1/3 BARDIN Flashcards
STATS DESCRIPTIVES = ?
= au niveau de l’échantillon
Stats inférentielles= ?
= au niveau général
Variable invoquée = ?
= catégories naturelles
Variable provoquée =
= manipuler température…
groupes indépendants = ?
= comparaison de 2 groupes d’individus au moins (ex: (non)/fumeurs)
groupes appariés = ?
Un même groupe réalise plusieurs fois la même mesure à différents temps (ex: fumeurs en sevrage à jour 15 et jour 30)
Variable nominale = ?
Ex
Traitements stats ?
= quali
= pas de valeur numérique
= pas d’ordre
Ex: sexe,csp, couleur cheveux
->effectifs
-> fréquences
-> pourcentages
-> mode
Le mode = ?
= modalité qui présente la plus grande occurence
Variable ordinale = ?
Ex ?
Tts stats ?
- quali
- pas de valeur numérique
- notion d’ordre
EX: taille (petit/moyen/grand)
fréquence de travail (rarement/régulièrement.souvent)
->effectifs
-> fréquences
-> pourcentages
-> mode
-> médiane
Variable d’intervalle = ?
Tts stats ?
- numérique
- l’écart entre chaque modalité est identique
- classement possible
Ex: taille en cm
->effectifs
-> fréquences
-> pourcentages
-> mode
-> médiane
-> moyenne
-> écart-type
écart-type = ? (x3)
= dispersion moyenne des valeurs autour de la moyenne
= indicateur de dispersion
= racine carrée de la variance
Variance = ? (x2)
= valeur de l’écart type au carré
= dispersion
des données de l’échantillon
autour de sa moyenne
Lickert = quel type de variable ?
= ordinales
Mais si on code avec chiffres = variable d’intervalle
Tests non-paramétriques:
Qu’est ce qu’ils testent ?
Que prennent pas en compte ?
Testent hypothèses
Les paramètres de la population de l’échantillon
Tests paramétriques = dans quelle situation ?
= quand paramètres de la population le permettent
Loi normale = ?
= courbe de Gauss
Skewness = ?
= asymétrie courbe
Kurtosis = ?
= applatissement
Valeurs Distribution normale = ?
[-1.5, 1.5]
+ le coef d’applatissement est proche de zéro, plus … ?
Veut dire que symétrique forcément ?
+ on a une distribution proche de la normale
Non
Quel test permet de déterminer si la distribution peut s’apparenter à une distribution normale ?
Il faut quoi/ Shapiro pour que la distribution soit considére comme normale ?
Shapiro-Wilk
Que le test soit non significatif
+ la taille de l’échantillon est important…
+ la probablilité que la distribution suive une loi gaussienne est élevée
Quelles sont les 3 dimensions psychologiques évaluées ? (détail)
- comportementale (nb bonbons mangés)
- affective (aimez bonbons ?)
- cognitive (connaissance des bonbons)
Quels sont les 3 types d’échelles ?
- nominale
- ordinale
- numérique
Quelles sont les limites des questionnaires ?
= mesures auto-rapportées
-suppose accès conscient aux déterminants de ses jugements
-limites de l’‘introspection
-désirabilité sociale
seuil de significativité p = ? (x3)
= risque d’erreur de rejeter H0 à tort
= p inférieur ou égal à 0.5; jamais > 1
= on peut prendre le risque de généraliser à la population
Que testent les stats ?
H0 = ?
H1 par rapport à H0
= pas de lien entre les variables
p = ? (x4)
1- probabilité de rejeter H0 à tort
2- fournit un pourcentage d’erreur
3- = conclure à une différence (= effet vi sur vd)
au niveau de la POPULATION
alors qu’elle n’existe pas
4- Ne peut jamais être > à 1
H1 est validée si p = ?
si p est inférieure ou égale à .05
+ l’échantillon est important, + p…
… s’abaisse
Def Taille d’effet = ?
Nature (inférentiel ou descriptif ) ?
Exemples de tests ?
= l’importance de l’effet de la VI sur la VD
= descriptif
- D DE COHEN (pour le T de student)
- r de Pearson
= ?
Seuil de convention ?
Puissance statistique : formule ?
Si Beta=.20 ? ->
= probabilité de retenir H1 à raison
.20
la puissance statistique = 1-B =.80
= 20% de risque de rejeter H1 à tort
= 80% de chances de mettre en évidence l’effet s’il existe
Que permet une analyse de puissance ?
Doit-on la calculer avant de commencer la recherche ?
de déterminer la taille de l’échantillon avant la recherche
en fonction du seuil alpha et de la taille d’effet voulue
C’est préférable
T de student sert à = ?
= valider le fait que les résultats de l’échantillon peuvent permettre des inférences au niveau de la population
Quels sont les principaux tests paramétriques ?
- t de student
- ANOVA
Comment comparer un groupe à une valeur ?
T de student pour échantillon unique
Comment comparer les moyennes de deux groupes distincts ?
T de student pour groupes indépendants
Comment comparer les 2 moyennes d’un même groupe ?
T de student pour groupes appariés
Comment comparer la moyenne de + de 2 groupes distincts ?
Anova à un facteur
Comment comparer les effets de plusieurs VI et une VD ?
ANOVA Univariée
Comment comparer les effets de plusieurs VI sur plusieurs VD ?
ANOVA Multivariée (= MANOVA)
Comment comparer les moyennes d’individus ayant réalisé la même mesure plusieurs fois OU d’au moins 2 groupes distincts sur plusieurs temps de mesure ?
ANOVA pour mesure répétée/ANOVA mixte
Tests paramétriques: quand quelles conditions ?
-VD d’intervalle
-variances homogènes
- distribution normale
Tests NON paramétriques: quand ?
- échantillons de petite taille
- vd quali (nominale ou ordinale)
Ex de tests non paramétriques ?
EX:
Chi2,
Rho de Spearman,
Mann-Whitney…
Ex de tests paramétriques ?
ANOVA, t de student…
Rôle des tests paramétriques = ?
= valider le fait que les résultats de l’échantillon (= niveau descriptif)
peuvent permettre des inférences au niveau de la population
Liste de stats descriptives ?
moyenne
mode
médiane
écart-type
effectif
%
quartiles
est-ce que les variables ont au moins deux modalités ?
OUI
Ecart-type: plus il est élevé, plus … ?
la distribution s’étale autour de la moyenne
Variance: + elle est proche de la valeur 0, +…
+ les données sont proches de la moyenne
Ex de test non para/para ?
Lesquels sont les plus puissants ?
- Rho spearman, Chi2
- anova, student, corrélation de pearson
Les paramétriques
R de pearson = paramétrique ou non ?
C’est quoi ? (x2)
Différence r/R
Qu’est ce qu’il évalue ?
Seuil ?
Grand effet = ?
OUI
Coef de corrélation + taille d’effet
Ech/population
Force/direction (corré positive ou négative) d’une relation e 2 variables
-1/1
> 0.3
Que mesure l’alpha de Cronbach ? (x3)
Fiabilité et validité d’un questionnaire
= cohérence interne
= est-ce que les items mesurent tous la même chose ?
r² = ?
part de la variance de la VD
qui peut être expliquée par la VI
r² ajusté = ?
pénalise l’ajout de variables inutiles
taille d’effet
ampleur
de la relation
entre 2 variables
beta (x2)
= coef de régression
= effet estimé entre la vd et la vi
seuil de r ?
-1/1
