Chapitre 5 - Tests et signification

Question 1

Dans quel cas avons-nous besoin de statistiques inférentielles?

Answer 1

Lorsque nous ne connaissons que la réalité d’un échantillon particulier et nous faut nous déterminer quelle situation est la plus probable globalement dans la population.

Question 2

SIgnification (p-value)

Answer 2

Probabilité CONDITIONNELLE de trouver une différence entre des groupes/liens entre nos variables sur nos ÉCHANTILLONS À CONDITION QU’il n’y aille aucune différence entre les groupes/liens entre les variables sur la POPULATION.

En d’autres mots, c’est la probabilité d’observer sur la population ce que nous avons observer sur l’échantillon, à condition que l’H0 soit vraie sur la population.

Question 3

Hypothèse alternative

Answer 3

Hypothèse selon laquelle des variables sont liées ou selon laquelle des groupes diffèrent en moyenne sur une variable. (H1)

Question 4

Hypothèse nulle

Answer 4

Hypothèse affirmant qu’il n’y a aucun effet, soit aucun lien entre les variables, une moyenne est égale à 0 ou encore que des groupes/conditions différentes donnent des moyennes identiques.

Question 5

Dans quel cas peut-on généraliser le lien observé sur un échantillon à la population entière?

Answer 5

Quand le p est assez petit (signification assez basse).

Question 6

Alpha (α)

Answer 6

Critère (5%), seuil en dessous duquel nous conclurons que l’hypothèse alternative est vraie.

En d’autres mots, c’est le pourcentage de chance de faire une erreur de 1ère espèce (faux positif).

H0 > 0,05, donc si on obtient 7%, il y a trop de chances que nos observations soient dûes au hasard, donc on ne peut généraliser nos résultats à la population. Par contre, si on obtient 3%, on peut accepter H1 et donc généraliser nos résultats.

Question 7

Résultats significatifs

Answer 7

Lorsque nous trouvons que ce que nous avons observé est très improbable sous l’hypothèse nulle (ex.: α de 0,02), on rejette l’H0 et on conclue que l’H1 est vraie.

Question 8

Résultats non significatifs

Answer 8

Lorsque nous trouvons que ce que nous avons observé est probable sous l’hypothèse nulle (ex.: α de 0,08), on accepte l’H0 et on conclue que l’H1 est fausse.

Question 9

Principe des tests d’hypothèses

Answer 9

Calculer la probabilité que nos résultats arrivent par hasard alors que l’hypothèse nulle est vraie (p). Pour se faire, on doit convertir nos résultats empiriques en un score dont nous connaissons la distribution.

Ex.: transformer les données et leurs écarts en cote Z pour avoir les probabilités.

Question 10

Erreur de 1ère espèce

Answer 10

Rejet de H0 alors qu’elle est vérifié (faux positif).

Se note α (alpha).

Question 11

Quelle est la pierre angulaire de la démarche scientifique? Pourquoi?

Answer 11

Réplication car cela confirme/infirme si nos résultats sont dû au hasard ou pas.

Question 12

Méta-analyse

Answer 12

Études qui reprennent plusieurs recherches et en font la synthèse pour obtenir un degré de certitude plus grand.

Question 13

Erreur de seconde espèce

Answer 13

Lorsqu’on conclue qu’il n’y a pas d’effet alors qu’il y en a un (faux négatif); pas de rejet de H0 alors qu’il aurait fallu.

Se note β (bêta).

Question 14

Quelle est la différence entre l’erreur de première et de seconde espèce?

Answer 14

L’erreur de première espèce est bel et bien une erreur car on affirme quelque chose de faux tandis que l’erreur de seconde espèce est la suspension de son jugement, une insuffisance à prouver le lien. On affirme pas que H0 est vraie, on manque seulement de preuves pour la rejeter.

Question 15

Puissance

Answer 15

Probabilité qu’un test d’hypothèse réussisse à détecter une hypothèse alternative si celle-ci est réelle (éviter l’erreur de seconde espèce). analogie du frigo

Se note 1-β (1-bêta).

Question 16

Pourquoi fixer α à 0,05?

Answer 16

C’est une tradition en psychologie et cela est un bon compromis entre des valeurs trop faibles ou trop élevées.

Question 17

Hypothèse unidirectionnelle/unilatérale

Answer 17

Cas où nous prédisons le sens du lien entre deux variables/signe de la différence entre deux groupe; utilisation de tests unilatéraux.

Ex.: Le groupe A est plus fort en maths que le groupe B.

Question 18

Hypothèse bidirectionnelle/bilatérale

Answer 18

Cas où nous prédisons qu’il existe un lien mais sans préciser dans quel sens ou encore la prédiction d’une différence entre deux groupes mais sans précision sur la supériorité de l’un d’eux. Utilisation de tests bilatéraux.

Ex.: Le groupe A et le groupe B ont des résultats différents en maths.

Question 19

Si j’ai le p d’un test bilatéral, que dois-je faire pour obtenir le p d’un test unilatéral?

Answer 19

Diviser le p par deux.

Question 20

Si j’ai le p d’un test unilatéral, que dois-je faire pour obtenir le p d’un test bilatéral?

Answer 20

Multiplier le p par deux.

Question 21

Quel est le test (uni/bilatéral) par défaut?

Answer 21

Bilatéral car il pose moins de problèmes.

Question 22

Tests paramétriques

Answer 22

Tests statistiques portant sur un paramètre de la population, se basant sur le fait que la distribution parente suit une loi normale.

Question 23

Tests non-paramétriques/libres

Answer 23

Test ne portant pas sur un paramètre particulier mais sur la variable parente directement; ne fait aucune hypothèse sur la nature de la variable parente.

Question 24

Conditions d’application des tests paramétriques courants

Answer 24

• VD doivent être mesurées par des échelles d’intervalles/ratio;
• Doit suivre une distribution normale;
• Variances dans les différentes populations devraient être approximativement égales (+ grande ne dépasse pas de trois fois la plus petite);
• Aucune variable aberrante (extrême).

Question 25

Quelle condition d’application d’un test paramétrique peut être violée? Pourquoi?

Answer 25

On peut se permettre une violation de la condition d’application des variances dans les différentes populations devraient être approximativement égales, tant que tous les groupes partagent le même nombre de participants.

Question 26

Quelle est la base logique de l’inférence statistique?

Answer 26

Déterminer la probabilité que nos observations se produisent par hasard sous l’hypothèse nulle (p).

Question 27

Variable de décision

Answer 27

Conversion de nos données en un score dont la distribution est suffisamment bien connue pour permettre la détermination de la probabilité p.