ne doivent avoir qu'UNE SEULE DIFFERENCE !
Le texte doit expliquer de quoi il s'agit, qui est concerné, quand cela s'est passé, où cela se passe, quel est l'objectif de l'enquête ou de l'étude, avec quels moyens ou comment s'est déroulé l'action.
Le résultat noté F. La signification notée p : cette valeur, obtenue grâce aux données ddl et F, constitue le rapport de variance qui confirme ou qui infirme l'hypothèse testée. Si la valeur de p est inférieure à 0,05, l'hypothèse nulle, selon laquelle les moyennes sont égales, peut être vraisemblablement rejetée.
L'analyse et l'interprétation des résultats constituent l'étape qui permet la comparaison quantitative ou qualitative des différentes solutions envisagées sur une base rationnelle. Il est donc essentiel que l'ingénieur se fonde sur une approche systématique et rigoureuse.
Hiérarchisez vos résultats.
Montrez-le avec une figure. Puis exposez les résultats qui soutiennent ce résultat majeur. Ensuite, parmi les résultats fiables ayant un lien ténu ou indirect avec l'hypothèse, vous pouvez en choisir un s'il ajoute une valeur à votre démonstration.
Il existe plusieurs formes possibles de présentation visuelle des résultats: tableaux, graphiques, histogrammes, diagrammes à barres horizontales et verticales, diagrammes circulaires, cartes, pictogrammes et bandes dessinées. Le choix dépend de la nature de l'information à présenter et de l'auditoire visé.
Le test t est utilisé lorsque vous devez trouver la moyenne de la population entre deux groupes, tandis que lorsqu'il y a trois groupes ou plus, vous optez pour le test ANOVA. Le test t et l'ANOVA sont tous deux des méthodes statistiques permettant de tester une hypothèse.
L'analyse de la variance (ANOVA) univariée est une méthode statistique permettant de comparer des moyennes de trois groupes ou plus.
Il est possible de l'interpréter comme la dispersion des valeurs par rapport à la moyenne. Concrètement, la variance est définie comme la moyenne des carrés des écarts à la moyenne. La considération du carré de ces écarts évite que s'annulent des écarts positifs et négatifs.
On résume souvent une série statistique par un indicateur de position (dit aussi paramètre de tendance centrale) associé à un indicateur de dispersion. Deux choix sont couramment proposés : Le couple (moyenne ; écart type).
Les résultats de l'étude qualitative sont généralement décrits avec des mots, mais il est aussi possible d'utiliser des tableaux, graphiques ou des images.
Globalement, présenter les résultats d'une enquête exprime de manière concise et synthétique le contexte, les raisons de l'enquête puis ses méthodes, ses résultats et ses conclusions principales, puis les discute, en imagine les prolongements (2).
Plusieurs étapes sont nécessaires pour lire un tableau. Il faut en repérer la source, l'auteur, la date de publication, le champ (population étudiée, date des données, lieu concernant les données). Il s'agit ensuite de comprendre les données. Pour cela, il peut être utile de repérer le total en lignes ou en colonnes.
L'analyse de variance permet simplement de répondre à la question de savoir si tous les échantillons suivent une même loi normale. Dans le cas où l'on rejette l'hypothèse nulle, cette analyse ne permet pas de savoir quels sont les échantillons qui s'écartent de cette loi.
Les tests que vous pouvez utiliser sont alors le test de Student ou le test de Wilcoxon-Mann-Whitney, selon si les groupes suivent une distribution normale (en forme de cloche). Si vous avez plus de deux groupes dans votre étude, comme l'ethnicité (africaine, asiatique, blanche, etc.)
Le principe de l'ANOVA sur mesures répétées est simple, on va effectuer T ANOVA classique sur chaque répétition t1,…, tT et ensuite on va tester la sphéricité de la matrice de covariance entre les répétitions en utilisant le test de Mauchly et les epsilons de Greenhouse-Geisser et Huynt-Feldt.
Un test paramétrique est un test pour lequel on fait une hypothèse paramétrique sur la loi des données sous H0 (loi normale, loi de Poisson...); Les hypothèses du test concernent alors les paramètres de cette loi. Un test non paramétrique est un test ne nécessitant pas d'hypothèse sur la loi des données.
Interpréter les résultats d'un test F de Fisher pour comparer la variance de deux échantillons. Les résultats qui apparaissent dans une nouvelle feuille montre qu'il faut rejeter l'hypothèse H0 car la p-value est de 0,009 qui est inférieure à la limite de 0,05.
Ouvrir XLSTAT. Sélectionner la commande XLSTAT / Modélisation / Analyse de la Variance (ANOVA). Une fois le bouton cliqué, la boîte de dialogue correspondant à l'ANOVA apparaît. Sélectionner les données sur la feuille Excel.
le fait de présenter des données sous différentes formes visuelles (p. ex. tableau, graphique à barres, graphique linéaire) permet d'observer et de décrire les tendances et les régularités; cette démarche est interconnectée avec des habiletés comme résumer, comparer ou différencier, inférer, évaluer et conclure.
Vous pouvez facilement afficher toutes les données de réponse pour votre questionnaire dans Microsoft Excel. Sélectionnez Ouvrir dans Excel l'onglet Réponses. Dans votre Excel, les détails de chaque question de votre questionnaire sont représentés en colonnes et chaque réponse est affichée dans une ligne.