Distributions d'échantillonnage et tests d'hypothèse Flashcards
Qu’est-ce que la variabilité des échantillons?
C’est la variabilité attendue entre le paramètre et les statistiques échantillonnales ou varient d’un échantillon à l’autre (normal car nous sommes tous différents)
**Soit dû au hasard (normal) ou à une erreur d’échantillonnage
Qu’est-ce que la distribution d’échantillonnage?
Distribution obtenue pour une statistique sur plusieurs échantillons (ex: moyennes toutes les régions du Canada)
- Précise le degré de variabilité dû au hasard qui est toléré
- Base des tests stats. car précise les valeurs attendues pour une statistique
Qu’est-ce que l’erreur standard?
C’est la variabilité ou écart type de la distribution de cette statistique
Comment l’hypothèse est-elle testée dans la distribution d’échantillonnage?
En trouvant la probabilité d’avoir une valeur X comme moyenne d’un échantillon s’il provient réellement de la population
Que signifient les probabilité dans le test d’hypothèse?
Petite prob: l’événement est peu probable
Grande prob: l’événement est + probable
Pourquoi c’est toujours H0 qui est testé dans les tests statistiques?
- Car impossible de démontrer l’exactitude d’une hypothèse, mais son inexactitude oui (c’est celle qui postule l’absence de différence)
- C’est une hypothèse spécifique qui permet de tracer une distribution d’échantillonnage (ce qu’on ne peut pas faire avec H1 car trop de possibilités)
Que se passe-t-il lors du rejet de H0?
On conclut que H0 est fausse = on APPUIE l’hypothèse du chercheur (H1)
*on ne confirme jamais H1 (pcq on ne la vérifie pas)
Que se passe-t-il lors du non-rejet de H0?
On ne peut pas dire hors de tout doute que H0 est vraie
= les expressions conserver H0 ou ne pas rejeter sont préférables
À quoi sert la distribution normale pour tester des hypothèses?
Permet de tester des hypothèses sur une OBSERVATION spécifique (Ex: ecq une personne obtenant un résultat de 75 fait partie de cette population?)
Permet de tester des hypothèses sur des statistiques d’ÉCHANTILLON (Ex: ecq un échantillon de 50 personnes fait partie de cette population si M=95?)
**Important de différencier observation d’échantillon car change le calcul
Quelles sont les étapes pour tester des hypothèses sur une observation spécifique?
- Formuler des hypothèses (H0 diffère pas, H1 diffère)
- Transformer score X en score Z
- Consulter tableau
- Prendre un décision (p<0,05: rejet H0 / p>0,05: Non-rejet)
Quelles sont les étapes pour tester des hypothèses sur des statistiques d’échantillon?
- Formuler les hypothèses
- Transformer M en score Z (avec la formule utilisant l’erreur standard!!!!)
- Consulter tableau
- Prendre une décision (rejet ou non de H0)
Qu’est-ce que la surface de rejet?
C’est l’aire sous la courbe qui correspond aux valeurs sous lesquelles on rejette H0
Qu’est-ce que la valeur critique?
C’est le score qui délimite les 5%, donc précise la surface de rejet
**Utiliser la valeur critique pour décider est moins précis que d’utiliser la vraie probabilité
Qu’est-il important de se souvenir si le test est bilatéral?
On sépare le 5% en 2!! p devient à 0,025
Qu’est-ce que l’erreur de type 1?
Rejeter H0 quand elle est vraie (Dire qu’il y a une différence alors qu’il n’y en pas)
-Désigné par alpha
**En psycho, on tolère un 5% de chance de se tromper
Qu’est-ce que l’erreur de type 2?
- Ne pas rejeter H0 alors qu’elle est fausse (Dire qu’il n’y a pas de différence alors qu’il y en a une)
- Concept de puissance (1-B)
*En psycho, on tolère 20% de bêta
Qu’est-ce qui est pire: l’erreur de type 1 ou de type 2?
En psycho c’est l’erreur de type 1 (dire qu’il y a une différence alors que c’est pas vrai) Ex: les impacts sont très importants de dire à quelqu’un qu’ils ont un trouble psycho alors que c’est pas vrai
MAIS parfois l’erreur de type 2 est pire (ex: dire à quelqu’un qu’il n’a pas le cancer alors que oui)
ou encore en psycho avec les cas de suicide/homicide: vaut mieux prévenir
Vrai ou faux: les statistiques inférentielles ont leur propre distribution d’échantillonnage?
Vrai! ex: test t, khi-carré
Vrai ou faux: les analyses inférentielles (test t, khi-carré) sont des tests d’hypothèses?
Vrai
Qu’est-ce que les chercheurs critiquent des tests d’hypothèses?
Le principe de seuil de signification où on rejette à 4,99% mais on accepte à 5,01% (la différence est moindre entre les deux et pourtant l’impact est grand)
Qu’est-ce que les éditeurs de revues scientifiques recommandent-ils d’ajouter à leurs articles?
La grandeur de l’effet et les intervalles de confiance (permet de quantifier l’ampleur d’un différence ou du lien)