Brainscape's Knowledge GenomeTM

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


See full index

MMD 1048 examen final > Module 5 > Flashcards

Module 5 Flashcards

1
Q

Que représente un histogramme?

A

La distribution d’une variable pour un groupe de participants

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

Comment s’obtient l’amplitude de la réponse?

A

En comparant les mesures de tendance centrale

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

Vrai ou faux? Une simulation du même ECR donne des réponses identiques.

A

Faux!

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

Formule de la différence d’incidence cumulée?

A

Ce - Cp

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

Est-ce que les centiles se voient bien à l’histogramme?

A

Non

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

Si on a 100 simulation, que représente le 97,5 centile?

A

La valeur de X pour laquelle il y a 2,5 simulation plus grande

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

Est-ce qu’il est possible de calculer les centiles et l’histogramme avec un seul ECR?

A

Non

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

Si la différence des incidences est de 40%, est-ce qu’on peut conclure hors de tout doute que le traitement fonctionne?

A

Non, car c’est peut-être un résultat inhabituel

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

Qui permet d’estimer la distribution de Ce - Cp à partir d’un seul ecr?

A

TCL

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

Que permettent les loi?

A

Permettent d’approximer les probabilités d’observer des valeurs sous une hypothèse.

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

La probabilité d’obtenir une différence de 20% entre Ce et Cp si Ce = Cp est de 1/10000. Conclusion?

A

Ce n’égale pas Cp

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

Qu’est-ce que la probabilité conditionnelle?

A

La probabilité d’observer un événement sous une condition

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

Aire sous la courbe d’une distribution?

(loi)

A

1

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

P( X = x) dans une loi normale?

A

0

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

Que représente l’aire sous la courbe d’une loi normale?

A

La probabilité

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

Est-ce que l’histogramme est une distribution de probabilité?

A

NON

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

Avec quoi est définie la loi normale?

A

N(μ, σ^2)

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

μ?

A

moyenne

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

σ^2?

A

Variance (e-t au carré)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Loi normale centrée réduite?

A

N(0,1)

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

Transformation pour une loi normale centrée réduite?

A

Z = (X−μ)/σ

TCL

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

Nomme les centiles à retenir d’une loi normale.

A
  • environ 68% des observations sont situées entre: μ − σ et μ + σ
  • environ 95% des observations sont situées entre: μ − 2σ et μ + 2σ
  • environ 99% des observations sont situées entre: μ − 3σ et μ + 3σ
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

P(X > μ) = ___

A

0.5

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

Nomme 3 autres distribution (autre que normale).

A
  • Chi-Carré
  • Student
  • Fisher
25
Q

Comment est obtenu le Chi-Carré?

A

Cette distribution s’obtient par l’addition de carré de variables suivant la loi normale.

26
Q

À quoi sert le Chi-Carré?

A

L’analyse des tableaux de contingence

27
Q

Quand utilise-t-on la loi de Student?

A

Quand n < 30

28
Q

Comment s’obtient la loi de Fisher?

A

Cette loi s’obtient en divisant deux variables suivant la loi du Chi-carré

29
Q

Quand est utilisée la loi de Fisher?

A

Dans la comparaison de plusieurs moyennes (> 2 groupes)

30
Q

Qu’est-ce qu’un théorème?

A

Un théorème est un énoncé mathématique dont on peut démontrer l’exactitude où la démonstration utilise les présupposés du théorème.

31
Q

Vrai ou faux? Les théorèmes ne représentent pas des lois universelles.

A

Vrai

32
Q

Nomme les 3 présupposés pour que le TCL s’applique.

A
  • Indépendance
  • Identiquement distribué
  • n grand
33
Q

Décrit l’indépendance.

A

Le résultat sur un participant ne donne aucune information sur le résultat d’un autre participant.

34
Q

Décrit identiquement distribué.

A

La variable X a la même distribution pour tous les participants de l’étude.

35
Q

Décrit le n grand.

A

Selon la distribution de X, l’approximation est bonne pour des n aussi petits que 12. La distribution de X est très loin d’une loi normale alors ≥ 100 est nécessaire

36
Q

Le TCL concerne seulement la distribution de la _____________.

A

moyenne

37
Q

Distribution de X1 -X2, sachant que X1 et X2 suivent une loi normale.

A

N(μ1 − μ2, σ1^2 + σ2^2)

38
Q

Par quoi est défini la loi binomiale?

A

p (probabilité d’observer l’évènement)

39
Q

Formule de l’écart type?

de la loi binomiale

A

√p1(1 − p1)

C’est sur la feuille de formule

40
Q

Variance de Ce - Cp?

A

p1(1 − p1)/n1 + p2(1 − p2)/n2

41
Q

Nom de l’écart type d’une moyenne?

A

Erreur type

42
Q

Calcul de l’erreur type?

en général

A

σ/√n

sur la feuille de formule

43
Q

Notation de l’erreur type?

A

SE

44
Q

μ1 et μ2 sont les paramètres inconnus et __________ sont leurs estimés.

A

X¯1 et X¯2

45
Q

Qu’est-ce que le ré-échantillonage?

A

Le ré-échantillonnage est semblable à la simulation des 1000 ECRs sauf qu’on utilise les données observées de l’ECR pour créer la simulation

46
Q

Exemple de ré-échantillonage?

A

Bootstrap

47
Q

Décrit le paradigme fréquentiste.

A

Selon le paradigme fréquentiste, la distribution de la réponse possède des paramètres inconnus mais fixes. Lorsqu’on réalise un ECR, on obtient des estimations de ces paramètres. Ce paradigme est celui qui domine à présent en recherche.

48
Q

Qu’est-ce que le paradigme bayésien?

A

Selon le paradigme bayésien, les paramètres ne sont pas fixes et ont eux-mêmes une distribution inconnue.

49
Q

Fréquentiste ou bayésien? La probabilité d’un événement est sa fréquence relative d’occurrence en répétant l’expérience un grand nombre de fois (à l’infini!)

A

Fréquentiste

50
Q

Fréquentiste ou bayésien? on doit assigner a priori une mesure du degré de croyance (ou d’incertitude) à un événement. Cette mesure est basée sur l’information que nous avons sur le phénomène étudié.

A

Bayésien

51
Q

Le paradigme _________ plaît à bon nombre de statisticiens et chercheurs car il semble plus représentatif du monde réel.

A

bayésien

52
Q

Est-ce que les résultats des deux paradigmes sont identiques?

A

Non, mais les conclusions sont simillaires

53
Q

Comment calculerais la probabilité que ma pièce soit honnête selon les deux paradigme?
A : la pièce est honnête
B : sur 10 lancés j’observe 3 faces

A
  • Le fréquentiste calcule la probabilité conditionnelle de B étant donné A : P(B|A).
  • Le bayésien calcule la probabilité conditionnelle de A étant donné B : P(A|B).
54
Q

Pourquoi faut-il confirmer les résultats d’un ecr?

A

Car la réponse est une approximation

55
Q

Je simule le lancé d’une pièce de monnaie honnête avec une probabilité de 0.5 d’obtenir un pile. Si on lance cette pièce de monnaie 100 fois, est-ce que nous allons obtenir 50 faces et 50 piles?

A

Probablement pas

56
Q

D’où vient l’erreur aléatoire?

A

De la variation du CRP

57
Q

Comment s’obtient l’amplitude de la réponse?

A

En comparant les mesures de tendance centrale

58
Q

Quelle est la réponse à 1000 simulations?

A

Un histogramme

MMD 1048 examen final (9 decks)

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