statistique inférentielles

Question 1

Qu’est-ce qu’une vérification empirique des hypothèses?

Answer 1

Vérifier, au moyen de tests statistiques, des hypothèses au sujet des relations entre variables (tests de liaison) ou de différences entre les groupes (tests de comparaison).

Question 2

Quels sont les 2 types d’hypothèse que nous formulons au départ?

Answer 2

 Hypothèses nulle (H0)

 Hypothèse alternative ou hypothèse de recherche (H1)

Question 3

Quel est la différence entre l’hypothèse nulle et l’hypothèse de recherche?

Answer 3

L’hypothèse nulle (H0) : postule qu’il n’y a pas de relation (liaison) entre les variables ou qu’il n’y a pas de différences entre les groupes. (Comparaison)
L’hypothèse de recherche (H1) : indique les résultats attendus par le chercheur; elle contredit l’hypothèse nulle.

Question 4

Quelle hypothèse fait l’objet du test statistique?

Answer 4

toujours l’hypothèse nulle, car on veut la rejeter

Question 5

Donner un exemple pour les 2 hypothèses dans cette situation? “poids des nouveaux-nés est de 3.2 kg, vous vous demandez si le poids des nouveaux-nés de mères fumeuses est identique.”

Answer 5

• H0 : La moyenne des nouveaux-nés mf et des mnf ont le même poids soit = 3.2
• H1 : La moyenne des nouveaux-nés mf est différent des mnf, donc n’égal pas 3.2, (hypothèse non directionnelle ; tests bilatéral, car on n’estime pas la direction de la différence)

Question 6

Que peut-on affirmer quand on rejette l’hypothèse nulle et que celle-ci est fausse?

Answer 6

Cela veut dire l’acceptation de l’hypothèse de recherche

Question 7

Quel est l’erreur de type 1 qui est la plus populaire, la plus importante?

Answer 7

on rejette l’hypothèse nulle, mais elle est vraie, donc il n’y a pas de différence et on va conclure à tors notre hypothèse de recherche.

Question 8

Quand on dit que l’alpha est égale à 5%, qu’est-ce que ça veut dire?

Answer 8

• Le niveau α correspond au niveau de signification.
• Choix du seuil: le seuil universellement admis pour α est de 5%
• Pour un niveau égal à 5%, on accepte de faire une erreur dans 5% des cas.

Question 9

Quel est l’erreur de type II?

Answer 9

la vraisemblance de ne pas obtenir une différence significative, donc un effet. On l’appelle aussi le manque de puissance, car on conclut à tort qu’il n’y a pas d’effet (peut ne pas l’avoir remarqué)

Question 10

Le complément à la probabilité d’erreur de type II est _______.

Answer 10

la puissance statistique (1-β)

Question 11

Quel est la définition de la puissance statistique d’un test?

Answer 11

sa capacité à détecter une différence significative qui existe réellement, ce qui revient à la probabilité de rejeter directement hypothèse nulle.

Question 12

Quel est la norme d’une bonne puissance statistique?

Answer 12

Une puissance statistique (capacité à détecter un effet quand il y en a un) de 80% (erreur type II = 20%) est la norme
Le nombre de sujet est important pour avoir une puissance de 80% (à voir quand on fait une recherche)

Question 13

Quels sont les 4 paramètres que nous devons regarder pour le calcul du test statistique?

Answer 13

1. Importance de la différence
2. Écart-type (variance des distributions)
3. taille de l’échantillon (ex : un intervalle de confiance à 95% dépends de la taille de l’échantillon)
4. Niveau alpha

Question 14

Définit ce qu’est une valeur critique?

Answer 14

valeurs au-delà desquelles on rejette H0 (on va conclure qu’il y a un effet)

Question 15

Qu’est-ce qu’un test bilatéral?

Answer 15

on rejette H0 s’il y a une différence, qu’elle soit positive ou négative.
zone de rejet est 2,5% de côté positif et négatif

Question 16

Qu’est-ce qu’un test unilatéral?

Answer 16

on rejette H0 en précisant la direction anticipée de la différence. (la zone de rejet est déterminer positivement ou négativement)

Question 17

Entre les test unilatéral et bilatéral, lequel est le plus puissant?

Answer 17

Le test unilatéral est plus puissant que le test bilatéral et favorise le rejet de H0 (plus grand capacité à voir un effet)

Question 18

Quel est la différence entre un test paramétrique et un test non paramétrique.

Answer 18

Tests paramétriques : tests basés sur un certain nombre de postulats concernant la distribution des données
Test non paramétriques : ne sont pas basés sur un certain nombre de postulats concernant la distribution des données

Question 19

Quels sont les particularité d’un test paramétrique?

Answer 19

• Les données doivent suivre une distribution normale

- Tests paramétriques permettent de déceler plus facilement des différences ou des relations, ils sont plus puissants.

Question 20

Quels sont les particularités d’un test non paramétrique?

Answer 20

• Utilisés pour des données ne satisfaisant pas aux postulats de normalité.
• Utiles pour des données nominales ou ordinales
• Utilisés avec des échantillons de petite taille (˂ 20)
• Sont plus robustes que les tests paramétriques

Question 21

Vrai ou faux : Les tests paramétriques ont souvent des tests non-paramétriques équivalents. (peut en faire même si la distribution n’est pas normale)

Answer 21

vrai

Question 22

Que permet un test de liaison?

Answer 22

Permettent de vérifier s’il y a une association entre une ou plusieurs variables.

Question 23

Comment pouvons-nous dire que deux variables sont liés?

Answer 23

Deux variables sont liées lorsque la variation de l’une entraîne une variation de l’autre (si X bouge, Y va varier)

Question 24

Est-ce que lorsque 2 variables sont liés, il y une relation de causalité?

Answer 24

La présence d’une association entre deux variables n’implique en aucun cas une relation de causalité (ça demande une étude expérimentale pour avoir une relation de cause à effet)

Question 25

Quel est le test paramétrique associé aux variables catégorielles?

Answer 25

Test du chi-carrée (x2)

voir exemple : est-ce qu’il y a une association entre le tabagisme et le sexe?

Question 26

Quel est le test paramétrique associé aux variables quantitatives?

Answer 26

corrélation de Pearson

Question 27

Que permet de mesurer un tests de corrélation (r de Pearson)?

Answer 27

Permet de mesurer l’association entre deux variables quantitatives

• Vérifie s’il existe une association
• Quantifie la force de l’association
• Indique la direction de l’association.

Question 28

Que permet de savoir la valeur du r?

Answer 28

la valeur du coefficient de corrélation (le signe désigne la direction) : -1.0 ˂ r ˂ 1.0

Question 29

Quel est la différence entre une fiable corrélation et une forte corrélation?

Answer 29

faible corrélation : Un r=0.08 (peut élever, car près de zéro)
Un r2=0.0064 (0,64%) ce n’est pas beaucoup
Grande dispersion entre les points
Forte corrélation : Une corrélation significative positive, car presqu’une pente droite (près du 1)
Peut être positive ou négative

Question 30

Qu’est-ce qu’un test de régression : prédiction?

Answer 30

On veut prédire la variable dépendante à partir d’une variable indépendante.
La régression à 3 fonctions :
- Vérifier l’existence d’une association entre une variable dépendante (Y) et une variable indépendante (X)
- Décrire comment Y est lié à X
- Prédire Y à partir de X

Question 31

Quel est la différence entre une régression linéaire simple / régression multiple / régression logistique?

Answer 31

régression linéaire simple : Prédit la valeur d’une variable dépendante en se fondant sur la valeur d’une variable indépendante
Régression multiple : Prédit la valeur d’une variable dépendante d’après les valeurs de plusieurs variables indépendantes. (une extension de l’analyse de la régression linéaire). “variable dépendante : quels sont les variables qui ont un impact sur la probabilité d’un événement continue”
Régression logistique : variable nominale

Question 32

Que permet de comparer un Test t de student?

Answer 32

Sert à comparer les moyennes de deux populations

• Moyenne d’un échantillon à une moyenne théorique
• Les moyennes de 2 échantillons indépendants (sont-ils différents?)
• Les moyennes de 2 échantillons appariées : les données viennent des mêmes sujets (devis avant-après groupe unique.

Question 33

Quel est le principe du test t de student?

Answer 33

le test consiste à estimer l’écart-type de la différence entre les moyennes (Δ=différence entre les moyennes et ont divisé par l’écart-type), à calculer la valeur : et à comparer cette valeur à la distribution théorique de la loi T de student.

Question 34

Quel postulat pouvons-nous faire avec le test t student?

Answer 34

• La VD doit avoir une distribution normale (pas besoin qu’elle soit tout à fait normal quand on a beaucoup de monde)
• Les 2 groupes doivent avoir les même variances : homogénéité des variances (variances entre les 2 groupes doivent être comparable)
• Similaire au test z pour des effectifs ≥ 30

Question 35

Quel est le but du test t student?

Answer 35

Le but est de rejeter l’hypothèse nulle, donc de dépasser le seuil critique pour dire qu’il y a une différence.

Question 36

Pouvez-vous nommer un autre test de comparaison autre qu’un test t de student?

Answer 36

test de t indépendant

Question 37

Quel sont les 3 termes (variations) utiliser pour l’analyse de variance ANOVA?

Answer 37

1- variance entre les groupes (moyenne des 3 groupes par rapport à la moyenne générale)
2- variation à l’intérieur des groupes (variance résiduelle soit chaque individu par rapport à la moyenne de son groupe)
3- moyenne générale soit indépendamment du groupe, l’écart de chaque point par rapport à la moyenne.

Question 38

l’analyse de variance ANOVA permet de comparer les différences entre les 3 groupes ou plus avec quel principe?

Answer 38

Principe : scinder la variation totale (SCET) en deux termes :

• Variation entre les groupes (SCEB)
• Variation à l’intérieur des groupes (SCEW)

Question 39

Qu’est-ce qu’un effet de co-variables?

Answer 39

Co-variable est susceptible d’influencer mes résultats. Ex : dans l’expérience précédant, je pense que l’âge pourrait avoir un impact et je pourrais retirer son impact pour être indépendant de ma co-variable.