biostat

Question 1

échantillonnage dans pop homogène

Answer 1

simple

Question 2

échantillonnage dans pop hétérogène

Answer 2

stratifié

Question 3

échantillonnage représentatif

Answer 3

compo conforme à la pop

Question 4

SCET

Answer 4

Somme de i à n: (xi-x barre)²

Question 5

variance

Answer 5

1 / (n-1) x SCET

Question 6

estimation de la moyenne

Answer 6

x barre = (somme de xi)/n

Question 7

var(x barre)

Answer 7

sigma² / n

Question 8

estimation de sigma²

Answer 8

s²(n-1)

Question 9

loi suivi par x barre par le TLC

Answer 9

Normale (m, sigma²/n)

Question 10

loi suivie par s²(n-1) par TLC

Answer 10

khi² à n-1 ddl

Question 11

estimation pourcentage

Answer 11

n obs / n

Question 12

var(p^)

Answer 12

p(1-p)/n

Question 13

TLC pour p^

Answer 13

normale (p, p(1-p)/n)

Question 14

qui suit une loi de Student à n-1 ddl si x barre suit une normale

Answer 14

T= (x barre - m)/(sd/sqrt(n))

Question 15

risque alpha

Answer 15

P(rejeter H0 / H0 vraie)

risque de 1ere espèce

Question 16

risque bêta

Answer 16

P(accepter H0 / H1 vraie)

risque de 2de espèce

Question 17

puissance du test

Answer 17

1 - bêta

Question 18

règles de décision tests

Answer 18

1) formuler HP
2) identifier le risque que l’on veur contrôler
3) choisir une règle de décision
4) choisir le seuil

Question 19

rejet de H0

Answer 19

exp réussi

Question 20

acceptation de H0

Answer 20

exp non concluante

Question 21

condition test de student

Answer 21

1) sigma1²=sigma2² -> test de Fisher
2) indépendance des observations entre individus
3) normalité de la variable mesurée ou n très gd

Question 22

test de Fisher

Answer 22

H0: sigma1²=sigma2²

Question 23

conditions khi deux

Answer 23

effectifs théo > 5
modalités >2
sur effectif et non pourcentage

Question 24

méthode khi deux

Answer 24

1) calcul effectif théoriques sous hp d’indpd
2) calcul de la distance
3) comparaison avec un seuil selon un risque alpha

Question 25

modèle :

Answer 25

représentation simplifiée d’une réalité

Question 26

baby model

Answer 26

Y -> N(m,sigma²)
Y=m+eps avec eps -> N(0,sigma²)
Y= m+ sigma x eps’ avec eps’->N(0,1)ç