Discussion :

[Mill5]

Bonjour à tous,

j'ai programmé sous SAS (SEG pour être précis) des tests de KS via une proc npar1way.
Le problème (de taille) auquel je suis confronté est que je ne sais pas interpréter les outputs de SAS.
Quelle est la règle de décision du test? Est ce lié uniquement à la p-value (Pr>KSa, dans l'output SAS) ou également aux autres variables?

Merci infiniment pour votre aide.
Mill.

[frajen]

Bonjour,

Pour le test de Kolmogorov-Smirnov, SAS propose la p-value associé au test asymptotique (qui est généralement le plus approprié, KSa). La règle de décision se fait donc à partir de cette valeur comme le montre bien cet exemple tiré de la documentation en ligne SAS sur cette procédure et ce test en particulier.

http://support.sas.com/documentation...ay_sect021.htm

Cordialement,
Jérémy Noël

[Mill5]

Bonjour,

mille mercis Jérémy.
J'en déduis donc que pour valider mon hypothèse H0, ma p-value doit être la plus grande possible.

Encore merci.
Mill.

[fafabzh6]

Attention, le but des tests statistiques est de rejeter l'hypothèse H0 et non de valider celle-ci. Lorsque ta p-value est supérieure à ton seuil fixé (par exemple 5%) on dit que tu ne peux pas rejeter H0 et non que tu peux accepter H0.

[Mill5]

Merci.
Et donc un test de Kolmogorov-Smirnov ne peut donner aucune indication sur la similarité entre deux lois empiriques (autre que l'absence de rejet)?

[olivier.decourt]

Par essence, un test statistique ne permet que de rejeter une hypothèse. Dans le cas contraire (p-value "forte", supérieure à un seuil fixé d'avance), on ne peut que considérer l'hypothèse comme "plausible", en attendant un futur rejet éventuel, mais jamais comme "vraie".

On peut avoir une idée graphique de la proximité de deux distributions avec une proc KDE (avec dans un BY la variable qui est dans CLASS dans ta proc NPAR1WAY) et superposer ensuite les 2 courbes de densité (proc GPLOT ou SGPLOT).

[Mill5]

Merci beaucoup Olivier.
Je teste cela sur le champ.

[fafabzh6]

Par essence, un test statistique ne permet que de rejeter une hypothèse. Dans le cas contraire (p-value "forte", supérieure à un seuil fixé d'avance), on ne peut que considérer l'hypothèse comme "plausible", en attendant un futur rejet éventuel, mais jamais comme "vraie".

On peut avoir une idée graphique de la proximité de deux distributions avec une proc KDE (avec dans un BY la variable qui est dans CLASS dans ta proc NPAR1WAY) et superposer ensuite les 2 courbes de densité (proc GPLOT ou SGPLOT).

C'est exactement ça, c'est pourquoi il faut toujours faire attention aux conclusions à donner à la suite de résultats statistiques.