Brainscape's Knowledge GenomeTM

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


See full index

PSY4021 - Méthodes de recherche : exam 2 > Cours 10 - Analyses > Flashcards

Cours 10 - Analyses Flashcards

1
Q

Pourquoi utilisons-nous des statistiques en psychologie ?

A
  • Pour répondre à nos questions de recherche.
  • Permettent de résumer les données.
  • Les méthodes statistiques sont nécessaires afin d’assurer que les relations que l’on observe sont significatives et non seulement dues à la chance.
  • Permettent de mettre à l’épreuve nos préjugées, nos croyances.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Quelles sont les particularités de la psychologie comme domaine de recherche ?

A

Particularités de la psychologie comme domaine de recherche :
- Les sujets qui intéressent les psychologues (états et processus mentaux) peuvent être difficile a observés et mesurés directement .
- Les humains sont complexes et diffèrent des uns des autres de façon arbitraire.

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

Quelles sont les caractéristiques des statistiques descriptives ou exploratoires ?
(Voir résumé, diapo 7)

A

Décrire les caractéristiques de l’échantillon
- Permettent de procéder à des réductions statistiques faciles à interpréter (p.ex., valeurs centrales, valeurs de dispersion, histogrammes).

Vérifier la validité et la fiabilité des données
- Valider des mesures (p.ex., alpha de cronbach, fidélité test-retest, analyse factorielle).

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

Quelles sont les caractéristiques des statistiques inférentielles ? (Voir résumé, diapo 7)

A

Les statistiques inférentielles:
- Permettent de «démontrer» un résultat général à partir d’un échantillon. Dans cette démarche, le statisticien se fixe une hypothèse et détermine ensuite si celle-ci s’accorde avec les faits (c.-à-d., tests d’hypothèses; p.ex., tests du khi², test t).

  • Niveau explicatif: Explorer et vérifier des liens
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Vrai ou faux :
Dans la plupart des études, le nombre de sujets est trop important pour que l’on puisse présenter les données réelles de chaque individu. C’est pourquoi, il est nécessaire de trouver un moyen qui donne le maximum d’informations possible sous le format le plus utile.

A

vrai

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

Analyses descriptives …
Quelles sont les deux mesures indispensables pour décrire une variable quantitative ?

A

Deux mesures sont indispensables pour décrire une variable quantitative :
- la mesure de la position centrale des observations,
- la mesure de leur dispersion.

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

Quelles sont les 3 mesures de tendance centrale ?

A

Mesures de tendance centrale
* Moyenne
* Médiane
* Mode

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

Quelles sont les 3 mesures de dispersion ?

A

Mesures de dispersion
* Étendue
* Variance et écart type
* Erreur type

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

Qu’est-ce que permet de savoir les mesures de dispersion ?

A

Le taux de dispersion autour de la valeur typique: « comment les individus diffèrent-ils »

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

Qu’est-ce que permet de savoir les mesures de tendance centrale ?

A

La valeur typique: « comment les individus sont-ils similaires »

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Les mesures de tendance centrale …
Quelles sont les caractéristiques de la moyenne ?

A
  • Mesure de tendance centrale la plus courante
  • La moyenne est la valeur moyenne de toutes les données incluses dans l’ensemble.

Moyenne = Somme de toutes les valeurs d’observation / nombre d’observations.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Les mesures de tendance centrale …
Quelles sont les caractéristiques de la médiane ?

A
  • La médiane correspond à l’observation du milieu; la valeur de part et d’autre de laquelle se situe 50% des observations.

Médiane = la valeur intermédiaire d’un ensemble de données une fois les données ordonnées par valeur (en ordre croissant ou décroissant)

Si n est impair :
- Médiane = nbr situé à la position médiane ((n+1e observation )/ 2)

Si n est pair :
- Médiane = moyenne des deux nbr adjacents à la position médiane.

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

Les mesures de tendance centrale …
Quelles sont les caractéristiques du mode ?

A

Le mode est la valeur la plus souvent observée dans un ensemble de données.

Notes
* Possible qu’il n’y ait aucun mode si aucune des observations n’y apparaît plus qu’une autre.
* Possible qu’il y ait dans le même ensemble deux (bimodal), trois (trimodal) ou quatre modes ou plus (multimodal).

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

Quelle mesure de tendance centrale doit-on utiliser lorsque nous avons un type de distribution … bimodale ou multimodale ?

A

Mode

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

Quelle mesure de tendance centrale doit-on utiliser lorsque nous avons un type de distribution … Unimodale avec données ordinales ?

A

Médiane

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

Quelle mesure de tendance centrale doit-on utiliser lorsque nous avons un type de distribution … Unimodale avec données nominales ?

A

Mode

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

Quelle mesure de tendance centrale doit-on utiliser lorsque nous avons un type de distribution … Unimodale avec données continues symétrique ?

A

Moyenne

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

Quelle mesure de tendance centrale doit-on utiliser lorsque nous avons un type de distribution … Unimodale avec données continues asymétrique ?

A

Médiane

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

Qu’est-ce que nous indique l’indice de dispersion ?

A

Définition:
- l’indice de dispersion indique la manière dont les individus du groupe se répartissent autour de l’indice de tendance centrale

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

Quelle est l’utilité des mesures de dispersion ?

A

Permettent de tenir compte de l’ampleur des variations au sein d’un groupe, et éventuellement de comparer cet indice avec celui d’autres groupes

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

Mesure de dispersion…
Quelles sont les caractéristiques de l’étendue ?

A

L’étendue se définit comme étant la différence entre la plus grande et la plus petite des valeurs observées.

Étendue = Maximum - Minimum

Ex :
75, 93, 76, 85, 93, 76, 82, 84, 81
Étendue : 93-75 = 18

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

Mesure de dispersion…
Quelles sont les caractéristiques de la variance et écart type?

A

La variance et l’écart-type indiquent la distance moyenne qui existe entre les observations et la moyenne.

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

Quelle est la différence entre la variance et l’écart-type ?

A

Variance
- correspond à la moyenne arithmétique des carrés des écarts à la moyenne.

Écart-type
- correspond à la racine carrée de la variance.
- L’écart-type est l’indice de dispersion le plus utilisé dans le cas des échelles continues

Voir notes de cours, diapo 23

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

Vrai ou faux :
Plus la valeur de l’écart-type est petit, moins l’échantillon est homogène

A

FAUX !! C’est l’inverse

Plus la valeur de l’écart-type est petit, plus l’échantillon est homogène
- La valeur de chaque individu est proche de la moyenne

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

Quelles sont les formes de représentation graphique des données ? (permettent la visualisation des données)

A

Tableaux
- Table des fréquences,
- Table de contingence

Graphiques
- Box-plots
- Diagramme en bâtons
- Histogrammes
- Diagramme en secteur

Diagramme en bâtonnets
- Variable quantitative discrète ou catégorielle (c.-à- d., aucune valeur intermédiaire possible)

Histogramme
- Variable quantitative continue; lescdonnées sont réparties en classes.

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

Pourquoi dans certain cas la moyenne ne reflète pas bien toute la réalité ?

A

La moyenne est influencée par les valeurs extrêmes.

*Ainsi la médiane est plus fiable.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Quelles sont les propriétés des distributions de fréquences : mode ?

A

Distribution bimodale,
Distribution unimodale

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

Quelles sont les propriétés des distributions de fréquence: symétrie ?

A

Courbe symétrique
- Mode = médiane = moyenne

Courbe asymétrique (étalée) à droite
(Asymétrie POSITIVE)
- Mode < Médiane < Moyenne

Courbe asymétrique (étalée) à gauche
(Asymétrie NÉGATIVE)
- Mode > médiane > moyenne

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

Quelles sont les propriétés des distributions de fréquence: Applatissement ?

A

Voir N.D.C (diapo 35)
- Leptocurtique,
- Mésocurtique,
- Platycurtique

30
Q

Quelle est le but de l’inférence statistique ?

A

Le but de la statistique inférentielle est d’estimer les paramètres de la population (inconnues) en utilisant les statistiques de l’échantillon (connues).

31
Q

Quel est l’objectif de l’inférence statistique ?

A

L’objectif de l’inférence statistique est de rejeter l’hypothèse nulle

  1. Formulation des hypothèses statistiques,
  2. Identification du test statistique,
  3. Choisir un seuil de signification,
  4. Procéder aux analyses,
  5. Prendre une décision
32
Q

Quelles sont les 2 types d’hypothèses statistiques ?

A

Les hypothèses sont deux réponses possibles et exclusives dérivées de la question recherche :

H0- L’hypothèse nulle
- Cette hypothèse est formulée dans le but d’être rejetée.
- Elle consiste à dire qu’il n’y a pas de différence ou que la différence observée est due au hasard.

Ha- L’hypothèse alternative
- C’est l’hypothèse qu’on aimerait démontrer.
- Elle est équivalente à dire « H0 est fausse ».
- Son acceptation est conditionnelle au rejet de l’hypothèse nulle.

33
Q

De quel type d’hypothèse statistique est-il question ?

«Il n’y a aucune différence au niveau des de symptômes de dépression entre les femmes ayant dévoilé une agression sexuelle et celles n’ayant pas subi d’agression. »

A

Hypothèse nulle

34
Q

De quel type d’hypothèse statistique est-il question ?

« Il y a une différence au niveau des de symptômes de dépression entre les femmes ayant dévoilé une agression sexuelle et celles n’ayant pas subi d’agression. »

A

Hypothèse alternative

35
Q

Quelles sont les étapes de l’inférence statistique ?

A
  1. Formulation des hypothèses statistiques,
  2. Identification du test statistique,
  3. Choisir un seuil de signification,
  4. Procéder aux analyses,
  5. Prendre une décision :
    - Rejet H0 : conclure que H1 est vraie,
    - Non-rejet H0 : conclure que H0 n’est pas fausse.
36
Q

Vrai ou faux :
L’acceptation de l’hypothèse nulle n’est pas l’équivalent de dire « H0 est vraie et Ha est fausse »

A

Vrai

Toutefois, si l’hypothèse nulle est réfutée, la seule option est d’accepter l’hypothèse alternative.

37
Q

Vrai ou faux :
Hypothèse nulle est difficile à réfuter

A

FAUX !! C’est l’inverse

Hypothèse nulle est facile à réfuter !

38
Q

Vrai ou faux :
Hypothèse alternative est difficile à prouver

A

Vrai

39
Q

Voir diapositive 46
« Conclusion d’un test ; Erreur alpha et beta »

A
40
Q

À quoi correspond l’erreur alpha (type I)

A

Faux positifs
- Lorsque l’hypothèse nulle est rejetée alors qu’elle était vraie.
- L’erreur de type I est contrôlée par le chercheur (p.ex., si le chercheur choisi un seuil alpha de .05 il y a seulement 5% des chances qu’il rejette l’hypothèse nulle alors qu’elle était vraie.)
- Le choix du seuil alpha ne doit jamais être automatique! (Ex. conclure qu’un traitement est efficace alors qu’il ne l’est pas.)

Seuil de signification
- Seuil de rejet ou seuil de signification de l’hypothèse H0
- Noté par la lettre α
- Les seuils de signification les plus utilisés sont α = 0,05 ou α = 0,01

41
Q

À quoi correspond l’erreur beta (type II)

A

Faux négatifs.
- Lorsque l’hypothèse nulle est acceptée alors qu’elle était fausse. (ex. conclure qu’un traitement n’est pas efficace alors qu’il l’est.)
- Le risque ‘acceptable’ de faire une erreur de type II est souvent fixé à 0,20.

Comment contrôler l’erreur de type II?
- La meilleure façon est d’augmenter la puissance

42
Q

À quoi correspond la puissance statistique ?

A

La chance de pouvoir détecter un effet (p.ex., une différence) significatif à un seuil a donné; capacité du test à identifier une différence réelle.

Puissance =
1 – β (probabilité de faire une erreur de type II)

43
Q

Comment rendre un test plus puissant ?
En considérant la variance …

A

La variance:
Plus la variance (s2) est petite, plus la puissance est élevée

44
Q

Comment rendre un test plus puissant ?
En considérant le seuil alpha choisi …

A

Le seuil alpha choisi:
Moins le seuil est sévère (0.10 ou 0.05 au lieu de 0.01), plus la puissance élevée

45
Q

Comment rendre un test plus puissant ?
En considérant la taille d’effet …

A

La taille d’effet:
Plus l’effet dans la population (d) est grand, plus la puissance élevée

46
Q

Comment rendre un test plus puissant ?
En considérant la taille d’échantillon …

A

La taille d’échantillon:
Plus la taille du n est grande (avec seuil α, s2 et d constant) plus la puissance élevée

47
Q

Erreur α VS β …

Pourquoi ne pas choisir un α de 0.0000000001 pour limiter les erreurs de type I?

A

Relation entre α et β
- Plus α est petit plus il est difficile de rejeter H0
- Donc, plus on a de chance d’accepter H0 alors qu’elle est fausse et de faire une Erreur β

48
Q

Pourquoi l’erreur de type II est fixée à ,20 alors que celle de type I est à ,05?

A

Voir N.D.C diapo 54

49
Q

Vrai ou faux :
L’erreur de type I doit être contrôlé plus sérieusement que celle de type II, car dès qu’un résultat est trouvé → Publié!

A

Vrai

50
Q

Vrai ou faux :

A

L’erreur de type II est souvent moins grave, car si le chercheur a la conviction d’avoir raison → Peut refaire l’expérience avec un échantillon différent.

51
Q

Que faut-il considérer lors de la détermination du test statistique à employer ?

A
  • Nombre de variables dépendantes
  • Types de variables dépendantes
  • Nombre de variables indépendantes
  • Types de variables indépendantes
  • Si catégorielle, nombre de catégories?
  • Si catégorielle, inter ou intra sujets?
  • Les données respectent-elles les postulats des analyses paramétriques?
    (Ex: distribution normale?)
52
Q

Une VD + Une VI =

A

Univariée

53
Q

Une VD + plusieurs VI =

A

Univarié

54
Q

Plusieurs VD + Une VI =

A

Multivarié

55
Q

Plusieurs VD + Plusieurs VI =

A

Multivarié

56
Q

Complète :
«Seul le multivarié permet de tenir compte des … entre les VD »

A

Seul le multivarié permet de tenir compte des intercorrélations entre les VD

57
Q

Nombre de variables indépendantes …
Combien y-a-t-il de VI dans un plan UNIFACTORIEL ?

A

Plan unifactoriel =
plan ne contenant qu’une VI (un seul facteur)

58
Q

Nombre de variables indépendantes …
Combien y-a-t-il de VI dans un plan FACTORIEL ?

A

Plan factoriel =
plan contenant plusieurs VI (plusieurs facteurs)
* Permet l’estimation des effets principaux et des effets d’interactions

59
Q

Quelles sont les types de variables dépendantes possibles ?

A
  • Nominales,
  • Ordinales,
  • Continues
60
Q

Quelles sont les types de variables indépendantes possibles ?

A
  • Catégorielles,
  • Continues
61
Q

Si la ou les variables indépendantes sont catégorielles, quels sont les plans qu’on peut utiliser ?

A

Plan à groupes indépendants =
- plan ne contenant que des VI intersujets

Plan à mesures répétées =
- plan ne contenant que des VI intrasujets

Plan combiné (mixte) =
- plan contenant à la fois au moins une VI inter et une VI intra

62
Q

LES TESTS STATISTIQUES

A
63
Q

Dans cet exemple,
Quel est le mode ?
75 93 76 85 93 76 82 84 81

A
  • Il y a deux modes dans ses résultats, le premier est 76 et le deuxième est 93.
  • Les notes de l’étudiante se distribuent donc de manière bimodale.
  • Il nous faudrait plus d’information sur la nature des cours pour pouvoir interpréter
64
Q

Dans cet exemple,
Quel est la moyenne ?
75 93 76 85 93 76 82 84 81

A

82,78%

65
Q

Pour quel type de variable utilise-t-on un diagramme en batônnets ?

A

Variable quantitative discrète ou catégorielle (c-à-d aucune valeur intermédiaire possible)

66
Q

Pour quel type de variable utilise-t-on un histogramme ?

A

Variable quantitative continue ; les données sont réparties en classe.

67
Q

Ces conclusions représentent quelle hypothèse ?
Il n’y a pas de différence de moyenne entre deux groupes.
Il n’y a pas de corrélation entre deux variables.
Un traitement n’a pas d’effet par rapport à un placebo.

A

Hypothèse nulle,
Le but de l’inférence statistique est de la rejeter !!

68
Q

Vrai ou faux :
Si la valeur P est supérieure au seuil de signification (α), signifie simplement que nous n’avons pas trouvé de preuves suffisantes pour réfuter H0. Ce n’est pas une preuve que H0 est vraie.

A

Vrai,
Dire “nous ne rejetons pas H0” est un constat d’absence de preuves suffisantes contre H0, et non une affirmation que H0 est vraie. C’est une nuance importante car nos données et notre test peuvent être insuffisants pour détecter une différence réelle, même si elle existe.

69
Q

Vrai ou faux :
Lorsque nous rejetons l’hypothèse nulle (H0), cela signifie que les données fournissent des preuves suffisantes pour conclure que l’effet ou la différence observée est statistiquement significative.

A

Vrai,
Acceptation de H1 : Rejeter H0 signifie que nous trouvons des preuves suffisantes pour soutenir l’hypothèse alternative (H1). Dans ce contexte, accepter H1 signifie que nous concluons qu’il existe un effet ou une différence, conformément à ce qui est spécifié par H1.

70
Q

Vrai ou faux :
- La validité interne est associée : au devis de recherche (et donc au contrôle des variables de confusion).
- La validité externe est associée à : échantillon.
- Les mesures sont associées à : opérationnalisation, validité, fidélité.
- Les analyses sont associées à : estimation des erreurs et la validité des conclusions.

A

Vrai, voir graphique des cercles qui s’entrecroisent
(recherche ; mesures ; analyses)

71
Q

Quelles sont les 3 caractéristiques auxquelles s’intéresse l’analyse descriptive ?

A
  • Tendance centrale,
  • Dispersion,
  • Distribution
72
Q

La distribution de fréquences construite à partir d’un échantillon permet-elle d’inférer ce que pourrait être la distribution réelle de notre population.

A

Non !! Il faudrait recourir à l’analyse inférentielle.

PSY4021 - Méthodes de recherche : exam 2 (6 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions