cours 4 - tests de moyenne à comparaisons multiples (t-test) Flashcards
- Pour vérifier la taille de l’effet du test de T, on utilise le d de Cohen. Plus de d le Cohen est fort, plus l’effet sera fort et donc:
a) Moins on a la probabilité de faire une erreur de type 2.
b) Plus on a la probabilité de faire une erreur de type 2.
c) Moins on a la probabilité de faire une erreur de type 1.
A
- Pourquoi les effets de taille sont importants lorsqu’on a de grands échantillons ?
car plus on augmente le nombre d’observations pour un test t, plus on obtient une puissance de test plus élevée. il est alors important de mesure la taille de l’effet afin de voir si la différence est négligeable même si elle est statistiquement significative ou si c’est seulement car le nombre d’observations est élevé.
- Explique-moi la différence entre une erreur de type I et une erreur de type II
Une erreur de type II est de dire que Ho est vrai alors qu’elle est fausse tandis qu’une erreur de type I est de dire qu’Ho est fausse alors qu’elle est vraie (l’inverse).
- Vrai ou Faux? Même avec une distribution asymétrique, si la taille de l’échantillon est assez grande, on peut avoir des valeurs précises de p et donc éviter des erreurs de type I. Justifiez votre réponse.
faux: avec une taille d’échantillon suffisamment grande, on peut avoir des valeurs précises de p mais la distribution asymétrique augmente la probabilité de faire une erreur de type 1 (dire que Ho est vraie alors qu’elle est fausse) concluez à tort qu’il existe une différence
- Quelle est la meilleure façon de décrire la taille de l’effet dans une analyse statistique :
a. La probabilité de commettre une erreur de Type I dans un test statistique;
b. La capacité d’un test statistique à détecter des différences entre les groupes;
c. La mesure de la force ou de la magnitude d’une relation ou d’une différence entre les groupes;
d. La variation des données observées dans un échantillon par rapport à une population.
C
- Choisissez la réponse qui ne constitue pas un paramètre d’un test de moyennes et identifiez le paramètre manquant. Qu’est-ce que ce paramètre représente?
a. Le niveau de confiance
b. La valeur de p
c. Le test d’homogénéité
d. La puissance d’un test
Paramètre manquant:
Qu’est-ce qu’il représente :
C
Paramètre manquant: le seuil de signification
Qu’est-ce qu’il représente : la probabilité de faire une erreur de type I rejeter l’hypothèse nulle alors qu’elle est vrai (j’accepte cela à 5%)
- Dans quelles circonstances peut-on violer le postulat de normalité lorsqu’on veut effectuer un test de T?
lorsque ça suit une loi normale ET il y a une taille de l’échantillon assez grand (plus que 30)
u8. Des étudiant(e)s de l’Université de Montréal veulent augmenter la puissance de leur étude qui compare les moyennes du nombre de cheveux des étudiants en sciences politiques et ceux en criminologie. De quelle façon pourraient-ils/elles s’y prendre?
En augmentant le nombre d’observations dans nos échantillons pour réduire l’incertitude et augmenter la sensibilité de détecter de vraies différences, ici des étudiants en sciences politiques et des étudiants en criminologie de l’udem.
- Le gouvernement souhaite implanter un programme à grande échelle pour venir en aide aux travailleurs et travailleuses du réseau de la santé et des services sociaux. Un programme pilote a été mis à l’essai préalablement à plus petite échelle afin de vérifier l’efficacité du programme. Afin de savoir s’il est vraiment pertinent d’implanter le programme, le gouvernement demande à des analystes de déterminer si le programme pilote a eu des effets sur les travailleurs et travailleuses du réseau. Les analystes leur répondent qu’ils ont observé une différence significative entre les données collectées avant et après le programme, et que l’effet de taille est de 0,18 (d de Cohen). Est-ce que le programme devrait être implanté à plus grande échelle? Pourquoi?
Non car selon l’échelle du d de cohen, bien que les analystes aient pu observer une différence significative entre les groupes avant et après le programme, l’effet de taille du d de cohen de 0.18 représente un petit effet (en bas de 0.2), peut-être même négligeable, qui démontre que le programme n’a peut-être pas réellement un effet comme on le pensait.
- Quelles sont les deux manières de formuler les hypothèses dans le contexte d’un test de T pour échantillons indépendants
H0:x ̅_1=x ̅_2
H1:x ̅_1≠x ̅_2
les moyennes sont égales
les moyennes sont inégales
Et
H0:x ̅_1-x ̅_2=0
H1:x ̅_1-x ̅_2≠0
la différence des moyennes est de 0
la différence des moyennes n’est pas de 0
- Si on rejette l’hypothèse nulle (Ho) alors qu’elle est vraie, de quel type d’erreur s’agit-il ?
Une erreur de type I
