MODULE 3.2 Flashcards
Distribution d’échantillonnage des moyennes
distribution des pointages moyens des échantillons d’une MÊME population
=> comparaison de groupes d’individus ensemble
=> ressemble à la loi normale
=> mesure qui correspond à l’erreur standardisée de la moyenne (SEM)
SEM = écart-type / racine carrée du nombre total de participants
Intervalle de confiance
déf: intervalle dans lequel la moyenne a une probabilité P de se retrouver
- dépend de: moyenne, SEM et probabilité P déterminée
- permet de déterminer si deux moyennes de deux échantillons différentes statistiquement ou non
- en général: P = 95% = 0,05
P = moyenne +/- (score Z x SEM)
Concept de différence significative: que signifie la valeur a?
a: niveau de signification pré-établi
=> probabilité de conclure que les moyennes des échantillons sont différentes alors qu’elles sont équivalentes
=> en général: a = 5% ou 0,05 (déterminé par chercheur avant l’expérimentation)
DONC, ça signifie qu’il y a 5% de chance qu’une différence entre les 2 moyennes soit due à une erreur et pas une vraie différence
Concept de différence significative: que signifie la valeur p?
p: probabilité d’énoncer une conclusion erronée
=> 1 valeur p par test
si p < ou = 0,05 (a):
différences significatives entre les 2 moyennes
Tests paramétriques: quelles sont les 2 prémisses spécifiques?
- distribution normale de la variable (ou presque)
- homogénéité des variances (écart-type):
- variabilité similaire dans un même groupe
- en général: si même nbr de participants dans les 2 groupes, les différences entre les échantillons peuvent être acceptées sans affecter le résultat
Comment estime-t-on des différences entre les paramètres de populations?
avec la moyenne, l’écart-type, la variance des échantillons, le nombre de participants et SEM
Écart entre les moyennes:
+ grand = + probable qu’il y ait une grande différence entre les échantillons
Taille des échantillons:
échantillon + grand = - SEM
Dispersion des données:
variabilité + faible = - SEM
Rappel: - SEM = courbes - larges = + probable que les échantillons soient différents
Tests non-paramétriques: quand sont-ils utilisés?
utilisés quand les prémisses de base ne sont pas respectées:
- petit échantillon (n = 10) pas représentatif = pas de distribution normale
- échelle de mesure nominale ou ordinale (pas de moyenne ou écart-type quantifiable)
=> PAS d’utilisation des paramètres habituels (variance, écart-type, moyenne)
Qu’est-ce qu’on utilise dans les tests non-paramétriques pour estimer des différences entre les paramètres des populations?
On utilise des fréquences ou des rangs des valeurs.
Quels sont les 4 critères sur lesquels on se base pour choisir un test statistique?
- Respect des prémisses de base
- Types d’échelles de mesure
- Nombre d’échantillons
- Types d’échantillons
=> dépendants: mêmes participants, plusieurs reprises
=> indépendants: participants de différents groupes
En quoi consiste le test-t indépendant?
PARAMÉTRIQUE, INDÉP.
- comparer 2 moyennes de 2 échantillons
- déterminer si elles sont significativement différentes
En quoi consiste le test de Mann-Whitney?
NON PARAMÉTRIQUE, INDÉP.
comme le test-t indép. mais pour 2 échantillons qui ne respectent pas les prémisses de base
(ex: petit échantillon)
En quoi consiste le test de ANOVA (analyse variance)?
PARAMÉTRIQUE, INDÉP. \+ de 2 échantillons prémisses ok \+ complexe que le test-t indép. (utilise lui aussi la moyenne et N)
En quoi consiste le test de Kruskal-Wallis?
NON PARAMÉTRIQUE, INDÉP.
+ de 2 échantillons
prémisse pas respectées
En quoi consiste le test de Chi-carré?
NON PARAMÉTRIQUE, INDÉP.
+ de 2 échantillons
mesure nominale dichotomique (oui/non)
compare les fréquences (et pas les rangs ou moyennes comme les autres test)
En quoi consiste le test-t dépendant?
PARAMÉTRIQUE, DÉP.
même groupe
2 mesures (1ere = mesure contrôle pour la 2e)
