550
Le logiciel R - Effectuer des analyses statistiques
> par(las=1) # Écriture horizontale des étiquettes.
> plot(TukeyHSD(mon.aov))
−6
−4
−2
0
2
4
T5−T4
T5−T3
T4−T3
T5−T2
T4−T2
T3−T2
−Placebo
−Placebo
−Placebo
−Placebo
95% family−wise confidence level
Differences in mean levels of traitement
La m´ ethode de Tukey va dans le mˆ eme sens que les r´ esultats obtenus
avec la m´ ethode de Bonferroni. En effet, le seul intervalle de confiance
ne contenant pas la valeur 0 est celui concernant la diff´ erence entre le
traitement 3 et le traitement 1. Il existe donc une diff´ erence significative
entre le traitement 1 et le traitement 3. Le d´ elai de cicatrisation ´ etant
plus court avec le traitement 3, nous proposons d’utiliser le traitement 3.
M´ ethodes des contrastes : En ANOVA, un contraste (not´ e par exemple
L) est d´ efini comme une combinaison lin´ eaire des moyennes th´ eoriques
dont la somme des coefficients est ´ egale ` a z´ ero :
L =
I
i=1
λ i μ i = λ
T
μ
avec
I
i
λ i = 0
o` u μ = (μ 1 , . . . , μ I )
T et λ = (λ 1 , . . . , λ I )
T .
Les contrastes permettent d’effectuer des comparaisons entre les
moyennes de certains groupes de niveaux. Par exemple, pour comparer
dans l’exemple des boutons de fi` evre les traitements 2 et 3, il convient
d’utiliser le contraste L 1 = λ
T
μ avec λ = (0, 1, −1, 0, 0)
T et d’effectuer le
test H 0 : L 1 = 0 versus H 1 : L 1 0.
Vous avez la possibilit´ e d’effectuer des tests sur les contrastes en utilisant
la fonction fit.contrast() disponible dans le package gmodels.