Chapitre 18 Flashcards
Vrai ou faux: les analyses descriptives sont une étape préliminaire avec des données quantitatives?
Vrai
Vrai ou faux: les analyses descriptives sont utiles seulement pour la fonction descriptive.
Faux, pour les deux fonctions de la recherche
À quoi servent les tests statistiques?
résumer l’ensemble de données brutes
Vrai ou faux: les analyses descriptives aide à choisir la stratégie d’analyse inférentielle
Vrai
Pourquoi la description des données est-elle utile?
Étape préliminaire
Résume l’ensemble des données brutes
Aide à choisir la stratégie d’analyse inférentielle
Description de l’échantillon aide l’interprétation des résultats
Qui suis-je?
je dispose d’un tableau contenant les valeurs numériques par ordre croissant et du calcul du nombre de fois que chaque valeur apparaît dans les données
La distribution de fréquence
Qui suis-je? permet de distinguer les résultats plus élevés et ceux moins élevés. Elle permet de voir ou les gens se situent.
La distribution de fréquence
Vrai ou faux: seules les données discrètes peuvent se retrouver dans une distributions de fréquence?
Faux: Toutes les données, qu’elles soient discrètes (nominales ou ordinales) ou continues (intervalles ou à proportion), peuvent être l’objet d’une distribution de fréquences.
Quelles sont les 4 types de fréquences que l’ont retrouver dans une distribution de fréquence?
- La fréquence absolue (nombre de personnes ayant le même résultat)
•La fréquence relative (se calcule en divisant la fréquence absolue par le nombre total des données)
•La fréquence cumulée (nombre de personnes ayant un résultat entre deux positions)
•La fréquence relative cumulée est en pourcentage.
Vrai ou faux: un diagramme est une dustribution de fréquence?
Vrai
Qu’est-ce que la mesure de tendance centrale?
un procédé statistique qui décrit la modalité ou la valeur la plus fréquente dans une série de données dont la caractéristique est de se situer au centre d’une distribution.
Qui suis-je? je résume une distribution de fréquences au moyen d’un seul nombre.
Mesure de tendance centrale
Qui suis-je? Je résume le statut normatif dans une distribution
Mesure de tendance centrale
Que suis-je? Je suis une mesure de tendance centrale qui correspond à la modalité ou à la valeur qui apparaît le plus souvent dans une distribution de fréquences
le mode
Qui suis-je? Je suis la valeur qui divise en deux la distribution d’une variable (C’est la valeur sous laquelle se situe 50% des données.
Médiane
Vrai ou faux: Si les données sont ordinales, le mode es utile
Faux, la médiane est utile
Qui suis-je. je suis la mesure de tendance centrale qui correspond à la somme des valeurs des données divisées par le nombre total de données
Moyenne
Qui suis-je, je suis la mesure de tendance centrale qui résume le mieux les données en intervalles et proportions sont bien représentées.
La moyenne
Qui suis-je, je suis la mesure de tendance centrale qui résume le mieux les données nominale
Le mode
Qu’est-ce qu’un percentile?
Les percentiles sont les valeurs de la variable qui divisent la population ou la variable continue en 100 groupes égaux en nombre (1 % de la population).
Qui suis-je? J’indique le nombre d’écarts types (« SD units » auquel un score brut se situe par rapport à la moyenne.
Score z
Vrai ou faux: Les formes de distributions et de mesures de tendances centrales sont asymétriques?
Faux, peuvent être symétrique ou asymétrique
Quel mesure de tendance centrales est la plus utile pour ne pas considéré les cas extrême?
Mode
Qui suis-je? Je suis la différence entre la valeur la plus élevée dans une distribution et la valeur la moins élevée.
L’étendu
Qui suis-je? Je réfère à l’étalement ou à la dispersion des observations ou des résultats d’une distribution par rapport à la moyenne
La variance
Qui suis-je. je suis la racine carré de la variance
Le score z
Vrai ou faux: l’écart type tient compte de la distance de chacun des résultats dans une distribution par rapport à la moyenne du groupe.
Vrai
Vrai ou faux: il est impossible d’utiliser l’écart type pour comparer deux distributions
Faux: nous pouvons utiliser l’écart type pour comparer deux distributions, mais il faudrait que cela soit toujours basé sur la même échelle et la même population.
Comment qualifie-t-on une distribution avec un petit écart type?
Hétérogène
Qui suis-je? J’exprime l’écart type en pourcentage de la moyenne.
Coefficient de variance
Qui suis-je? Je suis idéal pour comparer deux distributions de fréquences de deux populations différentes.
Coefficient de variance
Comment qualifie-t-on une distribution avec un coefficient de variance petit?
Homogènes
Qui suis-je? Je suis une valeur numérique (r entre -1.00 et +1.00) décrivant le degré de relation entre deux variables continues.
Coefficient de corrélation linéaire
Quels sont les deux coefficient de corrélation linéaire les plus utilisés?
Pearson
Spearman rho
Quels coefficient de corrélation linéaire est utilisé pour les données à intervalle ou proportions?
Pearson
Quels coefficient de corrélation linéaire est utilisé pour les données ordinales?
Spearman rho
Qui suis-je? Je suis une statistique de contingence utilisés dans le cas de où les variable sont nominales ou catégorielle
Khi carré
Vrai ou faux: les descriptions bivariées sont utiles dans les statistiques descriptives.
Vrai
Qui suis-je: je suis une distribution de fréquences à deux dimensions dans laquelle les fréquences de deux variables nominales (ou catégorielles) sont croisées.
Tableau de contingence
Qui suis-je? Je regroupe les corrélations de plusieurs variables entre elles, les coefficients indiquant l’influence que les variables ont les unes sur les autres.
Matrice de corrélation
Si la probabilité de l’association observé se retrouve dans la région critique ou les observations faites ne seront pas à cause de la chance (au-delà du 2e écart type de la moyenne, des deux côtés), l’hypothèse nulle peut être : accepté ou rejetée?
Rejetée
Qui suis-je? Je décris la proportion de la variation partagée par deux variables.
coefficient de détermination (R2) au carré
Qui suis-je? j’indique la portion de la variation attribuable à la variation de l’autre variable
coefficient de détermination (R2) au carré
Quelles sont les 4 échelles de données?
nominale
ordinale
à intervalle
à proportion
Qui suis-je? je comporte un certain nombre de caractéristiques qui couvrent des ensembles exclusives (données catégorielles ou thématiques). Elle a des valeurs seulement discrètes.
échelle nominale
Qui suis-je? J’établie le rang des modalités car elle est ordonnée. Ses modalités sont munies d’une structure d’ordre établie en fonction d’un critère donné (rangs de revenu familiale; rangs de notes).
Échelle ordinale
Qui suis-je? Je possède l’égalité des intervalles. Elle permet non seulement la comparaison d’intervalles, mais aussi la direction. Le zéro est fixé arbitrairement. Cette échelle permet de déterminer l’intervalle entre les observations et de comparer ces intervalles (aimer ou ne pas aimer; être d’accord et ne pas être d’accord). Par exemple, l’échelle Likert avec zéro arbitraire: Pas du tout d’accord, Pas d’accord, neutre (=0), d’accord, tout à fait d’accord). Elle a des valeurs continues.
Échelle à intervalle
Qui suis-je? Je permet non seulement la comparaison d’intervalles (comme l’échelle d’intervalle), mais également la comparaison de rapports. Il est donc possible de déterminer si deux rapports sont ou ne sont pas égaux. Le zéro est absolu (l’échelle Likert avec zéro absolu: Pas du tout d’accord (=0) jusqu’à tout à fait d’accord (=4). Elle a des valeurs continues
Échelle à proportion
Vrai ou faux: les données discrètes sont limitées en choix de représentation.
Vrai
Vrai ou faux: Les données continues peuvent être représentées la médiane ou la moyenne, mais pas le mode.
Faux: Les données continues peuvent être représentées par le mode, la médiane ou la moyenne.
Vrai ou faux: les données ordinales sont discrètes?
Faux: Les données ordinales peuvent être continue si la distance entre chaque rang et égale. Sinon elles sont classées comme discrètes
Vrai ou faux: les données continues peuvent être transformé en données discrètes
Vrai: Les données continues peuvent être transformées en valeurs discrètes. Évidemment, les données discrètes ne peuvent pas être transformées en continue.
Qui suis-je. Je permet de mettre en évidence la distribution des données et cela facilite leur compréhension.
Représentation graphique
Qui suis-je? je suis une représentation graphique qui est utilisé pour les données discrètes
diagramme à bâtons
Qui suis-je? je suis une représentation graphique qui permet de représenter graphiquement une variable nominale ou une variable ordinale. Nous pouvons aussi convertir une variable continue (à intervalle ou à proportion) en catégorie (voir figure 1, prochaine diapo). La taille de chaque secteur du disque circulaire correspond au pourcentage ou à la
fréquence relative de la catégorie.
Diagramme à secteurs
Qui suis-je? je suis suis une graphique d’effectifs groupés par classe. Il ressemble au diagramme à bâtons, sauf les rectangles sont accolés les un aux autres sur l’axe x pour bien montrer que les données
quantitatives ont une échelle continue.
L’histogramme des fréquences
Qui suis-je? Je suis idéal quand il y a plus qu’une distribution à montrer, comme des données groupées par classe
polygone de fréquences