Examen 1 Flashcards
(111 cards)
Je souhaite vérifier si les personnes adultes qui ont sont les plus grandes sont aussi les plus lourdes. Pour cela, j’ai mesuré la taille en cm des participants et j’ai pesé leur poids en kg. Quel est le test statistique approprié?
La corrélation de Pearson (R)
Nous avons dans cet exemple, 2 variables : la taille et le poids (2 variables quantitatives continues). Nous n’avons aucun indice sur laquelle de ces variables est la variable indépendante (VI) et laquelle est la variable dépendante (VD). Ici, nous souhaitons simplement savoir si ces deux variables sont associées : en conséquence, nous ne parlons pas de VI-VD, mais simplement de variables. La corrélation de Pearson est ici tout à fait indiquée.
Je souhaite vérifier la possible association entre le QI et le niveau socio-économique. Pour cela, j’ai mesuré le QI des participants et j’ai mesuré le niveau socio-économique par des questionnaires appropriés. Quel est le test statistique approprié?
La corrélation de Pearson (R)
Nous avons dans cet exemple, 2 variables : le QI et le niveau socio-économique des participants (2 variables discrètes). Nous n’avons aucun indice sur laquelle de ces variables est la variable indépendante (VI) et laquelle est la variable dépendante (VD). Ici, nous souhaitons simplement savoir si ces deux variables sont associées : en conséquence, nous ne parlons pas de VI-VD, mais simplement de variables. La corrélation de Pearson est ici tout à fait indiquée.
Quelle est la différence entre une variable quantitative discrète et une variable quantitative continue?
Une variable discrète ne peut prendre que des valeurs correspondant à des nombres entier. Par exemple, le nombre de personnes présentes dans une salle, le nombre d’items dans une liste.
Une variable continue peut prendre des valeurs qui vont au-delà des entiers comme par exemple, la taille (1,63 m) ou le poids d’une personne (60,56kg).
Je souhaite vérifier si plus un pilote automobile est bon, plus il prends des risques. Pour cela, j’ai pris connaissance des positions de différents pilotes dans le championnat, et j’ai demandé à chacun de ces pilotes de prendre part à une tâche mesurant la prise de risque (score sur 30). Quel est le test statistique approprié?
La corrélation de Spearman (Rho)
La corrélation de Spearman est l’équivalent non paramétrique de la corrélation de Pearson. Elle est donc à favoriser lorsque la distribution n’est pas normale. Elle est également utilisé lorsque l’échantillon est très petit. Si l’une de ces 2 conditions est présente, nous avons tout intérêt à utiliser la corrélation de Spearman. Là ou la corrélation de Pearson permet d’étudier des relations linéaires, la corrélation de Spearman permet d’étudier des relations non-linéaires. Aussi, le calcul porte cette fois-ci non plus sur les valeurs de nos mesures, mais sur leur rang.
Dans l’exemple ici, la variable ‘‘Position’’ est catégorielle, toutefois, elle peut être traitée comme ordinale, car nous pouvons établir une échelle sur nos données (1er est meilleur que 2ème, etc.). Ici, il y a fort à parier que notre distribution ne suive pas une loi normale (dans notre cas, la majorité des pilotes vont avoir un score élevé à notre mesure de prise de risque). La corrélation de Spearman est tout à fait indiquée.
Je souhaite vérifier un lien entre la taille et le poids chez des enfants. Pour cela, j’ai mesuré la taille en cm des participants et pesé leur poids (en kg). Je sais également que l’âge et le poids sont fortement corrélés avec l’âge. Quel est le test statistique approprié?
La corrélation partielle.
Nous avons dans cet exemple, deux variables (la taille et le poids des participants). L’utilisation d’une corrélation simple (R de Pearson) peut s’utiliser ici. Cependant, elle omet de contrôler un facteur important dans cette association: l’âge des enfants. L’âge des enfant, quant à lui, est (à cette période de la vie) fortement corrélé avec la taille et le poids des enfants. Il est cependant très simple de contrôler l’effet de cette variable. La corrélation partielle est utilisée dans ce but et va soustraire l’effet de cette variable à ceux de la taille et du poids.
Je souhaite vérifier si le sexe des individus a une influence sur la pratique du Hockey sur glace. Pour cela, j’ai demandé à des participants d’indiquer leur sexe, et de dire si oui ou non ils pratiquent le Hockey. Quel est le test statistique approprié?
Nous avons ici une variable indépendante (le sexe des participants) qui est catégorielle (qualitative) et qui de manière important ne présente que 2 modalités. En d’autres termes, nous avons 2 groupes de participants, hommes et femmes. En ce qui concerne la variable dépendante, elle est qualitative (la pratique du hockey): les participants répondent simplement par ‘‘oui’’ ou ‘‘non’’. Nous avons donc 2 groupes ainsi qu’une variable dépendante qualitative. Le test du Khi 2 d’indépendance est ici tout à fait indiqué.
Je souhaite vérifier si les hommes sont plus grands que les femmes. Pour cela, j’ai mesuré la taille en cm des participants (hommes et femmes). Quel est le test statistique approprié?
Le test t pour échantillons indépendants.
Nous avons ici une variable indépendante (le sexe) qui est catégorielle (homme vs femme) et intersujet (homme ou femme mais pas les deux à la fois). En ce qui concerne la variable dépendante (la taille), cette variable est continue (mesurée en cm). Le test t pour échantillon indépendant est tout à fait indiqué.
Je souhaite vérifier si les québécois boivent plus de bière le soir que le matin. Pour cela, nous avons observé la quantité de bière (en décilitres) que buvaient des participants québécois le matin (à 10h:00 am) et le soir (à 18h:00). Ainsi, nous prenions deux mesures (une le matin et une le soir) pour chaque participant. Quel est le test statistique approprié?
Le test t pour échantillon appariés.
Nous avons ici une variable indépendante (le moment de la journée) qui est catégorielle (matin vs soir) et intrasujet (le participant boit le matin et le soir : il passe par les deux modalités de la variable indépendante). En ce qui concerne la variable dépendante (la quantité d’alcool absorbée), elle est continue (mesurée en décilitres). Le test t pour échantillon appariés est ici tout à fait indiqué.
Je souhaite vérifier les effets du sexe et de l’âge sur la quantité de nourriture que nous mangeons (concrètement, je pense que les hommes mangent plus que les femmes, mais que ceci n’est vrai que chez les adultes, alors que je ne m’attends à aucune différence du sexe chez les enfants). Pour cela, nous avons mesuré la quantité de nourriture (en nombre de calories) que des participants adultes ( + de 25 ans) homme et des participants adultes femmes mangeaient, et fait la même chose avec des participants enfants (entre 7 et 10 ans) de sexe masculin et de sexe féminin. Quel est le test statistique approprié?
L’ANOVA à mesures indépendantes.
Nous avons, dans cet exemple, deux variables indépendantes. La première VI est le sexe de l’individu. Cette variable est catégorielle et intersujet (homme vs femme). La seconde VI est l’âge de l’individu. Cette variable est catégorielle (car nous ‘‘créons’’ ici deux catégories : enfants et adultes) et intersujet. En ce qui concerne la variable dépendante (quantité de nourriture ingurgitée), cette variable est continue (mesurée en nombre de calories). L’ANOVA à mesures indépendantes est ici tout à fait indiquée.
Au final, l’ANOVA à mesures indépendantes fait le parallèle à ce que fait le test t de Student pour échantillon indépendant, si ce n’est que cette fois-ci, nous pouvons mettre autant de variables indépendantes que nous le souhaitons, à compter du moment qu’elles sont chacune intersujet, et explorer comment elles interagissent ensemble.
Je souhaite vérifier les effets de l’alcool et du temps de sommeil sur la con-centration d’étudiants au Doctorat (en fait, je pense que la consommation d’alcool diminue la concentration lorsque l’individu à dormi une quantité suffisante, alors que je pense que la consommation d’alcool n’aura pas d’influence sur la concentration d’un individu ayant peu dormi - sa concentration étant déjà perturbée par le manque de sommeil). Chaque participant passait par plusieurs conditions: une fois, il ne buvait pas d’alcool et avait dormi 9h; une fois il ne buvait pas d’alcool et avait dormi 3h; une fois il buvait de l’alcool et avait dormi 9h; enfin,une dernière fois, il buvait de l’alcool et avait dormi 3h. À chaque fois, le participant devait s’engager dans une tâche d’attention (nous mesurions la performance). Quel est le test statistique approprié?
L’ANOVA à mesure répétée.
Nous avons, dans cet exemple, deux variables indépendantes. La 1ère VI est l’Alcool. Cette variable est catégorielle (condition présente vs. absente) et intrasujet (Le même participant va passer par les deux niveaux de cette variable). La seconde VI est le Temps de sommeil. Cette seconde variable est également catégorielle (9h : temps de sommeil élevé vs. 3h : temps de sommeil faible) et également intrasujet, puisque le même participant passe par les deux niveaux de cette VI. La variable dépendante (performance) est une variable continue. Au final, vous aurez compris qu’un même participant va passer l’expérience 4 fois, avec à chaque fois une modalité différente. L’ANOVA à mesures répétées est ici tout à fait indiquée. Au final, l’ANOVA à mesures répétées fait le parallèle à ce que fait letde Student pour échantillon apparié, si ce n’est que cette fois-ci, nous pouvons mettre autant de variables indépendantes que nous le souhaitons, à compter du moment qu’elles sont chacune intrasujet.
Je souhaite vérifier les effets du sexe et du moment de la journée sur la quantité d’alcool que boivent des individus (en fait, je pense que les hommes boivent plus d’alcool que les femmes mais que ceci ne devrait être vrai que le soir alors que je ne m’attends à aucune différence le matin). Pour cela nous avons observé la quantité de bières (en décilitres) que buvaient des participants québécois hommes et femmes le matin (à 10:00) et le soir (à 18:00). Ainsi, nous prenions deux mesures (une le matin et une le soir) pour chaque homme et pour chaque femme. Quel est le test statistique approprié?
L’ANOVA mixte.
L’ANOVA mixte porte bien son nom: elle signifie qu’au moins une des variables indépendantes est intrasujet, et qu’au moins une autre de ces variables indépendantes est intersujet. Ainsi, nous avons, dans un même devis, à la fois des variables indépendantes intrasujet et des variables indépendantes intersujet.Nous avons, dans cet exemple, deux variables indépendantes. La première VI est le sexe de l’individu. Cette variable est catégorielle et intersujet (homme vs. femme). La seconde VI est le moment de la journée. Cette seconde variable est également catégorielle (matin vs. soir) et est intrasujet, car chaque participant passe par les deux modalités de cette VI (pour chaque participant, nous prenons une mesure le matin et une mesure le soir). En ce qui concerne la variable dépendante(la quantité d’alcool absorbée), elle est continue (mesurée en décilitres). L’ANOVA mixte est ici tout à fait indiquée.
Dans quel objectif et dans quelles conditions utilise-t-on un test de corrélation de Pearson?
On utilise un test de corrélation de Pearson lorsqu’on cherche à tester une association entre 2 variables quantitatives codées de manière continue.
On peut, par exemple, se demander s’il existe une association entre la taille d’un individu mesuré en cm et son âge mesuré en années. On mesurera alors la taille et l’âge des participants pour ensuite effectuer le test de corrélations de Pearson.
Notons aussi que la corrélation de Pearson est un test dit ‘‘paramétrique’’ et pour être utiliser, certaines conditions doivent être remplies :
1) la distribution doit être normale
Quel est l’objectif du test de corrélation de Pearson?
Tester l’existence d’une relation entre 2 variables quantitatives continues X et Y.
Quel type de variable permettent l’utilisation d’un test de corrélation de Pearson?
Deux variables quantitatives codées de manière continue.
Pourquoi est-ce qu’un chercheur voudrait utiliser un test de corrélation de Spearman plutôt qu’un test de corrélation de Pearson?
Le test de corrélation de Spearman est l’équivalent non paramétrique du test de corrélation de Pearson. Un chercheur pourrait choisir d’utiliser le test de corrélation de Spearman si la distribution de ses variables n’est pas normale ou encore si son échantillon est très petit. Lorsqu’on utilise Spearman, c’est qu’on s’intéresse à l’association entre deux variables codés sur des rangs.
Lorsqu’il est question d’un test t (de Student) à échantillons indépendants, quelles sont les propriétés auxquelles les variables doivent répondre pour que ce test puisse s’appliquer?
On doit avoir une variable indépendante à modalité intersujet (deux groupe distincts).
Autrement dit, on utilise cette technique pour comparer DEUX groupes, créés par une variable catégorielle, en fonction de leur moyenne à une mesure (variable continue).
Lorsqu’il est question d’un test t (de Student) à échantillons appariés, quelles sont les propriétés auxquelles les variables doivent répondre pour que ce test puisse s’appliquer?
On doit avoir une variable indépendante à deux modalités intrasujet (bloc ou mesure répétée avec 2 temps).
Souvent, le but de ce test est de vérifier l’effet de la variable indépendante (une intervention par exemple) sur la variable dépendante (les sujets, ces derniers ayant été pairés d’une façon ou d’une autre). On mesure donc la variable dépendante avant et après l’intervention.
Quelles sont les conditions d’application d’un test t de Student à échantillons indépendants?
Les données sont normalement distribuées.
La variable dépendante est continue.
Les variances des groupes sont égales (homogénéitéde la variance).
Les groupes sont indépendants (les mêmes observations ne peuvent pas être dans les deux groupes).
Quelles sont les conditions d’application d’un test t de Student à échantillons appariés?
La distribution des deux mesures est normale dans la population OU l’échantillon est assez grand pour permettre de référer au théorème central limite pour la normalité de la distribution échantillonnale des différences de moyennes.
Les deux mesures sont des variables continues possédant la même échelle de mesure.
Lorsqu’il est question d’une ANOVA à mesures indépendantes, quelles sont les propriétés auxquelles les variables doivent répondre pour que le test puisse s’appliquer ?
On doit être en présence de 2 ou plusieurs variables indépendantes à modalité intersujet (trois groupes distincts ou plus).
Cette technique permet de comparer les moyennes de trois groupes ou plus, créés par une variable catégorielle.
Lorsqu’il est question d’une ANOVA à mesures répétées, quelles sont les propriétés auxquelles les variables doivent répondre pour que le test puisse s’appliquer ?
On doit être en présence de 2 ou plusieurs indépendantes à modalité intrasujet (bloc ou mesure répétée avec 3 temps ou plus).
Quels sont les éléments (ou sections) d’un rapport de recherche en psychologie? Nommez les dans l’ordre.
1) Le titre
2) Le résumé
3) L’introduction
4) La méthode
5) Les résultats
6) La discussion
7) Les références
Quels sont les éléments indispensable d’un titre de rapport de recherche?
On s’attend à ce que le titre soit informatif. Un titre informatif contient idéalement tous les éléments de la question (ou sujet) de recherche (variables, population si pertinent).
Il doit contenir les 2 éléments les plus importants :
1) Le sujet de recherche
2) Le résultat principal que nous souhaitons mettre de l’avant.
Par exemple: ‘‘Les adultes sont plus grands que les enfants’’
On connait les variables (taille et âge), on a aussi le résultat principal ainsi que le sujet de recherche.
On dit que le résumé est traditionnellement composé de plusieurs parties. Nommez-les dans l’ordre.
1) Contexte théorique
2) But de la recherche
3) Méthode (de manière concise, ‘‘par l’intermédiaire de questionnaires’’ par exemple… )
4) Résultats principaux (incluant statistiques)
5) Conclusion