Cours 2

Question 1

À quoi servent les statistiques inférentielles?

Answer 1

Elles servent à prendre des décisions concernant l’application ou la généralisation d’un constat à l’ensemble d’une population

Question 2

Que permettent les statistiques inférentielles?

Answer 2

Elles permettent de tester des hypothèses sur la relation entre les variables et de porter jugement en s’appuyant sur des techniques statistiques.
(déterminent si une différence est présente (significative) ou absente (non significative) au niveau statistique)

Question 3

Nommez les 4 étapes des statistiques inférentielles.

Answer 3

1- Formulation des hypothèses statistiques
2- Choix d’un test de statistique inférentiel selon les variables et le type de question
3- Choix d’un test d’hypothèse et de signification
4- Interprétation du résultat du test statistique d’hypothèse et de signification

Question 4

Qu’est-ce qu’un test d’hypothèse?

Answer 4

Démarche permettant d’effectuer un choix entre le rejet ou l’acceptation de l’hypothèse nulle

Question 5

Que signifie accepter ou rejetter l’hypothèse nulle (Ho)?

Answer 5

Accepter Ho signifie qu’il y a une petite différence entre les résultats observés et les résultats attendus.
Rejetter Ho signifie qu’il y a une grande différence entre les résulats observés et les résultats attendus.

Question 6

À quoi devons-nous faire appel pour conclure si une différence est statistiquement significative ou non?

Answer 6

-La valeur de p
-L’intervalle de confiance

Question 7

Nommez et expliquez les 2 types d’erreurs que l’on peut commettre lors de la vérification d’hypothèses?

Answer 7

-Erreur de type 1 (alpha): rejetter Ho alors qu’elle est vrai
-Erreur de type 2 (beta): accepter Ho alors qu’elle est fausse

Question 8

Complétez la phrase suivante:
Plus la valeur de alpha est petite, plus les évidences sont ________, pour montrer que les résultats ____________ attribués à la chance.

Answer 8

Plus la valeur de alpha est petite, plus les évidences sont fortes, pour montrer que les résultats ne sont pas attribués à la chance.

Question 9

Vrai ou faux?
Plus alpha est petit, plus l’erreur de type 2 est réduite.

Answer 9

FAUX!!
Plus alpha est petit, plus l’erreur de type 1 est réduite.

Question 10

Si l’on choisit que alpha = 5%, que vaut p?

Answer 10

Pour avoir des résultats significatifs statistiquement, p doit être plus petit que 0,05.

Question 11

Un résultat significatif statistiquement ne signifie pas nécessairement …….?

Answer 11

-Un résultat cliniquement significatif
-La présence d’un lien de causalité
-Le taux de différence entre les groupes
-Une absence de bias dans l’étude

Question 12

Quelle est la différence entre un résultat significatif statistiquement et un résultat significatif cliniquement?

Answer 12

Un rés. sign. statistiquement se base sur la valeur de p.
Un rés. sign. cliniquement dépend de l’outil clinique utilisé, et chaque outil a un score de différence minimale cliniquement pertinente (MCID)

Question 13

Quelle est la différence entre la valeur de p et une intervalle de confiance?

Answer 13

Une valeur de p à 0,05 signifie qu’il y a une probabilité de 5% que les résultats auraient pu être obtenu par la chance seulement.
Une intervalle de confiance à 95% signifie que l’on est certain à 95% que la vérité se situe dans notre intervalle.

Question 14

Vrai ou faux?
Une intervalle de confiance contenant la valeur nulle est une mesure statistiquement significative.

Answer 14

FAUX!!!!!

Question 15

Nommez les caractéristiques des statistiques paramétriques (4)

Answer 15

1- Les variables sont distribués normalement dans la population
2- L’échantillon provient d’une population dont il est possible de calculer la variance
3- Les variables sont à échelle d’intervalle ou de ratio/proportion
4- La population doit être grande

Question 16

Nommez les caractéristiques des statistiques non-paramétriques (3)

Answer 16

1- Les variables ne sont pas distribués normalement (distribution asymétrique)
2- Convient aux échantillons de petite taille
3- Convient aux données nominales et ordinales (qualitatives)

Question 17

Quelle est l’utilité des statistiques inférentielles de corrélation?

Answer 17

Pour examiner des mesures d’association entre variables

Question 18

Quelle est l’utilité des statistiques inférentielles de régression?

Answer 18

Examiner des mesures de prédiction entre variables

Question 19

Quelle est l’utilité des statistiques inférientielles de mesure de différences de moyenne, proportions, etc.?

Answer 19

Examiner des différences entre des groupes

Question 20

Qu’indique une étude de corrélation?

Answer 20

Elle indique la présence de relation entre deux variables et la force + direction de ce lien

Question 21

Nommez les deux tests de corrélation les plus fréquentes et expliquez pour quoi elles sont utilisées.

Answer 21

Coéfficient de corrélation de Pearson: utilisé pour les statistiques paramétriques, avec deux variables quantitatives continues
Coéfficient de corrélation de Spearman: utilisé pour les statistiques non-paramétriques, avec deux variables ordinales ou continues

Question 22

Nommez les valeurs pour lesquelles il y a une corrélation faible, modérée et élevée.

Answer 22

0,3 (inclus) à 0,5 (exclus): faible
0,5 (inclus) à 0,7 (exclus): modéré
0,7 (inclus) à 1 (exclus): forte

Question 23

Nommez les étapes (4) d’une étude de corrélation.

Answer 23

1- Choix du bon coéfficient de corrélation
2- Calcul du coéfficient de corrélation
3- Interprétation du coéfficient de corrélation
4- Inférence en corrélation

Question 24

Quel est l’objectif de la régression?

Answer 24

Établir une prédiction basée sur une corrélation (cause à effet entre variables)

Question 25

Nommez les étapes (4) d’une étude de régression.

Answer 25

1- Choix de régression (linéaire simple, multiple, logistique)
2- Calcul de la régression
3- Interprétation de la régression
4- Inférence en régression

Question 26

Différenciez régression et corrélation.

Answer 26

1- La corrélation est une mesure d’association entre deux variables, la régression est une mesure de prédiction entre deux ou plusieurs variables
2- La corrélation ne permet pas de conclure une relation de cause à effet, une régression quantifie la relation de cause à effet

Question 27

Quelle est la différence entre un groupe indépendant et un groupe appariés?

Answer 27

Un test sur des groupes indépendants est utilisé pour comparer deux groupes séparés
Un test sur des groupes appariés permet de comparer un même groupe pré et post qqch

Question 28

Pourquoi la taille de l’échantillon est importante?

Answer 28

Elle influence:
-la puissance de l’étude
-la variance des données
-la précision des indicateurs statistiques
-la validité des résultats
-la généralisabilité des conclusions

Question 29

Que fait l’effet de taille?

Answer 29

Elle quantifie l’ordre de grandeur de la différence de moyenne, aka permet de dire si la différence est grande ou petite

Question 30

Nommez les valeur pour lesquelles il y a un effet de taille nul, faible, modéré et élevé.

Answer 30

0 à 0,2: effet nul
0,2 à 0,5: effet faible
0,5 à 0,8: effet modéré
0,8 et plus haut: effet élevé