Cours 3

Question 1

• Qu’est-ce que le principe d’échantillonage?
• Donner les caractéristiques d’un bon échantillon:
• Que permet-il d’obtenir ?

Answer 1

• = sélection aléatoire de plusieurs individus et la généralisation à la population à partir de cette sélection = inférence statistique
• Un bon échantillon doit être:
  -> Représentatif de la population cible (= complet (inclue les maladies rares) + sélection aléatoire)
  -> De taille suffisante pour être assez précis
• Un échantillon donne une moyenne estimée située autour de la moyenne de la population (estimation du paramètre)

Question 2

Qu’est-ce qu’une inférence statistique (+ ce que cette notion implique (3))?

Answer 2

• Réponse apporté (avec un degré d’incertitude) à une question/hypothèse de recherche posée à propos du monde en général (=paramètre) et étudiée à travers un échantillon (=estimateur), grâce à une généralisation des résultats observés.
• Implique:
  -> échantillonnage d’une population
  -> estimation et IC95%
  -> test statistique

Question 3

Qu’est-ce que l’erreur-type?

Answer 3

Mesure de l’imprécision de l’estimation d’un paramètre. Permet de calculer l’intervalle de confiance.
Formule:

Question 4

Qu’est-ce que l’écart type?

Answer 4

Capte la variabilité ou l’étalement d’une variable. Utilisé lorsqu’on décrit la dispersion de la distribution de données d’une variable dans un échantillon

Question 5

Qu’est-ce que l’IC à 95%? (5)
Avec quoi peut-on la calculer (2 + formules)?

Answer 5

• Ensemble des valeurs du paramètre compatibles avec les données de l’échantillon.
• L’IC contient toujours la valeur estimée.
• Plus l’iC est étroit, plus l’estimation est précise (écart type faible/ échantillon grand)
• 95% des ICs contiennent la valeur du paramètre (5% ne la contiennent pas quelle que soit la taille de l’échantillon)
• Calcul de l’IC avec:
  -> Une proportion
  -> Une Moyenne estimée (de l’échantillon) -> ne dépend pas de la moyenne estimée mais toujours centré autour d’elle

Attention: l’IC capte l’incertitude mais ne renseigne pas sur d’éventuels biais de sélection!

Question 6

2 types d’erreurs lors de l’échantillonnage:

Answer 6

• Erreur aléatoire
  -> PRÉCISION
  -> moyenne correcte mais éparpillement élevé
  ->Augmente l’écart type et donne la valeur de l’IC
  -> méthode de mesure imprécise
• Erreur systématique
  -> VALIDITÉ
  -> défaut de sélection de l’échantillon
  -> Pas d’influence sur l’écart type/IC
  -> biais de sélection/ méthode de mesure mal calibrée

Question 7

Qu’est-ce qu’un biais de sélection?

Answer 7

Erreur systématique dans la sélection des participants qui conduit à une estimation incorrecte du phénomène de mesure (ex: proportion/moyenne…)

Question 8

Exemples d’échantillons non-représentatifs:

Answer 8

• Volontaires
• Patients choisis par le médecin
• Patients perdus de vue

Question 9

Formule de la largeur d’une IC95%:

Answer 9

4x racine[p(1-p)/N]