Cours 2 Flashcards
Tests t: deux façons de les faire/deux cas de figures?
- Comparer deux moyennes de deux conditions provenant d’entités différentes (INTER-SUJET)
- Deux moyennes de deux conditions qui proviennent des mêmes entités (INTRA-SUJET)
Logique du test t (deux choses)
- Deux échantillons de données collectés; calcule la moyenne de ces deux échantillons
- Moyenne représente les données de l’échantillon; infère que ça représente la moyenne de la population
Test t de Student: compléter la phrase.
Si les échantillons proviennent de la même population, leurs moyennes devraient être ____________________
RELATIVEMENT SIMILAIRES.
Test t de Student: qu’est-ce qui arrive si la différence entre les deux moyennes est grande?
Plus c’est vraisemblable que les 2 échantillons proviennent de populations DIFFÉRENTES, car peu probable d’avoir collecté 2 échantillons produisent des moyennes différentes (erreur échantillonnage / hasard) et provenant de la même pop.
C’est alors attribué à l’ERREUR D’ÉCHANTILLONNAGE / AU HASARD.
Définitions de variation systématique et variation non-systématique?
SYSTÉMATIQUE: variation dans données pouvant être expliquées par la manip. expérimentale. DIFFÉRENCES ENTRE LES MOYENNES = L’EFFET (p.ex., de la thérapie)
NON-SYSTÉMATIQUE: variation qui NE peut PAS être expliquée par manip de l’expé. Implique l’ERREUR STANDARD = L’ERREUR (p.ex., du à la fatigue, à la température…
Outliers: c’est quoi?
Des données très différentes des autres / aberrantes.
Ex. scores possibles de 20 à 80, obtient 90…
Solution: Winsorization (transformer la donnée en la plus haute ou la plus basse observée, selon le cas.
Autre solution: transformer donné en la plus haute ou la plus basse possible
Conditions d’utilisation du TEST-T: nommer les 3
- Postulat de NORMALITÉ
- Homogénéité des VARIANCES (même longueurs de lignes, variabilité autour de la moyenne est similaire…)
- (Échantillons indépendants) Indépendance des observations (doit pas pouvoir prédire une donnée à partir d’une donnée d’une autre personne)
Comment peut vérifier le postulat de normalité dans les test-t?
- Examen visuel
- Indices d’asymétrie (skewness) et de voussure (kurtosis)
- Test de Kolmogorov-Smirnov
Indices de normalité dans SPSS: comment les vérifier? Lesquels regarder et qu’Est-ce qui nous indique si c’est normal ou non?
- Asymétrie
- Kurtosis/Voussure
Celles-ci doivent être plus petits que la valeur absolue de 2 (donc si a -3 ou + 3 = PAS BON)
De quoi a l’air une asymétrie POSITIVE et une ASYMÉTRIE NÉGATIVE?
Indice d’asymétrie de distribution symétrique sera de combien?
Négative: queue vers la gauche (p.ex., -4)
Positive: queue vers la droite (P.ex., +4)
Indice d’asymétrie de distribution symétrique sera de 0
De quoi a l’air une voussure (ou KURTOSIS) positive ? Plus grande ou plus petite que zéro?
De quoi a l’air une voussure négative? Plus grande ou plus petite que zéro?
Voussure POSITIVE: Plus grande que 0 = beaucoup de scores dans la pointe (donc va être plus pointe que la courbe normale) (voir p.13)
Voussure NÉGATIVE: peu de scores dans la pointe (donc va être plus applatie)
Test de Kolmogorov-Smirnov: doit être signifcatif ou non pour que l’homogénéité soit respectée?
Test doit être NON SIGNIFICATIF (i.e. p > 0.05).
BÉMOL: quand a un gros échantillon, tests ont tendance à devenir significatif / quand petit échantillon, manque de puissance pour détecter le non-respect de la normalité.
Test de Levene pour égalité des variances: sig doit être plus ou moins de 0.05 pour que l’égalité des variances soit respectée?
Doit être PLUS GRAND que 0.05 pour que condition d’homogénéité des variances soit respectée (non-rejet)
Test t pour égalité des moyennes: sig. bilatérale doit être plus grande ou plus petite que 0.05 pour que ce soit correct?
p doit être PLUS GRAND que 0.05
V/F: un effet non significatif n’est pas pertinent cliniquement?
FAUX, un effet non significatif peut quand même être pertinent. Faut regarder les tailles d’effet!
