Chapitre 3 Flashcards
Population vs échantillon (avec exemple) et le type d’alphabet utilisé pour les paramètres.
Comment assurer que l’échantillon soit représentatif de la population?
Population: ensemble des individus pris en considération/visé par une expérience (lettres grecques = Paramètres)
Échantillon: sous-ensemble de la population étudiée (lettres romaines = Statistiques)
Assurer la représentativité grâce à l’échantillon aléatoire
Principes et caractéristiques d’une distribution normale
Caractéristiques
1. Décrits par 2 paramètres
- Moyenne, E(Y) = mu
- Variance, sigma^2(Y) = sigma^2
2. Courbe symétrique pr/ à la moyenne
Lorsqu’on veut comparer différentes courbes ou populations normales: variable normale standardisée (moyenne 0, V=1)
La courbe normale est à la base d’autres distributions de fréquences comme celles qu’on voit dans ce chapitre
Principes et caractéristiques d’une distribution khi-deux. Qu’Est-ce que les degrés de liberté
Avec zn^2 variables normales standard indépendantes
khi-deux est une distribution de variance
Caractéristiques
- Définie par un seul paramètre, v (nu), (dl)
- La moyenne avec v degré de liberté est E[X^2(v)] = v, car variance = E(X^2) - E(X)^2
Degré de liberté = n - 1
- mesure de la marge de manoeuvre
- Indice de confiance (précision) dans les résultats
Principes et caractéristiques d’une distribution de Student
Caractéristiques
- Distribution des petits échantillons (n <30). C’est une adaptation de la loi normale pour petit échantillons
- Définie par un paramètre: degré liberté v
- moyenne d’une distribution de t avec v d.l est E[t(v)] = 0
- Distribution avec moyenne 0 et symétrique pr/ à 0
- table unilatérale ou bilatérale
Principes et caractéristiques d’une distribution de Fisher
Caractéristiques
- Distribution de F résulte du rapport de 2 variances
- décrite avec 2 paramètres dl de v1 (numérateur) et dl de v2 (dénomin)
- relation t et F: [t(v)]^2 = F(1,v)
Se pratiquer à lire les tables de distribution (normal, khi-deux, student, F)
Le chiffre critique:
Unilatérale = alpha
Bilatérale = Alpha/2
Expliquer l’utilité des distributions de fréquence dans la prise de décision statistique
Ils servent de base pour l’élaboration de critères de décision, en révélant l’ensemble des valeurs possibles pour une caractéristique donnée
Qu’est-ce que le théorème centrale limite
Même si les observations aléatoires indépendantes d’une population ne suivent pas une distribution normale, la moyenne échantillonnale de la population est approximativement distribué selon la courbe normal si n est suffisamment grand (n>=30)
Comment arriver à une distribution centrale réduite?
Prendre les valeurs d’une distribution normale et faire cette manipulation:
zi = (yi-moyenne)/écart type
Différence entre les valeurs alpha et P
Alpha est le niveau de signification d’un test servant de critère de décision à long terme
P est la probabilité associée à une statistique ponctuelle
Vrai ou faux
Les tests construits à partir de la distribution normale sont des tests plutôt théoriques, utilisés lorsque la variance de la population est connue.
Vrai
Vrai ou faux
Les distributions de fréquence servent principalement à faciliter la prise de décision en permettant d’attribuer une probabilité (valeur P) à une statistique (valeur calculée obtenue par un test statistique)
Vrai
