Cours 3 - Biais Flashcards

1
Q

L’ordonnée à l’origine

A

La valeur de y lorsque x est à 0

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

Biais de la pente

A

L’erreur (e) est différente pour un groupe

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

Vrai ou faux : Un biais n’est pas un synonyme de différence

A

Vrai, on par le biais si la pente est différente pour deux groupes en raison d’une inéquité dans le fonctionnement du test et non en raison d’une véritable différence entre les populations à l’étude.

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

La présence d’un biais ____ les intervalles de confiance.

A

Élargie les intervalles de confiance

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

Les données extrêmes impacts (biais) :

A) les intervalles de confiance
B) l’erreur
C) Seuil de signification
D) Toutes ces réponses

A

D) Toutes ces réponses

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

Théoème de la limite centrale

A

Si n < 30, la distribution d’échantillonnage des moyenne est normale et même si la distribution de la population n’est pas normale.

  • Dans tous les échantillons possibles, j’ai plus de chance de tomber sur un échantillon typique plutôt qu’atypique
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

La distribution d’échantillonage

A

Est symétrique et normale, souvant égale à la moyenne de la population dans la vaste majorité des cas

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

Vrai ou faux : La distribution d’échantillonnage est équivalente à l’échantillon ?

A

FAUX, ce n’est pas notre échantillon

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

Vrai ou faux : L’écart-type de la distribution d’échantillonnage est le même que l’écart-type de la population/racine de n.

A

Vrai

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

Vrai ou faux : Il est possible d’obtenir une distribution d’échantillonnage des moyennes respectant la normalité même si la population est clairement non normale avec un n suffisant

A

Vrai

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

Test de KS ou Shapiro

  • Qu’est-ce qu’un résultat significatif veut dire ?
A

Sert à tester la normalité.

  • Un résultat de p < 0.05, indique que la distribution n’est pas normale, donc que la normalité n’est pas respectée.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Si j’ai un grand échantillon, est-il nécessaire de faire un test de Shapiro ?

A

Non, habituellement l’échantillon suivra le théorème de la limite centrale

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

Vrai ou faux : La taille de l’échantillon affectera le résultat significatif du test de normalité

A

Vrai, plus l’échantillon est grand, moins le résultat est significatif

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

L’homogénéité de la variance

A

L’erreur doit demeurer constante à travers les différents prédicteurs

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

Si nos participants proviennent de la même population, et qu’ils ne varient pas de façon égale, on parle de… (3 termes)

A
  • Hétéroscédasticité
  • Inégalité des variances
  • Hétérogénéité des variances
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Test de Levene

  • Qu’est-ce qu’un résultat significatif veut dire ?
A

Sert à tester l’homogénéité des variances, donc savoir si les variances des différents groupes sont les mêmes.

  • Un p < 0.05 signifit que les variances ne sont pas homogèmes donc que les variances des deux groupe sont significativement différentes.
  • Non significatif = variances homogènes
17
Q

Vrai ou faux : La taille de l’échantillon affectera le résultat significatif du test d’homogénéité des variances

A

Vrai, plus l’échantillon est grand, moins le résultat est significatif, donc plus je retrouve de l’homogénéité de la variance

18
Q

Test de normalité

Si j’ai un résultat de z = 4.68, dans mon asymétrie je peux dire que :

A) Mon test est statistiquement significatif à p < 0.05

B) Mon test n’est pas statistiquement significatif à p > 0.05

C) Mon test est statistiquement significatif à p < 0.01

D) Mon test est statistiquement significatif à p > 0.05

E) Mon test est statistiquement significatif à p > 0.01

A

C) mon test est statistiquement significatif à p < 0.01 ( plus de 2.58, donc significatif à 0.05 mais en plus à 0.01), donc que mon échantillon ne respect pas la normalité.

19
Q

Quel type de transformation permet de réduire l’asymétrie positive ?

A) Transformation Inverse
B) Transformation Log
C) Transformation racine carré
D) Toutes ces réponses
E) Aucune de ces réponses

A

B) et C)

20
Q

Quel type de transformation permet de réduire l’impact de grands scores ?

A) Transformation Inverse
B) Transformation Log
C) Transformation racine carré
D) Toutes ces réponses
E) Aucune de ces réponses

A

A)

21
Q

Vrai ou faux : Transformer les données modifie également l’hypothèse testée ?

A

Vrai : on passe à une comparaison de moyennes arithmétiques à des moyennes géométriques

22
Q

Vrai ou faux : les conséquences pour le modèle statistique d’appliquer la “mauvaise” transformation, pourrait être pire que les conséquences de l’analyse des scores non transformés

A

Vrai !