Pourquoi les stats en psychologie ? (5 raisons)
A- Pour répondre à nos questions de recherche
B- Pour résumer les données
C- Pour s’assurer que les relations qu’on observe sont significatives et non seulement dues à la chance
D- Pour mettre à l’épreuve nos préjugés, nos croyances
E- Parce que les états et processus mentaux ne peuvent être directement observés et mesurés
Types de statistiques (2)
A- Descriptives : Pour décrire les caractéristiques de l’échantillon et pour vérifier la validité et la fiabilité des données (valider des mesures; ex. apha de cronbach, fidélité test-retest, etc.)
B- Inférentielles : Pour «démontrer» un résultat général à partir d’un échantillon. Dans cette démarche, le statisticien se fixe une hypothèse et détermine ensuite si celle-ci s’accorde avec les faits (ex. tests d’hypothèses, test t, tests du X², etc.)
Analyses descriptives : mesures à tendance centrale (3)
- Moyenne
- Médiane : point milieu
- Mode : donnée la plus fréquente (peut ne pas y en avoir, peut y en avoir plus d’une
Analyses descriptives : mesures de dispersion (3)
- Étendue : différence entre la plus grande et la plus petite valeur
- Variance et écart type : Distance moyenne qui existe entre les observations et la moyenne
- Erreur type
Représentation graphique des données (2)
A- Diagrammes en bâtonnets : Variable quantitative discrète ou catégorielle
B- Histogramme : variables quantitatives continues; données réparties en classes (nombre de classe : racine carrée de n. Étendue des intervalles = plus grande valeur – plus petite valeur / nombre de classes)
Inférence statistique : but
Estimer les paramètres de la population (inconnus) en utilisant les statistiques de l’échantillon (connus)
Les hypothèses : Ha et Ho, rejet et non-rejet de Ho
- Rejet de Ho = conclure que Ha est vraie
- Non-rejet de Ho = conclure que Ho n’est pas fausse
Erreur α et β : Définition et erreur de type I
- Faux positifs; hypothèse nulle est rejetée alors qu’elle était vraie
- Erreur de type I est contrôlée par le chercheur (avec seuil alpha (seuil de signification) qui dépend de ce que l’on mesure et d’autres variables)
Erreur α et β : Définition et contrôle erreur type II
- Faux négatifs; hypothèse nulle acceptée alors qu’elle était fausse
- Risque «acceptable» de faire une erreur de type II est souvent fixé à 0.20
- Contrôle de l’erreur de type II en augmentant la puissance statistique d’un test (Puissance statistique : chance de pouvoir détecter un effet significatif à un seuil donné; capacité du test à identifier une différence réelle; 1 – β (probabilité de faire une erreur de type II))
Conclusions d’un test d’erreur α et β (2, un chaque)
- Erreur de type I doit être contrôlé plus sérieusement que celle de type II, car dès qu’un résultat est trouvé, il est publié
- L’erreur de type II est moins grave, car si le chercheur a la conviction d’avoir raison, il peut refaire l’expérience avec un échantillon différent
