Module 5

Question 1

Que permet le théorème central limite (TCL) ?

Answer 1

Il permet d’estimer une distribution (Ce-Cp) à partir d’un seul ECR

Question 2

Qu’est-ce qu’une probabilité conditionnelle ?

Answer 2

La probabilité d’observer un événement spécifique selon une condition précise

Question 3

Quels sont les 2 paramètres qui permettent de définir une distribution normales ?

Answer 3

1. La moyenne (𝜇)

2. L’écart-type (σ)

Question 4

Qu’est-ce que la variance ?

Answer 4

σ²

Question 5

Quelle est la probabilité d’observer un résultat spécifique dans un contexte de loi continue ?

Answer 5

1/∞ → 0

Question 6

Quel pourcentage (%) approximatif des observations sont situées entre 𝜇 - σ et 𝜇 + σ ?

Answer 6

68%

Question 7

Quel pourcentage (%) approximatif des observations sont situées entre 𝜇 - 2σ et 𝜇 + 2σ ?

Answer 7

95%

Question 8

Quel pourcentage (%) approximatif des observations sont situées entre 𝜇 - 3σ et 𝜇 + 3σ ?

Answer 8

99%

Question 9

Quel énoncé est faux :

a) La loi du Chi-carré est utilisée, entre autres, pour l’analyse des tableaux de contingence
b) La loi de Student est surtout utilisée pour les tailles d’échantillon > 30
c) La loi de Fisher est utilisée pour comparer plusieurs moyennes
d) Les 3 lois sont des distributions continues
e) La loi du Chi-carré et de Fisher découlent de la loi normale

Answer 9

B est faux, la loi de Student est surtout utilisée pour les tailles d’échantillon < 30

Question 10

Nommez les 3 présupposés pour que le TCL s’applique ?

Answer 10

1. Le résultat d’un participant ne donne aucune information sur le résultat d’un autre (principe d’indépendance)
2. La variable a la même distribution pour tous les participants de l’étude (identiquement distribuée)
3. La taille de l’échantillon (n) doit être grande (>100 participants)

Question 11

Qu’est-ce qui explique que je n’obtiens pas 50 piles et 50 face si je lance à 100 reprises une pièce de monnaie honnête ?

Answer 11

L’erreur aléatoire

Question 12

Quelles sont les valeurs de 𝜇 et de σ lorsque la loi normale est dite centrée et réduite ?

Answer 12

𝜇 = 0
σ = 1

N(0,1)

Question 13

Que permet la formule suivante : Z = (X - 𝜇)/σ

Answer 13

Centrer et réduire

Question 14

Vrai ou faux, P(X > 𝜇) = 0.5

Answer 14

Vrai

Question 15

Qu’est-ce que l’erreur-type ?

Answer 15

Écart-type d’une moyenne

Question 16

Qu’est-ce que l’écart-type ?

Answer 16

Dispersion d’une variable dans une population