Séance 5 Flashcards
Quelle est l’ étape 1 de la démarche inférentielle?
- Identifier les hypothèses statistiques (h0 et h1)
= doivent être mutuellement exclusives et exhaustives
= émises quant à la population
Quelle est l’étape 2 de la démarche inférentielle?
Spécifier le seuil de signification alpha (+ petit moins de chances d’erreurs, mais moins de chances de trouver une différence)
Quelle est l’étape 3 de la démarche inférentielle?
Préciser le modèle statistique utilisé et effectuer l’analyse
- Choix du test statistique (test t de Student)
- Conditions d’utilisation (échantillon ; nromalité ; taille ; VD échelle)
- Distribution échantillonnage
- calculs (faire ou SPSS)
Quelle est l’étape 4 de la démarche inférentielle?
Décision statistique (rejet ou non rejet de H0 selon observé et critique ou p et alpha)
Quelle est l’étape 5 de la démarche inférentielle?
Conclusion selon le contexte
Quel est le but du test inférentielle sur une moyenne?
Vérifier si la moyenne observée sur un échantillon ( )
est:
§ Plus petite ou plus grande que la moyenne connue ou
supposée de la population (μ): Hypothèse unilatérale.
§ Identique ou différente de la moyenne connue ou
supposée de la population (μ): Hypothèse bilatérale.
=> comparaison entre 2 moyennes
Si la moyenne diffère au dela de l’erreur d’échantillonnage ca veut dire quoi?
on
On conclut que cet échantillon provient d’une autre population de scores, qui possède des caractéristiques
différentes.
Comment on décide quel test utiliser ?
- Si σ est connu: Test Z
• Si σ est inconnu: Test t sur un échantillon
Que faire comme calcul dans un test Z?
- Trouver le Z observé (transformer la moyenne en cote Z dans distribution de la pop)
**formule Z avec erreur-standard en déno o/racine n
- Trouver valeur critique associé prob alpha (/2 si bilatéral)
- Comparer si Z observé est dans zone de rejet p/r a valeur critique
- Si oui, on rejette H0.
**adapter selon z observé negatif ou positif
V ou F : La distribution t diffère grandement de la distribution normale.
Faux, bien que comparativement, il existe une infinité de distributions t selon le dl, La distribution t possède les caractéristiques de ladistribution normale et elle s’en rapproche avec
l’augmentation du n (approximativement normale avec un n ≥ 30)
V ou F : Plus on diminue les dl, plus distribution est normale.
Faux, plus on augmente les dl (et donc le nbr d’observations), on se rapproche de normale (plus métakurtique)
Que sont les dl? Comment on les calcule dans un test t sur un échantilllon?
Le nombre de valeurs qui peuvent varier sans
contrainte dans l’estimation d’un paramètre (peuvent prendre n’importe quelle valeur) VS variables fixes (généralement une)
= dl = n-1 (la fixe)
Que faire comme calcul dans un test t sur un échantillon?
- Trouver le T observé (comme z mais divisé par /e-t éch./racine n)
- Trouver T critique associé au alpha (uni ou bi) et dl dans table => qd bilatéral, doit être m signe que observé
- Comparer si T obs à T critique si se trouve dans zone de rejet = si oui, rejette H0
Qu’est-il important lorsqu’on fait un test unilatéral inférieur à la main?
La valeur critique doit être négative (ajuster le résultat de la table) => ajuster au signe correspond à H1
Le t observé devra être plus petit que le critique
V ou F : La sortie SPSS est seulement pour le test Z
Faux, seulement le test T
Quelle est la différence avec SPSS?
On compare directement au pourcentage, pas au T critique (avantage : donne la valeur exacte vs on sait pas juste si en haut ou en bas (juste zone) sans savoir la valeur)
Que faut-il faire dans une interprétation de SPSS quand on a une unilatérale ?
Diviser p par 2
Quand conclut-on que il y a une différence significative dans une interprétation SPSS?
Lorsque p est plus petit que alpha (on divise pas par 2 quand bilatéral la)
= qd m mettre la valeur observée, puis le p dans étape 4.
Qu’est-il important lorsqu’on fait un test unilatéral inférieur sur SPSS?
SPSS ne sait pas à quelle portion de la courbe on s’intéresse quand unilatérale (bilatéral par défaut)
=> si p est inférieur, on rejette pas nécessairement alpha
=> il faut regarder nos moyennes, si cela correspond pas à H1, on ne rejette pas H0 meme si p est plus petit donc on aurait du
