Cours 5 : Test t Flashcards
Nomme les 2 types de tests T
1- indépendant
2- dépendant
Quelle est la forme la + simple d’expérience qui peut être faite?
Expérience où il y a 1 seule variable indépendante qui est manipulée.
Manipulée de 2 manières et 1 seul paramètre est mesuré.
À quoi fait référence le paramètre dans la déf de l’expérience la + simple?
une valeur dans la pop ; toujours trouvée par inférence.
Peut-on utiliser un test T dans un plan corrélationnel?
OUI (ce qui fait que le plan est corrélationnel est que je ne manipule pas ma variable)
Donne un exemple de plan corrélationnel
Mesurer la consommation dans la dernière semaine des hommes et des femmes.
Le test T dépendant compare quel type de données?
compare 2 moyennes basées sur des données connexes (ex : pré test, intervention et post-test)
Donne un exemple de données qui peuvent être utilisées pour un test T dépendant.
Des données provenant des mêmes personnes mesurées à des moments différents.
Le test T indépendant compare quel type de données?
Compare 2 moyennes basées sur des données indépendantes.
Donne un exemple de données qui peuvent être utilisées pour un test T indépendant.
Données provenant de différents groupes de personnes.
À quoi sert le test de signification?
Tester la signification du coefficient de corrélation de Pearson (tester le b dans y = a + b(x) + e)
fait référence à la taille de l’effet
De quelle façon est créée la variance systématique?
créée par notre manipulation (ex : retirer le cerveau de quelqu’un)
De quelle façon est créée la variance non-systématique?
Par des facteurs inconnus. (ex : différences d’habiletés chez les étudiants)
Si les échantillons proviennent de la même population, comment sont nos attentes face à leurs moyennes?
On s’attend à ce que leurs moyennes soient à peu près égale.
Si la courbe t est assez similaire à la courbe z, pourquoi a-t-elle été développée?
Pcq en bas de 30, la courbe normale n’est pas très variable.
Quelle comparaison est faite entre les moyennes durant un test t?
On compare la différence de moyennes entre les échantillons à la différence de moyennes qu’on s’attendait à avoir s’il n’y avait pas d’effet.
Pas d’effet = hypothèse nulle est vraie ; différence de moyenne est de 0.
Si la différence entre les échantillons est plus grande que ce à quoi on s’attendait, que peut-on supposer?
2 raisons
1- Il n’existe aucun effet de la manipulation expérimentale. Moyennes fluctuent pcq nous avons recueilli par hasard 2 échantillons atypiques de la pop.
2- 2 échantillons correspondent à des pop différentes, mais sont typiques de leur pop d’origine. (ils ont tlm changé depuis l’expérimentation qu’on les considèrent mtn venir de 2 pops distinctes)
Ici, différence entre les échantillons est vraie (H0 n’est pas correcte).
Complète la phrase : Plus la différence observée entre les moyennes d’échantillon est grande, plus nous devenons _______ que la seconde explication est _______ (H0 doit être _____)
confiant
correcte
Rejetée
Si H0 est rejetée, nous devenons confiants que la différence entre les moyennes provient de?
la manipulation expérimentale
Comment doit-être la VD pour effectuer un test t?
elle doit se répondre en chiffre.
Le t doit-il être considéré en négatif/positif ou en valeur absolue?
On s’en fou du +/-; on le considère en valeur absolue
Nomme un avantage et un inconvénient du test t dépendant
Avantage : variance systématique est augmentée et variance non-systématique est diminuée
Désavantage : tâches + longues, P peut décider qu’il abandonne au 2e temps de mesure
Dans quel type de recherche le test t ne peut pas fonctionner?
Si on a un volet apprentissage (ex : 1 tâche que tu fais 2x) (si tu es meilleur, c’est pt juste pcq tu l’avais déjà fait avant)
En lien avec le test t en tant que modèle linéaire général, quel est le lien entre la pente et la taille de l’effet?
C’est exactement la même chose, même valeur.
Que doit-on faire lorsque les postulats de normalité ne sont pas respectés?
On doit utiliser des tests non-paramétriques et transformer nos données en rang.
Que permet le modèle linéaire général?
Permet de transformer le test t en coefficient de relation/droite de régression
