Qu’est-ce que les données couplées ? (Explication & Exemples)

Lorsque deux ensembles de données sont de longueur égale et que chaque observation d’un ensemble de données peut être « jumelée » à une observation d’un autre ensemble de données, nous appelons cela des données appariées .

Pour que deux ensembles de données soient associés, il est important que chaque observation d’un ensemble de données ne puisse être associée qu’à une observation de l’autre ensemble de données.

Exemples de données appariées

Voici quelques exemples de données appariées :

Exemple 1 : Mesures en double.

Supposons que les chercheurs veuillent savoir si une balance est capable de peser des cartons à toute heure de la journée dans un entrepôt donné. Pour tester cela, les chercheurs utilisent la balance pour peser 30 boîtes différentes le matin puis le soir.

Le résultat final est deux ensembles de données dans lesquels les poids du matin et du soir de chaque boîte peuvent être « appariés » entre eux.

Exemple 2 : mesures pré-post.

Un médecin veut savoir si un nouveau médicament est capable de réduire la tension artérielle des patients. Pour tester cela, il mesure la tension artérielle de 20 patients différents avant et après avoir utilisé le médicament pendant une semaine.

Le résultat final est deux ensembles de données, dans lesquels la tension artérielle avant et après chaque individu peut être « jumelée » avec elle-même.

Comment analyser des données appariées

Il existe deux manières courantes d’analyser des données appariées :

1. Effectuez un test t apparié.

Une façon d’analyser des données appariées consiste à effectuer un test t pour échantillons appariés , qui compare les moyennes de deux échantillons lorsque chaque observation d’un échantillon peut être associée à une observation de l’autre échantillon.

Ce test nous indique si la valeur moyenne est égale entre les deux jeux de données.

2. Calculez la corrélation entre les deux ensembles de données.

Une autre façon d’analyser des données appariées consiste à calculer la corrélation entre les deux ensembles de données.

Cela nous donne une idée de la direction et de la force de la relation entre les valeurs des deux ensembles de données.

Données appariées et données non appariées

Contrairement aux données appariées, les données non appariées se produisent lorsque les observations d’un ensemble de données ne peuvent pas être associées de manière unique à une observation d’un autre ensemble de données.

Par exemple, supposons que les chercheurs souhaitent savoir si un certain programme d’entraînement augmente ou non le saut vertical moyen des joueurs de basket-ball.

Une façon de tester cela en utilisant des données appariées serait de mesurer le saut vertical maximum des 20 mêmes joueurs avant et après avoir utilisé le programme d’entraînement :

Pour tester cela à l’aide de données non appariées , les chercheurs ont pu mesurer le saut vertical maximum de 20 joueurs n’ayant pas utilisé le programme d’entraînement, puis mesurer le saut vertical maximum de 20 joueurs différents ayant utilisé le programme d’entraînement :

Lorsque nous travaillons avec des données appariées, nous utilisons un test t pour échantillons appariés pour déterminer si la différence entre les moyennes des échantillons est différente.

Et lorsque nous travaillons avec des données non appariées, nous utilisons un test t pour échantillons indépendants pour déterminer si la différence entre les moyennes des échantillons est différente.