Bonjour,

Pour la variable « Vitesse de service », l’analyse devrait porter sur des données « nettoyées », i.e. que la moyenne de chaque série devrait être calculée en ne conservant que les 5, 6 voire 7 meilleurs scores de chaque série. Regardez ce qui est fait classiquement dans ce type d'expérimentation...

Votre étude consiste à effectuer des mesures répétées pour deux variables quantitatives recueillies sur une population hétérogène, puisque composée d’hommes et de femmes : les vitesses de service sont structurellement différentes, c’est peut-être moins systématique pour la fatigue, sa gestion et son ressenti, mais dans le doute il serait donc plus prudent – donc plus rigoureux – d’analyser les données en tenant compte du facteur « genre »…

Cependant, compte tenu de la faiblesse des effectifs, seuls les tests d’hypothèse non paramétriques sont possibles, mais ils ne permettent pas d’ajuster sur le facteur « genre ». Toutefois, le test Anova de Friedman peut être utilisé pour comparer les quatre distributions de la variable « Vitesse » et de la variable « Borg » ; ce test étant un test de rang, rien ne s’oppose à l’appliquer sur une population hétérogène puisqu’il ne tient pas compte des valeurs numériques, mais de leur classement…

Dans votre cas, le test de Friedman va répondre à cette question : entre ces quatre distributions, en existe-t-il au moins deux qui diffèrent avec une probabilité inférieure ou égale à 5 % que cette différence soit due au hasard ? Le test n’indiquera donc pas quelles sont les distributions qui diffèrent… Pour cela, si – et seulement si – la p-valeur calculée par le test de Friedman est significative, des tests de Wilcoxon appariés sont à appliquer pour tester les distributions deux à deux.

En revanche, les résultats doivent être présentés séparément pour les hommes et les femmes, et exprimés non pas sous forme de moyennes et d’écarts-types, mais de médianes et d’intervalles interquartiles (EI).