Cours 5 - Rappel sur la corrélation Flashcards
Caractéristiques unilatéral VS bilatéral (puissance, général ou non, etc.)
Unilatéral : Sera plus spécifique et plus puissant
Bilatéral : Sera plus général et moins puissant
Coefficient de corrélation r de Pearson - Caractéristiques
Il s’agit d’un indice de l’ajustement entre deux variables qui peut être positif ou négatif de -1 à 1.
0 = absence de relation
1 ou -1 = relation parfaite (faire attention, cela veut dire qu’on mesure deux fois la même chose)
Vrai ou faux? Plus la corrélation est forte, plus les points sur
le diagramme de dispersion sont resserrés
autour de la droite de régression
Vrai
Valeurs du r de pearson (cohen)
0 = absence
.10 = faible
.30 = modérée
.50 = Forte
Qu’est-ce que la covariance?
à quel point les deux variables varient de façon similaire
Que permet la formule du r de Pearson pour la corrélation?
Permet de standardiser la relation entre les variables qui ne sont pas nécessairement sur les mêmes échelles
Différence entre la corrélation et la covariance?
La corrélation est la covariance standardisé par les écarts-types
Vrai ou faux : Le test d’hypothèse peut s’intéresser de manière descriptive à la corrélation de seulement l’échantillon ET comme test inférentiel
Vrai
H0 et H1 d’un test bilatéral
H0 : p = 0
H1: p =/= 0
H0 et H1 d’un test unilatéral
H0 : p plus grand ou égal à 0
H1 : p plus petit que 0
Quelle distribution d’échantillonnage utilise-t-on avec un test d’hypothèse de la corrélation?
Le t de student avec n - 2 DL
Caractéristiques du coefficient de corrélation de Pearson (R)
- Indice indépendant des échelles
- Indice standardisé
- Le R carré représente le pourcentage de variance expliqué d’une variable par l’autre
- Le R est un estimateur biaisé de la population quand la population est petite (au moins 20 pour assurer la validité de l’estimateur)
Régression linéaire simple VS Corrélation ? C’est quoi les ressemblances / Différences
La régression linéaire simple est comme la corrélation dans l’idée qu’il y a 2 variables continues. PAR CONTRE!!!!! dans le cas d’une corrélation, il n’y a pas nécessairement de VI et VD (un lien, pas une prédit l’autre). Dans une régression, la VI prédit la VD.
Est-ce que la puissance du r de Pearson dépend de la taille de l’effet et de l’échantilon?
Bah oué poto. Avec le coefficient de corrélation, on estime que la taille d’effet attendue égale la corrélation attendue. C’est un peu comme le test-t en fonctionnement au niveau de la puissance
Quoi retenir de la matrice de corrélation?
La diagonale est de 1 puisque c’est toujours une corrélation avec la même variable. Dans le reste de la matrice, on remarque un effet miroir.
Pour la matrice de variance/covariance, la diagonale n’est pas de 1 mais bien de la valeur de la variance de chaque variable donnée. Quand on est pas dans la diagonale, c’est la valeur de la covariance qu’on observe.