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? »
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
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
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
5
Q
Les statistiques inférentielles déterminent si une différence est présente au niveau statistique = …
A
statistiquement significative
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
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
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)
9
Q
Quand accepte-t-on H0? Quand la rejetons-nous?
A
10
Q
Quelles sont les propositions que l’on souhaite vérifier:
1) Avec l’hypothèse nulle?
2) Avec l’hypothèse de recherche?
A
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
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
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
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)
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
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.
17
Q
Par quoi est générée la valeur-p?
A
Par le logiciel des analyses statistiques
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
19
Q
Le calcul de la valeur de p est très __________
A
complexe.
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
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
22
Q
Plus alpha est petit, plus l’erreur de type I est _______
A
réduite!
23
Q
Valeur-p et alpha.
A
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
25
Compléter le tableau selon la façon de décrire l'échantillon.
-
26
Les statistiques inférentielles, à quoi servent-elles?
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? »
27
Les statistiques inférentielles permettent de tester des hypothèses sur la _____________________(1) et de ____________________(2) en s’appuyant sur des techniques statistiques.
1) relation entre les variables
2) porter un jugement
28
Les statistiques inférentielles
4 étapes
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
29
Pour vérifier empiriquement les hypothèses et pouvoir dire si oui ou non, notre résultat est statistiquement significatif, nous devons faire appel à: (2)
1) La valeur-p
2) L’intervalle de confiance
30
La valeur-p est souvent directement issue des ____________________________________
résultats des statistiques inférentielles.
31
L’interprétation de la valeur de p est très importante.
Pourquoi? (2)
1) Détecter la présence ou non d’une différence significative entre les groupes
2) Accepter ou rejeter une hypothèse nulle
32
Plus la valeur de α est petite, plus les évidences sont fortes pour montrer que les résultats ________________________________
ne sont pas attribués à la chance.
33
Interprétation du résultat
Valeur-p
34
"Valeur de p<0,05 ; alpha=5%"
Qu'est-ce que ça signifie?
Nous avons moins de 5% de probabilité de rejeter l’hypothèse nulle alors qu’elle est vraie.
35
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 »).
statistiquement significatif
36
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)
* 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
37
La _________________________________ est conclue à partir des résultats des tests statistiques -> de la valeur de p.
différence statistiquement significative
38
La différence cliniquement significative dépend de ____________________
l’outil clinique utilisé.
39
La différence cliniquement significative dépend de l’outil clinique utilisé.
Chaque outil clinique destiné pour l’évaluation a un score de ___________________________________________
différence minimale cliniquement pertinente (MCID).
40
Qu'est-ce qu'un score de différence minimale cliniquement pertinente (MCID)?
Une valeur qui permet au clinicien de conclure une différence clinique importante
41
Une différence statistiquement significative implique-t-elle nécessairement une différence cliniquement significative?
Non
42
Différence minimale cliniquement pertinente (MCID)
43
4) Interprétation du résultat: Intervalle de confiance
L’utilisation des intervalles de confiance est une...
...autre façon d’aborder les statistiques inférentielles.
44
Qu'est-ce que l'intervalle de confiance?
Représente la marge d’erreur ou la précision des résultats de l’étude
GLOSSAIRE PAGE 1
45
L'intervalle de confiance est l’intervalle qui devrait contenir, avec un certain degré d’incertitude, ________________
la vraie valeur.
46
Dans l'intervalle de confiance, les bornes sont parfois désignées par le terme « ________________ ».
limites de confiance
47
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 = __
0.
48
Si la valeur nulle n’est PAS dans l’intervalle de confiance à 95% d’une mesure, cette mesure est _________________________
statistiquement significative.
GLOSSAIRE PAGE 2
49
Intervalle de confiance représentation.
50
Intervalle de confiance exemple.
51
Intervalle de confiance tableau.
52
Donner une autre façon de représenter un intervalle de confiance.
Une proportion d’un ensemble d’observations
53
Intervalle de confiance autre graphique.
54
55
Les statistiques inférentielles sont utiles pour... (3)
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)
56
Les statistiques paramétriques
Les variables sont _____________________ dans la population.
normalement distribuées
57
Les statistiques paramétriques
L’échantillon provient d’une population dont il est ______________________________
possible de calculer la variance.
58
Les statistiques paramétriques
Les variables sont à échelle ____________________________
d’intervalle ou de proportion/ratio.
59
Les statistiques non-paramétriques
Les variables ne sont pas _______________________________________________________
normalement distribuées (distribution asymétrique).
60
Les statistiques non-paramétriques conviennent aux échantillons de _____________
petites tailles.
61
Les statistiques non-paramétriques conviennent aux données _________________________________
nominales et ordinales (qualitatives).
62
Étude de corrélation = Mesure statistique exprimée par un _______________________ : positif, négatif ou nul (entre 0.00 et ±1.00).
coefficient de corrélation
63
Qu'est-ce qu'indique une étude de corrélation?
Indique la présence de relation entre deux variables. La force et la direction du lien entre ces deux variables.
64
Une étude de corrélation est représentée par un ________________________
diagramme de dispersion.
65
Étude de corrélation
Il en existe plusieurs, les plus fréquentes : (2)
* Pearson: pour variables normalement distribuées
* Spearman: pour variables qui suivent une distribution normale ou pas
66
Étude de corrélation
4 étapes
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
67
1) Choix du coefficient de corrélation
Donner 2 options.
68
2) Calcul du coefficient de corrélation
Que signifie "corrélation positive"?
Le coefficient r varie entre 0 et 1
* Lorsque les valeurs de x augmentent, les valeurs de y augmentent
69
2) Calcul du coefficient de corrélation
Que signifie "corrélation négative"?
Le coefficient r varie entre -1 et 0
* Lorsque les valeurs de x augmentent, les valeurs de y diminuent
70
2) Calcul du coefficient de corrélation
Que signifie "corrélation nulle"?
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
71
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)
* │0,3│ ≤ r < │0,5│ : : Une corrélation faible
* │0,5│ ≤ r < │0,7│ : Une corrélation modérée
* │0,7│ ≤ r < │1│ : Une corrélation forte
72
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.
varier
73
4) Inférence en corrélation (valeur-p ou intervalle de confiance)
Une fois la corrélation effectuée, r est une donnée _____________________
statistique descriptive.
74
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.
75
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 ______________________________________________________________
la corrélation est jugée statistiquement significative ou non.
76
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:
77
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%?
Trouver la réponse.
78
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?
Non
79
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.
Exemple:
Les symptômes anxieux et dépressifs peuvent s’influencer mutuellement, mais l’un n’est pas nécessairement la cause de l’autre
80
Mesures de prédiction entre variables: Analyse de régression
Quel est l'objectif de la régression?
Établir une prédiction basée sur une corrélation
(cause à effet entre les variables).
81
Mesures de prédiction entre variables: Analyse de régression
À quoi sert la méthode d’analyse de régression?
Examine la relation prédictive entre une variable dépendante et une ou plusieurs variables indépendantes.
82
Étude de régression
4 étapes
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
83
Expliquer l'étape 1) Choix de régression.
84
1) Choix de régression: Variable dépendante & indépendante
Tableau
85
Quel est l'objectif d'une régression linéaire simple?
Prédire la valeur d’une variable dépendante en se basant sur la valeur d’une variable indépendante.
86
Quels sont les types de variables possibles dans une régression linéaire simple? (2)
Variable Indépendante (X): continue ou autre niveaux de mesures
Variable Dépendante (Y): continue
87
Quel est l'objectif d'une régression multiple?
Prédire la valeur d’une variable dépendante en se basant sur plusieurs variables indépendantes.
88
Quels sont les types de variables possibles dans une régression multiple? (2)
Variables Indépendantes (X): nominales ou continues
Variable Dépendante (Y): continue
89
Quel est l'objectif d'une régression logistique?
Vérifier l’effet d’une ou de plusieurs variables indépendantes sur une variable dépendante dichotomique.
90
Quels sont les types de variables possibles dans une régression logistique? (2)
Variables Indépendantes (X): nominales ou continues
Variable Dépendante (Y): nominale (dichotomique)
91
2) Calcul de la régression
La régression se base sur la ____________ entre les variables tel que vu précédemment.
corrélation
92
2) Calcul de la régression
Ainsi la régression linéaire sera représentée par un _________________________(1) Toutefois, à la différence de la corrélation, une _________________(2)
1) diagramme de dispersion.
2) droite y sera tracée.
93
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?
Permet d’obtenir une formule ou un modèle
94
2) Calcul de la régression
La formule de la droite/modèle permet de ________________________________________________________________
répondre à des questions et de prédire des phénomènes
95
2) Calcul de la régression: La régression linéaire simple
La droite représente _______________________________________________________
l’effet de la variable indépendante (x) sur la variable dépendante (y).
96
2) Calcul de la régression: La régression linéaire simple
La formule de la droite est:
y= b0 + b1x
où
b0 est le point d’origine b1 est la pente
97
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?
Aucun lien entre x et y
98
b1 = 0
99
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?
Quand x augmente, y augmente
100
3) Interprétation de la régression: La régression linéaire simple
Interprétation de la direction de la pente (b1) * Si b1 est négatif → _____________________
quand x augmente, y diminue.
101
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?
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
4) Inférence en corrélation (valeur de p ou intervalle de confiance)
L’inférence peut porter sur...
... l’origine ou la pente de la droite de régression (souvent plus sur la pente que sur l’origine).
103
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...
... le coefficient de régression est significativement différent de 0.
104
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 ___________________________________________
intervalle de prédiction de notre variable.
105
4) Inférence en corrélation (valeur de p ou intervalle de confiance)
Interpréter le tableau suivant.
Interprétation: La valeur-p indique que les corrélations suivantes sont statistiquement significatives et différentes de zéro.
106
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.
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
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?
108
Survol rapide des autres types de régression: La régression linéaire multiple
L’interprétation des résultats est sensiblement la même que pour _____________________
la régression linéaire simple.
109
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.
110
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.
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
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.
1) des personnes saines.
2) de présence ou d’absence
112
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 _____________________________________________________________________
dichotomique (ex: absence ou présence d’une maladie, d’une condition)
113
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)
1) catégorielles ou continues
2) survenue ou non de l’évènement.
114
Survol rapide des autres types de régression: La régression logistique
Un modèle de régression logistique permet de prédire la _____________________________________________________________________
probabilité qu’un évènement ou un résultat survienne.
115
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
116
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).
117
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 ___________________________________________________________________
très complexes et nécessitent l’utilisation de logiciel statistique.
118
Expliquer la différence entre corrélation et régression.
119
Les statistiques inférentielles sont utiles pour examiner des _____________________ (mesures de différences de moyennes, proportion).
différences entre des groupes
120
Pour les variables continues, quels tests utilise-t-on pour comparer entre deux moyennes? (3)
1) Test t (t de Student)
2) Test U de Mann- Whitney
3) Test de Wilcoxon
Alphabet: TU(pas de V)W
121
Pour les variables continues, quels tests utilise-t-on pour comparer entre les moyennes de plus de deux groupes? (2)
1) ANOVA (analyse de variance)
2) Kruskal- Wallis
122
Pour les variables catégorielles, quels tests utilise-t-on pour comparer entre deux proportions/fréquences?
Test de Khi-carré
GLOSSAIRE PAGE 8
123
Pour groupe indépendant (comparaison de deux groupes), quel choix fait-on pour le test t (paramétrique)?
Test t pour groupe indépendant :
Comparaison de moyenne de chacun des groupes
124
Pour groupe indépendant (comparaison de deux groupes), quelle équivalence non-paramétrique utilise-t-on?
Test U de Mann-Whitney: Comparaison de distribution des valeurs pour chaque groupe
125
Pour groupe appariés (pré-post), quel choix fait-on pour le test t (paramétrique)?
Test t pour groupe appariés
126
Pour groupe appariés (pré-post), quelle équivalence non-paramétrique utilise-t-on?
Test de Wilcoxon par rangs signés
127
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 __________
différentes.
128
Quelle est la loi de distribution pour un Test T de student?
La loi t de Student
129
La loi de distribution appropriée pour ce test est la loi t de Student et la formule est la suivante:
130
Le Test t de Student ressemble à la loi Normale, mais _______________
plus évasé.
131
Le Test t de Student est utile pour des échantillons de quelle taille?
De toutes tailles même petits (n < 30 sujets)
132
Dans le test T de Student, les degrés de liberté (Ƭddl) doivent être __________
calculés.
133
Quels sont les postulats pour utiliser le test T de Student? (3)
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
P.76 à 78
Exemples de Test T de Student
135
Si on a plus que deux groupes?
Analyse des variances
136
Test sur plus de deux moyennes
Donner 2 tests possibles.
Le test d’analyse de variance ANOVA et Kruskal-Wallis
137
Le test d’analyse de variance ANOVA et Kruskal-Wallis.
1) Lequel est paramétrique?
2) Lequel présente une équivalence non-paramétrique?
1) Test d’analyse de variance ANOVA
2) Test de Kruskal-Wallis
138
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?
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
Test sur plusieurs variances
Pour comparer la variance des groupes, il faut la décomposer en ses différentes sources.
Quelles sont-elles? (2)
Variance intra-groupe :
Différence entre les individus à l’intérieur d’un groupe
Variance inter-groupe : Différence entre les groupes
140
Différencier la variation intragroupe de la variation intergroupe.
141
Différencier la variation intragroupe de la variation intergroupe.
142
Test ANOVA permet de mesurer les ___________________________
variances inter et intra groupes.
143
Test ANOVA permet de comparer des ___________________________________________________
mesures répétées et entre plus que deux groupes.
144
Test ANOVA est généré par un logiciel d’analyse statistique: ___________________
formule et calcul complexe.
145
Test ANOVA utilise la ____________(1) dont l’interprétation de la valeur de p se fait comme à l’habitude : _______________________________(2)
1) statistique F
2) validation de l’hypothèse statistique.
146
Interprétation -Test ANOVA
Donner un exemple.
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
Interprétation -Test ANOVA Exemple
Qu'est-ce qu'indique le tableau suivant?
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
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.
1) tests post hoc
2) comparaison multiples
149
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.
les test-t
150
Exemple de test ANOVA.
151
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?
Test de Khi-carré, nommé aussi test de Khi-2
152
Test du Khi-carré
Test __________________(1) sur des variables ________________________________(2)
1) non paramétrique
2) catégorielles (comparer ≥ 2 proportions)
GLOSSAIRE PAGE 9
153
Test du Khi-carré compare la fréquence ________________________
réelle à celle attendue.
154
Test du Khi-carré
Sert pour comparer _____________________
deux groupes indépendants.
GLOSSAIRE PAGE 9
155
Test du Khi-carré est valide pour un nombre d’observation _____
< 5.
156
Test du Khi-carré
5 étapes
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
Expliquer l'étape 1 du Test du Khi-carré.
158
Expliquer l'étape 2 du Test du Khi-carré.
159
Étape 2 du Khi-Carré, exemple de valeurs observées.
160
Étape 2 du Khi-Carré, exemple de valeurs attendues.
161
Lorsqu'on a le tableau des valeurs observées et des valeurs attendues à l'étape 2 du Khi-Carré, que fait-on?
162
Quelle est l'étape 3 du Khi-Carré?
163
Quelle est l'étape 4 du Khi-Carré?
164
Quelle est l'étape 5 du Khi-Carré?
165
Diapos 100 à 109: pour voir un exemple du test Khi-Carré.
-
166
Quelles sont les conditions d'application du Test de la loi Normale? (2)
1) Test sur une moyenne : Variable quantitative
2) Test sur une proportion: Variable catégorielle
167
Quelles sont les conditions d'application du Test T de Student?
1) Test sur deux moyennes
2) Variable quantitative
168
Quelles sont les conditions d'application du Test ANOVA? (2)
1) Test la variance de deux groupes ou plus
2) Variable quantitative
169
Quels sont les tests principaux utilisés pour les lois de distribution paramétriques? (3)
1) Test de la Loi Normale
2) Test t de Student
3) Test ANOVA
GLOSSAIRE PAGE 11
170
Quels sont les tests principaux utilisés pour les lois de distribution non-paramétriques? (4)
1) U de Mann-Whitney
2) Wilcoxon
3) Kruskall-Wallis
4) Khi-Carré
171
Quelles sont les conditions d'application du test U de Mann-Whitney? (2)
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
Quelles sont les conditions d'application du test de Wilcoxon? (2)
1) Test de différence entre la médiane des deux groupes
2) Variable quantitative ou catégorielle ordinale
173
Quelles sont les conditions d'application du test de Kruskall-Wallis? (2)
1) Test de différence entre la distribution de trois groupes et plus
2) Variable catégorielle ordinale
174
Quelles sont les conditions d'application du test Khi-Carré? (2)
1) Test sur deux proportions ou plus
2) Variable catégorielle
GLOSSAIRE PAGE 12
175
À quoi se réfère la puissance d'un test statistique?
Capacité d’un test de déceler un effet ou une différence statistiquement significative
176
Quels facteurs influencent la puissance d'un test statistique? Dire le facteur le plus contrôlable en premier. (4)
1) Taille de l’échantillon
2) Seuil de signification statistique (alpha)
3) Dispersion des données (variance)
4) Taille de l’effet
177
Pourquoi est-il important de considérer la taille de l'échantillon?
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
Qu'est-ce que l'effet de taille?
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
Dans l'effet de taille, que représente la variable S?
-
180
Comment interprète-t-on l'effet de taille?
181
Regarder page 117 et 118.
-
182
Une grande taille d'échantillon signifie une puissance _______________(1), une précision _____________(2) et un intervalle de confiance ______________(3)
1) plus élevée
2) plus élevée
3) plus petit.
183
Une petite taille d'échantillon signifie une puissance _______________(1), une précision _____________(2) et un intervalle de confiance ______________(3)
1) plus basse
2) plus basse
3) plus grand.
184
Les analyses statistiques permettent de valider des hypothèses de recherche.
-> Évaluer un ______(1) de traitement/__________(2) des observations
1) effet
2) constater
185
Le choix du test statistique dépend de quoi? (3)
1) L’objectif de l’étude
2) Le type de données
3) La normalité de la distribution des données
Acronyme: NOT
186
L’interprétation des analyses statistiques est guidée par quoi? (2)
1) La valeur de p
2) L’intervalle de confiance
187
Donner le test qu'on doit utiliser pour comparer entre les groupes.
188
Quelles corrélations doit-on utiliser dans les deux exemples ici-présents?
189
Donner la structure d'un article scientifique. (5)
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
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)
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
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."
Traitement et fonction motrice
192
De quel type de variables s’agit-il?
Catégorielle ordinale
193
À l'étape 2 de la rédaction d'un article scientifique, "Méthodologie (variables, collecte et méthodes)", il faut identifier des _____________________________
variables dépendante et indépendante.
194
Étape 3 de la rédaction d'un article scientifique: "Résultats (Statistiques descriptives)"
À quoi servent les statistiques descriptives à ce point-ci?
Les statistiques descriptives servent à décrire les participants, résumer un échantillon, apprécier la distribution des données.
195
Étape 3 de la rédaction d'un article scientifique: "Résultats (Statistiques descriptives)".
Quelles statistiques descriptives peut-on utiliser? (3)
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
Étape 3 de la rédaction d'un article scientifique: "Résultats (Statistiques descriptives)".
Qu'est-ce qu'on utilise pour présenter les données? (2)
Des graphiques ou des tableaux.
197
De quel type de graphique s'agit-il?
Courbe de suivi
198
Quels sont les deux mots permettant de compléter le titre de ce graphique?
circulaire, fréquence relative
199
De quel type de graphique s’agit-il?
Courbe de dispersion
200
De quel type de graphique s’agit-il?
Diagramme à barre
201
Regarder p.17, powerpoint 3.
-
202
Étape 3 de la rédaction d'un article scientifique: "Résultats (Statistiques inférentielles)".
Pour vérifier les hypothèses, on utilise des tests statistiques : les statistiques _____________
inférentielles.
203
Les tests de statistiques inférentielles nous informent s’il y a une différence entre les _______________________
groupes ou les observations.
204
Le choix du test statistique dépend du ________________(1) et de la __________________________________________(2)
1) type de la variable
2) normalité de la distribution des données.
205
Une différence statistiquement significative ne traduit pas nécessairement une différence _____________ significative.
cliniquement
206
Étape 3 de la rédaction d'un article scientifique: "Résultats (Statistiques inférentielles)".
Quelles sont les 3 sous-étapes de cette étape?
GLOSSAIRE PAGE 18
207
On doit analyser le type de variables à l’étude et la distribution de nos données (vérification de la normalité par le test _______________).
de Shapiro Wilk
208
Exemple pour l'étape 1 des statistiques inférentielles.
209
Dans le test de Shapiro Wilk, qu'est-ce que ça signifie si la valeur de p est <0,05?
Les données ne suivent pas une distribution normale
210
Le test de Shapiro Wilk est adéquat pour un ____________________
petit échantillon (N<50).
211
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)
-
212
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?
Coefficient de corrélation de Pearson (r)
213
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?
Coefficient de corrélation Spearman (rs ou rho)
214
Dire quels tests on utiliserait dans chacun des cas.
215
Dire quel test on utiliserait.
216
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 ___________________________
inférieure au taux de signification.
217
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 ___________________________
statistiquement significative.
218
Dans le test du Khi-Carré, à quoi est égal le nombre de degrés de liberté?
(nombre de rangées - 1) x (nombre de colonnes -1)
219
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?
La valeur doit être supérieure à la valeur critique
220
Donner les 4 caractéristiques du Khi-Carré.
* 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
