Brainscape's Knowledge GenomeTM

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


See full index

ERT-1402 Monkeh Explained > Cours 3 > Flashcards

Cours 3 Flashcards

1
Q

Statistiques inférentielles -> à quoi elles servent?

A

Prendre des décisions concernant l’application ou la généralisation d’un constat à l’ensemble de la population

Ex: « Est-ce que l’utilisation des orthèses Bobath prévient vraiment une subluxation de l’épaule? »

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

“C’est un outil d’aide à la décision
Permet de répondre aux hypothèses de recherche
Permet d’induire les résultats d’un échantillon à une population”

Parle-t-on de statistiques inférentielles ou descriptives?

A

Inférentielles

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

Qu’est-ce qu’une statistique inférentielle?

A

C’est un outil d’aide à la décision
Permet de répondre aux hypothèses de recherche
Permet d’induire les résultats d’un échantillon à une population

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

Les statistiques inférentielles permettent de tester des _________________________________ et de porter un jugement en s’appuyant sur des techniques statistiques.

A

hypothèses sur la relation entre les variables

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

Les statistiques inférentielles déterminent si une différence est présente au niveau statistique = …

A

statistiquement significative

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

Les statistiques inférentielles déterminent si une différence est Absente au niveau statistique = …

A

non statistiquement significative = résultat de fluctuations aléatoires = due à la chance

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

Étapes pour statistiques inférentielles (4)

A

1) Formulation des hypothèses statistiques

2) Choix d’un test statistique inférentiel selon les variables et le type de question

3) Choix d’un test statistique d’hypothèse et de signification

4) Interprétation du résultat du test statistique d’hypothèse et de signification

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

Qu’est-ce qu’un test d’hypothèse statistique?

A

Démarche permettant d’effectuer un choix entre:
* accepter l’hypothèse nulle (H0)
* rejeter l’hypothèse nulle (H0)

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

Quand accepte-t-on H0? Quand la rejetons-nous?

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

Quelles sont les propositions que l’on souhaite vérifier:

1) Avec l’hypothèse nulle?

2) Avec l’hypothèse de recherche?

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

Pour la proposition suivante, lors d’un 1) test d’hypothèse statistique, donner:

1) L’hypothèse nulle (H0)

2) L’hypothèse de recherche (H1)

“Une étude vise à comparer la spasticité musculaire chez les personnes atteintes de sclérose en plaque qui ont porté (Groupe A) ou non (Groupe B) une orthèse antispastique de la main.”

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

“Une étude vise à comparer la spasticité musculaire chez les personnes atteintes de sclérose en plaque qui ont porté (Groupe A) ou non (Groupe B) une orthèse antispastique de la main.”

Exemples d’hypothèses.

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

2) Choix d’un test statistique inférentiel selon les variables et le type de question

Pour tester les hypothèses, qu’est-ce qu’on utilise?

A

Des tests d’hypothèse statistiques qui s’appuient sur des
lois de distribution de probabilités

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

Pourquoi les tests statistiques inférentiels sont-ils utiles? (3)

A

1) Examiner des mesures d’association entre variables (corrélation)

2) Examiner des mesures de prédiction entre variables (régression)

3) Examiner des differences entre des groupes (mesures de differences de moyennes, proportion)

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

3) Choix d’un test statistique d’hypothèse et de signification

Pour vérifier empiriquement les hypothèses et pouvoir dire si oui ou non notre résultat est statistiquement significatif, nous devons faire appel à quoi?

A
  • La valeur-p
  • L’intervalle de confiance
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

4) Interprétation du résultat du test statistique d’hypothèse et de signification

La valeur-p est souvent directement issue des ______________________________________

A

résultats des statistiques inférentielles.

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

Par quoi est générée la valeur-p?

A

Par le logiciel des analyses statistiques

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

L’interprétation de la valeur de p est très importante.

Pourquoi? (2)

A

1) Détecter la présence ou non d’une différence significative entre les groupes

2) Accepter ou rejeter une hypothèse nulle

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

Le calcul de la valeur de p est très __________

A

complexe.

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

Dans l’interprétation du résultat valeur-p, quels sont les types d’erreurs dans la vérification des hypothèses? (2)

A

Erreur de type I : Rejet de l’hypothèse nulle alors qu’elle est vraie

Erreur de type II : Accepte l’hypothèse nulle lorsqu’elle est fausse

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

Choix d’un seuil de signification alpha pour la valeur-p

Les valeurs-p utilise des seuils de signification alpha: α=10%
α=5%
α=1%

Est-ce que les évidences sont plus fortes lorsque la valeur de α est petite ou grande?

A

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

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

Plus alpha est petit, plus l’erreur de type I est _______

A

réduite!

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

Valeur-p et alpha.

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

Quelle est l’utilité de la vérification de la normalité de la distribution des données? (2)

A

1) Vérifier la normalité des données -> choisir le test statistique approprié

2) Choisir les mesures de tendance centrale

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

Compléter le tableau selon la façon de décrire l’échantillon.

A

-

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

Les statistiques inférentielles, à quoi servent-elles?

A

Prendre des décisions concernant l’application ou la généralisation d’un constat à l’ensemble de la population

Ex: « Est-ce que l’utilisation des orthèses Bobath prévient vraiment une subluxation de l’épaule? »

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

Les statistiques inférentielles permettent de tester des hypothèses sur la _____________________(1) et de ____________________(2) en s’appuyant sur des techniques statistiques.

A

1) relation entre les variables

2) porter un jugement

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

Les statistiques inférentielles

4 étapes

A

1) Formulation des hypothèses statistiques

2) Choix d’un test statistique inférentiel selon les variables et le type de question

3) Choix d’un test statistique d’hypothèse et de signification

4) Interprétation du résultat du test statistique d’hypothèse et de signification

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

Pour vérifier empiriquement les hypothèses et pouvoir dire si oui ou non, notre résultat est statistiquement significatif, nous devons faire appel à: (2)

A

1) La valeur-p

2) L’intervalle de confiance

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

La valeur-p est souvent directement issue des ____________________________________

A

résultats des statistiques inférentielles.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

L’interprétation de la valeur de p est très importante.

Pourquoi? (2)

A

1) Détecter la présence ou non d’une différence significative entre les groupes

2) Accepter ou rejeter une hypothèse nulle

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

Plus la valeur de α est petite, plus les évidences sont fortes pour montrer que les résultats ________________________________

A

ne sont pas attribués à la chance.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

Interprétation du résultat

Valeur-p

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

“Valeur de p<0,05 ; alpha=5%”

Qu’est-ce que ça signifie?

A

Nous avons moins de 5% de probabilité de rejeter l’hypothèse nulle alors qu’elle est vraie.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

Interprétation de la Valeur-p et jugement clinique

Un résultat _____________________ indique que la différence observée n’est pas le résultat de fluctuations
aléatoires (n’est pas un résultat obtenu « par chance »).

A

statistiquement significatif

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

Un résultat statistiquement significatif indique que la différence observée n’est pas le résultat de fluctuations
aléatoires (n’est pas un résultat obtenu « par chance »).

Cependant, cette valeur n’implique pas nécessairement… (4)

A
  • Un résultat cliniquement significatif
  • La présence d’un lien de causalité
  • Le taux de différence entre les deux groupes
  • Une absence de biais dans l’étude

GLOSSAIRE PAGE 1

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

La _________________________________ est conclue à partir des résultats des tests statistiques -> de la valeur de p.

A

différence statistiquement significative

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

La différence cliniquement significative dépend de ____________________

A

l’outil clinique utilisé.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
39
Q

La différence cliniquement significative dépend de l’outil clinique utilisé.

Chaque outil clinique destiné pour l’évaluation a un score de ___________________________________________

A

différence minimale cliniquement pertinente (MCID).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
40
Q

Qu’est-ce qu’un score de différence minimale cliniquement pertinente (MCID)?

A

Une valeur qui permet au clinicien de conclure une différence clinique importante

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
41
Q

Une différence statistiquement significative implique-t-elle nécessairement une différence cliniquement significative?

A

Non

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
42
Q

Différence minimale cliniquement pertinente (MCID)

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
43
Q

4) Interprétation du résultat: Intervalle de confiance

L’utilisation des intervalles de confiance est une…

A

…autre façon d’aborder les statistiques inférentielles.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
44
Q

Qu’est-ce que l’intervalle de confiance?

A

Représente la marge d’erreur ou la précision des résultats de l’étude

GLOSSAIRE PAGE 1

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
45
Q

L’intervalle de confiance est l’intervalle qui devrait contenir, avec un certain degré d’incertitude, ________________

A

la vraie valeur.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
46
Q

Dans l’intervalle de confiance, les bornes sont parfois désignées par le terme « ________________ ».

A

limites de confiance

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
47
Q

Intervalle de confiance

Peu importe la statistique inférentielle choisie (une moyenne, proportion, corrélation, différence de moyennes, différence de proportion, effet de taille)
la valeur nulle = __

A

0.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
48
Q

Si la valeur nulle n’est PAS dans l’intervalle de confiance à 95% d’une mesure, cette mesure est _________________________

A

statistiquement significative.

GLOSSAIRE PAGE 2

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
49
Q

Intervalle de confiance représentation.

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
50
Q

Intervalle de confiance exemple.

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
51
Q

Intervalle de confiance tableau.

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
52
Q

Donner une autre façon de représenter un intervalle de confiance.

A

Une proportion d’un ensemble d’observations

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
53
Q

Intervalle de confiance autre graphique.

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
54
Q
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
55
Q

Les statistiques inférentielles sont utiles pour… (3)

A

1) Examiner des mesures d’association entre variables (corrélation)

2) Examiner des mesures de prediction entre variables (régression)

3) Examiner des differences entre des groupes (mesures de differences de moyennes, proportion)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
56
Q

Les statistiques paramétriques

Les variables sont _____________________ dans la population.

A

normalement distribuées

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
57
Q

Les statistiques paramétriques

L’échantillon provient d’une population dont il est ______________________________

A

possible de calculer la variance.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
58
Q

Les statistiques paramétriques

Les variables sont à échelle ____________________________

A

d’intervalle ou de proportion/ratio.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
59
Q

Les statistiques non-paramétriques

Les variables ne sont pas _______________________________________________________

A

normalement distribuées (distribution asymétrique).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
60
Q

Les statistiques non-paramétriques conviennent aux échantillons de _____________

A

petites tailles.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
61
Q

Les statistiques non-paramétriques conviennent aux données _________________________________

A

nominales et ordinales (qualitatives).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
62
Q

Étude de corrélation = Mesure statistique exprimée par un _______________________ : positif, négatif ou nul (entre 0.00 et ±1.00).

A

coefficient de corrélation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
63
Q

Qu’est-ce qu’indique une étude de corrélation?

A

Indique la présence de relation entre deux variables. La force et la direction du lien entre ces deux variables.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
64
Q

Une étude de corrélation est représentée par un ________________________

A

diagramme de dispersion.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
65
Q

Étude de corrélation

Il en existe plusieurs, les plus fréquentes : (2)

A
  • Pearson: pour variables normalement distribuées
  • Spearman: pour variables qui suivent une distribution normale ou pas
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
66
Q

Étude de corrélation

4 étapes

A

1) Choix du bon coefficient de corrélation

2) Calcul du coefficient de corrélation

3) Interprétation du coefficient de corrélation

4) Inférence en corrélation (valeur-p ou intervalle de confiance)

GLOSSAIRE PAGE 6

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
67
Q

1) Choix du coefficient de corrélation

Donner 2 options.

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
68
Q

2) Calcul du coefficient de corrélation

Que signifie “corrélation positive”?

A

Le coefficient r varie entre 0 et 1

  • Lorsque les valeurs de x augmentent, les valeurs de y augmentent
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
69
Q

2) Calcul du coefficient de corrélation

Que signifie “corrélation négative”?

A

Le coefficient r varie entre -1 et 0

  • Lorsque les valeurs de x augmentent, les valeurs de y diminuent
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
70
Q

2) Calcul du coefficient de corrélation

Que signifie “corrélation nulle”?

A

Coefficient de corrélation r = 0

  • Aucune association entre la valeur des x et celle des y, les points du diagramme de dispersion vont dans tous les sens
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
71
Q

3) Interprétation du coefficient de corrélation

Comment la valeur du coefficient de corrélation est-elle interprétée? (Qu’est-ce qui constitue une corrélation faible, modérée, forte?) (3)

A
  • │0,3│ ≤ r < │0,5│ : : Une corrélation faible
  • │0,5│ ≤ r < │0,7│ : Une corrélation modérée
  • │0,7│ ≤ r < │1│ : Une corrélation forte
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
72
Q

La valeur du coefficient de corrélation est interprété comme suit :
* │0,3│ ≤ r < │0,5│ : : Une corrélation faible
* │0,5│ ≤ r < │0,7│ : Une corrélation modérée
* │0,7│ ≤ r < │1│ : Une corrélation forte

Selon les auteurs, ces étendues peuvent _______ allant même jusqu’à en faire des interprétations dépendamment des variables à l’étude.

A

varier

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
73
Q

4) Inférence en corrélation (valeur-p ou intervalle de confiance)

Une fois la corrélation effectuée, r est une donnée _____________________

A

statistique descriptive.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
74
Q

4) Inférence en corrélation (valeur-p ou intervalle de confiance)

Il est nécessaire d’effectuer un ou plusieurs autres tests statistiques pour tester notre hypothèse, ce qui nous permettra de générer _________________________________________

A

une valeur de p ou un intervalle de confiance.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
75
Q

4) Inférence en corrélation (valeur-p ou intervalle de confiance)

Il est nécessaire d’effectuer un ou plusieurs autres tests statistiques pour tester notre hypothèse, ce qui nous permettra de générer une valeur de p ou un intervalle de confiance.

Comme nous l’avons appris, il sera ensuite possible d’interpréter la valeur-p ou l’intervalle de confiance pour en conclure que ______________________________________________________________

A

la corrélation est jugée statistiquement significative ou non.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
76
Q

4) Inférence en corrélation (valeur de p ou intervalle de confiance)

La valeur-p et l’intervalle de confiance associée à une corrélation est souvent
calculée et rapportée selon les façons suivantes:

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
77
Q

Des experts des troubles de l’humeur veulent évaluer si une augmentation des symptômes dépressifs est accompagnée d’une augmentation des symptômes anxieux des sujets de leur étude. Ils évaluent 300 sujets et obtiennent un r = 0,62 (p < 0,001).

  1. Quel est la force du lien? (Est-ce que cette corrélation est nulle, faible, modérée ou forte?)
  2. Est-ce une corrélation positive ou négative?
  3. Est-ce qu’elle est statistiquement significative à 5%?
A

Trouver la réponse.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
78
Q

Une étude de corrélation indique le lien entre deux variables ou leur influence mutuelle.

Est-ce que cela indique nécessairement une relation de cause à effet?

A

Non

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
79
Q

Étude de corrélation indique le lien entre deux variables ou leur influence mutuelle, mais n’indique pas nécessairement une relation de cause à effet.

Donner un exemple.

A

Exemple:

Les symptômes anxieux et dépressifs peuvent s’influencer mutuellement, mais l’un n’est pas nécessairement la cause de l’autre

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
80
Q

Mesures de prédiction entre variables: Analyse de régression

Quel est l’objectif de la régression?

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
81
Q

Mesures de prédiction entre variables: Analyse de régression

À quoi sert la méthode d’analyse de régression?

A

Examine la relation prédictive entre une variable dépendante et une ou plusieurs variables indépendantes.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
82
Q

Étude de régression

4 étapes

A

1) Choix de régression

2) Calcul de la régression

3) Interprétation de la régression

4) Inférence en régression (valeur-p ou intervalle de confiance)

GLOSSAIRE P.6

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
83
Q

Expliquer l’étape 1) Choix de régression.

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
84
Q

1) Choix de régression: Variable dépendante & indépendante

Tableau

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
85
Q

Quel est l’objectif d’une régression linéaire simple?

A

Prédire la valeur d’une variable dépendante en se basant sur la valeur d’une variable indépendante.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
86
Q

Quels sont les types de variables possibles dans une régression linéaire simple? (2)

A

Variable Indépendante (X): continue ou autre niveaux de mesures

Variable Dépendante (Y): continue

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
87
Q

Quel est l’objectif d’une régression multiple?

A

Prédire la valeur d’une variable dépendante en se basant sur plusieurs variables indépendantes.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
88
Q

Quels sont les types de variables possibles dans une régression multiple? (2)

A

Variables Indépendantes (X): nominales ou continues

Variable Dépendante (Y): continue

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
89
Q

Quel est l’objectif d’une régression logistique?

A

Vérifier l’effet d’une ou de plusieurs variables indépendantes sur une variable dépendante dichotomique.

90
Q

Quels sont les types de variables possibles dans une régression logistique? (2)

A

Variables Indépendantes (X): nominales ou continues

Variable Dépendante (Y): nominale (dichotomique)

91
Q

2) Calcul de la régression

La régression se base sur la ____________ entre les variables tel que vu précédemment.

A

corrélation

92
Q

2) Calcul de la régression

Ainsi la régression linéaire sera représentée par un _________________________(1) Toutefois, à la différence de la corrélation, une _________________(2)

A

1) diagramme de dispersion.

2) droite y sera tracée.

93
Q

2) Calcul de la régression

Ainsi la régression linéaire sera représentée par un diagramme de dispersion. Toutefois, à la différence de la corrélation, une droite y sera tracée.

Qu’est-ce que cela permet?

A

Permet d’obtenir une formule ou un modèle

94
Q

2) Calcul de la régression

La formule de la droite/modèle permet de ________________________________________________________________

A

répondre à des questions et de prédire des phénomènes

95
Q

2) Calcul de la régression: La régression linéaire simple

La droite représente _______________________________________________________

A

l’effet de la variable indépendante (x) sur la variable dépendante (y).

96
Q

2) Calcul de la régression: La régression linéaire simple

La formule de la droite est:

A

y= b0 + b1x
où
b0 est le point d’origine b1 est la pente

97
Q

3) Interprétation de la régression: La régression linéaire simple

Interprétation de la direction de la pente (b1), si b1 = 0, qu’est-ce que ça signifie?

A

Aucun lien entre x et y

98
Q

b1 = 0

A
99
Q

3) Interprétation de la régression: La régression linéaire simple

Interprétation de la direction de la pente (b1)
* Si b1 est positif, qu’est-ce que ça signifie?

A

Quand x augmente, y augmente

100
Q

3) Interprétation de la régression: La régression linéaire simple

Interprétation de la direction de la pente (b1) * Si b1 est négatif → _____________________

A

quand x augmente, y diminue.

101
Q

3) Interprétation de la régression: Exemple de prédiction régression linéaire simple

Une étude a évaluée le salaire horaire des professionnels de la santé et obtient la formule de régression linéaire simple suivante:

y = 25,09 + 1,83(x)
où x est le nombre d’années d’expérience

Quel est le salaire d’un professionnel ayant 10 années d’expérience?

A

Le salaire horaire d’un professionnel ayant 10 années d’expérience (x = 10)

y = 25,09 + 1,83(x) y = 25,09 + 1,83(10) y = 25,09 + 18,3
y = 43,39

  • Alors le salaire horaire est de 43,39$
102
Q

4) Inférence en corrélation (valeur de p ou intervalle de confiance)

L’inférence peut porter sur…

A

… l’origine ou la pente de la droite de régression (souvent plus sur la pente que sur l’origine).

103
Q

4) Inférence en corrélation (valeur de p ou intervalle de confiance)

La valeur-p issue d’un test statistique sur la pente permettra de vérifier si…

A

… le coefficient de régression est significativement différent de 0.

104
Q

4) Inférence en corrélation (valeur de p ou intervalle de confiance)

L’intervalle de confiance issue d’un test statistique sur la pente permettra de calculer un ___________________________________________

A

intervalle de prédiction de notre variable.

105
Q

4) Inférence en corrélation (valeur de p ou intervalle de confiance)

Interpréter le tableau suivant.

A

Interprétation: La valeur-p indique que les corrélations suivantes sont statistiquement significatives et différentes de zéro.

106
Q

4) Inférence en corrélation (valeur de p ou intervalle de confiance)

Dans un article, cela peut ressembler à:

Calcule l’intervalle de confiance à 99 % de la pente1 :
99% IC pente = 0,61 ± 2,756 (0,15) OU
99% IC pente = (0,20 ; 1,02)

Interpréter ces résultats.

A

Interprétation: L’intervalle de confiance nous indique que nous sommes confiants à 99% que le coefficient de corrélation se situe entre 0.20 et 1.02 dans la population sous-jacente à l’étude. Comme le zéro ne se retrouve pas dans l’intervalle, nous sommes confiants à 99% que le coefficient de corrélation est différent de zéro.

107
Q

Survol rapide des autres types de régression: La régression linéaire multiple.

Vérification simultanée des relations entre les variables indépendantes (X) (prédictives) et la variable dépendante (Y).

Quelle est la formule?

A
108
Q

Survol rapide des autres types de régression: La régression linéaire multiple

L’interprétation des résultats est sensiblement la même que pour _____________________

A

la régression linéaire simple.

109
Q

Survol rapide des autres types de régression: La régression linéaire multiple

Souvent utilisé dans le but d’examiner l’effet de _________________________________________

A

plus d’un facteur sur un résultat anticipé.

110
Q

Survol rapide des autres types de régression: La régression linéaire multiple

Souvent utilisé dans le but d’examiner l’effet de plus d’un facteur sur un résultat anticipé. Donner un exemple.

A

Exemple: Une étude qui vise à développer un modèle prédictif du quotient intellectuel des enfants d’une ville selon le niveau d’éducation des parents, le quartier, le statut économique familial, la consommation de fruits et légumes.

111
Q

Survol rapide des autres types de régression: La régression logistique

Caractériser un groupe de personne présentant une condition, par rapport à ____________________(1) Prédiction de cote ___________________(2) de la variable Y en se basant sur les variables X.

A

1) des personnes saines.

2) de présence ou d’absence

112
Q

Survol rapide des autres types de régression La régression logistique

Caractériser un groupe de personne présentant une condition, par rapport à des personnes saines. Prédiction de cote de présence ou d’absence de la variable Y en se basant sur les variables X.

Ainsi la variable dépendante (Y) est _____________________________________________________________________

A

dichotomique (ex: absence ou présence d’une maladie, d’une condition)

113
Q

Survol rapide des autres types de régression: La régression logistique

Les variables indépendantes (X) peuvent être ______________________(1) et sont des variables susceptibles d’influer sur la _________________________________(2)

A

1) catégorielles ou continues

2) survenue ou non de l’évènement.

114
Q

Survol rapide des autres types de régression: La régression logistique

Un modèle de régression logistique permet de prédire la _____________________________________________________________________

A

probabilité qu’un évènement ou un résultat survienne.

115
Q

Un modèle de régression logistique permet de prédire la probabilité qu’un évènement ou un résultat survienne.

La probabilité est un nombre entre ______

A

0 et 1

116
Q

Un modèle de régression logistique permet de prédire la probabilité qu’un évènement ou un résultat survienne.

La probabilité est un nombre entre 0 et 1. Souvent exprimé par un ___________________________________

A

rapport de cote (RC ou odds ratio OR).

117
Q

Un modèle de régression logistique permet de prédire la probabilité qu’un évènement ou un résultat survienne.

La probabilité est un nombre entre 0 et 1. Souvent exprimé par un rapport de cote (RC ou odds ratio OR).

Il existe plusieurs calculs et modèles de régression logistique, mais ceux-ci sont souvent ___________________________________________________________________

A

très complexes et nécessitent l’utilisation de logiciel statistique.

118
Q

Expliquer la différence entre corrélation et régression.

A
119
Q

Les statistiques inférentielles sont utiles pour examiner des _____________________ (mesures de différences de moyennes, proportion).

A

différences entre des groupes

120
Q

Pour les variables continues, quels tests utilise-t-on pour comparer entre deux moyennes? (3)

A

1) Test t (t de Student)

2) Test U de Mann- Whitney

3) Test de Wilcoxon

Alphabet: TU(pas de V)W

121
Q

Pour les variables continues, quels tests utilise-t-on pour comparer entre les moyennes de plus de deux groupes? (2)

A

1) ANOVA (analyse de variance)

2) Kruskal- Wallis

122
Q

Pour les variables catégorielles, quels tests utilise-t-on pour comparer entre deux proportions/fréquences?

A

Test de Khi-carré

GLOSSAIRE PAGE 8

123
Q

Pour groupe indépendant (comparaison de deux groupes), quel choix fait-on pour le test t (paramétrique)?

A

Test t pour groupe indépendant :
Comparaison de moyenne de chacun des groupes

124
Q

Pour groupe indépendant (comparaison de deux groupes), quelle équivalence non-paramétrique utilise-t-on?

A

Test U de Mann-Whitney: Comparaison de distribution des valeurs pour chaque groupe

125
Q

Pour groupe appariés (pré-post), quel choix fait-on pour le test t (paramétrique)?

A

Test t pour groupe appariés

126
Q

Pour groupe appariés (pré-post), quelle équivalence non-paramétrique utilise-t-on?

A

Test de Wilcoxon par rangs signés

127
Q

Test sur deux moyennes: Test t de student

Ce test vise à déterminer si les moyennes (variable continue) observées dans les deux groupes à l’étude sont __________

A

différentes.

128
Q

Quelle est la loi de distribution pour un Test T de student?

A

La loi t de Student

129
Q

La loi de distribution appropriée pour ce test est la loi t de Student et la formule est la suivante:

A
130
Q

Le Test t de Student ressemble à la loi Normale, mais _______________

A

plus évasé.

131
Q

Le Test t de Student est utile pour des échantillons de quelle taille?

A

De toutes tailles même petits (n < 30 sujets)

132
Q

Dans le test T de Student, les degrés de liberté (Ƭddl) doivent être __________

A

calculés.

133
Q

Quels sont les postulats pour utiliser le test T de Student? (3)

A

1) Les données de la variable dépendante des deux groupes doivent être distribuées selon les paramètres de la loi Normale (normalement distribuées)

2) Les deux groupes doivent avoir la même variance

3) La variable dépendante est continue

GLOSSAIRE PAGE 8

134
Q

P.76 à 78

Exemples de Test T de Student

A
135
Q

Si on a plus que deux groupes?

A

Analyse des variances

136
Q

Test sur plus de deux moyennes

Donner 2 tests possibles.

A

Le test d’analyse de variance ANOVA et Kruskal-Wallis

137
Q

Le test d’analyse de variance ANOVA et Kruskal-Wallis.

1) Lequel est paramétrique?

2) Lequel présente une équivalence non-paramétrique?

A

1) Test d’analyse de variance ANOVA

2) Test de Kruskal-Wallis

138
Q

Lorsque l’on veut comparer la distribution d’une variable quantitative continue de 3 groupes et plus pour déterminer l’effet d’une intervention, est-ce que c’est la moyenne des groupes qui est comparée?

A

Ce n’est pas la moyenne des groupes qui est comparée
C’est la variance des groupes qui est comparée et analysée (ou décomposée)

Aussi nommé ANOVA

139
Q

Test sur plusieurs variances

Pour comparer la variance des groupes, il faut la décomposer en ses différentes sources.

Quelles sont-elles? (2)

A

Variance intra-groupe :
Différence entre les individus à l’intérieur d’un groupe

Variance inter-groupe : Différence entre les groupes

140
Q

Différencier la variation intragroupe de la variation intergroupe.

A
141
Q

Différencier la variation intragroupe de la variation intergroupe.

A
142
Q

Test ANOVA permet de mesurer les ___________________________

A

variances inter et intra groupes.

143
Q

Test ANOVA permet de comparer des ___________________________________________________

A

mesures répétées et entre plus que deux groupes.

144
Q

Test ANOVA est généré par un logiciel d’analyse statistique: ___________________

A

formule et calcul complexe.

145
Q

Test ANOVA utilise la ____________(1) dont l’interprétation de la valeur de p se fait comme à l’habitude : _______________________________(2)

A

1) statistique F

2) validation de l’hypothèse statistique.

146
Q

Interprétation -Test ANOVA

Donner un exemple.

A

Une étude veut tester s’il existe une différence statistiquement significative à travers trois temps de mesure de l’effet de la stimulation électrique transcrânienne en courant continu sur différentes variables de la fonction motrice chez des patients hémiparétique post AVC.

147
Q

Interprétation -Test ANOVA Exemple

Qu’est-ce qu’indique le tableau suivant?

A

L’ANOVA suivant indique seulement si on observe une différence significative entre les moyennes d’au moins deux des trois temps de mesure, mais n’indique pas spécifiquement entre quels temps de mesure on observe une différence.

148
Q

Interprétation -Test ANOVA Exemple

Pour connaitre entre quels temps de mesure, il y a une différence, il faudra faire appel à d’autres tests appelé « _____________(1) » permettant de faire des _____________________(2) entre tous les groupes.

A

1) tests post hoc

2) comparaison multiples

149
Q

Test ANOVA

Pour connaitre entre quels temps de mesure, il y a une différence, il faudra faire appel à d’autres tests appelé « tests post hoc » permettant de faire des comparaison multiples entre tous les groupes.

Pour ces tests post hoc, on se retrouve à utiliser ___________ entre chaque paires de groupes.

A

les test-t

150
Q

Exemple de test ANOVA.

A
151
Q

Test sur deux proportions

Afin de déterminer si les proportions observées dans deux groupes (Groupe 1 et Groupe 2) sont différentes et si p1 est différent de p2, qu’est-ce qu’on utilise?

A

Test de Khi-carré, nommé aussi test de Khi-2

152
Q

Test du Khi-carré

Test __________________(1) sur des variables ________________________________(2)

A

1) non paramétrique

2) catégorielles (comparer ≥ 2 proportions)

GLOSSAIRE PAGE 9

153
Q

Test du Khi-carré compare la fréquence ________________________

A

réelle à celle attendue.

154
Q

Test du Khi-carré

Sert pour comparer _____________________

A

deux groupes indépendants.

GLOSSAIRE PAGE 9

155
Q

Test du Khi-carré est valide pour un nombre d’observation _____

A

< 5.

156
Q

Test du Khi-carré

5 étapes

A

Étape 1 : Construire un tableau croisé/tableau de contingence et formuler hypothèse

Étape 2 : Calculer le Khi-carré à l’aide de la formule du Khi-carré et du tableau

Étape 3: Calculer le nombre de degré de liberté et choisir le seuil de signification

Étape 4: Trouver la valeur critique d’acceptation ou de refus de l’hypothèse nulle

Étape 5: Comparer la valeur critique à la valeur résultante du Khi-carré

GLOSSAIRE PAGE 10

157
Q

Expliquer l’étape 1 du Test du Khi-carré.

A
158
Q

Expliquer l’étape 2 du Test du Khi-carré.

A
159
Q

Étape 2 du Khi-Carré, exemple de valeurs observées.

A
160
Q

Étape 2 du Khi-Carré, exemple de valeurs attendues.

A
161
Q

Lorsqu’on a le tableau des valeurs observées et des valeurs attendues à l’étape 2 du Khi-Carré, que fait-on?

A
162
Q

Quelle est l’étape 3 du Khi-Carré?

A
163
Q

Quelle est l’étape 4 du Khi-Carré?

A
164
Q

Quelle est l’étape 5 du Khi-Carré?

A
165
Q

Diapos 100 à 109: pour voir un exemple du test Khi-Carré.

A

-

166
Q

Quelles sont les conditions d’application du Test de la loi Normale? (2)

A

1) Test sur une moyenne : Variable quantitative

2) Test sur une proportion: Variable catégorielle

167
Q

Quelles sont les conditions d’application du Test T de Student?

A

1) Test sur deux moyennes

2) Variable quantitative

168
Q

Quelles sont les conditions d’application du Test ANOVA? (2)

A

1) Test la variance de deux groupes ou plus

2) Variable quantitative

169
Q

Quels sont les tests principaux utilisés pour les lois de distribution paramétriques? (3)

A

1) Test de la Loi Normale

2) Test t de Student

3) Test ANOVA

GLOSSAIRE PAGE 11

170
Q

Quels sont les tests principaux utilisés pour les lois de distribution non-paramétriques? (4)

A

1) U de Mann-Whitney

2) Wilcoxon

3) Kruskall-Wallis

4) Khi-Carré

171
Q

Quelles sont les conditions d’application du test U de Mann-Whitney? (2)

A

1) Test de différence entre la distribution de deux groupes

2) Une variable dichotomique (à deux niveaux) et l’autre à l’échelle ordinale

172
Q

Quelles sont les conditions d’application du test de Wilcoxon? (2)

A

1) Test de différence entre la médiane des deux groupes

2) Variable quantitative ou catégorielle ordinale

173
Q

Quelles sont les conditions d’application du test de Kruskall-Wallis? (2)

A

1) Test de différence entre la distribution de trois groupes et plus

2) Variable catégorielle ordinale

174
Q

Quelles sont les conditions d’application du test Khi-Carré? (2)

A

1) Test sur deux proportions ou plus

2) Variable catégorielle

GLOSSAIRE PAGE 12

175
Q

À quoi se réfère la puissance d’un test statistique?

A

Capacité d’un test de déceler un effet ou une différence statistiquement significative

176
Q

Quels facteurs influencent la puissance d’un test statistique? Dire le facteur le plus contrôlable en premier. (4)

A

1) Taille de l’échantillon

2) Seuil de signification statistique (alpha)

3) Dispersion des données (variance)

4) Taille de l’effet

177
Q

Pourquoi est-il important de considérer la taille de l’échantillon?

A

Parce qu’elle influence:

1) La puissance de l’étude

2) La variance des données

3) La précision des indicateurs statistiques

4) La validité des résultats

5) La généralisabilité des conclusions (les implications cliniques)

GLOSSAIRE PAGE 15

178
Q

Qu’est-ce que l’effet de taille?

A

L’effet de taille (Effect Size) quantifie l’ordre de grandeur de la différence de moyenne

En d’autre mot, permet de déterminer si la différence observée est de la taille d’une souris ou d’un éléphant

179
Q

Dans l’effet de taille, que représente la variable S?

A

-

180
Q

Comment interprète-t-on l’effet de taille?

A
181
Q

Regarder page 117 et 118.

A

-

182
Q

Une grande taille d’échantillon signifie une puissance _______________(1), une précision _____________(2) et un intervalle de confiance ______________(3)

A

1) plus élevée

2) plus élevée

3) plus petit.

183
Q

Une petite taille d’échantillon signifie une puissance _______________(1), une précision _____________(2) et un intervalle de confiance ______________(3)

A

1) plus basse

2) plus basse

3) plus grand.

184
Q

Les analyses statistiques permettent de valider des hypothèses de recherche.

-> Évaluer un ______(1) de traitement/__________(2) des observations

A

1) effet

2) constater

185
Q

Le choix du test statistique dépend de quoi? (3)

A

1) L’objectif de l’étude

2) Le type de données

3) La normalité de la distribution des données

Acronyme: NOT

186
Q

L’interprétation des analyses statistiques est guidée par quoi? (2)

A

1) La valeur de p

2) L’intervalle de confiance

187
Q

Donner le test qu’on doit utiliser pour comparer entre les groupes.

A
188
Q

Quelles corrélations doit-on utiliser dans les deux exemples ici-présents?

A
189
Q

Donner la structure d’un article scientifique. (5)

A

1) Introduction (objectif, question, hypothèse)

2) Méthodologie (variables, collecte de données, méthode d’analyse des données)

3) Résultat (statistiques descriptives, statistiques inférentielles)

4) Discussion (interprétation des résultats)

5) Conclusion

190
Q

L’étape 2 d’un article scientifique est le suivant:

“Méthodologie (variables, collecte et méthodes)”

Quelles questions doit-on se poser à cette étape? (4)

A

1) Quelles sont les variables qui découlent de la question/problématique?

2) Comment ces variables seront-elles seront colligées?

3) Quels types de variables seront utilisés?

4) Quelles méthodes d’analyse statistique seront utilisées?

GLOSSAIRE PAGE 17

191
Q

Quelles sont les variables à l’étude dans cet exemple?

“Une étude vise à comparer l’efficacité d’un traitement de stimulation magnétique transcrânienne et d’un traitement de thérapie miroir sur la fonction motrice de la main, 6 mois suivant un AVC.”

A

Traitement et fonction motrice

192
Q

De quel type de variables s’agit-il?

A

Catégorielle ordinale

193
Q

À l’étape 2 de la rédaction d’un article scientifique, “Méthodologie (variables, collecte et méthodes)”, il faut identifier des _____________________________

A

variables dépendante et indépendante.

194
Q

Étape 3 de la rédaction d’un article scientifique: “Résultats (Statistiques descriptives)”

À quoi servent les statistiques descriptives à ce point-ci?

A

Les statistiques descriptives servent à décrire les participants, résumer un échantillon, apprécier la distribution des données.

195
Q

Étape 3 de la rédaction d’un article scientifique: “Résultats (Statistiques descriptives)”.

Quelles statistiques descriptives peut-on utiliser? (3)

A

1) Statistiques de fréquence (fréquence absolue, fréquence relative)

2) Statistiques de tendance centrale (moyenne, médiane, mode)

3) Statistiques de dispersion (étendue, variance, écart-type)

196
Q

Étape 3 de la rédaction d’un article scientifique: “Résultats (Statistiques descriptives)”.

Qu’est-ce qu’on utilise pour présenter les données? (2)

A

Des graphiques ou des tableaux.

197
Q

De quel type de graphique s’agit-il?

A

Courbe de suivi

198
Q

Quels sont les deux mots permettant de compléter le titre de ce graphique?

A

circulaire, fréquence relative

199
Q

De quel type de graphique s’agit-il?

A

Courbe de dispersion

200
Q

De quel type de graphique s’agit-il?

A

Diagramme à barre

201
Q

Regarder p.17, powerpoint 3.

A

-

202
Q

Étape 3 de la rédaction d’un article scientifique: “Résultats (Statistiques inférentielles)”.

Pour vérifier les hypothèses, on utilise des tests statistiques : les statistiques _____________

A

inférentielles.

203
Q

Les tests de statistiques inférentielles nous informent s’il y a une différence entre les _______________________

A

groupes ou les observations.

204
Q

Le choix du test statistique dépend du ________________(1) et de la __________________________________________(2)

A

1) type de la variable

2) normalité de la distribution des données.

205
Q

Une différence statistiquement significative ne traduit pas nécessairement une différence _____________ significative.

A

cliniquement

206
Q

Étape 3 de la rédaction d’un article scientifique: “Résultats (Statistiques inférentielles)”.

Quelles sont les 3 sous-étapes de cette étape?

A

GLOSSAIRE PAGE 18

207
Q

On doit analyser le type de variables à l’étude et la distribution de nos données (vérification de la normalité par le test _______________).

A

de Shapiro Wilk

208
Q

Exemple pour l’étape 1 des statistiques inférentielles.

A
209
Q

Dans le test de Shapiro Wilk, qu’est-ce que ça signifie si la valeur de p est <0,05?

A

Les données ne suivent pas une distribution normale

210
Q

Le test de Shapiro Wilk est adéquat pour un ____________________

A

petit échantillon (N<50).

211
Q

Étape 2 des statistiques inférentielles: “Choisir l’objectif statistique approprié pour répondre à notre hypothèse (corrélation, régression, mesures de différences) et à notre échantillon (paramétrique ou non-paramétrique)”

Expliquer pourquoi on prendrait paramétrique et pourquoi on prendrait non-paramétrique. (3 chaque)

A

-

212
Q

Étape 2 des statistiques inférentielles: “Choisir l’objectif statistique approprié pour répondre à notre hypothèse (corrélation, régression, mesures de différences) et à notre échantillon (paramétrique ou non-paramétrique)”

Quand la statistique est paramétrique et qu’on veut une association entre deux variables continues, quel coefficient de corrélation prend-t-on?

A

Coefficient de corrélation de Pearson (r)

213
Q

Étape 2 des statistiques inférentielles: “Choisir l’objectif statistique approprié pour répondre à notre hypothèse (corrélation, régression, mesures de différences) et à notre échantillon (paramétrique ou non-paramétrique)”

Quand la statistique est non-paramétrique et qu’on veut une association entre deux variables ordinales ou continues, quel coefficient prend-t-on?

A

Coefficient de corrélation Spearman (rs ou rho)

214
Q

Dire quels tests on utiliserait dans chacun des cas.

A
215
Q

Dire quel test on utiliserait.

A
216
Q

Étape 4 de la rédaction d’un article scientifique: “Discussion (interprétation des résultats)”

Interprétation de la valeur de p: Une différence est dite statistiquement significative si la valeur de p est ___________________________

A

inférieure au taux de signification.

217
Q

Étape 4 de la rédaction d’un article scientifique: “Discussion (interprétation des résultats)”

Interprétation de la valeur de p: Si la valeur nulle n’est PAS dans l’IC d’une mesure, cette mesure est ___________________________

A

statistiquement significative.

218
Q

Dans le test du Khi-Carré, à quoi est égal le nombre de degrés de liberté?

A

(nombre de rangées - 1) x (nombre de colonnes -1)

219
Q

L’étape 5 du test du Khi-Carré consiste à comparer la valeur critique à la valeur résultante du Khi-Carré.

Comment atteint-on la signification?

A

La valeur doit être supérieure à la valeur critique

220
Q

Donner les 4 caractéristiques du Khi-Carré.

A
  • Test non paramétrique sur des variables catégorielles (comparer ≥ 2 proportions)
  • Compare la fréquence réelle à celle attendue
  • Comparer deux groupes indépendants
  • Valide pour un nombre d’observation < 5

ERT-1402 Monkeh Explained (2 decks)

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