Cours 3 Flashcards

1
Q

À quoi servent les transformation linéaire?

A

À modifier l’unité de mesure d’une distribution de données afin de les exprimer autrement

Ex : Transformer des centimètres en pouces.

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

Vrai ou faux

Pour effectuer une transformation linéaire, la variable Y doit être au premier degrés

A

FAUX

La variable X doit être au premier degrés

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

Qu’elles sont les propriétés des transformation linéaire?

A
  1. Ne modifie pas la forme de la distribution
  2. Les distances demeurent proportionnelles
  3. La moyenne des données transformées = transformation linéaire de la moyenne originale
  4. La variance des données transformées = variance des données originales multipliée par le carré de la pente
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

L’inversion … est un exemple de transformation …

A

L’inversion d’échelle est un exemple de transformation linéaire

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

Comment faire une inversion d’échelle sur une échelle de Likert?

A

Y = (n+1) - x

pour inverser la donnée

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

Qu’est-ce qu’un score de déviation?

A

C’est le degré de déviation d’une donnée par rapport à la moyenne de la distribution

Y = Xi - moyenne de X

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

Si le score de déviation est …, la donnée est supérieure à la moyenne.

Si le score de déviation est …, la donnée est inférieure à la moyenne.

A

Si le score de déviation est positif, la donnée est supérieure à la moyenne.

Si le score de déviation est négatif, la donnée est inférieure à la moyenne.

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

Qui suis-je?

Je suis le score de déviation pondéré selon l’écart type de la distribution

A

Le score Z

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

À quoi sert le score Z?

A

Utile si on veut voir la déviation d’une personne de la moyenne, peu importe son groupe (sa moyenne et l’écart type).

PERMET D’OBSERVER LE RENDEMENT RELATIF À CHAQUE DONNÉE

Ex: On veut voir lequel de trois étudiants de programmes différents a obtenue le meilleur rendement

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

Vrai ou faux

La moyenne des scores Z est toujours de 0

A

Vrai

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

Qu’elles sont les propriété du score Z?

A
  1. Utile pour la comparaison entre groupes
  2. transforme n’importe quelle distribution en distribution ayant une moyenne de 0 et un écart-type de 1
  3. Ne permet pas de normaliser une distribution
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Qu’est-ce que le score T?

A

C’est un score basés sur le score Z. On effectue une 2e transformation linéaire aux données

Donc nous avons nos données –> 1ere tranformation linéaire –> score Z –> 2e tranformation linéaire –> Score T

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

La moyenne des scores t est toujours de … et l’écart type est toujours de …

A

La moyenne des scores t est toujours de 50 et l’écart type est toujours de 10.

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

Pourquoi voudrions nous transformer nos scores Z en scores T?

A

Car il y a un absence de scores négatifs.

Cela peut être perçus plus positivement.

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

Pourquoi s’intéresse-t-on à la distribution normale?

A
  1. Elle permet d’estimer la PROBABLITÉ d’obtenir une donnée

2. Plusieurs phénomènes étudiés en psychologie sont supposés être normalement distribués dans la population

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Puisqu’il existe une infinité de distributions normales, qu’est-ce qui est utilisé pour éviter cette complexité?

A

La distribution centré réduite

17
Q

Qui suis-je?

À l’aide d’une transformation linéaire, je peut devenir centrée réduite

A

Une distribution normale

18
Q

Comment transforme-t-on une distribution normal en distribution centrée réduite?

A

En transformant chaque donnée de la distribution en score Z

19
Q

Qu’est-ce qu’on ne doit surtout pas oublié lorsqu’on travaille avec la table des score Z?

A

Les scores Z ne fonctionnent que si la distribution de la population est NORMALE

20
Q

Quelles sont les principales utilisation de la transformation linéaire?

A
  1. Inversion d’échelle

2. Score Z et score T

21
Q

Quelle est la formule de la transformation linéaire?

A

Y = bX + a

  1. X est la variable originale
  2. Y est la variable transformée¸
  3. a = O.O
  4. b = pente
22
Q

Comment s’exprime le score Z?

A

En unité d’écart-type par rapport à la moyenne

23
Q

Que stipule le théorème de la limite centrale?

A
  1. Que si on prend une infinité d’échantillon qui proviennent d’une même population, ça fait une distribution d’échantillonnage –> La distribution d’échantillonnage se rapproche de la distribution normale (population)
  2. Les différences entres des échantillons sont appelées les fluctuations d’échantillonnages.
24
Q

Combien de pourcentage de nos données se retrouvent sous la courbes?

25
Combien de pourcentage des données se sutuent entre + ou - 1 écart typde de la moyenne?
68%
26
Quels sont les avantages de la tables des scores Z?
1. Permet d'identifier des résultats extrêmes dans une étude 2. Comparer des individus entre eux et avec la moyenne du groupe 3. Facile à interpréter
27
Pour quelle raison on ne pourrait pas utiliser la table des Z?
Car les données ne sont pas normalement distribuées.