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?

A

100% ou 1

25
Q

Combien de pourcentage des données se sutuent entre + ou - 1 écart typde de la moyenne?

A

68%

26
Q

Quels sont les avantages de la tables des scores Z?

A
  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
Q

Pour quelle raison on ne pourrait pas utiliser la table des Z?

A

Car les données ne sont pas normalement distribuées.