Module 2A: Questions, objectifs et hypothèses de recherche

Question 1

Variable:

Answer 1

Caractéristique susceptible d’être différente selon les personnes, lieux ou temps

Question 2

Valeur:

Answer 2

Tout état que prend la variable

(ex: variable sexe → 2 valeurs, masculin/féminin)

Question 3

Types de variables: (3)

Answer 3

1. Variables de personnes: attributs anatomiques, physiologiques, sociaux, économiques, culturels
2. Variables de lieux: pays, régiom, situation géographique
3. Variables de temps: quand?

Question 4

Classification des variables: (2 types, 2 sous-types chaque)

Answer 4

1. Variable quantitative: numérique
   
   1. Discrète → uniquement nombres entiers (ex: # d’enfants)
   2. Variable → continue, contient des fractions (ex: taille)
2. Variable qualitative: attributs, toujours discrète
   
   1. Dichotomique → possèdent que deux modalités
   2. Ordinale → avec séquence claire

Question 5

Moyenne vs. proportion:

Answer 5

Moyenne: valeurs quantitatives

Proportion: valeurs qualitatives

Question 6

Échelle de classification:

Answer 6

Doit permettre de distribuer toutes les observations (chacune dans une seule catégorie)

Question 7

Échelle de classification:

Answer 7

Doit permettre de distribuer toutes les observations (chacune dans une seule catégorie)

Question 8

Deux conditions pour assurer que le classification des observations est juste:

Answer 8

1. Mutuellement exclusives: each data point can only be in one class
2. Collectivement exhaustives: must apply to all data

Question 9

Trois types d’échelles de classification:

Answer 9

1. Échelle nominale: classes sont nommées
2. Échelle ordinale: classes sont nommées et ordonnées (plus petit → plus grand ou vice versa)
3. Échelle par intervalle: nommées et ordonnées et une relation de distance entre les valeurs

Question 10

Passage d’une échelle → une autre:

Answer 10

Each pass down = more data lost, therefore becomes +++ general

individuel (6 years old) → intervalle (1-7 years old) → ordinale (school-aged child) → nominale (child)

Question 11

Distributions de fréquences:

Answer 11

Rend les données plus claires et intelligibles

Question 12

Fréquence absolue:

Answer 12

= #observations/classe

Question 13

Colonnes dans tableau de distribution de fréquences: 4

Answer 13

1. Classes
2. Effectif/fréquence absolue
3. Fréquence relative (% de répartition des effectifs dans les classes) → 10/70 people = 12.8%
4. Fréquence relative cumulée (additionne fréquence relative des classes, % in that class and those above it)

Question 14

Représentation graphique: échelle nominale/ordinale

Answer 14

• Diagramme en secteurs proportionnelles (pie graph)
  
  • Proportions des valeurs prises par une variable
  • Seulement une série de données
• Diagramme en barres proportionnelles
  
  • Analogue à la représentation par tarte
• Diagramme en barres
  
  • Chaque barre représente fréquence de la classe d’une variable

Question 15

Représentation graphique: échelle par intervalle (4)

Answer 15

• L’histogramme:
  
  • Utilisée pour variables quantitatives continue:
    
    • Chaque rectangle doit:
      
      • Suivent l’ordre des classes
      • Base coïncide avec l’intervalle de la classe correspondante
      • Aire de rectangle = fréquence de la classe correspondante
• Polygone de fréquences:
  
  • Utilisée pour variables continue et discrètes mais réservée pour les variables continues
  • Obtenu par passer ligne par milieu des sommets des rectangles de l’histogramme
• Graphe en lignes:
  
  • Variable y en fonction d’une variable x
• Graphe des percentiles:
  
  • Partagent une distribution en 100 parties égales entre elles

Question 16

Règles générales de représentation graphique

Answer 16

• Doivent êtres aussi simples que possible
• Titre clair, concis, et précis
• Échelle et unités spécifiques
• Sources indiquées
• Légende ajoutée si nécessaire

IMPORTANT D’ÉVITER SOUTE SURCHARGE

Question 17

Trois mésures de tendance centrale:

Answer 17

1. Moyenne
2. Médiane
3. Mode

Question 18

Moyenne arithmétique:

Answer 18

Somme des valeurs observées/nombre de valeurs

Question 19

Lacune de la moyenne arithmétique:

Answer 19

• Influencée +++ par des valeurs extrêmes (surtout élevées)
• Mais dim. quand tu aug. # d’observations

Question 20

Moyenne pondérée:

Answer 20

Donne un poids à chaque classe selon son importance dans l’ensemble

somme des (moyennes des classes x par nombre d’observations) / nombre total d’observations

Question 21

Moyenne géométrique:

Answer 21

• Utilise produit des valeurs observées
• Seulement valeurs positives
• Permet de réduire l’influence des valeurs extrêmes (surtout basses)
• Utilisée dans contexte d’analyses de laboratoires (svt asymétriques)

Question 22

Comportement des moyennes arithmétiques vs. géométriques en présence de valeurs extrêmes:

Answer 22

Question 23

Médiane:

Answer 23

• N’est pas influencée par valeurs extrêmes
• Préfère aux autres mesures si distribution est +++ asymétrique

Question 24

Mode:

Answer 24

VALEUR QUI REVIENT LE + SOUVENT

• Influencé par les fréquences des observations
• Plus sensible aux changements
• Moins stable que la moyenne
• Utilisée pour variables qualitatives et quantitatives

Question 25

Relation entre échelle et mesure de tendance centrale:

Answer 25

Question 26

Cinq mesures de dispersion:

Answer 26

1. Étendue
2. Quantiles
3. Variance
4. Écart type
5. Coefficient de variation

Question 27

Étendue:

Answer 27

Max - min

Ne subit l’influence que des valeurs extrêmes

Question 28

Quantiles:

Answer 28

Diviser l’ensemble en un certain # de parties égales

Quartile → 4 parties égales, percentiles → 100 parties égales

Question 29

Variance:

Answer 29

Distance de chaque valeur par rapport à la moyenne

Somme des carrées des écarts par rapport à la moyenne/# d’observations

Question 30

Écart type: (standard deviation)

Answer 30

Racine carrée de la variance:

Mesure de la dispersion des valeurs d’un échantillon statistique ou d’une distribution de probabilité

Question 31

Écart type dans sous-ensemble de la population (échantillon)

Answer 31

Utilise dénominateur n-1 pour corriger le biais

Question 32

Notation pour population vs. échantillon:

Answer 32

Question 33

Coefficient de variation:

Answer 33

Permet de comparer deux distributions d’une même variable/variables différences même s’ils ont des unités différents

Aug. CV = aug. variabilité des données

Question 34

Taille de l’échantillon dépend de:

Answer 34

1. Plus petite différence que l’on veut détecter
2. Précision souhaitée
3. Puissance souhaitée
4. Variabilité des données

Aug. précision = Aug. taille

Aug. variabilité = Aug. taille

Aug. taille = Aug. puissance

Aug. puissance = Aug. confiance

Question 35

Quatres types d’échantillonnage:

Answer 35

1. Échantillon aléatoire simple: sélection au hasard
2. Échantillon aléatoire stratifié: divise d’abord en strates et ensuite sélectionner de façon aléatoire des membres de chacune des strates
3. Échantillonnage systématique: choisi de façon régulière, selon un intervalle régulier, à l’intérieur de la population ciblée
4. Échantillonnage en grappes: basant sur la position géographique de la population ciblée, on la divise d’abord en grappes et ensuite sélectionne un certain nombre de façon aléatoire

Question 36

Comment formuler question de recherche?

Answer 36

P: population

I: Intervention/exposion

C: comparateur

O: outcome (conséquence potentielle)

T: temps

Question 37

Étude à visée étiologique:

Answer 37

Comprendre les liens cause-à-effet entre des facteurs de risque et des maladies

Question 38

Étude à visée prédictive:

Answer 38

Prédire développement d’une maladie (dépistage/dx) ou complications (prognostic) chez personne à partir de l’information disponible à moment donné

Question 39

Hypothèse nulle:

Answer 39

• Postule l’absence d’effet/non-existence d’une relation/association/différence
• Présomption d’absence d’effet
• Affirme de la différence observée est purement due au hasard ou qu’il n’y a pas d’association statistique entre 2 variables

Question 40

Confrontation d’une hypothèse nulle:

Answer 40

Hypothèse alternative/contre-hypothèse

Question 41

Test d’hypothèse statistique (test de signification):

Answer 41

Permet d’estimer à quel point les données qu’on observe dans l’étude sont compatibles avec l’hypothèse nulle → calculer valeur d’un test statistique → valeur-p

Question 42

Valeur-p:

Answer 42

Probabilité que nos observations sont compatibles avec l’hypothèse nulle

1. P élévée: données sont compatibles avec nulle et on accepte hypothèse nulle
2. P très faible: données sont peu compatibles avec nulle et on rejette nulle

Question 43

Degré de signification p:

Answer 43

• Probabilité que l’hypothèse nulle est vrai
• Fixe a priori le seuil de signification statistique (risque alpha): normalement à 5% ou 1%
  
  • Si valeur-p < signification fixé = improbable que résultat est par hasard
    
    • = différence observée est statistiquement significative