Brainscape's Knowledge GenomeTM

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


See full index

Statistiques > Mini test 2 > Flashcards

Mini test 2 Flashcards

1
Q

Pour quoi est conçu l’analyse factorielle des correspondances ?

A

Conçue pour analyser des abondances d’espèces à travers un gradient environnemental.

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

Vrai ou faux, pour l’AFC, on assume que les espèces ont une réponse unimodale dans l’environnement

A

Vrai

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

Le test de chi-carré est un test de quoi ?

A

Test d’indépendance

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

L’AFC est un croisement entre …

A

Le chi-carré et l’ACP

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

Sur quelle matrice travaille l’AFC ?

A

Sur la matrice des comptes observés moins attendus, en les “double-transformant”

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

Combien obtient on de série d’eigenvectors pour l’AFC ?

A

Deux

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

Quel axe de l’AFC aura l’eigenvalue la plus élevée ?

A

Le premier axe principal

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

Comment s’appel la somme des eigenvalues de l’AFC ?

A

L’inertie

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

Quelles sont les assomptions de l’AFC ?

A 
Toutes les variables mesurées dans les mêmes 
dimensions physiques (e.g. comptes d’espèces)
Uniquement des entiers positifs ou zéros
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

À quoi est sensible l’AFC ?

A

Aux espèces rares

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

À quoi s’intéresse le cadrage multidimensionnel non-métrique (NMDS) ?

A

Aux distances entre les observations

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

Contrairement aux techniques précédentes, le NDMS ne conservera pas nécessairement la distance (…multi-dimensionnelle) exacte entre les objets. Il tentera plutôt de …

A

De tracer un graphique où les objets différents sont le plus éloignés possibles, alors que les objets similaires seront placés près les uns des autres. Seul le rang des distances originales sera préservé.

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

Le NDMS s’applique en une […] , se rapprochant progressivement de la solution

A

succession d’itérations

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

On ne devrait pas interpréter les sorties d’un NMDS dont les valeurs de stress sont …

A

> = 0.2

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

Qu’est-ce qui est pareille pour l’ACP, l’AFC et NMDS ?

A

Dans tous les cas, on résume l’association (la covariance, la corrélation, la non-indépendance ou la distance) dans une nouvelle combinaison linéaire de variables.

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

Qu’est-ce que l’ordonnée à l’origine ?

A

Hauteur verticale à laquelle notre pente croise l’axe des Y

17
Q

Quelles sont les assomptions de la régression linéaire ?

A
  1. La normalité des erreurs
  2. L’homogénéité de la variance
  3. L’indépendance des observations
  4. X est fixé par l’expérimentateur
18
Q

À quoi s’applique l’assomption de la normalité des erreurs de la régression linéaire ?

A

aux résidus du modèle

19
Q

Quand est-ce qu’on vérifier l’assomption de la normalité des erreurs de la régression linéaire ?

A

Après le calcul de la régression (mais il est toujours de mise de regarder la distribution de nos variables avant de lancer le calcul de la régression)

20
Q

De quoi parle-t-on lorsqu’on mentionne l’homogénéité de la variance ?

A

De la variance des résidus à travers un gradient plutôt qu’entre deux groupes (nuage de la même épaisseur)

21
Q

Pour quoi la régression linéaire n’est PAS appropriée ?

A

La croissance d’un individu au fil du temps

La richesse en espèces d’arbres dans un même parc au fil des ans

22
Q

Vrai ou faux, souvent briser l’assomption que le x est brisé par l’expérimentateur aura peu de conséquences

A

Vrai

23
Q

Quand est-ce que l’assomption que le x est brisé par l’expérimentateur devient importante ?

A

Si le chiffre de la pente possède une interprétation biologique ou écologique.

24
Q

Quelles sont les deux méthodes de calculs de la régression ?

A

La méthode des moindres carrés

Coefficient de détermination (R2)

25
Q

Entre quoi varie le coefficient de détermination ?

A

Entre 0 et 1

26
Q

Donnez une définition de R2.

A

Le R2 est donc la fraction de la variabilité de Y que l’on explique avec X

27
Q

Quels sont les concepts pour vérifier si notre modèle est biaisé ?

A

Le levier : distance entre une observation et la moyenne

L’ampleur du résidu : distance verticale entre une observation et la pente

28
Q

Quand est-ce que une observation a une forte influence ?

A

Lorsque l’observation possède un levier et une ampleur du résidu en même temps

29
Q

Qu’intègre la distance de Cook ?

A

Intègre à la fois le levier et le résidu

30
Q

En général, on devrait inspecter toute observation ayant une distance de Cook …

A

> 1

31
Q

Comment la régression linéaire peut être utilisée comme test statistique ?

A

Tester la pente, l’ordonnée à l’origine, ou les deux

32
Q

Lorsque la régression linéaire est utilisée comme test statistique que soustrait on à notre estimé de paramètre ?

A

Notre valeur de référence, puis on divise par l’erreur-type

33
Q

Quels sont les degrés de liberté pour déterminer la valeur de p de la régression linéaire comme test statistique ?

A

n - 2

Statistiques (3 decks)

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