Brainscape's Knowledge GenomeTM

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


See full index

M Q 2 > M Q 2 > Flashcards

M Q 2 Flashcards

1
Q

5 étapes de la démarches inférentielle?

A 
1- Hypothèses
2- Seuil alpha
3- Préciser le modèle statistique utilisé (+ effectuer le test)
4- Décision statistique
5- Conclusion selon le contexte
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Pour statistiques inférentielles, les calculs se font sur __, mais hypothèses et conclusions sur __.

A

Échantillon

Population

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

__ correspond à ce que le chercheur veut démontrer

A

L’hypothèse alternative

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

Les tests d’hypothèse nulle prennent pour acquis que…?

A

H0 EST VRAIE!!!

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

Écart-type de la distribution d’échantillonnage = synonymes? + formule?

A

Erreur type, erreur standard

Sigmam (moyennes) = sigma / racine(n)

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

Somme des différences entre chaque score et la moyenne au carré?

A

Écart-type

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

Pour toute population ayant une moyenne mu et un écart-type sigma, la distribution des moyennes d’échantillons X de grandeur n s’approchera d’une distribution normale avec une moyenne mu et un écart-type sigma(m) = sigma / racine(n).

A

Théorème de la limite centrale.

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

Plus n est grand, plus l’écart-type de la distribution d’échantillonnage est …?

A

PETITE (sigma/racine(n))

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

___: dans la distribution d’échantillonnage, les valeurs calculées varient d’un échantillon à l’autre.

A

Fluctuation d’échantillonnage.

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

Le niveau Beta souhaité est généralement de __%, donc, puissance statistique = __%.

A

20%

Environ 80%

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

Populations… Si Ho est vraie/ fausse, c’est que les 2 échantillons viennent… ??

A

Fausse: viennent de 2 populations différentes (effet)
Vraie: viennent de la même population (pas d’effet)

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

Puissance = ???

A

probabilité d rejeter H0 lorsque H0 est fausse (rejeter correctement H0) (1-B)

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

Rejeter H0 lorsque H0 fausse…?

A

Puissance!! (1-B)

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

Que suis-je?

  • Nous assure de développer une connaissance juste, car certains chercheurs arrivent à des conclusions fausses
  • Repose sur la réplication des résultats
A

Convergence scientifique.

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

On ___ notre échantillon à la distribution d’échantillonnage, ce qui nous permet ___ sur la population à partir de la distribution d’échantillonnage.

A

COMPARE

INFÉRER

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

La distribution d’échantillonnage est ___ de la population

A

ESTIMATION

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

C’est grâce à quoi qu’on peut évaluer la probabilité?

A

Grâce à la distribution normale!!

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

Formule du Z?

A

différence des moyennes / erreur standard

Z = X-u / sigma/racine(n)

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

Il existe une infinité de distributions _, qui varient selon le __.

A

t

nombre de dl

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q 
? = X-u / sigma/racine(n)
? = X-u / s/racine(n)
A

Z (sigma connu)

t

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

On considère les __ comme étant une seule personne au niveau statistique. (sauf en ce qui a trait à __)

A

Individus appariés.

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

2 possibilités pour test t- échantillons dépendants?

A
  • même personne mesurée à 2 reprises

- individus appariés vivant 1 seule mesure (ex. jumeaux), considérés comme une seule personne au niveau statistique

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

Pourquoi u1-u2 = 0 dans formule t indép?

A

Car, sous H0 vraie, il n’y a pas de différence entre les moyennes des 2 populations.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

**Test de Levene = quoi?

A

Dans test t indép, pour vérifier le postulat d’homogénéité des variances.

P doit être > 0.05 !!!!! PLUS GRAND

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

Pourquoi on ne fait pas de test de Levene sur un test-t pour échantillons dépendants?

A

Il n’y a qu’une seule variance (celle de D, différences moyennes)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Pourquoi le test t pour échantillons dépendants est plus puissant que celui pour échantillons indépendants?

A

Parce qu’il élimine la variabilité due aux différences entre les individus. (ainsi, la valeur au dénominateur sera plus petite, ce qui fera augmenter le t => + de chances de la rejeter).

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

Différences de moyennes vs moyenne des différences/ différences moyennes?

A

Test t indép = différence de moyennes

Test t dép = différences moyennes (D)

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

Quand on parle de différences moyennes, on parle de…?

A

Test t pour échantillons dépendants (D)

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

C’est quoi D(barre)?

A

Différences moyennes. (Moyennes des différences)

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

Anova permet de vérifier s’il existe au moins une différence significative entre les ___.

A

Niveaux de traitement. (NIVEAUX de la VI).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

ANOVA: même si le test permet de conclure sur les différences de ___, son calcul repose sur des comparaisons de ___.

A

Moyennes

Variances

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

Quels sont les 2 estimés de variance qu’on compare dans l’ANOVA?

A
  • Un estimé de variance affecté par le traitement (*et l’erreur) (inter)
    et un estimé de variance affecté seulement par l’erreur (intra)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

__: à quel point l’appartenance au groupe affecte les données.

A

Estimé de variance INTER-GROUPE

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

Avec l’ANOVA, on compare des …?

A

Estimés de variance!!! (Carrés moyens)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

__: à quel points les données varient NATURELLEMENT à l’intérieur d’un même groupe.

A

Estimé de variance INTRA-GROUPE.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

INTER et INTRA réfèrent à quoi?

A

AU GROUPE!!!

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

F= __ / __ ?

A

Variabilité due au tx / variabilité due à l’erreur

= estimé de variance inter / estimé de variance intra.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

Si les différences de moyennes sont dues à l’erreur (ANOVA), l’estimé de variance inter devrait être __ à l’estimé de variance intra.

A

SIMILAIRE, F = 1

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

Puisque l’ANOVA est un ___, on présume que ___ (__), donc la seule source de variabilité est __.

A

Un test d’hypothèse nulle
Ho est vraie (pas de différence)
L’erreur.

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

Dans l’ANOVA, les estimés de variances sont appelés…?

A

Carrés moyens.

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

À quoi cela fait-il référence?

n x variance des moyennes

A

CM inter

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

À quoi cela fait-il référence?

moyenne des variances des groupes

A

Cm intra

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

GM, c’est quoi? où?

A

Grande moyenne = moyenne des moyennes

Impliquée dans le calcul de CM inter.

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

CM inter = quoi? (formule)

A

n x variance des moyennes

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

CM intra, c’est quoi? (formule)

A

moyenne des variances des groupes

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
46
Q

Théorème de la limite centrale: pour toute population ayant une moyenne u et un écart-type sigma, la distribution des ___ s’approchera d’une distribution __ avec une moyenne __ et un écart-type __.

A

distribution des MOYENNES
distribution normale
u
sigma / racine (n)

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

L’estimé de variance des scores à partir des MOYENNES est possible grâce à l’une des implications de..? (variance des scores = variance des moyennes * n)

A

Du théorème de la limite centrale

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

Lien entre l’ANOVA et le théorème de la limite centrale?

A

variance des scores de moyennes = n * variance des moyennes (INTER).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
49
Q

Variable continue vs discrète?

A

Continue: peut prendre une infinité de valeurs dans un continuum
Discrète: ex. 4 catégories (limité!!, pas continuum)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
50
Q

V/F Le test de Levene se fait seulement pour le test t pour échantillons indépendants.

A

FAAUX!! Il se fait aussi pour l’ANOVA PLAN SIMPLE!!

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

QQch de particulier avec l’homogénéité des variances pour l’ANOVA à plan simple?

A

Se vérifie avec le test de LEVENE.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
52
Q

C’est grâce à quoi que les SC et les dl sont additifs?

A

Au modèle linéaire général.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
53
Q

Le test de Levene est utilisé pour vérifier le postulat d’homogénéité des variances pour quel(s) test(s)?

A
  • Test t indép

- ANOVA plan simple.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
54
Q

ANOVA plan simple; H0 et H1?

A

H0: u1 = u2 = u3 = u4 … OU il n’y a pas de différence SIGNIFICATIVE entre les moyennes des groupes
H1: il y a au moins une différence significative entre les moyennes des groupes!

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

On teste quoi avec test t indép?

A

La probabilité d’observer la différence entre les moyennes obtenue à l’aide d’une distribution du t sous H0 vraie.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
56
Q

On teste quoi avec test t dép?

A

Probabilité d’observer le SCORE DE DIFFÉRENCE MOYEN dans pop à l’aide distr t sous H0 vraie.

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

L’homogénéité des covariances, c’est dans quel test, ça?

A

ANOVA à mesures répétées!!.

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

dl pour test t éch dép?

Ex. 10 participants exposés à 2 conditions

A

n-1 (n = nb de participants)

Donc, dl = 9!! (vraiment regarder le nb de PARTICIPANTS, pas le nombre d’observations!)

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

Le type d’ANOVA à utiliser dépend… (3)?

A
  • nombre de niveaux de VI
  • type d’échantillon indép ou dép
  • nombre de VD (?)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
60
Q

F>1 = significatif?

A

Non, indique que variabilité inter > intra. Il faut évalue la probabilité d’observer le f sous H0 vraie avec distr éch F pour statuer sur la signification.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
61
Q

Est-ce possible, à partir de la sortie SPSS, de savoir si les groupes ANOVA plan simple étaient égaux (sans les stats descriptives)?

A

Impossible à savoir, même si k x n = N, ça ne vaut pas dire qu’il y a effectivement n sujets dans chaque groupe (peut = n-1 dans un groupe, n+1 dans l’autre…)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
62
Q

Qu’est-ce que ça change d’enlever les données extrêmes pour l’ANOVA à plan simple?

A

Cela réduit la variabilité intra. Ainsi, le dénominateur sera plus petit, ce qui fait augmenter la valeur de F et, par conséquent, augmente la probabilité de le rejeter!

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
63
Q

Si on voit le test t comme un RAPPORT, qu’est-ce qu’on compare avec le test t?

A

On compare la différence observée entre les moyennes (X-u) à l’erreur standard (s(d)/racine(n)).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
64
Q

CM inter ou intra a un k-1 / n-1 au dénom?

A 
k=1 = au dénom d'inter (comme dl)
n-1 = au dénom d'intra !!
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
65
Q

___ ; indique, si H0 était vrai, à quel point il y aurait de la variaiblité entre les scores (naturellement)

A

CM intra.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
66
Q

On suppose que la covariance entre ___ est semblable.

Quel test?

A

Les différentes paires de niveaux de traitement.

ANOVA à mesures répétées

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
67
Q

Variance vs covariance?

A

Variance: mesure la variabilité à l’intérieur d’un groupe
Covariance: mesure la relation entre 2 groupes.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
68
Q

Le test de Sphéricité de Mauchly permet de vérifier quoi?

A
  • Homogénéité des variances ET des covariances.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
69
Q

Qu’est-ce qu’on veut finalement avec Mauchly???

A

On veut que ce soit NON-significatif. Donc, que p > .05. Cela indique que la matrice est sphérique, donc qu’on respecte les postulats d’homogénéité des variances ET des covariances.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
70
Q

2 avantages de l’ANOVA à mesures répétées?

A
  • nécessite moins de participants
  • permet de diminuer l’estimé de variance erreur (intra) en éliminant la source de variabilité associée aux sujets (SC sujets) (à condition qu’il y ait une grande différence entre les sujets => le SCsujet soit plus grand, prenne une grande partie de SCintra).
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
71
Q

SC intra = __ + __.

A

SCsujets + SCerreur

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
72
Q

V/F L’augmentation de la puissance augmente les chances de faire une erreur alpha.

A

Faux.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
73
Q

Qu’est-ce qui fait qu’on a un petit ou un grand SCsujets dans l’ANOVA à mesures répétées?

A

La variabilité ENTRE les sujets. Plus il y a une grande différence entre les sujets, + SCsujet est grand.

Moins il y a de variabilité entre les sujets (très semblables), + SC sujet est petit.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
74
Q

Avec quoi s’observe le SCsujet (dans le tableau)?

A

On regarde les moyennes de chaque sujet dans tous les niveaux de traitement. (droite)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
75
Q

Formule de l’inflation de l’erreur alpha?

A

a = 1 - ( 1-a ) ^c

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
76
Q

4 tests de comparaison multiple a posteriori

A

Tukey, Scheffé, SNK, REGW; ces tests comparent donc toutes les comparaisons possibles.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
77
Q

Bonferroni = quand? = correction de combien?

A
  • comparaisons multiples A PRIORI

- on divise le niveau alpha par le nombre de tests effectués (nb de comparaisons)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
78
Q

Tukey est quel type de test?

A
  • comparaisons multiples A POSTERIORI
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
79
Q

Quel test fait perdre de la puissance statistique?

A

Test t avec correction de Bonferroni (on divise le niveau alpha!)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
80
Q

Quelles sont les 2 options A PRIORI?

A
  • tests t multiples (test t avec correction de Bonferroni)

- CONTRASTES LINÉAIRES.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
81
Q

Avantage des contrastes linéaires?

A

Ne se limitent pas à la comparaison de 2 moyennes; peut comparer des regroupements de moyenne.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
82
Q

Contrastes linéaires… = a priori ou posteriori?

A

Les 2 !!

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
83
Q

2 conditions pour un contraste linéaire?

Formule?

A
  • Avoir au moins un a différent de 0
  • Somme des ak = 0
    (a= coefficient de contraste)

L = a1X(barre)1 + a2X2 + a3X3 … + ak(xk)

84
Q

Un contraste linéaire est un exemple de test…

A

De comparaisons multiples A PRIORI.

85
Q

Dans les contrastes linéaires, a réprésente quoi?

A

Le coefficient de contraste. (0, -1, 1 …)

86
Q

Avec un contraste linéaire, quel paramètre on obtient?

Et degrés de liberté??

A

Un t (ou un F!!)

Si test t, dl = (n1 + n2) - 2

Si c’est un F, F= CMcontraste / CMintra

  • 1 dl au numérateur (contraste)
  • k(n-1) dl au dénominateur
87
Q

2 types de comparaisons a posteriori?

A
  • Procédure à étape unique (calculer une seule valeur critique) ex. Tukey, Scheffé (Bonferroni aussi, mais a priori)
  • Procédure à étapes multiples (soit step-up ou step-down) (Newman-Keuls)
88
Q

Quel type de test effectue toutes les comparaisons pairées possibles? exemples de tests?

A

Les tests de comparaisons multiples a posteriori (Tukey, Scheffe, SNK, REGW Q et F)

89
Q

Nommer les tests a posteriori en ordre de puissance.

A

Newman-Keuls (+ puissant) => REGW Q et F => HSD de Tukey => Scheffé (le moins puissant)

  • À noter; le Games-Howell n’est pas classable en termes de puissance…
90
Q

Newman-Keuls?

A

test de comparaisons multiples a posteriori
le plus puissant
à étapes multiples

91
Q

HSD de Tukey?

A

test de comparaisons multiples a posteriori
le + utilisé
se limite au n égaux
à étape unique

92
Q

REGQ Q et F?

A

test de comparaisons multiples a posteriori
+ puissant que Tukey, mais moins que Newman-Keuls
** fonctionne pour n inégaux!!

93
Q

Games-Howell?

A

test de comparaisons multiples a posteriori
** effectue une correction si le postulat d’homogénéité des variances n’est pas respecté.
inclassable en termes de puissance

94
Q

Scheffé?

A

test de comparaisons multiples a posteriori
le plus sévère
** ne se limite pas aux comparaisons pairées.

95
Q

Test de comparaisons multiples a posteriori le + puissant? Le moins puissant?

A

Plus : Newman-Keuls

Moins : Scheffé

96
Q

Test de comparaisons multiples a posteriori qui se limite aux n égaux? qui peut comparer pour n inégaux?

A

égaux seulement = HSD de Tukey

REGW Q et F pour n inégaux

97
Q

Test de comparaisons multiples a posteriori qui permet de faire une correction si variances non homogènes?

A

Games-Howell

98
Q

Test de comparaisons multiples a posteriori inclassable en termes de puissance?

A

Games-Howell

99
Q

Test de comparaisons multiples a posteriori qui ne se limite pas aux comparaisons pairées?

A

Scheffé.

100
Q

Où se situe le SCsujet sur SPSS pour ANOVA répétées?

Quelle boîte doit-on regarder pour le F, le SCerreur?

A
  • dans la boîte du bas « inter-sujet » => source : erreur
  • Les infos de l’ANOVA à mesures répétées se trouvent dans la première boîte, soit effets INTRA-sujets.
  • ** ATTENTION, le F s’appelle D
101
Q

Pourquoi la puissance n’est pas toujours augmentée dans une ANOVA à mesures répétées vs une ANOVA à plan simple?

A
  • S’il n’y a pas assez des variabilité entre les sujets (sujets trop semblables), le SC intra sera petit. Autrement dit, la variabilité des sujets ne joue pas assez un « grand rôle » dans SC intra.

+ ON ENLÈVE non seulement le SCsujets du SCintra, mais AUSSI LES DLsujets.
** les dls intras vont donc toujours diminuer!! (c’est pour ça que la puissance peut aussi baisser!)

102
Q

Qu’est-ce qu’on veut qui soit non significatif (p>.05)?

A

Le test de sphéricité de Mauchly (ANOVA répété) pour vérifier le postulat des variances et des covariances.

103
Q

V/F L’analyse de variance à mesures répétées peut s’effectuer avec des échantillons indépendants.

A

Faux. Ce sera toujours des échantillons DÉPENDANTS pour l’ANOVA à mesures répétées, même si ce sont des individus appariés (considérés comme un seul et même individu, donc DÉPENDANT).

104
Q

Le Sc sujet réfère a quoi?

A

À la variabilité ENTRE LES SUJETs, pas d’un même sujet!!!

105
Q

Comment nomme-t-on la possibilité d’avoir des gens qui sont statistiquement considérés comme étant une seule et même personne?

A
  • INDIVIDUS APPARIÉS.
106
Q

V/F Un des avantages majeurs de l’analyse de variance à mesures répétées, c’est de réduire la Somme des Carrés intra, en y retirant la variabilité entre les mesures d’un même sujet.

A

FAUX!!! ON RETIRE LA VARIABILITÉ ENTRE les sujets! SC inter-sujets)

107
Q

Les individus appariés sont considérés dépendants ou indépendants?

A

DÉPENDANTS!!!

108
Q

Principal désavantage de l’ANOVA à mesures répétées?

A

Risque d’effet de rémanence / d’apprentissage!

109
Q

Dans un texte de résultats scientifique, on ne nomme que les résultats significatifs.

A

NON, nommer aussi tout ce qui n’est pas significatifs (donner les résultats de tous les tests qu’on a fait!)

110
Q

Effet principal vs effets simples?

A

Les effets principaux: on observe les effets d’un des facteurs en ignorant complètement l’autre.

EFFETS SIMPLES: on observe l’effet d’une variable (VI) à chacun des niveaux de l’autre.

  • ex. effet du sexe pour condition 1, 2, 3,
  • effet de la condition 1 pour femme, hommes…
111
Q
  • Pourquoi est-ce qu’on peut retirer SCsujet de l’erreur pour l’ANOVA à mesures répétées?
A

Puisque ce sont les MÊMEs sujets, la variabilité des sujets de la condition 1 EST LA MÊME que la variabilité des sujets de la condition 2. Il n’y a pas de différence entre les individus qui peut venir jouer sur les résultats.

112
Q

Il faut que l’ANOVA soit significative pour…?

A

Effectuer un test de comparaisons multiples a posteriori (REGW, Tukey, Scheffé, SNK).

113
Q

On teste toutes les comparaisons pairées possibles pour..?

A

Un test de comparaisons multiples a posteriori.

= a x ((a-1)/2)

114
Q

Nombre de comparaisons pairées possibles?

A

nb = a x ((a-1)/2)
a étant le nombre de niveaux de tx (ex. 4 conditions)
** pour 4 niveaux, ça donne 6 !!!

115
Q

Exemples de tests a priori?

A

Bonferroni, DUNN-SIDAK, HOLM.

116
Q

Les contrastes linéaires sont un exemple de test de comparaisons multiples…

A

a priori et a posteriori

117
Q

L’ANOVA est basée sur le …?

A

Modèle linéaire général,

118
Q

C’est grâce au modèle linéaire général que…?

A

Les SC et les dls peuvent s’additionner!

119
Q

Exemple d’erreur résiduelle?

A

Erreur au niveau de l’instrument, fluctuation T…

120
Q

Formule du score d’un individu? (ANOVA plan simple)
+ définition de chaque terme
et quels paramètre sont comparés dans l’ANOVA?

A 
Xij = u + aj + eij
u = moyenne de la population (constante)
aj = VARIABILITÉ due à l'effet de la condition j
eij = variabilité due au sujet i dans la condition j (erreur)

Dans l’ANOVA, on compare la variabilité due à l’effet de la condition (aj) à l’erreur.

121
Q

Formule du score d’un individu? (ANOVA à mesures répétées)

+ définition de chaque terme

A 
Xij = u + aj + (pi)i + eij
u = moyenne de la population (constante)
aj = variabilité due à l'effet de la condition j
(pi)i = variabilité due à l'effet spécifique du sujet i**
eij= variabilité résiduelle

** à noter que (pi)i est retirée!!!

122
Q

Quel paramètre est retiré de la formule de définition d’un score pour l’ANOVA à mesures répétées?

A

(pi)i => Variabilité due à l’effet spécifique du sujet i.

123
Q

Quelle constante se retrouve dans les équations de définition d’un score pour ANOVA?

A

u; moyenne de la population.

  • à noter, représente l’ORDONNÉE à l’origine.
124
Q

Formule du score d’un individu? (ANOVA à plan factoriel)

+ définition de chaque terme

A 
Xij = u + aj +Bk + (aB)jk + ei(jk)
aj = variabilité due à l'effet du niveau j de A (VI)
Bk = variabilité due à l'effet du niveau k de B (VI)
aB(jk) = variabilité due à l'effet conjoint des niveaux j et k, l'interaction de aj et Bk
ei(jk) = erreur résiduelle due à l'effet du sujet i dans le niveau j de la VI (A) et dans le niveau k de la VI (B)
125
Q

Qu’est-ce qui représente l’ordonnée à l’origine dans la formule de définition d’un score?

A

u; moyenne de la population

126
Q

2 avantages de l’ANOVA à plan factoriel?

A
  • Généralisation + large (on amène des précisions à notre étude, ce qui augmente la validité externe)
  • tests d’interaction entre les facteurs (VIs)
127
Q

Les VIs sont appelées… et représentés par …

A

Facteurs
ou traitements
- représentés par une majuscule.

128
Q

Comment écrirait-on le 2e niveau de la variable indépendante / facteur / traitement ?

A

a2 (minuscule)

129
Q

Les combinaisons des niveaux de plusieurs facteurs sont appelé…?

A

Cellules (ex. croisement entre a1 et b1)

130
Q

On appelle facteur ou traitement…?

A

Les VI. (A, B)

131
Q

Est-ce qu’un plan factoriel 2x3 équivaut à un plan factoriel 6 ?

A

Non XD!

p.s. les chiffres représentent les niveaux des 2 VIs.

132
Q

Que teste l’effet d’interaction?

A

Si l’effet de la variable A est le même pour chacun des niveaux de traitement de la variable B et si l’effet de la variable B est le même pour chaque niveau de la variable A (VI)

133
Q

Si l’ANOVA plan factoriel était à mesures répétées, le CMintra serait le même.

A

NON, le dénominateur changerait. C’est pour l’ANOVA plan factoriel à mesures NON répétées qu’on utilise tjrs le même dénominateur (CMintra).

134
Q

Tester l’effet principal d’une VI revient à …?

A

Faire une ANOVA à plan simple. ex. vérifier s’il y a une différence entre les hommes et les femmes / entre les différentes conditions. (Y a-t-il une différence significative entre les différents niveaux de ma VI?)

135
Q

dl pour interaction?

dl intra pour ANOVA factoriel?

A

(a-1)(b-1)

ab(n-1), où n = nombre de cellules (a*b)

136
Q

Dans l’ANOVA à plan factoriel, le dl inter se décompose en…

A

dl B
dl B
dl AB (interaction)

137
Q

Visuellement, l’interaction ressemble à quoi?

A

Les courbes des effets de la variable A sur les différents niveaux de la variable B se CROISENT!! (ne sont pas parallèles!)

138
Q

Une interaction significative nous indique quoi? (2)

A
  • qu’il faut nuancer notre interprétation des effets principaux
  • que l’effet de la VIA n’est pas le même à chaque niveau de la VIB (et vice-versa!) et/ou!!
139
Q

On pourrait ne pas détecter l’effet principal, mais tout de même trouver des effets simples significatifs si…?

A

L’effet de notre variable est inverse pour le niveau 1 et 2 de l’autre… « X », puisque l’effet principal est en fait la moyenne des effets de A sur B1 et B2! (donnerait une ligne droite = non sign. pour effet principal)

140
Q

___ permet d’examiner l’effet d’un facteur à un/des niveaux spécifiques d’un autre facteur.

A

L’analyse d’effets simples.

141
Q

Les analyses d’effets principaux et d’effets simples ressemblent à quel autre test?

A

ANOVA à plan simple (nous dit qu’il y a un effet, mais ne nous dit pas entre quelles moyennes se situe la différence!

142
Q

Correction de Bonferroni pour les effets simples?

A

a(global) / (a+b) (alpha / nombre de comparaisons)

** le alpha global

143
Q

Différence entre correction de Bonferroni pour test de comparaisons multiples vs effets simples?

A

c.multiples: a / nb de comparaisons (ex. .05/3)

effets simples: a global (somme des alpha) / (a+b)

144
Q

Un effet simple décompose à la fois ___ et ___.

A

L’effet d’interaction

L’effet principal utilisé

145
Q

Les dl des effets simples ne sont pas ajoutés au total… plutôt, ils sont égaux à …?

A

ex. somme des dl des effets de A sur les trois niveaux de B = dl interaction + dl A (puisque l’effet simple décompose à la fois l’effet d’interaction et l’effet principal utilisé)

146
Q

Quand on fait un test d’effets simples, ne pas oublier de…

A

DIVISER LE NIVEAU ALPHA en utilisant la correction de Bonferroni!! alpha global/(a+b)

147
Q

Dans SPSS, pour ANOVA pf, on regarde le total ou le total corrigé??

A

On regarde le total corrigé! (En cas de doute, regarder les dls, on prend celui dont les dl = N-1!)
D = F **

148
Q

Le alpha global dans correction de Bonferroni pour les effets simples… il additionne quoi??

A

Le alpha global additionne les tests F (alpha de A, de B et de AB). (sera donc presque toujours à 0.15 (si 2 VIs))

149
Q

__: effet produit par l’une des variables du plan factoriel SANS tenir compte des autres variables manipulées

A

Effet principal

150
Q

Définition de l’effet principal? exemple?

A

Effet produit par l’une des variables du plan factoriel SANS tenir compte des autres variables manipulées (VIs) Par exemple, effet du sexe => différence significative entre les hommes et les femmes en ce qui a trait à la VD (dépression)?

151
Q

V/F En présence d’un effet d’interaction, l’interprétation des effets principaux est inutile.

A

FAUX!! Elle n’est pas inutile. Il faut toutefois nuancer notre interprétation des effets principaux puisque l’effet d’interaction nous indique que l’effet de A n’est pas le même pour chaque niveau de B et vice-versa.

152
Q

REMINDER!!!! Dans l’examen, pour l’ANOVA, indiquer les résultats NON SIGNIFICATIFS AUSSI!!!!

A

Oui, oui, donner les résultats pour TOUS TOUS TOUS les tests effectués!!!

153
Q

Tests non paramétriques?

A

Tests qui ne rencontrent pas les postulats de base, tel que la normalité de la distribution

154
Q

** Limites des tests non paramétriques (6)

A
  • Beaucoup moins puissants
  • Se limitent aux comparaisons simples (ex. pas d’équivalent pour ANOVA plan factoriel!)
  • Ne peuvent pas tester l’interaction
  • Perte d’information (en transformant les données en rangs)
  • pas spécifiques (H0: les éch proviennent du même échantillon / on ne teste pas directement des moyennes..)
  • pas systématiques (tests indépendants les uns des autres, tables bizarres!)
155
Q

** Avantages des tests non paramétriques? (4)

A
  • pas besoin de distribution normale (de forme de distribution particulière), puisque les tests non paramétriques ne nécessitent pas d’estimer de paramètre
  • pas affectés par les données extrêmes, car + sensibles à la médiane qu’à la moyenne
  • PEUVENT ÊTRE UTILISÉS SUR DE PETITS ÉCHANTILLONS
  • calculs relativement simples
156
Q

V/F Tests non paramétriques; les données sont classées en rangs, tous groupes confondus.

A

Vrai!

157
Q

Pour les tests non paramétriques, ce sont les __ que l’on compare pour vérifier s’il existe une différence entre les groupes.

A

Sommes de rangs.

158
Q

H0 test Wilcoxon?

A

H0: les 2 échantillons ** proviennent de populations identiques, ayant une tendance centrale identique.

159
Q

Wilcoxon: on teste la probabilité…

A

D’obtenir la différence observée avec N données (total, distribution varie en termes du nombre de données)

160
Q

Ws réfère à quel test?

A

Wilcoxon pour échantillons indépendants.

161
Q

T réfère à quel test?

A

Wilcoxon pour échantillons dépendants.

162
Q

Combien de groupes pour Wilcoxon?

A

2

163
Q 
Ws = quelle valeur?
n1 = quel groupe?
A

= la somme des rangs du plus petit groupe. Si n égaux, = la plus petite somme des rangs.
** plus petit groupe

164
Q

Quel test est équivalent au Wilcoxon indép?

A

U de Mann-Witney

165
Q

** Comment rejeter H0 pour Wilcoxon indép?

A

Il faut que notre Ws soit INFÉRIEUR

166
Q

Quel test est équivalent au U de Mann-Witney?

A

Wilcoxon indép.

167
Q

V/F Pour rejeter H0 avec Wilcoxon indép, Ws doit > Ws critique.

A

Faux. Ws doit être

168
Q

Nos résultats risquent d’être faussés dans le Wilcoxon indép si…?
Solutions? (2)

A
  • Si nos plus gros rangs se retrouvent dans le plus petit groupe… puisque Ws = le Wilcoxon considère que les plus petits rangs se retrouvent dans le plus petit groupe…

Solutions;

  • classer les données en ordre décroissant (1=plus grand) et calculer un nouveau Ws => W’s.
  • se servir des propriétés symétriques et utiliser cette formule pour W’s; W’s = 2W(barre) -Ws
169
Q

Pour l’épreuve d’hypothèse du U de Mann-Witney, on transforme le Ws en __ (pour de grands échantillons, c’est tjrs ce que SPSS fait).

A

Z.

170
Q

Sur SPSS, pour Wilcoxon, on prend …?

Et pour U de Mann-Witney?

A
  • La signification asymptotique

- sig asymptotique si n > 25, exacte si n

171
Q

Quelle valeur est basée sur l’approximation d’un test Z pour Wilcoxon indép (SPSS)?

A
  • La signification asymptotique (1ère)
172
Q

VD pour Wilcoxon dépendant??

A

Différence entre les données pour chacune des paires de données (A-B)

ex. MODIFICATION DE LA TENSION CORPORELLE.

173
Q

H0 Wilcoxon dép?

A

Les échantillons proviennent de populations identiques.

174
Q

VD Wilcoxon dépendant?

A

différence, modification

ex. VD= modification de la tension corporelle.

175
Q

Procédure Wilcoxon dépendant?

A

1) différences (A-B)
2) classer en rangs les DIFFÉRENCES, EN VALEUR ABSOLUE!
3) faire la somme des rangs pour T+
4) faire somme des rangs pour T-
5) La statistique T est le plus petit T!

176
Q

Logique Wilcoxon dépendant?

A

Si le programme est efficace, la différence devrait être POSITIVE! (ex. 140 lbs => 120 lbs) Les T+ devraient être > que les T-.

177
Q

Comment rejete-t-on le T?

A

T doit être

178
Q

Le T et le Ws doivent être __ que leurs valeurs critiques respectives.

A

PLUS PETITES!!

179
Q

V/F Pour les tests non paramétriques équivalents aux tests t et à l’ANOVA, les fréquences des données sont utilisées comme variable dépendante.

A

FAUX, ce sont les RANGS des données qui son utilisées comme VDs.

Rang dépend du score…

180
Q

La VD pour les tests non paramétrique est…

A

Le rang des données.

181
Q

La correction pour les rangs égaux a pour effet de …?

Et la valeur corrigée, c’est laquelle?

A

Augmenter légèrement la probabilité de rejeter H0. (p plus petite = plus de chances d’être

182
Q

Est-il possible de faire des tests a posteriori avec les tests non paramétriques?

A

ouiii

183
Q

Équivalent non paramétrique du test t dép?

A

Wilcoxon pour échantillons pairés

184
Q

Pour les __ échantillons, les distributions de Ws et de T sont approximativement normales. On les transforme donc en scores Z.

A

Grands.

185
Q

Tests non paramétriques équivalents à ANOVA à plan simple?

À ANOVA à mesures répétées?

A
  • Kruskal-Wallis

- Friedman

186
Q

Quelle est la statistique pour Kruskal-Wallis?

A

H

187
Q

Avec Kruskal-Wallis, on compare quoi?

A

Des MOYENNES DE RANGS.

188
Q

Lorsque le n (test Kruskal-Wallis) est ___, on utilise la table du Khi-Carré

A

n > 5

189
Q

Correction pour le H (rangs égaux)?

A

Fait augmenter la puissance (car dénom = 1-…, sera plus petit que 1!)

190
Q

On veut que le H soit…

A

> que la valeur critique khi carré (n>5)

191
Q

Pour comparaisons multiples, K-W => R sur ___
Friedman => R sur __
On compare ces chiffres EN VALEUR ABSOLUE à …
C’est significatif si…?

A

moyennes de rangs
sommes de rangs
-> LA DIFFÉRENCE CRITIQUE.
Si la valeur, en valeur absolue, est > que différence critique.

192
Q

Quelle est la statistique pour Friedman?

A

Fr ou X^2 f (Khi carré f)

193
Q

Les rangs sont distribués par __ pour Friedman.

  • Les rangs égaux aussi =pour __.
A

Sont distribués PAR SUJET
ex. sujet 1 1 3 4 2
sujet 2 1 2 4 3 ….

POUR UN MÊME SUJET!!

194
Q

On calcule la somme des rangs pour …

A

Chacune des CONDITIONS.

195
Q

Avec Friedman, on utilise quelle table?

A

Celle du Khi carré

196
Q

** Avec Friedman, on veut vérifier si la différence entre les __ de rangs est significative.

vs K-Wallis = si __ de rangs est significative

A
  • SOMMES

- MOYENNES

197
Q

Tests de comparaisons multiples pour K-W et Friedman?

A

valeur absolue (K-W = moyennes, Fr = sommes) => calcule une DIFFÉRENCE CRITIQUE. On veut que notre valeur calculée soit > que la différence critique.

198
Q

Sait-on où sont les différences pour K-W et Friedman?

A

Non, on ne peut que conclure qu’il y a au moins une différence significative entre les GROUPES.

199
Q

Le U de Mann-Witney équivaut à quoi?

A

Wilcoxon indép.

200
Q

Test de Sobel =

1) Combien de dl pour le test t?
2) Quelle valeur critique pour grand échantillon?

A

1) N-3

2) 1.96

201
Q

**Comment on décrit l’influence de la Vmod?

A

Plus la Vmod est élevé, plus l’influence de la VI sur la VD est grande et varie selon le niveau de la VI.

202
Q

La régression logistique, c’est quand…?

A
  • (pendant non paramétrique de régression simple et multiple)

VD dichotomique et VI discrète, continue ou dichotomique

** Contrairement au test t, on parle, avec la régression logistique, de PRÉDICTION !

203
Q

Qui suis-je; je s?uis un test qui est très utilisé dans le monde médical pour prédire les risques de pathologie

A

La régression logistique

204
Q

v/f; En régression logistique, comme en régression multiple, le Y prédit représente la valeur exacte de Y pour un sujet donné.

A

FAUX !

Régr log; la transfo logistique ramène les valeurs entre 0 et 1, ce qui correspond à la PROBABILITÉ POUR UN SUJET DONNÉ!

205
Q

Une échelle de Likert est une échelle __ ?

A

ordinale

206
Q

Test de Mauchly a rapport à quoi?

A
  • ANOVA à mesures répétées

M Q 2 (2 decks)

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