Chapitre 3 Flashcards
QSJ: Estimation ponctuelle d’un paramètre
Statistique
QSJ: Intervalle de valeurs autour de la statistique qui a une certaine probabilité de contenir la vraie valeur du paramètre
Intervalle de confiance
Pour être statistiquement significatif, la valeur p d’un test doit être sous le seul de quelle valeur?
0,05
Comment interpréter une valeur p sous le seuil alpha de 0,05?
Lorsque la valeur p d’un test se situe sous un seuil
alpha de 0,05, ceci implique que la valeur réelle du paramètre
que nous recherchons se situe à l’intérieur de l’intervalle de
confiance de cet estimé, 95 fois sur 100.
QSJ: Probabilité de détecter une différence entre deux groupes lorsqu’elle existe vraiment!
Puissance statistique
La puissance statistique dépend de quoi? (3)
La force de l’association
La variabilité de la distribution des variables
La taille de l’échantillon
Pour le RC, RR, RA, lesquelles doivent ne pas contenir la valeur 1 dans l’IC pour être considéré comme significatif et lesquelles ne doivent pas contenir la valeur 0 pour être considéré comme significatif
1: RR, RC
2: RA
Pour RR, interpréter RR de 2,0 avec IC (0,9 - 2,9)
Valeur p > 0,05
Pas d’association entre
médicament et risque
d’événement.
Pour RR, interpréter 2,0 (1,3-2,5)
p < 0,05: significatif
Le risque d’événement est 2
fois plus élevé chez
participants avec médicament
que sans médicament.
Pour RC : interpréter 0,8 (0,7-0,9)
p < 0,05: significatif: Les participants prenant
médicament sont 0,8 fois
moins susceptibles de
présenter l’événement que
ceux sans médicament.
Pour RA, interpréter 10% (5 à 15%)
p < 0,05: significatif
10% des événements du
groupe prenant le
médicament sont attribuables
à la prise du médicament.
QSJ: Expérience qui peut prendre une valeur parmi un ensemble de possibilités,
mais dont on ne peut connaître le résultat exact avant de la réaliser
Expérience aléatoire
QSJ: une valeur parmi toutes celles qui peuvent survenir
résultat
QSJ: un ensemble de résultats qui ont un intérêt particulier
évènement
QSJ: deux, ou plusieurs, événements mutuellement
exclusifs qui recouvrent l’ensemble des résultats possibles
événements complémentaires
QSJ: La réalisation d’une expérience ne peut pas influencer le résultat d’une
expérience subséquente
expériences indépendantes
QSJ: Sachant le résultat d’une première expérience, nous avons de
l’information sur les résultats possibles d’une seconde expérience
expériences dépendantes
Comment calculer la probabilité d’un évènement
Que sont les propriétés de la probabilité d’un événement
Nombre entre 0-1
Probabilité d’un évènement complémentaire est 1-probabilité de l’évènement
Expérience dépendante ou indépendante
Comment caractériser la nature des résultats qui est discrète dans une expérience aléatoire
variable aléatoire discrète
Comment caractériser la nature des résultats qui est continue dans une expérience aléatoire
variable aléatoire continue
Comment suit le déroulement logique d’une étude?
- Le chercheur s’intéresse à une caractéristique particulière d’une
population: PARAMÈTRE D’INTÉRÊT - Selon les contraintes, il obtient un échantillon approprié pour estimer
la caractéristique d’intérêt (calculer une statistique qui estime le paramètre d’intérêt) - Par la suite, le chercheur pourrait être intéressé à comparer différentes
populations sur la caractéristique qui l’intéresse
– On applique alors une technique d’inférence appropriée (intervalle de confiance, test d’hypothèse pour généraliser résultats de l’échantillon à la population)
QSJ: ensemble d’individus qui ont des caractéristiques
communes
Population
QSJ: Population de laquelle nous tirons un échantillon
représentatif (on veut généraliser)
Population cible
QSJ: la population cible doit être réduite pour pouvoir obtenir un échantillon
population à l’étude (issue de la population cible)
QSJ: sous-ensemble de la population cible
échantillon
QSJ: un échantillon
obtenu en tirant au hasard des individus de la population de sorte que
chaque individu a la même probabilité d’être sélectionné.
QSJ: Échantillon obtenu en sélectionnant des individus de la population selon des critères bien précis.
Associer le risque ou bénéfice au bon type d’échantillon
Ce processus aléatoire permet de créer un échantillon représentatif:
Ce processus risque de
créer un échantillon biaisé car certains individus de la population ne
peuvent pas faire partie de l’échantillon:
Ce processus
aléatoire permet de créer un échantillon représentatif: échantillon aléatoire
Ce processus risque de
créer un échantillon biaisé car certains individus de la population ne
peuvent pas faire partie de l’échantillon: échantillon électif
QSJ: Même en l’absence de biais, la statistique obtenue dans un
échantillon ne concordera pas exactement avec la valeur du
paramètre d’intérêt
Erreur d’échantillonnage
À quoi est liée l’erreur d’échantillonnage?
à la nature aléatoire et incomplète de l’échantillonnage
Qu’est-ce que les techniques d’inférences permettent quant aux erreurs d’échantillonnage?
Les techniques d’inférence tentent donc de départager les différences dues au hasard de celles qui existent réellement.
De quantifier l’erreur
Quelle technique d’inférence faut-il utiliser si on veut comparer une statistique à une valeur théorique ou deux statistiques issues d’échantillon différent?
Le test d’hypothèse
Que sont les 4 étapes du test d’hypothèse
- On émet une hypothèse sur le résultat de la comparaison, qu’on appellera la
contre-hypothèse (hypothèse alternative) - On construit une hypothèse qui représente le statu quo, on l’appellera
l’hypothèse nulle - On construit une statistique de test telle qu’on connaisse sa distribution si
l’hypothèse nulle est vraie - On évalue enfin la probabilité d’avoir observé une telle valeur de
la statistique si l’hypothèse nulle est vraie: valeur p
interpréter une valeur p petite
Si la probabilité est petite, on peut alors croire qu’il y a peu de chance que la distribution sous-entendue par l’hypothèse nulle soit celle de notre population
la distribution de
notre population ressemblera davantage à celle de la contre-
hypothèse
VF: Si on rejette l’hypothèse nulle, on accepte automatiquement la contre-hypothèse
F
Quel type d’erreur: accepter l’hypothèse nulle lorsque celle-ci est fausse
Erreur de type 2
Quel type d’erreur: rejeter l’hypothèse nulle lorsque celle-ci est vraie
Erreur de type 1
Quel type d’erreur est + grave?
Erreur de type 1
Puisque l’erreur de type 1 est + grave, quelle est le seuil acceptable de commettre une erreur de type 1?
Seul alpha de 5%
VF: La probabilité de rejeter l’hypothèse nulle alors qu’elle est fausse (pas d’erreur, probabilité de détecter une différence entre deux groupes lorsqu’elle existe vraiment) se nomme la puissance du test?
V
Lorsqu’on fait un test avec une puissance de 80%%, quelle est la probabilité de faire une erreur de type 2?
20%
Les résultats d’un intervalle de confiance ou d’un test
d’hypothèse sont valides sous certaines conditions. Lesquelles?
- Postulat d’indépendance des observations (biais)
- Postulat de la normalité des variables
Quel est une autre méthode d’inférence?
Modélisation linéaire
Nommer 3 types de modélisation linéaire
Régression linéaire (variable réponse continue)
Régression logistique (variable réponse dichotomique)
Régression de Cox (réponse variable continue, temps de suivie)