Salut jean7,
Tu dis :
Je lui ai aussi suggéré de constituer une échelle d'évaluation non binaire.
C'est un peu limite, mais en général, on gagne en précision car on a une meilleur restitution de la variabilité.
Parfaitement d'accord. C'était le commentaire # 2 de
mon message d'il y a 8 jours.
Je pense que la façon la plus directe de tester l'hypothèse
"aucun effet", c'est de le traiter dans un cadre d'échantillonnage.
Si les taux de pourrissement des N pots sont évalués à X
1, X
2, ... , X
N, (moyenne μ et écart-type σ), et si, de cette population de taille N on tire un échantillon aléatoire de taille n, alors la moyenne de ces n données vaudra, en moyenne, le même μ que pour la population, et son écart-type sera
(Réf. vers les ¾ de
cette page).
Par exemple, si n=7 pots (parmi N=14) ont été "détestés" et si les taux de pourrissement des 14 pots
(évalués à l'aveugle*) ont été
2, 3, 3, 5, 5, 6, 7, 7, 7, 8, 9, 9, 9, 10 ( μ = 6,43 , σ = 2,44 ),
alors la moyenne de 7 données
tirées au hasard (il y a 3432 échantillons possibles) vaudra, en moyenne, 6,43 , avec un écart-type de 0,68.
Il ne reste plus qu'à voir si le pourrissement moyen des 7 pots détesté est significativement grand parmi ces 3432 valeurs possibles, c'est-à-dire, s'il est, par exemple, à plus de 2 écarts-types au-dessus de μ , soit au-dessus de 7,79.
En tout cas, si c'était moi qui analysais les résultats qu'obtiendra Kaelteir, c'est comme ça que j'aimerais pouvoir m'y prendre.
Note * : Par
"évaluation à l'aveugle" je ne veux pas dire
"les yeux fermés". Je veux dire
"sans savoir si on évalue un pot aimé ou un pot détesté".

Denis
Les meilleures sorties de route sont celles qui font le moins de tonneaux.