Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Méthode et recherche - Examen 1 Et 2 (résumé) > Exam 2 > Flashcards

Exam 2 Flashcards

1
Q

Qu’est-ce que la mesure en recherche?

A

Opération qui consiste à assigner des nombres à des objets, évènements ou personnes selon des règles pré-établies dans le but de déterminer la valeur d’un attribut donné.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Qu’est-ce que l’opérationnalisation des concepts?

A

Traduire les concepts abstraits en termes observables et mesurables
(opérationnalisation des concepts)

Ex.: Quantifier l’état de fatigue
Fatiguer = 1
Reposé = 0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Qu’est-ce qu’une variable?

A

Exprime de façon quantitative un concept abstrait ou construit, à laquelle on va attribuer différentes valeurs

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Qu’est-ce qu’une variable continue?

A

Prend n’importe quelle valeur sur un continuum à l’intérieur d’une étendue déterminée de valeurs
(1,4; 3,5 …)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Qu’est-ce qu’une variable discrète?

A

Unité entière
(1, 2, 3, 4…)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Les nombres peuvent représenter quoi?

A
  • Quantités (variables continues)
  • Qualités (variables catégorielles)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Qu’est-ce qu’un indicateur empirique?

A

Expression quantifiables et mesurable des différentes dimensions d’un construit en établissant un lien avec la mesure empirique.

Constitué d’une échelle et de scores

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Qu’est-ce qu’une échelle de mesure?

A

Manière dont les valeurs sont assignées aux objets pour représenter à la fois la quantité qu’ils renferment et les unités de mesure.

Niveaux avec ordre de classification/hiérarchie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Quelles sont les différentes types d’échelles de mesures?

A
  • Échelle nominale
  • Échelle ordinale
  • Échelle d’intervalle
  • Échelle de proportion
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Qu’est-ce qu’une échelle nominale?

A

Niveau de mesure le plus élémentaire servant à classer des objets ou des personnes dans des catégories exhaustives et qui s’excluent mutuellement.

Ex.:
Homme = 1
Femme = 2
Sexe
Diagnostic
Groupe sanguin

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Qu’est-ce qu’une échelle ordinale?

A

Niveau de mesure qui requiert le classement des catégories par rang ou selon un ordre de grandeur (croissant ou décroissant).

Ex.:
Classer par âge, tranche de revenue …
Degré de scolarité
Stade d’une tumeur

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Qu’est-ce qu’une échelle d’intervalle?

A

Niveau de mesure dont les intervalles entre les nombres sont à égale distance, mais dont les nombres ne sont pas absolus en raison du zéro arbitraire (peut avoir des chiffres négatifs).

Ex.: Température (°C ou °F)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Qu’est-ce qu’une échelle de proportion?

A

Niveau de mesure le plus élevé représenté par des intervalles égaux entre les unités et un zéro absolu.

Ex.:
Température (K)
Poids
Taille
Distance
Revenu

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Qu’est-ce que la définition opérationnelle? Que doit elle contenir?

A

Consiste à déterminer les opérations (procédés) par lesquelles les variables seront mesurées dans une études particulière.

La définition doit être suffisamment détaillée pour permettre à d’autres chercheurs de reproduire les mêmes procédés

Doit contenir:
- Manière dont on prévoit étudier et mesurer les variables dans le contexte de l’étude
- Préciser l’instrument de mesure ou les opérations à effectuer pour mesurer les variables

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Quelles sont les types d’erreurs de mesure?

A
  • Erreur aléatoire
    Réfère à la fidélité de la mesure
  • Erreur systématique
    Réfère à la validité de la mesure
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Qu’est-ce que l’erreur aléatoire?

A

Erreur NON PRÉDICTIBLE provenant de facteurs SUBJECTIFS (circonstances, l’humeur des personnes interrogées, la fatigue de l’interviewer …), de FACTEURS EXTÉRIEURS (chaleur …) ou de facteurs liés aux INSTRUMENTS DE MESURE (manière d’utiliser l’instrument et l’instrument lui-même)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Mesure obtenue = ?

A

Mesure obtenue = vrai valeur + erreur aléatoire + erreur systématique

Les erreurs de mesures sont toujours là

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Qu’est-ce qu’une erreur systématique (biais)?

A

Erreur PRÉDICTIBLE survenant de façon CONSTANTE chaque fois qu’il y a prise de mesure (sous-estimant ou surestimant le vrai score) et attribuable à des FACTEURS PERMANENTS (choix des énoncés représentatifs, capacité à discriminer une qualité particulière)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Qu’est-ce que la fidélité/fiabilité?

A

Donne toujours la même valeur lorsque la mesure est répétée.

Aptitude d’un appareil de mesure à donner des mesures exemptes d’erreurs accidentelles (notion de reproductibilité)

Uniforme et reproductible

La fidélité définit la dispersion des résultats
Trop de variabilité = instrument pas fiable

Il faut tester la fidélité avant d’évaluer

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Qu’est-ce que la validité/exactitude?

A

Justesse/précision de mesure

Capacité d’un instrument à mesurer ce qu’il est censé mesurer

Validité de l’appareil lui-même et validité du procédé d’analyse

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Vrai ou Faux
Toute mesure doit être fidèle et valide, ce qui fait en sorte que les tests sont standardisés.

A

Vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Quelle erreur est plus «grave»?

A

L’erreur systématique
elle comporte des biais et entraine une fausse estimation de l’objet mesuré

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

En général, les erreurs proviennent de quoi?

A
  • Les instruments eux-mêmes
  • La façon dont on les utilise
  • Des conditions dans lesquelles la mesure est faite
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Qu’est-ce qui fait en sorte que la recherche sera juste et les données probantes?

A

L’opérationnalisation des variables détaillée.
La recherche sera reproductible

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Quelles sont les méthodes d’estimation de la fidélité?

A
  • Fidélité test-retest
  • Coefficients de corrélations
  • Fidélité constance interne
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Qu’est-ce que la méthode test-retest?

A

Effectuer le même test sur les mêmes individus à des moments différents.

Renvoie au degré de corrélation entre 2 mesures prélevées à des moments différents

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Qu’est-ce que les coefficients de corrélation?

A

Permet d’établir le sens et le degré d’association qui existe entre 2 séries de mesures (ou variables), et le calcul du coefficient de corrélation fournit des indications sur la précision de l’instrument.

Varie de +1.00 à -1.00

Coefficient de variation
plus le CV% est petit, plus les mesures sont proches les unes des autres
CV% = écart type/moyenne

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

Qu’est-ce que la cohérence interne (homogénéité)?

A

Degré d’homogénéité de tous les énoncés d’un instrument de mesure, où chaque énoncé est lié aux autres dans l’échelle de mesure.

Variables semblables qui sont coté similairement

Variables qualitatives

Cohérence interne est l’approche la plus utilisée pour évaluer les mesures psychosociales et cognitives.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

Qu’est-ce que la validité de critère?

A

Type de validité qui permet d’estimer le degré de corrélation entre un instrument de mesure (cible) et un autre instrument servant de critère (étalon) mesurant le même phénomène.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

Quels sont les éléments clés de l’évaluation des données probantes dans la section «Identification et résumé»?

A
  • TITRE
    Est-ce que le titre réfère à une population précise ou une question pertinente?
  • AUTEURS
    Est-ce que les auteurs on une affiliation universitaire, est-ce qu’ils sont un groupe connu?
  • RÉSUMÉ
    Est-ce que le résumé contient les informations pertinente (objectif, méthodologie, résultats), résultats convaincants, réponse à la question, utilisation de bonnes mesures/tests?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

Quels sont les éléments clés de l’évaluation des données probantes dans la section «Introduction/Background»?

A
  • PERTINENCE
    Est-ce que la justification de l’étude repose sur des constats théoriques, des observations, des faits ou des données statistiques?
  • ORIGINALITÉ
    Est-ce qu’il y a des lacunes dans les écrits?
    Est-ce qu’il y a un aspect novateur?
  • OBJECTIF, QUESTION, HYPOTHÈSE
    Est-il clair et complet (objectif, hypothèse ou question à l’étude)?
    Réfère-t-il à un ou des concepts précis?
  • AUTRE
    Est-ce qu’il y a des références récentes?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

Quels sont les éléments clés de l’évaluation des données probantes dans la section «Méthodologie - étude quantitative»?

A
  • QUESTION DE RECHERCHE: HYPOTHÈSE
    Est-ce que la question de recherche précise les hypothèses et les variables à l’étude?
  • DEVIS
    Est-ce que le devis est bien détaillé?
    Est-il cohérent avec la question ou l’objectif?
    Quels sont les biais potentiels de ce devis?
  • SÉLECTION DES PARTICIPANTS/OBJETS D’ÉTUDE
    Est-ce que la population visée est bien définie?
    Comment se fait la sélection des participants ou des objets à l’étude (ex.: aides techniques)?
    Est-ce qu’il y a une répartition des participants en groupe (témoins ou contrôle)?
  • CHOIX DES OUTILS DE MESURE
    Est-ce que les instruments de mesure sont décrit de façon précise?
    Est-ce des outils de mesure connus ou bien construit pour les besoins de l’étude?
    Comment se réalise la collecte des données?
  • INTERVENTION OU PROGRAMME
    Y-a-t-il assez de détails pour reproduire l’intervention?
  • MÉTHODE D’ANALYSE DES DONNÉES
    Quel type d’analyse statistique propose-t-il?
    Descriptive ou corrélationnelle?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

Quels sont les éléments clés de l’évaluation des données probantes dans la section «Méthodologie - Analyse des écrits scientifiques existants»?

A
  • QUESTION DE RECHERCHE
    Est-ce que les variables importantes sont bien définies?
  • DEVIS
    Quels sont les mots clés, les bases de données?
    Que propose l’auteur comme méthode pour sélectionner, trier et choisir les articles?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

Quels sont les éléments clés de l’évaluation des données probantes dans la section «Résultats - Étude quantitative»?

A
  • DESCRIPTION DE L’ÉCHANTILLON
    Est-ce que des participants ont abandonnés l’étude?
  • DESCRIPTION DES RÉSULTATS
    Fait-il des liens avec l’objectif visé ou l’hypothèse de travail?
    Quels sont les résultats statistiquement significatifs (p< 0.05)?
    S’il n’y a pas de tels résultats, comment l’explique-t-il?
  • TABLEAUX, FIGURES, ILLUSTRATIONS, GRAPHIQUES
    Permettent-ils de faire ressortir les données les plus importantes (synthèse)?
    Faciles à consulter et comprendre?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

Quels sont les éléments clés de l’évaluation des données probantes dans la section «Résultats - Analyse des écrits scientifiques existants»?

A
  • DESCRIPTION DES RÉSULTATS
    Que ressort-il de l’analyse?
    Quels sont les biais qui ont pu influencer l’analyse?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

Quels sont les éléments clés de l’évaluation des données probantes dans la section «Discussion»?

A
  • RÉSUMÉ DES RÉSULTATS
    Comment la recherche répond à l’objectif visé ou l’hypothèse de départ?
    Quel est l’apport théorique de cette étude?
  • LIENS AVEC LES AUTRES AUTEURS
    Comment ces résultats se rattachent à d’autres études?
    Comment fait-il la différence entre ce qui vient des écrits, de sa recherche et de son opinion?
  • RECOMMANDATION OU SUGGESTION
    Comment les suggestions peuvent-elles s’appliquer à la pratique clinique?
  • LIMITE DE LA PRÉSENTE ÉTUDE
    Quelles sont les limites de l’étude?
    Comment affectent-elles l’utilisation des résultats?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

Quels sont les éléments clés de l’évaluation des données probantes dans la section «Bibliographie»

A
  • PROVENANCE
    D’où proviennent ces textes?
    Quelles sont les références pertinentes?
  • TITRE
    Est-ce que des articles semblent des incontournables, des classiques?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

Qu’est-ce que la pratique basée sur les données probantes?

A

Vise à intégrer les meilleurs résultats de recherche et l’expérience clinique à l’appuie des décision cliniques pour une prise en charge optimale des patients (besoins des patients)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
39
Q

Qu’est-ce qu’un facteur d’impacts (FI)?

A

Mesure de la fréquence des citations des articles scientifiques donnés au cours d’une période donnée divisée par le nombre totale d’articles publiés dans le même journal au cours de cette même période

FI 2016 = nb de citations en 2016 des articles publiés en 2014-2015 / nb totale d’articles publiés en 2014-2015

Indicateur permettant de comparer l’impact des journaux scientifiques

Impossible de comparer les domaines entre eux
Peut pas comparer deux catégories différentes ensembles

Le FI n’est pas la référence absolu, des fois de bon articles sont publiés dans des revues à petits FI

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
40
Q

Qu’est-ce qu’un niveau de preuve scientifique?

A

Ça évalue la qualité globale de l’article.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
41
Q

Qu’est-ce que le niveau de preuve scientifique 1?

A

Preuve scientifique établie
- Essais comparatifs randomisés de forte puissance
- Méta-analyse d’essais comparatifs randomisés
- Analyse de décision fondée sur des études bien menées

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
42
Q

Qu’est-ce que le niveau de preuve scientifique 2?

A

Présomption scientifique
- Essais comparatifs randomisés de faible puissance
- Étude comparatives non randomisées bien menées
- Études de cohortes

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
43
Q

Qu’est-ce que le niveau de preuve scientifique 3?

A

Faible niveau de preuve scientifique
- Études cas-témoins

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
44
Q

Qu’est-ce que le niveau de preuve scientifique 4?

A

Faible niveau de preuve scientifique
- Études comparatives comportant des biais important
- Études rétrospectives
- Séries de cas
- Études épidémiologique descriptives (transversale, longitudinale)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
45
Q

Placer en ordre du niveau de preuve scientifique du plus élevée au plus faible:
- Essaies contrôlés randomisés
- Méta-analyse
- Opinions d’experts
- Revue systématique

A
  1. Méta-analyse (le +élevée)
  2. Revue systématique
  3. Essaies contrôlés randomisés
  4. Opinions d’experts
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
46
Q

Quel est le niveau de preuve scientifique de la littérature de synthèse? Est-ce qu’il y a beaucoup d’études?

A

Plus haut niveau de preuve scientifique
Petite quantité d’études

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
47
Q

Quel est le niveau de preuve scientifique des études individuelles? Est-ce qu’il y en a beaucoup?

A

Plus faible niveau de preuve scientifique
Grande quantité d’études

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
48
Q

Que faut-il dans une étude dans la section méthodologie?

A
  • Puissance statistique suffisante
  • Présence d’un groupe contrôle
  • Pas de biais dans la répartition des participants dans le groupe contrôle ou ce que fait le groupe contrôle (placébo)
  • Analyse statistique robuste ou simple corrélation?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
49
Q

Quels sont les étapes de la phase analytique?

A
  1. ANALYSE DES DONNÉES
    - Statistiques descriptives: décrire et résumé les données
    - Statistiques interférentielles: Estimer les paramètre d’une population et vérifier les hypothèses au moyen de tests statistiques appropriés
  2. PRÉSENTATION ET INTERPRÉTATION DES RÉSULTATS
    - Présentation: Figures et tableaux
    - Interprétation: Faire ressortir la signification des résultats et indiquer s’ils confirment ou non l’hypothèse
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
50
Q

Qu’est-ce qu’une variable?

A

Caractéristique qui peut prendre une valeur différente selon les individus

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
51
Q

Quelles sont les deux grand types de variables?

A
  • Qualitative (catégorielle)
    Observe, pas de valeur numérique
    Mesurée d’après une échelle nominale ou ordinale
  • Quantitative (numérique)
    Mesurer, quantité
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
52
Q

Quelles sont les deux types de variables qualitative?

A
  • Nominale
    Classes nommées pas de hiérarchie
    Binaire: 2 classes
    Ex.: Groupes ethniques
  • Ordinale
    Classes ordonnées selon une échelle de valeurs
    Ordre dans les différentes classes
    Ex.: Classement à une course de 10 km
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
53
Q

Quelles sont les deux types de variables quantitative?

A
  • Discrète
    Discontinue
    Résultat d’un dénombrement
    Ex.: Nb de personnes dans une famille, nb de grossesses (peut pas avoir un enfant et demi)
  • Continue
    Peut prendre toute valeur numérique
    Mesurée d’après une échelle d’intervalle ou de proportion
    Ex.: Tension artérielle systolique
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
54
Q

À quoi servent les mesures en statistiques?

A

À décrire et à résumer les données afin de les exprimer et de les comparer

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
55
Q

Quelles sont les deux types de mesures pour résumer les données?

A
  • Mesures de tendance centrale
  • Mesure de dispersion
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
56
Q

Qu’est-ce qu’une mesure de tendance centrale?

A

Résume la position dans une distribution en fonction des valeurs possibles de la variable étudiée

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
57
Q

Qu’est-ce qu’une mesure de dispersion?

A

Résume l’étalement de la distribution
La dispersion des valeurs autour de la valeur centrale (moyenne)

Permet d’évaluer le degré d’étalement des scores autour de la moyenne

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
58
Q

Quelle est la conséquence d’utiliser une mesure de tendance ou de dispersion?

A

Il y a toujours une perte d’information

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
59
Q

Quelles sont les mesures de tendance centrale?

A
  • Moyenne
  • Médiane
  • Mode
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
60
Q

Qu’est ce qu’une moyenne (µ ou x avec une barre au-dessus)?

A
  • Mesure la plus couramment utilisée
  • Influencée par la valeur de toutes les observations et est donc très sensible à la présence des données extrêmes
  • Peut devenir non représentative de l’échantillon si la distribution est fortement asymétrique
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
61
Q

Qu’est-ce que la médiane (Md)?

A
  • Valeur qui occupe la place du milieu
    Ex.: 1, 2, TROIS, 4, 5
  • Environ 50% des observations se retrouvent de chaque côté
  • Déterminée par le nombre d’observations et non pas la valeur de celle-ci
  • Rôle purement descriptif
  • Pour données sur échelle ORDINALE
  • Décrit la valeur moyenne d’une distribution asymétrique
  • Indice de tendance centrale basé sur la fréquence d’observations
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
62
Q

Qu’est ce que le mode (Mo)?

A
  • Valeur la plus fréquente d’une série d’observations (pic de la distribution)
  • Mesure peu utilisée
  • Purement descriptif, pour définir l’allure de la distribution (unimodale ou bimodale)
  • Pour données sur échelle NOMINALE
  • Pas influencer par les valeurs extrêmes
  • Ne permet pas d’opérations mathématiques
  • Décrit des variables catégorielles
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
63
Q

Qu’est-ce qui se passe dans le cas d’une distribution parfaitement symétrique?

A

La moyenne, la médiane et le mode sont égaux

64
Q

Qu’est-ce qu’une mesure décrivant la distribution d’une population?

A

Le coefficient de d’asymétrie (skewness) (CD)

Souvent valeurs de -1.0 à 1.0
La valeur indique le degré de dissymétrie et le signe la direction

Si la distribution est symétrique -> CD = 0

Courbe normale (symétrique):
Mode=médiane=moyenne

Asymétrie positive (tire vers la droite):
Mode, Médiane, moyenne

Asymétrie négative (tire vers la gauche):
Moyenne, Médiane, Mode

65
Q

Quelles sont les mesures de dispersion?

A
  • Étendue (E)
  • Variance (s 2)
  • Écart-type (s)
  • Coefficient de variation (CV)
66
Q

Qu’est-ce que l’étendue?

A

Différence entre la valeur (V) la plus grande et la valeur la plus petite d’une série d’observations

67
Q

Qu’est-ce que la variance?

A
  • Mesure de l’étendue des scores basée sur la déviation de chacun de ceux-ci par rapport à la moyenne
  • Séries d’écart, et on fait la moyenne de ces écarts là
  • Représente la valeur globale de dispersion des scores par rapport à la moyenne
  • Plus la variance est grande Plus la distribution sera étendue (plus il y aura de dispersion dans nos scores)
  • Très difficile à concrétiser/comprendre en regardant sa valeur
68
Q

Qu’est-ce que l’écart type?

A
  • On peut l’interpréter comme une mesure linéaire de la variabilité au sein d’une distribution
  • S’exprime dans les même unités que la moyenne
  • Dans le cas d’une distribution normale, l’écart-type devient une mesure de dispersion très importante en raison de la relation existant entre celui-ci et la moyenne
  • Dispersion des valeurs d’une distribution qui tient compte de l’écart de chaque valeur par rapport à la moyenne du groupe
69
Q

Qu’est-ce que l’écart-type de la moyenne (erreur type)?

A
  • L’erreur type, aussi appelée l’écart-type de la moyenne, donne une idée de la précision avec laquelle la moyenne de l’échantillon est représentative de la moyenne de la population
  • L’erreur type de la moyenne est toujours plus petite que l’écart-type
  • Plus on a un échantillon qui est représentatif de la moyenne de la population, plus erreur type de la moyenne va être petite
  • C’est mieux de rapporter l’écart-type que l’erreur type de la moyenne dans une étude
70
Q

Qu’est-ce que le coefficient de variation?

A
  • C’est le rapport de l’écart-type sur la moyenne
  • Écart-type exprimé en % de la moyenne, donc indépendant des unités de mesure
  • Exprime le degré de dispersion d’une distribution autour de la moyenne
  • Utile pour comparer la dispersion de deux variables de nature différente (unités différentes)

Exemple:
Laquelle des variables présente la plus grande dispersion?
BMI: 27.9 +- 7.7kg/m2
CT: 89.5 +- 18.1 cm

7.7 / 27.9 x 100 = 26.9%
18.1 / 89.5 x 100 = 20.2%

Donc, c’est le BMI

71
Q

Qu’est-ce que les mesures de position?

A

Permettent de situer une donnée par rapport aux autres dans une distribution

72
Q

Quels sont les deux types de mesure de position?

A
  • Score percentile
  • Score standardisé
73
Q

Qu’est-ce que le score percentile?

A

Indique le rang d’un score en donnant le pourcentage d’observations se situant en dessous de ce score.

Ex.: P90 -> 90% du monde on un score inférieur à vous

74
Q

Qu’est-ce que le score standardisé (score z)?

A

Exprime un score en fonction de son écart-type par rapport à la moyenne.

Score dont l’écart par rapport à la moyenne s’exprime en unités d’écart-type: -3.0 à 3.0.

Permet de comparer des scores qui n’ont pas le même point de référence.

75
Q

Qu’est-ce que donne le tableau des aires sous la courbe normale?

A

Donne le % de scores entre la moyenne et le score z.

76
Q

Qu’est-ce que l’inférence statistique?

A

L’inférence statistique utilise les données de l’échantillon pour estimer les paramètres de la population et vérifier les hypothèses de recherche.

Inférer à partir d’un échantillon, les paramètres de la population qui est inconnue.

Suppose une prise de décision de la part du chercheur. Cette prise de décision comporte un risque ou une probabilité d’erreur

77
Q

(Inférence statistique)
Quand on fait une estimation, on suppose…

A
  • Que la valeur observée a peu de chance d’être exactement celle de la population
  • Que cette valeur est néanmoins assez proche si l’échantillon est représentatif
  • Qu’en répétant l’échantillonnage on trouverait d’autres valeurs relativement proches de la vrai valeur inconnue
78
Q

Pourquoi la relation entre l’écart-type et le score z est utile?

A

Car ça nous permet de calculer les scores percentiles correspondant à des scores z déterminés.

79
Q

Les statistique inférencielles reposent sur le théorème de la limite centrale. C’est quoi?

A

Théorème de la limite centrale:
- La moyenne d’une variable calculée sur un échantillon est elle même une variable aléatoire. Elle varie selon l’échantillon.
- Cette variable aléatoire suit une loi normale.
- Cette loi normale est centrée sur la moyenne de la population.

80
Q

Qu’est-ce que l’estimation ponctuelle?

A

Estimation de la valeur d’un paramètre d’une population faite à partir de la statistique mesurée auprès de l’échantillon.

81
Q

Qu’est-ce que l’estimation par intervalle de confiance (IC)?

A

Estimer un intervalle dans lequel la moyenne inconnue µ a la plus grande probabilité de se retrouver.

  • Se fait à partir de la distribution théorique de la courbe normale et du théorème de la limite centrale
  • L’intervalle de confiance est donc une gamme de valeurs dans laquelle devrait se trouver le paramètre de la population
82
Q

Quelles sont les types d’estimation des paramètres?

A
  • Estimation ponctuelle
  • Estimation par intervalle de confiance
83
Q

Qu’est-ce que l’intervalle de confiance à 95%?

A

Il y a 95% de chances que µ se situe entre deux valeurs déterminer.

Établie à partir de la moyenne d’échantillonnage et son écart-type

84
Q

Quels sont les concepts de l’inférence statistique?

A
  • Concept des distributions d’échantillonnage: Fluctuations d’échantillonnage
  • Concept de probabilité:
    Probabilité que les valeurs de l’échantillon constituent de réelles estimations des paramètres de la population (intervalle de confiance à 95%);
    Probabilité que les relations observées entre des variables (tests de liaison) ou les différences entre des groupes (tests de comparaison) ne soient pas le résultat du hasard;
    La probabilité sert de guide à la prise de décision en recherche
85
Q

Qu’est-ce que la vérification empirique des hypothèses?

A

Vérifier, au moyen de tests statistiques, des hypothèses au sujet des relation entre variables (tests de liaison) ou des différences entre les groupes (tests de comparaison)

86
Q

Qu’est-ce qu’un test d’hypothèse?

A

Choisir (avec risque d’erreur) entre deux hypothèses:
- Hypothèse nulle (H0)
- Hypothèse alternative ou de recherche (H1)

87
Q

Quelle est la démarche des tests d’hypothèses?

A
  1. Formulation des hypothèses
  2. Choix du seuil de signification: erreur de type I
  3. Puissance du test: l’erreur de type II
  4. Calcul du test statistique
  5. Détermination de la valeur critique
  6. Définition de la règle de décision
  7. Application de la règle de décision
88
Q

Qu’est-ce que H0?

A

Hypothèse nulle
Pas d’association entre les variable ou pas de différence entre les groupes
On veut la rejeter pour favoriser H1

89
Q

Qu’est-ce que H1?

A

Hypothèse de recherche
Hypothèse alternative
Notre hypothèse de recherche
Hypothèse que le chercheur désire prouver en rejettant H0

90
Q

Quelle hypothèse fait l’objet du test statistique?

A

Repose toujours sur H0

91
Q

Est-ce que les statistiques descriptive permettent de tester les hypothèses de recherche au moyen de tests statistiques?

A

Non

92
Q

Le coefficient d’asymétrie (Skewness) d’une distribution parfaitement symétrique est égale à quoi?

A

0

93
Q

Plus le nombres d’observations (n) augmente,…

A

plus la variance diminue

94
Q

Identifiez l’intrus:
- Moyenne
- Écart-type
- Médianne
- Mode

A

Écart-type, car c’est une mesure de dispersion. Les autres sont des mesures de tendance centrale.

95
Q

Qu’est-ce qu’une variable binaire?

A

Variable mesurée selon une échelle nominale ne comportant que deux catégories.

96
Q

Quelle est le type de variable:
1. Nombre de frères et soeurs
2. Statut matrimonial
3. Échelle de perception de l’effort
4. Temps pour compléter un quiz
5. Date de naissance

A
  1. Quantitative discrète
  2. Qualitative nominale
  3. Qualitative ordinale
    4.Quantitative continue
  4. Quantitative continue
97
Q

Quel est des objectifs de l’inférence statistique?

A

Tester les hypothèses de recherche

Estimer les paramètres de la population

98
Q

Qu’est-ce que l’erreur de type I?

A

Rejetter H0 alors qu’elle est vrai.
C’est l’erreur la plus grave parce que l’on favorise H1 alors qu’elle est fausse

99
Q

Qu’est-ce que le niveau (ou seuil) de signification?

A

Le niveau de signification à 5% d’un test statistique signifie que le chercheur à 5 chances sur 100 de se tromper en remettant l’hypothèse nulle à la faveur de l’hypothèse alternative

100
Q

Qu’est-ce que l’erreur de type II?

A

Conclure à tort que H0 est vrai, alors qu’elle est fausse.

Représente la probabilité de ne pas obtenir une différence significative, donc un effet, alors qu’en réalité il y en a une

Manque de puissance

101
Q

Qu’est-ce que la puissance statistique?

A

Correspond à notre capacité de détecter s’il y a une différence

102
Q

Quels sont les facteurs qui affecte la puissance statistique?

A
  • Importance de la différence (Taille de l’effet)
  • Écart-type
  • Taille de l’échantillon
  • Le niveau de signification
103
Q

L’ampleur de l’effet (ou taille de l’effet) est un facteur à considérer le calcul de la puissance statistique. Plus l’ampleur de l’effet est grand …

A

…plus la taille de l’échantillon requis pour le détecter sera petit.

En considérant tous les autres paramètres affectant la puissance statistique égaux, il sera plus facile de détecter une différence entre deux groupes si l’ampleur de l’effet est grand, donc avec une taille d’échantillon plus petite

104
Q

Qu’est-ce que la détermination de la valeur critique?

A

Valeur issue d’une table statistique (propre à chaque test) qui détermine les zones de rejet et de non rejet de H0. Cette valeur dépend du seuil de signification et du nombre de degrés de liberté

105
Q

Qu’est-ce que le degrés de liberté?

A

Nombre de valeurs dans une distribution susceptible de varier de façon aléatoire

106
Q

Qu’est-ce qu’une valeur critique?

A

Valeurs au delà desquelles on rejette H0

107
Q

Qu’est-ce le test bilatéral?

A

On rejette H0 s’il y a une différence, qu’elle soit positive ou négative

On ne précise pas la direction de H1

Test généralement utilisé

108
Q

Qu’est-ce que le test unilatéral?

A

On rejette H0 en précisant la direction anticipée de la différence

On tiens compte de la direction

109
Q

Quel test est le plus puissant pour rejeter H0?

A

Test unilatéral
Car la valeur du seuil de rejet est plus petit

110
Q

Quelles sont les deux grandes classes de tests statistiques?

A

Tests paramétrique
Tests non paramétrique

111
Q

Qu’est-ce qu’un test paramétrique?

A

Compare des paramètres en tenant compte de postulats sur la direction des données

Les données doivent suivre une distribution normale

Pour des variables continues

Permet de déceler plus facilement des différences ou des relations

Test plus puissant

112
Q

Qu’est-ce qu’un test non paramétrique?

A

Comparer les distributions plutôt que les paramètres (basés sur les rangs plutôt que les valeurs des variables étudiées)

Pour des données ne satisfaisant pas aux postulats de normalité

Pour des variables nominales ou ordinales

Utilisés avec des échantillons de petite taille (moins que 20)

Sont plus robustes que les tests paramétriques

113
Q

Les tests paramétriques ont-ils souvent des tests non paramétriques équivalent?

A

Oui

114
Q

Qu’est-ce que des mesures d’association?

A

Test de liaison

Permettent de vérifier s’il y a une association entre une ou plusieurs variables

115
Q

Deux variables sont liées quand?

A

Lorsque la variation de l’une entraine la variation de l’autre (Covariation entre 2 variables)

116
Q

Est-ce que la présence d’association entre deux variable implique une relation de causalité?

A

Non

117
Q

Qu-est-ce que le test du chi-carré (x2)?

A

Servent à comparer des fréquences observées avec des fréquences théoriques.
Adapté pour des variables qualitatives

118
Q

Quels sont les différents test de chi-carré?

A
  • De conformité
  • D’homogénéité
  • D’indépendance
119
Q

Qu’est-ce que le test de chi-carré de conformité?

A

Comparer une distribution observée à une distribution théorique
Ex.: Plus ont fait des lancés de dés, plus la proportion de chaque chiffre est égale

120
Q

Qu’est-ce que le test de chi-carré d’homogénéité?

A

Comparer deux ou plusieurs distributions observés sur plusieurs échantillons

Est-ce que deux population ont une distribution identique?

Utiliser ce test si ont veux savoir la proportion de statut sociaux économique est similaire entre les hommes et les femmes.

121
Q

Qu’est-ce que le test de chi-carré d’indépendance?

A

Étudier sur un même échantillon la liaison entre les distributions de deux variables nominales

122
Q

Qu’est-ce que le r de Pearson?

A

Permet de mesurer l’association entre deux variables quantitatives

Vérifie s’il existe une association
Quantifie la force de l’association
Indique la direction de l’association

Valeurs de r: -1.0 à 1.0
r = 1.0 -> Covariation parfaite entre les deux variables. Indique la force de l’association

Le signe + ou - indique la direction de l’association

123
Q

Qu’est-ce que le coefficient de détermination (r2)?

A

La valeur de r x 100

Pourcentage de variance commune entre les deux variables

r2 ajusté:
- Dépend du nombre de VI qu’on met dans le modèle
- Plus il y a des variables utile dans la prédiction de notre VI, plus r2 va augmenter
- Variables pas utile, r2 va diminuer

124
Q

Qu’est-ce qu’un test de régression?

A

Prédire une variable dépendante à partir d’une variable indépendante

3 fonctions:
- Vérifier l’existence d’une association entre une variable dépendante (Y) et une variable indépendante (X)
- Décrire comment Y est lié à X
- Prédire Y à partir de X

Plus le coefficient de régression bêta est grand, plus la relation entre les deux variables est importante

125
Q

Qu’est-ce que la régression logistique?

A

Forme de régression servant à prédire une variable nominale : Présence ou absence d’une condition ou d’une maladie

VD est binaire
VI peut être nominale ou continu

126
Q

Qu’est-ce que le test t de student?

A

Sert à comparer les moyennes de 2 populations

Le test consiste à estimer l’écart-type de la différence entre les moyennes, à calculer la valeur t et à comparer cette valeur à la distribution théorique de la loi T de student

VD doit avoir une distribution normale
Les deux groupes doivent avoir les mêmes variances: homogénéité des variances

127
Q

Qu’est-ce que le test t de student indépendant?

A

Mesurer les différences entre les moyennes de deux groupes indépendants

128
Q

Qu’est-ce que l’analyse ANOVA?

A

Comparer les différences entre trois groupes ou plus

Scinder la variation totale (SCEt) en deux composantes:
- Variation entre les groupes (SCEb)
- Variation à l’intérieur des groupes (SCEw); aussi appelée variance résiduelle

129
Q

Est-ce que le test de corrélation de Pearson est utilisé pour évaluer l’association entre deux variables catégorielles?

A

Non

130
Q

La régression logistique est une technique de régression permettant de prédire quoi?

A

L’impact d’une de plusieurs variables indépendante sur la survenue d’une condition ou d’une maladie.

Elle se caractérise par le fait que la variable dépendante à prédire est dichotomique (survenue ou non de la condition ou la maladie)

131
Q

Identifiez l’intrus:
- Test de t de student
- Test de t de student pour données paires
- Test de corrélation de Pearson
- Test d’ANOVA à mesures répétées
- Test d’ANOVA

A

Test de corrélation de Pearson, c’est un test de liaison, tandis que les autres sont des tests de comparaisons

132
Q

Est-ce que l’ANOVA classique peut être utilisé pour comparer les moyennes entre les conditions si une variable est mesurée plusieurs fois?

Ex.: À des moments différents ou dans diverses conditions expérimentale, sur les mêmes sujets

A

Non, il faut utilisé l’ANOVA à mesures répétées

  • La condition d’indépendance entre les groupes ne s’applique plus; on a un seul groupe de sujets
  • Les mêmes sujets sont mesurés sous chacun des niveaux de traitement ou à différents moments
  • Il faut donc séparer la variance liée au traitement (entre les conditions) de la variance liée aux sujets

Avantage: Permet de tenir compte des différences interindividuelles

Les réponses d’individus différents aux mêmes traitements varient en fonction de leurs caractéristiques personnelles, de leurs expériences et de leurs réactivités individuelles

133
Q

Quels sont les moyens d’exposer les résultats de recherche?

A
  • Tableaux
  • Figures
134
Q

Comment utiliser un tableau quand on veut présenter des résultats?

A
  • Utiliser quand il s’agit de présenter les valeurs exactes des résultats
  • Décrire les participants selon les groupes
  • Composantes: titre, rangées, colonnes, entête, note explicative sous le tableau
135
Q

Comment utiliser une figure pour présenter des résultats?

A
  • Présentation visuelle de certains résultats, souvent les résultats les plus importants
  • Ne devraient pas répéter les résultats déjà présentés sous forme de tableaux
136
Q

Définition de statistiques descriptives?

A

décrire et résumer les données

137
Q

Définition de statistiques inférentielles?

A

estimer les paramètres d’une population et vérifier les hypothèses au moyen de tests statistiques appropriés

138
Q

Vrai ou faux : les variables mesurées sur une échelle d’intervalles n’ont pas de zéro absolu

A

vrai

139
Q

Vrai ou faux : Les statistiques descriptives permettent de tester les hypothèses de recherche au moyen de tests statistiques appropriés.

A

Faux

140
Q

Vrai ou faux : Dans une distribution parfaitement symétrique, la moyenne, la médiane et le mode sont égaux

A

Vrai

141
Q

Vrai ou faux : Plus le nombre d’observations augmente (n) plus la variance augmente.

A

faux

142
Q

Vrai ou faux : Le coefficient de variation est le rapport de l’écart-type sur la moyenne exprimé en pourcentage.

A

Vrai

143
Q

Votre date de naissance est associé à quel type de variable?

A

Quantitative continue

144
Q

Le nbr de frères/soeurs que vous avez est associé à quel type de variable?

A

Quantitative discrète

145
Q

Votre statut matrimonial est associé à quel type de variable?

A

Qualitative nominale

146
Q

L’EPE est associé à quel type de variable?

A

Qualitative ordinale

147
Q

Le temps qu’il faut pour répondre aux questions d’examen est associé à quel type de variable?

A

Quantitative continue

148
Q

Vrai ou faux : L’un des objectifs de l’inférence statistique est de tester les hypothèses de recherche.

A

Vrai

149
Q

Vrai ou faux: L’ampleur de l’effet (ou taille de l’effet) est un facteur à considérer lors du calcul de la puissance statistique. Plus l’ampleur de l’effet est grand, plus la taille de l’échantillon requis pour le détecter sera grande.

A

Faux, en considérant tous les autres paramètres affectant la puissance statistique égaux, il sera plus facile de détecter une différence entre deux groupes si l’ampleur de l’effet est grand, donc avec une taille d’échantillon plus petite.

150
Q

Vrai ou faux : Le test de corrélation de Pearson est utilisé pour évaluer l’association entre deux variables catégorielles

A

Faux

151
Q

Vrai ou faux : Dans une régression linéaire simple, plus le coefficient de régression (bêta) entre les variables dépendante et indépendante est élevée, plus la corrélation entre les deux variables sera élevée.

A

Vrai

152
Q

Vrai ou faux : Le niveau de signification à 5% d’un test statistique signifie que le chercheur a 5 chances sur 100 de se tromper en rejetant l’hypothèse nulle à la faveur de l’hypothèse alternative.

A

Vrai, Le rejet de l’hypothèse nulle alors qu’elle est vraie constitue l’erreur de type I et correspond au seuil de signification de 5%. Le rejet de l’hypothèse nulle alors qu’elle est vraie conduit le chercheur à conclure à tort en faveur de l’hypothèse alternative.

153
Q

Vrai ou faux : Vous observez un coefficient de corrélation de Pearson de 0.8 entre les variable X1 et Y1 et de -0.8 entre les variables X2 et Y2. Il existe donc une association plus forte entre les variables X1 et Y1 qu’entre les varibales X2 et Y2.

A

Faux, la valeur de la corrélation est identique (0.8) mais la direction de la corrélation (le signe) n’est pas le même. Le coefficient de détermination (obtenu en élevant au carré la corrélation) est le même (0.64) dans les deux cas. La force de l’association est donc la même.

154
Q

Vrai ou faux : La régression logistique est une technique de régression permettant de prédire l’impact d’une de plusieurs variables indépendantes sur la survenue d’une condition ou d’une maladie.

A

Vrai, La régression logistique se caractérise par le fait que la variable dépendnte à prédire est dichotomique (survenue ou non de la condition ou de la maladie).

155
Q

Identifiez l’intrus.
A. Le test de t de student
B. Le test de t de student pour données pairées
C. Le test de corrélation de Pearson
D. Le test d’ANOVA à mesures répétées.
E. Le test d’ANOVA

A

C. Le test de corrélation de Pearson.
La corrélation de Pearson est un test de liaison alors que les autres sont des tests de comparaison.

156
Q

Quel test statistique utiliseriez-vous pour comparer la consommation maximale d’oxygène de 50 sujetes avant et après un programme d’entraînement sur ergocycle d’une durée de 20 semaines.
A. Un test t de Student indépendant
B. Un test t de Student pour données appariées (paired t-test)
C. Une analyse de variance à mesures répétées
D. Un test de corrélation de Pearson

A

B. Un test t de Student pour données appariées (paired t-test).

Commme les moyennes que l’on compare (avant versus aprèsl’entraînement) proviennent des mêmes sujets, il faut utilisé le test t de Student pour données appariées.

Méthode et recherche - Examen 1 Et 2 (résumé) (2 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions