COURS 6 - généralité et permutations Flashcards
On obtient ainsi une valeur p (p-value) qui est la probabilité d’obtenir le résultat qu’on a eu (ou un résultat plus extrême), si :
a) H1 est vraie
b) H0 est vraie
c) les résultats sont distribués normalement
b) H0 est vraie
Pourquoi teste-t-on l’hypothèse principale H0 et non l’hypothèse contraire H1?
a) Car il y a infini distribution de H1
b) La p-value serait trop grande
c) Car la distribution de H1 n’est pas une distribution normale
a) Car il y a infini distribution de H1
Vrai ou faux?
Après avoir fait un test statistique complet de 9 étapes qui donne comme décision statistique de rejeter H0, je peut affirmer sans aucun doute qu’il y a une différence significative
faux, le fait de rejeter H0 ne “prouve” en aucun cas que H0 est fausse, ni même que H1 est vraie.
On a peut-être commis une erreur de type I
Une erreur de type 1 est un:
a) faux positif
b) faux négatif
a) faux positif
Une erreur de type 1 signifie:
a) rejeter H0 alors qu’il est vraie
b) Ne pas rejeter H0 alors qu’il est faux
c) rejeter H1 alors qu’il est vraie
d) Ne pas rejeter H1 alors qu’il est faux
a) rejeter H0 alors qu’il est vraie
Un test non-paramétrique fait plus de _______ pour le même seuil alpha
a) erreur de type 1 (faux positif)
b) erreur de type 2 (faux négatif)
a) erreur de type 1 (faux positif)
Est-ce correcte?
Je mesure la moyenne d’un groupe A et la moyenne d’une groupe B. La moyenne du groupe A est plus grande que la B. Je fait donc un test unilatéral.
Non, Ce sont les connaissances préalables, et en aucun cas les données, qui doivent déterminer si on pose un test unilatérale ou bilatérale
Vrai ou faux?
On peut faire un test non paramétrique ou par permutations même si les données remplissent les conditions d’application d’un test paramétrique
Vrai
La puissance d’un test est sa capacité à
a) Ne pas rejeter H0 alors qu’elle est vrai
b rejeter H0 alors que celle-ci est vrai
c) rejeter H0 lorsque celle-ci est fausse
d) avoir une p-value plus grande
c) rejeter H0 lorsque celle-ci est fausse
Dans un test statistique, si le rejet est significatif, alors le seuil de risque est de :
a) 0,001
b ) 0,05
c )0,01
b) 0,05
“hautement significatif” à 0,01
“très hautement significatif” à 0,001
C’est quoi une hypothèse statistique?
a) L’hypothèse nulle
b) C’est ce qu’on suppose qui va arriver, sans connaissances préalables
c) C’est ce qu’on interprète après avoir rejeté ou non H0
d) C’est une hypothèse formulée selon l’état des connaissances
d) C’est une hypothèse formulée selon l’état des connaissances
Vrai ou faux.
On peut s’assurer qu’un résultat n’est pas dû à la variation naturelle en calculant des intervalles de confiance.
Vrai, mais les tests statistiques sont plus souvent utilisés.
C’est quoi une théorie?
a) C’est une hypothèse (synonyme)
b) C’est une hypothèse prouvée
c) C’est une loi naturelle établissant les fondements d’un phénomène naturel
d) C’est l’ensemble des connaissances et mécanismes connus.
d) C’est l’ensemble des connaissances et mécanismes connus.
C’est quoi la valeur auxiliaire (statistique test)?
a) La valeur de H0
b) La valeur qu’on compare à une distribution des valeurs
c) La valeur qui donne la distribution de valeur
d) La valeur d’H1
b) La valeur qu’on compare à une distribution des valeurs
La p-value obtenue lors d’un test statistique réfère à quoi?
a) la probabilité que notre hypothèse biologique soit vraie
b) La probabilité que nos valeurs correspondent à la distribution choisie
c) La probabilité d’obtenir la valeur auxiliaire si H1 est vraie
d) La probabilité d’obtenir la valeur auxiliaire si H0 est vraie
d) La probabilité d’obtenir la valeur auxiliaire si H0 est vraie
Pourquoi teste-t-on l’hypothèse principale H0 et non l’hypothèse contraire H1
Parce qu’il existe une seule distribution de référence de H0 mais une infinité de distributions de référence de H1.
Si H0 est vraie, la différence entre deux moyennes fluctue comment?
Fluctue autour de zéro
Quelle-est l’autre raison de tester H0 et non H1 pour des différences de moyennes? Autre que H0 fluctue autour de zéro pour construire notre forme de référence?
On ne peut pas connaître les vraies moyennes mu pour H1 alors on peut vraiment pas construire une distribution de référence.
Remarquez que dans un test statistique comme en justice pénale, la __________________ prévaut: on teste __________________.
Remarquez que dans un test statistique comme en justice pénale, la présomption d’innocence prévaut: on teste l’hypothèse nulle.
Dans R, comment on détermine si on rejette ou pas H0?
a) avec la valeur critique qui correspond au seuil alpha choisi
b) avec la valeur calculée, qui correspond au seuil apha choisi
c) avec la p-value, si elle est plus grande ou plus petite que le seuil choisi
c) avec la p-value, si elle est plus grande ou plus petite que le seuil choisi
C’est quoi la puissance d’un test? Quel type d’erreur fait un test avec moins de puissance?
La capacité à détecter un effet lorsqu’il est faible.
Les tests moins puissants on plus de faux négatifs (il y a un effet, mais il n’est pas détecté) (ex: tests non paramétriques)
Vrai ou faux.
On ne peut pas faire un test non paramétrique si les données remplissent les conditions.
Faux, on peut.
On fait souvent en biologie des tests par permutation Ordre: Paramétrique Permutation De rang
Unilatéral ou bilatéral?
A) Le temps de réaction à un stimulus visuel est plus grand chez les personnes plus âgées que chez les plus jeunes.
B) Le temps de réaction à un stimulus visuel diffère selon le sexe
C)Le nombre de bactéries sur la peau est lié négativement à la fréquence de lavages des mains durant la journée
A) Le temps de réaction à un stimulus visuel est plus grand chez les personnes plus âgées que chez les plus jeunes. UNILATÉRAL
B) Le temps de réaction à un stimulus visuel diffère selon le sexe. BILATÉRAL
C)Le nombre de bactéries sur la peau est lié négativement à la fréquence de lavages des mains durant la journée. UNILATÉRAL
C’est quoi un faux négatif (erreur de type II)?
Ne pas rejetter H0 alors que H1 est vraie
De quoi dépend un faux négatif (erreur de type II)?
De la puissance du test
Qu’arrive-t-il quand on diminue le risque d’erreur de type I (faux positifs)?
Le risque d’erreur de type II augmente
Qu’arrive-t-il quand on diminue le risque d’erreur de type I (faux positifs) ex: seuil alpha = 0,001?
Le risque d’erreur de type II augmente
Qu’est-ce qui détermine la puissance d’un test?
Le nombre d’observations n et le mode de fonctionnement du test.
On veut que le test soit capable de détecter un effet, même minime
