σd2AB = 1
KL s2AB−s2R ,
σd2AC = 1
J L s2AC−s2R ,
σd2BC = 1
IL s2BC −s2R ,
σ[2ABC = 1
L s2ABC−s2R ,
σb2 = scR
IJ K(L−1) =s2R.
7. Analyse de la variance ` a trois facteurs totalement emboˆıt´ es
Dans toute cette section, on utilise les notations d´efinies `a la section 1.
On est dans la situation particuli`ere, semblable `a celle de la section 5, o`u les effets des ni-veaux du facteurB n’ont pas de signification concr`ete, par exemple ces niveaux d´ependent du niveau du facteur Aconsid´er´e et une ´etude des effets principaux du facteur B n’a pas de pertinence. On complique la situation en rajoutant un niveau d’imbrication par rap-port aux mod`eles expos´es `a la section 5. Ainsi le facteur C est emboˆıt´e dans le facteurB qui lui mˆeme est emboˆıt´e dans le facteur A.
Un tel plan d’exp´erience est dit compl`etement hi´erarchis´e ou totalement emboˆıt´e9. Il n’est utilisable que si l’on dispose de r´ep´etitions. Dans le cas contraire o`u les essais ne seraient pas r´ep´et´es, l’effet dˆu au facteur C ne pourra ˆetre ´etudi´e et le mod`ele que l’on devra utiliser pour ´etudier les donn´ees sera l’un de ceux expos´es `a la section 5.
9en anglaiscompletely nested model oucompletely hierarchical model.
Pour signaler cette situation particuli`ere on note les effets du facteur B par βj(i) et ceux du facteur C par γk(j(i)).
7.1. Mod` eles ` a effets fixes
7.1.1. Avec r´ep´etitions
Un facteur contrˆol´e A se pr´esente sous I modalit´es, chacune d’entre elles ´etant not´eeAi. Un facteur contrˆol´e B se pr´esente sous J modalit´es, chacune d’entre elles d´ependant du niveau Ai du facteur A et ´etant alors not´ee Bj(i). Un facteur contrˆol´e C se pr´esente sous K modalit´es, chacune d’entre elles d´ependant du niveau Bj(i) du facteur B et donc du niveauAi du facteurAet ´etant alors not´eeCk(j(i)). Pour chacun des couples de modalit´es (Ai, Bj(i), Ck(j(i))) on effectue L > 2 mesures d’une r´eponse Y qui est une variable conti-nue. On note n =I×J ×K×L le nombre total de mesures ayant ´et´e effectu´ees.
On introduit le mod`ele :
Yi,j,k,l =µ+αi+βj(i)+γk(j(i))+i,j,k,l, i= 1. . . I, j= 1. . . J, k= 1. . . K, l= 1. . . L, avec les contraintes suppl´ementaires
I
X
i=1
αi = 0,
J
X
j=1
βj(i)= 0, ∀i∈ {1, . . . , I},
et
K
X
k=1
γk(j(i)) = 0, ∀(i, j)∈ {1, . . . , I} × {1, . . . , J},
o`uYi,j,k,l est la valeur prise par la r´eponse Y dans les conditions (Ai, Bj(i), Ck(j(i))) lors du l−`eme essai. On postule les hypoth`eses classiques suivantes pour les erreurs :
∀ (i, j, k, l),16i6I, 16j 6J, 16k6K, 16l 6L, L(i,j,k,l) =N(0, σ2), Cov(i,j,k,l, m,n,o,p) = 0 si (i, j, k, l)6= (m, n, o, p)
avec 16i, m6I, 16j, n6J, 16k, o6K et 16l, p6L.
On suppose que les conditions d’utilisation de ce mod`ele sont bien remplies, l’´etude de leur v´erification fera l’objet d’un autre paragraphe.
On rappelle que la variation due au facteur A est d´efinie par : scA=J KL
I
X
i=1
(yi,•,•,• −y•,•,•,•)2.
On rappelle que la variation due au facteur B dans A est d´efinie par : scB|A=KL
I
X
i=1 J
X
j=1
(yi,j,•,• −yi,•,•,•)2.
On rappelle que la variation due au facteur C dansB qui lui mˆeme est dansA est d´efinie par :
scC|B|A=L
I
X
i=1 J
X
j=1 K
X
k=1
(yi,j,k,• −yi,j,•,•)2.
La variation r´esiduelle est quant `a elle d´efinie par :
scR=L
I
X
i=1 J
X
j=1 K
X
k=1
(yi,j,k,l−yi,j,k,•)2.
Enfin la variation totale est ´egale `a :
scT OT =
I
X
i=1 J
X
j=1 K
X
k=1 L
X
l=1
(yi,j,k,l−y•,•,•,•)2.
On rappelle la relation fondamentale de l’ANOVA :
scT OT =scA+scB|A+scC|B|A+scR.
On introduit les d´egres de libert´e (Ddl) associ´es `a chaque ligne du tableau de l’ANOVA :
Source Degr´es de libert´e
FacteurA nA =I−1
FacteurB dans A nB|A=I(J−1) FacteurC dans B nC|B|A =IJ(K−1) R´esiduelle nR=IJ K(L−1)
Totale nT OT =IJ KL−1
On r´esume ces informations dans le tableau de l’ANOVA ci-dessous :
Source Variation Ddl Carr´e Moyen F D´ecision
Facteur A scA nA s2A= scA
nA
fA= s2A
s2R H00 ouH10
Facteur B dans A scB|A nB|A s2B|A= scB|A
nB|A
fB|A= s2B|A
s2R H000 ouH100
Facteur C dans B scC|B|A nC|B|A s2C|B|A= scC|B|A
nC|B|A
fC|B|A= s2C|B|A
s2R H0000 ouH1000
R´esiduelle scR nR s2R= scR
nR
Totale scT OT nT OT
On souhaite faire les tests d’hypoth`ese suivants :
H00 : α1 =α2 =· · ·=αI = 0 contre
H01 : Il existe i0 ∈ {1,2, . . . , I} tel que αi0 6= 0.
Sous l’hypoth`ese nulle H00 pr´ec´edente d’absence d’effet du facteur A et lorsque les condi-tions de validit´e du mod`ele sont respect´ees, fA est la r´ealisation d’une variable al´eatoire qui suit une loi de Fisher `aI−1 etIJ K(L−1) degr´es de libert´e. On conclut alors `a l’aide de la p−valeur, rejet si elle est inf´erieure ou ´egale au seuil α du test, ou `a l’aide d’une table, rejet si la valeur fA est sup´erieure ou ´egale `a la valeur critique issue de la table.
Lorsque l’hypoth`ese nulle H00 est rejet´ee on peut proc´eder `a des comparaisons multiples des diff´erents effets des niveaux du facteur voir la section 10.
H000 : β1(1)=β2(1)=· · ·=βJ(1) =β1(2)=· · ·=βJ(I)= 0 contre
H001 : Il existe (i0, j0)∈ {1,2, . . . , I} × {1,2, . . . , J}tel que βj0(i0) 6= 0.
Sous l’hypoth`ese nulle H000 pr´ec´edente d’absence d’effet du facteur B dans A et lorsque les conditions de validit´e du mod`ele sont respect´ees, fB|A est la r´ealisation d’une variable al´eatoire qui suit une loi de Fisher `aI(J−1) et IJ K(L−1) degr´es de libert´e. On conclut alors `a l’aide de la p−valeur, rejet si elle est inf´erieure ou ´egale au seuil α du test, ou `a l’aide d’une table, rejet si la valeur fB|A est sup´erieure ou ´egale `a la valeur critique issue de la table.
H0000 : γ1(1(1))=γ2(1(1)) =· · ·=γK(1(1)) =γ1(1(2)) =· · ·=γK(J(I)) = 0 contre
H1000 : ∃(i0, j0, k0)∈ {1,2, . . . , I} × {1,2, . . . , J} × {1,2, . . . , K} | γk0(j0(i0)) 6= 0.
Sous l’hypoth`ese nulleH0000 pr´ec´edente d’absence d’effet du facteurC dansB et lorsque les conditions de validit´e du mod`ele sont respect´ees, fC|B|A est la r´ealisation d’une variable al´eatoire qui suit une loi de Fisher `a IJ(K −1) et IJ K(L− 1) degr´es de libert´e. On conclut alors `a l’aide de lap−valeur, rejet si elle est inf´erieure ou ´egale au seuil α du test, ou `a l’aide d’une table, rejet si la valeurfC|B|A est sup´erieure ou ´egale `a la valeur critique issue de la table.
Les estimations µ,b cα1, . . . , cαI, βd1(1), . . . ,βdJ(I), γ\1(1(1)), . . . ,γ\K(J(I)), σb2 des param`etres µ, α1, . . . , αI, β1(1), . . . , βJ(I), γ1(1(1)), . . . , γK(J(I)), σ2 du mod`ele se d´eduisent des formules suivantes :
bµ=y•,•,•,• =y,
αbi =yi,•,•,•−bµ, 16i6I,
βdj(i)=yi,j,•,•−yi,•,•,•, 16i6I, 16j 6J,
γ\k(j(i))=yi,j,k,• −yi,j,•,•, 16i6I, 16j 6J, 16k 6K, σb2 = scR
IJ K(L−1) =s2R.
7.2. Mod` eles ` a effets al´ eatoires
7.2.1. Avec r´ep´etitions
Les αi repr´esentent un ´echantillon de taille I pr´elev´e dans une population importante.
Nous admettrons que les effets des Ai, les αi, sont distribu´es suivant une loi normale centr´ee de variance σA2. Les βj(i) repr´esentent un ´echantillon de tailleJ pr´elev´e dans une population importante d´ependant du niveau Ai du facteur A. Nous admettrons que les effets des Bj(i), les βj(i), sont distribu´es suivant une loi normale centr´ee de variance σ2B|A. Lesγk(j(i))repr´esentent un ´echantillon de tailleK pr´elev´e dans une population importante d´ependant du niveauBj(i) du facteur B et donc du niveau Ai du facteur A. Nous admet-trons que les effets des Ck(j(i)), les γk(j(i)), sont distribu´es suivant une loi normale centr´ee
de variance σ2C|B|A. Pour chacun des couples de modalit´es (Ai, Bj(i), Ck(j(i))) on effectue L>2 mesures d’une r´eponseY qui est une variable continue. On noten =I×J×K×L le nombre total de mesures ayant ´et´e effectu´ees.
On introduit le mod`ele :
Yi,j,k,l =µ+αi+βj(i)+γk(j(i))+i,j,k,l, i= 1. . . I, j = 1. . . J, k = 1. . . K, l= 1. . . L,
o`uYi,j,k,l est la valeur prise par la r´eponse Y dans les conditions (Ai, Bj(i), Ck(j(i))) lors du l−`eme essai. On suppose que :
L(αi) =N(0, σ2A), ∀i,16i6I, L βj(i)
=N(0, σ2B|A), ∀ (i, j),16i6I, 16j 6J, L γk(j(i))
=N(0, σ2C|B|A), ∀ (i, j, k),16i6I, 16j 6J, 16k6K, ainsi que l’ind´ependance des effets al´eatoiresαi,βj(i), et γk(j(i)).
On postule les hypoth`eses classiques suivantes pour les erreurs :
∀ (i, j, k, l),16i6I, 16j 6J, 16k6K, 16l 6L, L(i,j,k,l) =N(0, σ2), Cov(i,j,k,l, m,n,o,p) = 0 si (i, j, k, l)6= (m, n, o, p)
avec 16i, m6I, 16j, n6J, 16k, o6K et 16l, p6L,
ainsi que l’ind´ependance des effets al´eatoiresαi,βj(i), et γk(j(i)) et des erreursi,j,k,l. On suppose que les conditions d’utilisation de ce mod`ele sont bien remplies, l’´etude de leur v´erification fera l’objet d’un autre paragraphe.
On utilise les quantit´es scA, scB|A,scC|B|A,scR et scT OT introduites `a la section 7.1.1.
On rappelle la relation fondamentale de l’ANOVA :
scT OT =scA+scB|A+scC|B|A+scR.
On introduit les d´egres de libert´e (Ddl) associ´es `a chaque ligne du tableau de l’ANOVA : Source Degr´es de libert´e
FacteurA nA =I−1
FacteurB dans A nB|A=I(J−1) FacteurC dans B nC|B|A =IJ(K−1) R´esiduelle nR=IJ K(L−1)
Totale nT OT =IJ KL−1
On r´esume ces informations dans le tableau de l’ANOVA ci-dessous :
Source Variation Ddl Carr´e Moyen F D´ecision
Facteur A scA nA s2A= scA
nA fA = s2A
s2B|A H00 ouH10
Facteur B dans A scB|A nB|A s2B|A= scB|A nB|A
fB|A = s2B|A
s2C|B|A H000 ouH100
Facteur C dans B scC|B|A nC|B|A s2C|B|A= scC|B|A
nC|B|A
fC|B|A= s2C|B|A
s2R H0000 ouH1000
R´esiduelle scR nR s2R= scR
nR
Totale scT OT nT OT
On souhaite faire les tests d’hypoth`ese suivants : H00 : σ2A= 0
contre H01 :σA2 6= 0.
Sous l’hypoth`ese nulle H00 pr´ec´edente d’absence d’effet du facteur A et lorsque les condi-tions de validit´e du mod`ele sont respect´ees, fA est la r´ealisation d’une variable al´eatoire qui suit une loi de Fisher `aI−1 etI(J−1) degr´es de libert´e. On conclut alors `a l’aide de la p−valeur, rejet si elle est inf´erieure ou ´egale au seuil α du test, ou `a l’aide d’une table, rejet si la valeur fA est sup´erieure ou ´egale `a la valeur critique issue de la table.
H000 : σ2B|A = 0 contre H100 : σB|A2 6= 0.
Sous l’hypoth`ese nulle H000 pr´ec´edente d’absence d’effet du facteur B dans A et lorsque les conditions de validit´e du mod`ele sont respect´ees, fB|A est la r´ealisation d’une variable al´eatoire qui suit une loi de Fisher `aI(J−1) etIJ(K−1) degr´es de libert´e. On conclut alors `a l’aide de la p−valeur, rejet si elle est inf´erieure ou ´egale au seuil α du test, ou `a l’aide d’une table, rejet si la valeur fB|A est sup´erieure ou ´egale `a la valeur critique issue de la table.
H0000 : σ2C|B|A= 0 contre H0001 : σC|B|A2 6= 0.
Sous l’hypoth`ese nulleH0000 pr´ec´edente d’absence d’effet du facteurC dansB et lorsque les conditions de validit´e du mod`ele sont respect´ees, fC|B|A est la r´ealisation d’une variable al´eatoire qui suit une loi de Fisher `a IJ(K −1) et IJ K(L− 1) degr´es de libert´e. On conclut alors `a l’aide de lap−valeur, rejet si elle est inf´erieure ou ´egale au seuil α du test, ou `a l’aide d’une table, rejet si la valeurfC|B|A est sup´erieure ou ´egale `a la valeur critique issue de la table.
Les estimations µ,b σc2A,σdB|A2 , σ\C|B|A2 , σb2 des param`etres µ,σA2,σB|A2 , σ2C|B|A, σ2 du mod`ele se d´eduisent des formules suivantes :
bµ=y•,•,•,• =y, σc2A= 1
J KL s2A−s2B|A ,
σd2B|A = 1
KL s2B|A−s2C|B|A ,
σ\2C|B|A= 1
L s2C|B|A−s2R ,
σb2 = scR
IJ K(L−1) =s2R.
7.3. Mod` eles ` a effets mixtes
7.3.1. Avec r´ep´etitions
Premier cas : Deux facteurs sont `a effets fixes et un facteur est `a effets al´eatoires.
Un facteur contrˆol´e A se pr´esente sous I modalit´es, chacune d’entre elles ´etant not´eeAi. Un facteur contrˆol´eBse pr´esente sousJ modalit´es, chacune d’entre elles d´ependant du ni-veauAi du facteurAet ´etant alors not´eeBj(i). Nous admettrons que les effets desCk(j(i)), lesγk(j(i)), sont distribu´es suivant une loi normale centr´ee de varianceσC|B|A2 . Pour chacun des couples de modalit´es (Ai, Bj(i), Ck(j(i))) on effectue L > 2 mesures d’une r´eponse Y qui est une variable continue. On note n = I ×J ×K ×L le nombre total de mesures ayant ´et´e effectu´ees.
On introduit le mod`ele :
Yi,j,k,l =µ+αi+βj(i)+γk(j(i))+i,j,k,l, i= 1. . . I, j= 1. . . J, k= 1. . . K, l= 1. . . L, avec les contraintes suppl´ementaires
I
X
i=1
αi = 0,
J
X
j=1
βj(i) = 0, ∀i∈ {1, . . . , I}, o`uYi,j,k,l est la valeur prise par la r´eponse Y dans les conditions (Ai, Bj(i), Ck(j(i))) lors du l−`eme essai. On suppose que :
L γk(j(i))
=N(0, σ2C|B|A), ∀ (i, j, k),16i6I, 16j 6J, 16k6K, ainsi que l’ind´ependance des effets al´eatoiresγk(j(i)).
On postule les hypoth`eses classiques suivantes pour les erreurs :
∀ (i, j, k, l),16i6I, 16j 6J, 16k6K, 16l 6L, L(i,j,k,l) =N(0, σ2), Cov(i,j,k,l, m,n,o,p) = 0 si (i, j, k, l)6= (m, n, o, p)
avec 16i, m6I, 16j, n6J, 16k, o6K et 16l, p6L, ainsi que l’ind´ependance des effets al´eatoiresγk(j(i)) et des erreursi,j,k,l.
On suppose que les conditions d’utilisation de ce mod`ele sont bien remplies, l’´etude de leur v´erification fera l’objet d’un autre paragraphe.
On utilise les quantit´es scA, scB|A,scC|B|A,scR et scT OT introduites `a la section 7.1.1.
On rappelle la relation fondamentale de l’ANOVA :
scT OT =scA+scB|A+scC|B|A+scR.
On introduit les d´egres de libert´e (Ddl) associ´es `a chaque ligne du tableau de l’ANOVA : Source Degr´es de libert´e
FacteurA nA =I−1
FacteurB dans A nB|A=I(J−1) FacteurC dans B nC|B|A =IJ(K−1) R´esiduelle nR=IJ K(L−1)
Totale nT OT =IJ KL−1
On r´esume ces informations dans le tableau de l’ANOVA ci-dessous :
Source Variation Ddl Carr´e Moyen F D´ecision
Facteur A scA nA s2A= scA
nA
fA= s2A
s2C|B|A H00 ouH10
Facteur B dans A scB|A nB|A s2B|A= scB|A
nB|A
fB|A = s2B|A
s2C|B|A H000 ouH100
Facteur C dans B scC|B|A nC|B|A s2C|B|A= scC|B|A
nC|B|A fC|B|A= s2C|B|A
s2R H0000 ouH1000
R´esiduelle scR nR s2R= scR
nR
Totale scT OT nT OT
On souhaite faire les tests d’hypoth`ese suivants :
H00 : α1 =α2 =· · ·=αI = 0 contre
H01 : Il existe i0 ∈ {1,2, . . . , I} tel que αi0 6= 0.
Sous l’hypoth`ese nulle H00 pr´ec´edente d’absence d’effet du facteur A et lorsque les condi-tions de validit´e du mod`ele sont respect´ees, fA est la r´ealisation d’une variable al´eatoire qui suit une loi de Fisher `aI−1 et IJ(K−1) degr´es de libert´e. On conclut alors `a l’aide de la p−valeur, rejet si elle est inf´erieure ou ´egale au seuil α du test, ou `a l’aide d’une table, rejet si la valeur fA est sup´erieure ou ´egale `a la valeur critique issue de la table.
Lorsque l’hypoth`ese nulle H00 est rejet´ee on peut proc´eder `a des comparaisons multiples des diff´erents effets des niveaux du facteur voir la section 10.
H000 : β1(1)=β2(1)=· · ·=βJ(1) =β1(2)=· · ·=βJ(I)= 0 contre
H001 : Il existe (i0, j0)∈ {1,2, . . . , I} × {1,2, . . . , J}tel que βj0(i0) 6= 0.
Sous l’hypoth`ese nulle H000 pr´ec´edente d’absence d’effet du facteur B dans A et lorsque les conditions de validit´e du mod`ele sont respect´ees, fB|A est la r´ealisation d’une variable al´eatoire qui suit une loi de Fisher `aI(J−1) etIJ(K−1) degr´es de libert´e. On conclut alors `a l’aide de la p−valeur, rejet si elle est inf´erieure ou ´egale au seuil α du test, ou `a l’aide d’une table, rejet si la valeur fB|A est sup´erieure ou ´egale `a la valeur critique issue de la table.
H0000 : σ2C|B|A= 0 contre H0001 : σC|B|A2 6= 0.
Sous l’hypoth`ese nulleH0000 pr´ec´edente d’absence d’effet du facteurC dansB et lorsque les conditions de validit´e du mod`ele sont respect´ees, fC|B|A est la r´ealisation d’une variable al´eatoire qui suit une loi de Fisher `a IJ(K −1) et IJ K(L− 1) degr´es de libert´e. On conclut alors `a l’aide de lap−valeur, rejet si elle est inf´erieure ou ´egale au seuil α du test, ou `a l’aide d’une table, rejet si la valeurfC|B|A est sup´erieure ou ´egale `a la valeur critique issue de la table.
Les estimations bµ, αc1, . . . , cαI, βd1(1), . . . , βdJ(I), σ\2C|B|A, σb2 des param`etres µ, α1, . . . , αI, β1(1), . . . ,βJ(I), σC|B|A2 ,σ2 du mod`ele se d´eduisent des formules suivantes :
µb=y•,•,•,• =y,
αbi =yi,•,•,•−µ,b 16i6I,
βdj(i) =yi,j,•,•−yi,•,•,•, 16i6I, 16j 6J, σ\C|B|A2 = 1
L s2C|B|A−s2R ,
σb2 = scR
IJ K(L−1) =s2R.
Deuxi`eme cas : Un facteur est `a effets fixes et deux facteurs sont `a effets al´eatoires.
Un facteur contrˆol´e A se pr´esente sous I modalit´es, chacune d’entre elles ´etant not´eeAi. Les βj(i) repr´esentent un ´echantillon de taille J pr´elev´e dans une population importante d´ependant du niveau Ai du facteur A. Nous admettrons que les effets des Bj(i), les βj(i), sont distribu´es suivant une loi normale centr´ee de variance σB|A2 . Les γk(j(i)) repr´esentent
un ´echantillon de taille K pr´elev´e dans une population importante d´ependant du niveau Bj(i) du facteur B et donc du niveau Ai du facteur A. Nous admettrons que les effets des Ck(j(i)), les γk(j(i)), sont distribu´es suivant une loi normale centr´ee de varianceσC|B|A2 . Pour chacun des couples de modalit´es (Ai, Bj(i), Ck(j(i))) on effectue L>2 mesures d’une r´eponse Y qui est une variable continue. On note n =I×J×K ×Lle nombre total de mesures ayant ´et´e effectu´ees.
On introduit le mod`ele :
Yi,j,k,l =µ+αi+βj(i)+γk(j(i))+i,j,k,l, i= 1. . . I, j= 1. . . J, k= 1. . . K, l= 1. . . L, avec les contraintes suppl´ementaires
I
X
i=1
αi = 0,
o`uYi,j,k,l est la valeur prise par la r´eponse Y dans les conditions (Ai, Bj(i), Ck(j(i))) lors du l−`eme essai. On suppose que :
L βj(i)
=N(0, σ2B|A), ∀ (i, j),16i6I, 16j 6J, L γk(j(i))
=N(0, σ2C|B|A), ∀ (i, j, k),16i6I, 16j 6J, 16k6K, ainsi que l’ind´ependance des effets al´eatoiresβj(i), et γk(j(i)).
On postule les hypoth`eses classiques suivantes pour les erreurs :
∀ (i, j, k, l),16i6I, 16j 6J, 16k6K, 16l 6L, L(i,j,k,l) =N(0, σ2), Cov(i,j,k,l, m,n,o,p) = 0 si (i, j, k, l)6= (m, n, o, p)
avec 16i, m6I, 16j, n6J, 16k, o6K et 16l, p6L, ainsi que l’ind´ependance des effets al´eatoiresβj(i), et γk(j(i)) et des erreursi,j,k,l.
On suppose que les conditions d’utilisation de ce mod`ele sont bien remplies, l’´etude de leur v´erification fera l’objet d’un autre paragraphe.
On utilise les quantit´es scA, scB|A,scC|B|A,scR et scT OT introduites `a la section 7.1.1.
On rappelle la relation fondamentale de l’ANOVA :
scT OT =scA+scB|A+scC|B|A+scR.
On introduit les d´egres de libert´e (Ddl) associ´es `a chaque ligne du tableau de l’ANOVA : Source Degr´es de libert´e
FacteurA nA =I−1
FacteurB dans A nB|A=I(J−1) FacteurC dans B nC|B|A =IJ(K−1) R´esiduelle nR=IJ K(L−1)
Totale nT OT =IJ KL−1
On r´esume ces informations dans le tableau de l’ANOVA ci-dessous :
Source Variation Ddl Carr´e Moyen F D´ecision
Facteur A scA nA s2A= scA
nA
fA = s2A
s2B|A H00 ouH10
Facteur B dans A scB|A nB|A s2B|A= scB|A
nB|A
fB|A = s2B|A
s2C|B|A H000 ouH100
Facteur C dans B scC|B|A nC|B|A s2C|B|A= scC|B|A
nC|B|A fC|B|A= s2C|B|A
s2R H0000 ouH1000
R´esiduelle scR nR s2R= scR
nR
Totale scT OT nT OT
On souhaite faire les tests d’hypoth`ese suivants :
H00 : α1 =α2 =· · ·=αI = 0 contre
H01 : Il existe i0 ∈ {1,2, . . . , I} tel que αi0 6= 0.
Sous l’hypoth`ese nulle H00 pr´ec´edente d’absence d’effet du facteur A et lorsque les condi-tions de validit´e du mod`ele sont respect´ees, fA est la r´ealisation d’une variable al´eatoire qui suit une loi de Fisher `a I−1 et I(J −1) degr´es de libert´e. On conclut alors `a l’aide de la p−valeur, rejet si elle est inf´erieure ou ´egale au seuil α du test, ou `a l’aide d’une table, rejet si la valeur fA est sup´erieure ou ´egale `a la valeur critique issue de la table.
Lorsque l’hypoth`ese nulle H00 est rejet´ee on peut proc´eder `a des comparaisons multiples des diff´erents effets des niveaux du facteur voir la section 10.
H000 : σ2B|A = 0 contre H100 : σB|A2 6= 0.
Sous l’hypoth`ese nulle H000 pr´ec´edente d’absence d’effet du facteur B dans A et lorsque les conditions de validit´e du mod`ele sont respect´ees, fB|A est la r´ealisation d’une variable al´eatoire qui suit une loi de Fisher `aI(J−1) etIJ(K−1) degr´es de libert´e. On conclut alors `a l’aide de la p−valeur, rejet si elle est inf´erieure ou ´egale au seuil α du test, ou `a l’aide d’une table, rejet si la valeur fB|A est sup´erieure ou ´egale `a la valeur critique issue de la table.
H0000 : σ2C|B|A= 0 contre H0001 : σC|B|A2 6= 0.
Sous l’hypoth`ese nulleH0000 pr´ec´edente d’absence d’effet du facteurC dansB et lorsque les conditions de validit´e du mod`ele sont respect´ees, fC|B|A est la r´ealisation d’une variable al´eatoire qui suit une loi de Fisher `a IJ(K −1) et IJ K(L− 1) degr´es de libert´e. On conclut alors `a l’aide de lap−valeur, rejet si elle est inf´erieure ou ´egale au seuil α du test, ou `a l’aide d’une table, rejet si la valeurfC|B|A est sup´erieure ou ´egale `a la valeur critique issue de la table.
Les estimationsµ,b cα1, . . . ,cαI,σdB|A2 ,σ\C|B|A2 ,σb2 des param`etresµ,α1, . . . ,αI,σ2B|A,σC|B|A2 , σ2 du mod`ele se d´eduisent des formules suivantes :
bµ=y•,•,•,• =y,
αbi =yi,•,•,•−bµ, 16i6I, σd2B|A = 1
KL s2B|A−s2C|B|A ,
σ\2C|B|A= 1
L s2C|B|A−s2R ,
σb2 = scR
IJ K(L−1) =s2R.