Examen 1 Flashcards

1
Q

Approche descriptive

A

Décrire population statistique

Décrire un système à l’étude (effet de plusieurs variables environnementales)

Ne permet pas d’expliquer les relations mais décrit très bien.

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

Approche expérimentale

A

Contrôle du système (variables stables)

Pour établir des relations de cause à effet

(en faisant varier une certaine variable)

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

Variables quantitatives

A

Quantités véritables (peut déterminer des différences et des rapports)

(Continues = (-infini, +infini) Discrète = (nb entiers seulement))

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

Variables de rang ou semi-quantitative

A

Catégorie

(l’intervalle entre les différentes valeurs est inconnu ou variable)

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

Variables qualitatives

A

Peut pas être classé selon un ordre

ex: sexe

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

Statistique

A

: Caractéristiques d’un échantillon (inférence)

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

Paramètre

A

Caractéristiques d’une population statistiques

(vraie moyenne absolue)
(pas d’inférence)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Statistiques descriptives

A
  1. Permet avoir la localisation d’une distribution (tendance centrale)
  2. Permet de savoir l’ampleur de la distribution et la variabilité (mesure de dispersion).

Permet de mieux comprendre et décrire les données.

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

Unité d’échantillonnage

A

Plus petits éléments sur lequel on va mesurer des variables (pas tjr ind.)

(longueur de salamandre ou parcelle (pas arbre)) (chaque unité peut avoir plusieurs variables (longueur, masse, sexe))

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

Échantillon

A

Unité d’échantillonnage choisi dans la population statistiques

(doit être échantillon aléatoire = représentatif)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Population cible

A

Ensemble des individus qui nous intéressent.

Peut-être plus grand ou égal à la population statistique (Salamandre de tout le Canada/USA)

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

Inférence statistique

A

Caractériser la «population statistique» à partir d’un sous-ensemble plus petit appelé «échantillon»

(Peut être fait juste si l’échantillon est représentatif (aléatoire) -> calculer pour représenter toute la population statistique)

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

Médiane

A

Valeur centrale d’une série de données (autant de valeurs inférieures que supérieures)

(les données doivent être placées en ordre croissant)

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

Mode

A

La classe correspondant au plus grand nombre d’observations

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

Quantiles

A

Points qui divisent les données en fractions égales prédéterminées
En 2 = médiane en 4 = quartiles et en 100 = centiles

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

Étendue

A

La différence entre la plus grande valeur et la plus faible

16
Q

Écart-type

A

Racine carré de la variance

16
Q

Variance

A

Somme des carrés/n-1

17
Q

Somme des carrés

A

Somme de toutes les valeurs – la moyenne

18
Q

Indice de diversité

A

Pas possible de calculer la dispersion pour des variables nominales (sexe, espèce)

Indice de Shannon permet d’évaluer la diversité

19
Q

La seule façon d’avoir un échantillon représentatif est:

A

Avoir un échantillon représentatif avoir un échantillon aléatoire

20
Q

Estimateur

A

Expression mathématique qui permet d’estimer un paramètre de la population statistique à partir des données de l’échantillon

(formule théorique sans valeurs)

21
Q

Estimation

A

la valeur (le résultat) de l’estimateur pour un échantillon particulier (formule avec valeurs)

22
Q

Calcul de la probabilité

A

Donne la probabilité de voir apparaitre un évènement de probabilité p n fois au cours de n tirages identiques et indépendants.

23
Q

Distribution normale

A

-Pour les variables continues

-L’aire sous la courbe est toujours = 1
Symétrique autour de la moyenne (50% chaque côté de la moyenne)

-On cherche l’air sous la courbe (faut centrer et réduire (calculer z) et chercher dans la table)

-La table donne toujours les probabilités à GAUCHE de la valeur z POSITIVE

24
Q

Distribution binomiale

A

Distribution pour des variables discontinues ou binaire

Donne la probabilité de voir apparaitre un évènement de probabilité p n fois au cours de n tirages identiques et indépendants.

25
Q

Définition intervalle de confiance

A

L’intervalle de confiance d’un paramètre au niveau de probabilité (1 - a) est un intervalle (central) qui a une probabilité (1 - a) de contenir le paramètre.

26
Q

Estimation par intervalle

A

Déterminer la précision de l’estimation du paramètre faite à partir de l’échantillon en déterminant l’intervalle de confiance du paramètre.

27
Q

Niveau de confiance

A

1 - a

28
Q

Distribution d’échantillonnage

A

distribution de toutes les moyennes (ex : les masses moyenne de 1000 échantillons de manchots)

La distribution d’échantillonnage des moyennes = distribution normale

Distribution de données = 1 échantillon

29
Q

Écart type de la distribution d’échantillonnage

A

Erreur-type

Erreur type = Précision de l’estimation = distribution d’échantillonnage (plusieurs moyennes)

L’erreur type varie selon la taille de l’échantillon (il devient plus précis)

30
Q

Comment choisir si on utilise la distribution normale (z) ou de t Student

A

Distribution normale : zcrit (si éch > 100) (SI POPULATION)
Distribution de t Student : tcrit (si éch > 100 ou < 100) (surtout t utilisé) (paramètre provient échantillon)

31
Q

Zcrit et Tcrit varie selon quoi

A

zcrit varie en fonction de a et ne varie pas en fonction de n (n > 100)

tcrit varie en fonction de a et du degré de liberté (n – 1) donc change selon la taille de l’échantillon

32
Q

Calculer intervalle de confiance d’une proportion

A

Loi binomiale (long et chiant)
1. Calculer la distribution binomiale (ex : probabilité 0-10)
2. Pour trouver limite inférieure = utiliser fréquence cumulée (cumulation probabilités)
3. Pour trouver limite supérieure = utiliser fréquence rétro-cumulée
4. Trouver où est /2
5. Trouver la valeur entre 2 P cumulé
6. Présenter la valeur et divisé par n pour présenter valeur relative

Loi normale (plus simple)

33
Q

Calcul intervalle de confiance de la variance

A

1 méthode : Utilisation de la loi du X2 (khi 2)

Intervalle de confiance écart-type = √Limites