Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Méthode quantitative - Intra > Cours 1 - Introduction > Flashcards

Cours 1 - Introduction Flashcards

1
Q

Fonction

Les méthodes quantitatives

A

Tester les théories en utilisant des nombres

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Fonction

Méthodes qualitatives

A

Testes les théories en utilisant le langage

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Processus de recherche

Les ____ conduisent à la collecte et l’analyse des données et à leur tour informe les ____.

Le même mot pour les deux

A

Théories

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Observation initiale

Pour trouver quelque chose qui a besoin d’être expliqué, nous devons ?

A

Observer le monde réel

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Observation initiale

Nous devons faire la ____ des ____ pour recueillir des données. Ensuite, nous devons définir des ____.

A

Ne devons faire la collecte des données. Ensuite, nous devons définir des variables

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Définition

Théories

A

Un principe générale hypothétisé ou un ensemble de principes qui expliquent les résultats connus sur un sujet et à partir duqeul de nouvelles hypothèses peuvent être générées.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Hypothèse

A

Une prédiction à partir d’une théorie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Nous devons ____ l’hypothèse pour pouvoir faire la collecte des donneés

A

L’opérationnalisation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Falsification

A

L’acte de réfuter une théorie ou une hypothèse en récoltant des données

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Collecte de données

La variable indépendante

A
  • Cause proposée
  • Une variable prédictrice
  • Une variable manipulée
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Collecte de données

La variable dépendante

A
  • L’effet proposé
  • Une variable de résultat
  • La variable mesurée
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Trouve le mot

Sa valeur dépend de la cause

A

La VD

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Trouve le mot

C’est ce qu’on pense qui est la cause d’un effet

A

La variable indépendante

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Cause et effet

Pour parler d’une relation de cause et effet, les causes et effets doivent être ultérieurement ____ dans le temps, donc on parle de ____.

A

Pour parler d’une relation de cause et effet, les causes et effets doivent être ultérieurement rapprochés dans le temps, donc on parle de contiguité.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Cause et effet

La cause doit se produire ____ qu’un effet ne se produise.

A

La cause doit se produire avant qu’un effet ne se produise.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Cause et effet

L’effet ne devrait jamais se produire en l’____ de la cause.

A

L’effet ne devrait jamais se produire en l’absence de la cause.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Complète le mot

C’est une variable autre que les variables prédictrives, qui affecte potentiellement une variable de résultat. C’est appelé ____.

A

Variable de confusion

tertium quid

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Vrai ou faux : un effet devrait être présent lorsque la cause est présente et quand la cause est absente, l’effet devrait être absent aussi.

A

Vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Comment appel-t-on les devis dans lesquels différentes entités sont présentent dans des conditions expérimentales ?

A

Devis inter-groupes/inter-sujet/indépendant

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Comment appel-t-on les devis dans lesquels les mêmes entités prennet part à toutes les conditions expériementales ?

A

Devis à mesures répétées/groupes dépendants

Plus économique, pratique pour l’effet de pratique

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Qu’est-ce qui réduit la variance non-systématique ?

A

L’assignation aléatoire

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Les histogrammes sont la représentation visuelles d’une ____ de ____.

A

Distribution de fréquence

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Sur un histogramme, l’axe horizontal représente les ____ (x) et l’axe vertical représente les ____ (y).

A

L’axe horizontal : Les valeurs
L’axe vertical : Les fréquences

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Décrit une distribution normal visuellement

A

La distribution est en forme de cloche, il y a une symétrie autour du centre.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Vrai ou faux : La moyenne, le mode et la médiane se retrouvent au centre d’une distribution normale ?

A

Vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Distributions des fréquences

L’asymétrie

A

Les scores fréquent sont à une extrémité.

  • Représente la symétrie d’une distribution
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

L’asymétrie positive

Donne un exemple

A

Les scores sont regroupés à gauche de la distribution, donc à de faibles valeurs

Les notes d’un test avec une moyenne très basse

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

L’asymétrie négative

A

Les scores sont regroupés vers la droite, donc à des valeurs élevées

La moyenne d’âge dans une maison de retraite

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

Kurtose

A

La lourdeur des queues ; représente les variations

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

Kurtose

Leptocurtique

A

Lorsqu’il y a peu de variation, donc la courbe est pointue et les queues sont lourdes

31
Q

Kurtose

Platycurtique

A

La courbe s’aplatit et les queues sont légères, il y a peu de variation

32
Q

Vrai ou faux : il est problématique d’utiliser un modèle basé sur la courbe normal si l’échantillon n’est pas distribué normalement

A

Vrai

33
Q

Tendance centrale

Le mode

A

Le score le plus fréquent

34
Q

Une distribution bimodale

A

Distribution qui contient 2 modes

35
Q

Une distribution multimodale

A

Contient plusieurs modes

36
Q

La médiane

A

Le score se trouvant au milieu lorsque les scores sont triés en ordre croissant.

37
Q

Vrai ou faux : La médiane n’est pas affectée par les scores extrêmes

A

Vrai

38
Q

Vrai ou faux : La médiane n’est pas affectée par les asymétries

A

Vrai

39
Q

La moyenne est-elle influencée par les scores extrêmes et les asymétries ?

A

Oui beaucoup !

40
Q

L’étendue

A

Le plus petit score soustrait du plus grand, donc la distance entre le score le moins élevé et le plus élevé

41
Q

Vrai ou faux : L’étendue n’est pas biaisée par les valeurs aberrantes

A

Faux ! L’étendue est affectée par les valeurs aberrantes

42
Q

L’étendue interquartile

A

La distance entre le 3e quartile et le 1er quartile

43
Q

Quartiles

A

Ce sont les trois valeurs qui divisent les données tirées en quatre parties égales.

44
Q

Quartile inférieur
2e quartile
Quartile supérieur

A

Quartile inférieur : médiane de la moitié inférieur des données
2e quartile : la médiane
Quartile supérieur : médiane de la moitié supérieur des données

45
Q

Vrai ou faux : les quartiles sont affectés par les valeurs extrêmes

A

Vrai !

46
Q

Vrai ou faux : l’étendue interquartile est influencé par les données extrêmes

A

Faux

47
Q

Les scores Z nous permettent de ____ un score par rapport aux autres scores dans le groupe.

A

Les scores Z nous permettent de standardiser un score par rapport aux autres scores dans le groupe.

48
Q

Les scores Z nous informe sur la position d’un score en rapport à quoi ?

A

Les scores Z nous inquiquent à combien d’écart-type de la moyenne le score se trouve.

49
Q

La distribution des scores Z a une moyenne de ____ et un écart-type de ____

A

M = 0
S = 1

50
Q

Sous la courbe entière des scores Z, la valeur est de ____.

A

1

51
Q

Compréhension

Si Z = 0, à quel percentil est-ce qu’on se trouve ?

A

Percentil 50

52
Q

Propriétés des scores z

____ (z) coupe la partie supérieure de 2.5% de la distribution et ____ la partie inférieure.

Donc, 95 % des scores z se situent entre ____ et ____.
Donc, 99 % des scores z se situent entre ____ et ____.
Donc, 99.9 % des scores z se situent entre ____ et ____.

A

1.96 (z) coupe la partie supérieure de 2.5% de la distribution et -1.96 la partie inférieure.

Donc, 95 % des scores z se situent entre -1.96 et 1.96.
Donc, 99 % des scores z se situent entre -2.58 et 2.58.
Donc, 99.9 % des scores z se situent entre -3.29 et 3.29.

53
Q

Questions pratiques

Ma note = 80
M = 70
s = 10

À combien d’écart-type suis-je de la moyenne ?

A

Je suis à 1 écart-type de la moyenne

54
Q

Questions pratiques

Si je suis à 1 écart-type de la population, à quel percentil est-ce que je me trouve ?

A

84
(13.59+2.14+0.13)

55
Q

Quel est le % de la classe ayant un résultat plus élevé que le miens ?

Notes = 90
M = 70
s = 10
Z = 2

A

À 2 écart-type, on additionne 2.14+0.13.

2.5% de la classe avec un résultat plus élevé que le miens

56
Q

À -1 écart-type de la moyenne, quel est le % de la classe avec un résultat plus élevé que moi ?

A

84%

100 - 15.85

57
Q

Si je pige un étudiant, quelle est la probabilité d’avoir un score supérieur à 2 écart-type par rapport à sa moyenne ?

A

2.27 %

58
Q

Quelle est la probabilité que la valeur de quelqu’un soit plus grande que 1 écart-type ?

A

16 %

59
Q

Quelle est la probabilité de piger quelqu’un dont la valeur de z est inférieur à -2 écart-type ?

A

2.27%

60
Q

Quelle est la probabilité que la valeur de quelqu’un soit plus grande que +2 ou -2 ?

A

4.5 %

61
Q

Vrai ou faux : avec des écart-types égaux, on pourrait trouver la probabilité de piger quelqu’un d’une valeur d’écart-type entre les moyennes de deux groupes

A

Vrai

62
Q

Lorsqu’il y a une différence entre nos moyennes, si la probabilité que ce soit le ____ du ____ n’est pas suffisament expliqué par le hasard, on pourrait l’attribuer à notre ____ ____.

A

Lorsqu’il y a une différence entre nos moyennes, si la probabilité que ce soit le fruit du hasard n’est pas suffisament expliqué par le hasard, on pourrait l’attribuer à notre manipulation expérimentale.

63
Q

Vrai ou faux : tant qu’on a une moyenne et un écart-type, on peut standardiser le score

A

Vrai

64
Q

Question de compréhension

Je teste une méthode d’apprentissage. Le groupe expérimental obtient 90 % et le groupe témoin 70 % avec un écart-type de 10 et un Z = 2. On peut donc dire qu’à 0.05 % la probabilité que la différence soit le fruit du hasard est à moins de 0.05%.

  • Est-il possible que les plus fort ce soient retrouvé dans le groupe expérimental et que les plus faibles dans le groupe témoin ?
  • Est-il probable que les plus fort ce soient retrouvé dans le groupe expérimental et que les plus faibles dans le groupe témoin ?
A

Oui, il est possible, mais ce n’est pas probable

65
Q

Avec une valeur z de 3, quelle est la probabilité d’avoir un score plus grand que +3 ou plus petit que -3 ?

A

26%

66
Q

Plus la valeur z est élevée/faible, plus le p est élevé/faible, donc plus le résultat est/n’est pas statistiquement significatif. Ainsi, plus la valeur de z est élevée/faible, moins/plus ça peut être le fruit du hasard.

A

Plus la valeur z est élevée, plus le p est faible, donc plus le résultat est statistiquement significatif. Ainsi, plus la valeur de z est élevée, moins ça peut être le fruit du hasard.

67
Q

Hypothèse nulle (H0)

A

Il n’y a pas d’effet ou aucune différence entre les groupes

68
Q

Hypothèse alternative (H1)

A

L’hypothèse expérimentale, présence de différence

69
Q

Vrai ou faux : on ne peut pas accepter l’H1

A

Vrai, il faut rejetter H0

70
Q

Lorsqu’il y a une direction à notre hypothèse, c’est une hypothèse ____

A

Unilatéral, donc µ1 < ou > µ2
Donc, z = 1.65

71
Q

Lorsqu’il n’y a pas de direction à notre hypothèse, c’est une hypothèse ____

A

Bilatérale, donc, µ1 ≠ µ2
Donc, z = 1.96 ou -1.96

72
Q

Quel est l’avantage de l’hypothèse unilatérale ?

A

Permet d’avoir plus de puissance statistique, puisque toute la région critique est concentrée d’un seul côté de la courbe (5%, plutôt que 2.5 % de chaque côté)

73
Q

Quel serait le désavantage d’une hypothèse unilatérale ?

A

Si l’effet se manifeste dans la direction opposée, on ne pourra pas détecter l’effet, notre test sera donc non significatif, alors qu’il aurait pu l’être en bilatérale

74
Q

Quelle est la valeur critique en unilatéral à 5% ?

A

z = 1.65

Méthode quantitative - Intra (7 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2025 Bold Learning Solutions. Terms and Conditions