Brainscape's Knowledge GenomeTM

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


See full index

ERT1402 > statistiques > Flashcards

statistiques Flashcards

1
Q

qu’est-ce que la pratique basée sur les données probantes

A

utilisation consciencieuse, explicite et judicieuse des meilleures et récentes connaissances scientifiques lors de la prise de décision concernant les soins d’un client

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

quels sont les types de recherches où l’on retrouve des statistiques

A
  • recherche qualitative
  • recherche quantitative
  • recherche de mesure
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

les études quantitatives permettent d’utiliser quoi

A
  • modèles statistiques
  • classifications des caractéristiques
  • graphiques
  • figures
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

quel est le but principal des études quantitatives

A

expliquer ce qui est observé et répondre à une problématique

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

quelles sont les “classes” d’étude quantitative

A
  • descriptif
  • exploratoire
  • expérimentale
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

quel est l’objectif d’une recherche descriptive

A

décrire une population

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

quel est l’objectif d’une recherche exploratoire

A

démontrer une relation entre des variables

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

quel est l’objectif d’une recherche expérimentale

A

démontrer un lien de causalité

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

quels sont les types de recherche dans les recherches descriptives

A
  • études qualitatives
  • études de cas quantitatives
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

quels sont les types de recherche dans les recherches exploratoires

A
  • études de cas-témoin
  • études de cohorte
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

quels sont les types de recherche dans les recherches expérimentales

A
  • quasi-expérimentale
  • expérimentale
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

nommez les niveaux de preuve scientifique en quantitatif (du niveau le plus faible au plus élevé)

A

descriptif :
- avis d’experts
- rapport de cas individuel
- séries de cas
exploratoire :
- études de cas-témoins
- études de cohortes
expérimentale :
- essais non-randomisés contrôlés
- essais randomisés contrôlés
exploratoire et expérimentale :
- revues systématiques
- méta-analyse

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

quelle est la première étape avant d’utiliser des statistiques

A

savoir quel est notre problème :
- px avec un usager = consommateur de données scientifiques
vs
- px pour une population = créateur de données scientifiques

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

quelles sont les étapes après avoir soulevé une problématique (en temps que consommateur de données scientifiques)

A
  1. formuler la question (de la problématique) en la mettant dans son contexte
  2. recherche méthodologique auprès de différentes sources de données pour trouver des réponses à notre question
  3. comprendre et interpréter des résultats statistiques en provenance des différentes sources de données
  4. au besoin, modification de l’approche auprès des clients
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

quelles sont les étapes après avoir soulevé une problématique (en temps que créateur de données scientifiques)

A
  1. formuler la question (de la problématique) en la mettant dans son contexte
  2. recherche méthodologique auprès de différentes sources de données pour trouver des réponses à notre question
  3. localiser la présence ou non de fossé dans la littérature
  4. mettre sur pieds un projet de recherche
  5. connaitre les statistiques et les utiliser dans le cadre de recherche
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

quel est l’élément central à toute recherche

A

problématique

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

comment peut-on formuler une question

A

PICO
P : patient, population, problème
I : intervention, exposition
C : comparaison, contrôle
O : “outcome”, résultat

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

quelles sont les différents types de variables et niveaux de mesure

A
  • qualitative (catégorielle)
    • nominale
    • ordinale
  • quantitative (discrète ou continue)
    • intervalle
    • ratio
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

quelles sont les caractéristiques (générales) d’une variable qualitative

A
  • correspond à un attribut ou une caractéristique
  • ne peut pas être mesurée (car ce n’est pas un nbr)
  • peut être classée
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

quelles sont les caractéristiques (générales) d’une variable quantitative

A
  • correspond à un nbr, à une quantité
  • peut être mesurée
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

quelles sont les caractéristiques d’une variable qualitative catégorielle, d’échelle nominale

A
  • contient des catégories
  • n’a pas d’ordre hiérarchique
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

quelles sont les caractéristiques d’une variable qualitative catégorielle, d’échelle ordinale

A
  • contient des catégories
  • ordre hiérarchique
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

quelles sont les caractéristiques d’une variable quantitative discrète, d’échelle intervalle

A
  • contient des valeurs mesurables
  • n’a pas de point “0” (zéro arbitraire)
  • valeurs entières (pas de décimales)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

quelles sont les caractéristiques d’une variable quantitative discrète, d’échelle de proportion/de ratio

A
  • contient des valeurs mesurables
  • a un point “0”
  • valeurs entières (pas de décimales)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

quelles sont les caractéristiques d’une variable quantitative continue, d’échelle intervalle

A
  • contient des valeurs mesurables
  • n’a pas de point “0” (zéro arbitraire)
  • multitudes de valeurs (décimales)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

quelles sont les caractéristiques d’une variable quantitative continue, d’échelle de proportion/de ratio

A
  • contient des valeurs mesurables
  • a un point “0”
  • multitudes de valeurs (décimales)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

quelles sont les caractéristiques (générales) d’une variable quantitative discrète

A
  • contient des valeurs mesurables
  • nombres entiers seulement
  • nombre limité de valeurs possibles (moins de 10)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

quelles sont les caractéristiques (générales) d’une variable quantitative continue

A
  • contient des valeurs mesurables
  • peut prendre toutes les valeurs possibles dans un intervalle
  • tous les nombres (unité, décimales, fractions)
  • grand nombre de valeurs possibles
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

quelles sont les caractéristiques (générales) des variables quantitatives à échelle intervalle

A
  • nbr à valeur numérique
  • intervalles fixes (unité de mesure)
  • zéro arbitraire (0 ne veut pas dire absence)
  • possibilité d’effectuer des opérations mathématiques d’addition et de soustraction
  • impossibilité d’effectuer des opérations mathématiques de multiplication et de division
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

exemples de zéro arbitraire

A

0˚C, 0 de pH

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

quelles sont les caractéristiques (générales) des variables quantitatives à échelle de ratio

A
  • nbr à valeur fixe
  • intervalles fixes (unité de mesure)
  • zéro absolu (0=absence)
  • impossible d’avoir des scores négatifs
  • toutes les opérations mathématiques et statistiques sont possibles
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

quels sont les types de statistiques

A
  • statistique descriptive
  • statistique inférentielle
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

quel est l’objectif des statistiques descriptives (et les sous-objectifs)

A

vise à présenter, décrire et résumer un échantillon ou un ensemble de données
- décrire les participants
- apprécier la distribution des données

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

vrai ou faux
les statistiques descriptives font partie de tous les projets de recherche

A

vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

quel est l’objectif des statistiques inférentielles (et les sous-objectifs)

A

vise à généraliser un constat qui émerge d’un échantillon pour l’appliquer à l’ensemble d’une population
- explorer l’association entre des variables
- examiner la valeur prédictive de variables
- comparer des variables

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

quels sont les différents types de statistiques descriptives

A
  • distributions de fréquences
  • mesures de tendance centrale
  • mesures de dispersion
  • mesures de position
  • courbe de distribution normale
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

quels sont les différents types de statistiques inférentielles

A
  • mesures d’association entre les variables (corrélation)
  • mesures de prédiction (régression)
  • mesures de différences
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

quels sont les types de distributions de fréquences

A
  • fréquence absolue
  • fréquence relative
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
39
Q

qu’est-ce qu’une fréquence absolue

A

nombre/occurence des observations de variables pour un groupe ou pour l’échantillon

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
40
Q

qu’est-ce qu’une fréquence relative

A

nombre/occurence des observations de variables pour un groupe ou pour l’échantillon, exprimé en %

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
41
Q

quel est ce type de distribution de fréquence :
échantillon de 25 personnes, dont 10 femmes et 15 hommes

A

fréquence absolue

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
42
Q

quel est ce type de distribution de fréquence :
échantillon dont 40% sont des femmes et 60% des hommes

A

fréquence relative

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
43
Q

quel est l’objectif des distributions de fréquences

A

permet d’organiser et de classer des données de masse pour en faire ressortir un sens quelconque

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
44
Q

vrai ou faux
les distributions de fréquences peuvent être faits avec des données nominales et ordinales seulement

A

faux
peuvent être faits avec tous les types de données

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
45
Q

quelles sont les deux catégories des distributions de fréquences (ce n’est pas fréquence absolue et relative)

A
  • groupées
  • non-groupées
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
46
Q

quelle est cette catégorie de distribution de fréquence :
8 réponses - 1 personne
9 réponses - 1 personne
10 réponses - 2 personnes
11 réponses - 1 personne
12 réponses - 3 personnes
etc.

A

non-groupée

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
47
Q

quelle est cette catégorie de distribution de fréquence :
[8 à 10[ réponses - 2 personnes
[10 à 12[ réponses - 3 personnes
[12 à 14[ réponses - 3 personnes
etc.

A

groupée

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
48
Q

quel est l’objectif des mesures de tendance centrale

A

résumer les observations ou les données en une seule valeur

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
49
Q

quels sont les types de mesures de tendance centrale

A
  • moyenne
  • médiane
  • mode
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
50
Q

qu’est-ce que la moyenne

A

somme de toute les valeurs de l’échantillon divisée par le nombre d’effectifs de cet échantillon

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
51
Q

quelle est la formule de la moyenne

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
52
Q

que représente ce symbole

A

moyenne

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
53
Q

que représente “n”

A

nombre d’observations

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
54
Q

qu’est-ce que la médiane

A

valeur du milieu d’une série d’observations triées dans un ordre ascendant

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
55
Q

quel est l’objectif de la médiane

A

permet de diviser une série d’observations en deux partie égale

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
56
Q

quelles sont les particularités de la médiane

A
  • ne tient pas en compte de toutes les observations
  • peu influencée par les valeurs extrêmes
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
57
Q

quelle est la formule de la médiane lorsque le nombre d’observations est impair

A

x((n+1)/2)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
58
Q

calculez la médiane de ces observations :
sujet 1 = 5
sujet 4 = 7
sujet 3 = 9
sujet 2 = 11
sujet 5 = 12

A

x((n+1)/2)

n = 5 (5 observations)
x((5+1)/2)
x(3) donc valeur de la 3e observation
médiane = 9

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
59
Q

quelle est la formule de la médiane lorsque le nombre d’observations est pair

A

(x(n/2)+x(((n/2)+1)))/2

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
60
Q

calculez la médiane de ces observations :
sujet 1 = 5
sujet 4 = 7
sujet 3 = 9
sujet 2 = 11
sujet 6 = 15
sujet 5 = 16

A

(x(n/2)+x(((n/2)+1)))/2

n = 6 (6 observations)
(x(6/2)+x(((6/2)+1)))2
(x(3)+x(4))/2
(9+11)/2
médiane = 10

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
61
Q

qu’est-ce que le mode

A

valeur ou réponse la plus fréquente

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
62
Q

vrai ou faux
le mode est très fréquemment utilisé

A

faux
très peu utilisé

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
63
Q

vrai ou faux
à travers plusieurs observations, il peut y avoir plusieurs modes

A

vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
64
Q

vrai ou faux
à travers plusieurs observations, il peut y avoir aucun mode

A

vrai
si toutes les valeurs sont différentes

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
65
Q

calculez le mode de ces observations :
sujet 1 = 10
sujet 2 = 11
sujet 3 = 10
sujet 4 = 12
sujet 5 = 11
sujet 6 = 13

A

10 et 11
(deux modes présents)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
66
Q

quels sont les types de mesures de dispersion

A
  • étendue
  • variance et écart-type
  • coefficient de variation
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
67
Q

qu’est-ce que l’étendue

A

différence entre la plus grande valeur et la plus petite valeur des observations

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
68
Q

que sont la variance et l’écart-type

A

distance ou écart des valeurs de l’échantillon p/r à la moyenne

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
69
Q

quel est l’objectif de l’étendue

A

permet d’offrir une vue rapide de la dispersion des données, sans tenir compte de la distribution de la fréquence, ni de la concentration des valeurs

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
70
Q

quelle est la formule de l’étendue

A

étendue = x max - x min
(x : valeur)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
71
Q

que signifie une variance élevée

A

une grande dispersion

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
72
Q

que signifie une variance faible

A

une petite dispersion

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
73
Q

qu’est-ce que la variance

A

mesure de dispersion globale des données autour de la moyenne

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
74
Q

qu’est-ce que l’écart-type

A

mesure de dispersion des données autour de la moyenne la plus commune

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
75
Q

quel est l’objectif de l’écart-type

A

quantifie la distance des observations d’une distribution par rapport à la moyenne d’une série

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
76
Q

que signifie un grand écart-type

A

une grande dispersion

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
77
Q

que signifie un petit écart-type

A

une petite dispersion

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
78
Q

comment est souvent décrit un échantillon dans la littérature

A

avec une mesure de tendance centrale accompagnée d’une mesure de dispersion
ex :
moyenne = 32 +/- 12.4

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
79
Q

que permet de décrire un échantillon à l’aide d’une mesure de tendance centrale accompagnée d’une mesure de dispersion

A

comparer plusieurs distributions qui ont la même moyenne

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
80
Q

quel est l’objectif d’un coefficient de variation

A

comparer deux distributions différentes (comparer des échantillons)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
81
Q

quelle est la formule du coefficient de variation

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
82
Q

que signifie “S”

A

mesure de l’écart-type

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
83
Q

quels sont les types de mesures de position

A
  • centiles et quartiles
  • score standardisé (cote Z)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
84
Q

quel est l’objectif des mesures de position

A

situer une donnée par rapport aux autres dans un ensemble

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
85
Q

que sont les centiles

A

les valeurs de la distribution, placées en ordre croissant, sont séparées en 100 sous-ensembles, contenant chacun 1% des données (C1, C2, C3, …)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
86
Q

que sont les quartiles

A

les valeurs de la distribution, placées en ordre croissant, sont séparées en 4 sous-ensembles, contenant chacun 25% des données (Q1,Q2, Q3, Q4)

87
Q

vrai ou faux
C50 = Q2

A

vrai

88
Q

vrai ou faux
C50 = médiane

A

vrai

89
Q

qu’est-ce que le score standardisé

A

score brut transformé en score standardisé

90
Q

quel est l’objectif du score standardisé

A

indiquer à combien d’écarts-types au-dessus ou au-dessous de la moyenne se situe un score

91
Q

quelle est la formule du score standardisé

A
92
Q

que signifie “Z”

A

score standardisé (cote Z)

93
Q

vrai ou faux
si un score équivaut à la moyenne, sa cote Z = 0

A

vrai

94
Q

quels sont les critères pour qu’une courbe de distribution soit “Normale”

A

lorsque :
1. les données, organisées dans l’ordre croissant, sont similaire de part et d’autre de la valeur du centre créant une courbe de la forme d’une cloche
2. la moyenne, la médiane et le mode ont la même valeur
3. la proportion des données décroit en s’éloignant de la moyenne
4. la courbe se situe au-dessus de l’axe horizontal, sans lui toucher
5. l’aire sous la courbe = 100%

95
Q

dans une courbe de distribution Normale, quels sont les différents pourcentages d’observations

A

0.13% = -4 à -3 cote Z
2.14% = -3 à -2 cote Z
13.59% = -2 à -1 cote Z
34.13% = -1 à 0 cote Z
34.13% = 0 à 1 cote Z
13.59% = 1 à 2 cote Z
2.14% = 2 à 3 cote Z
0.13% = 3 à 4 cote Z

96
Q

quelles sont les formes de présentation des données

A
  • tableau
  • graphique
97
Q

quels sont les objectifs du tableau

A
  • présentation des différents types de données
  • présentation des items et des réponses à un questionnaire
  • présentation des résultats des tests statistiques
98
Q

quels sont les objectifs du graphique

A
  • présentation visuelle des données et/ou des résultats
  • description de l’échantillon
  • soutenir une explication des résultats trouvés
99
Q

quels sont les types de graphiques

A
  • diagramme circulaire/à secteurs
  • diagramme à barre
  • histogramme
  • boite de moustache
  • diagramme de dispersion (nuage de points)
  • courbes de suivi
100
Q

quel est l’objectif d’une diagramme circulaire

A

décrire un échantillon, ou dans les enquêtes, les statistiques sur une large population

101
Q

quelles variables sont présentées dans un diagramme circulaire

A
  • catégorielles
  • fréquences
102
Q

vrai ou faux
il y a beaucoup de catégories dans un diagramme circulaire

A

faux
peu de catégories, sinon on se perd dans l’information

103
Q

quelles variables sont présentées dans un diagramme à barre

A

tous types de variables

104
Q

quelles sont les variables les plus fréquemment présentées dans un diagramme à barre

A

fréquences

105
Q

quel est l’objectif d’un diagramme à barre

A

comparer entre les groupes, entre les séances

106
Q

vrai ou faux
les diagrammes à barre sont rarement utilisés dans les études cliniques

A

faux
fréquemment

107
Q

quels sont les objectifs d’un histogramme

A
  • observer la distribution des données
  • vérifier la normalité de la distribution des données
108
Q

l’histogramme est utilisé pour quel type de variable

A

variables quantitatives continues

109
Q

quelle est la différence entre un diagramme à barre et un histogramme (visuellement)

A

dans un diagramme à barre les bandes sont décollées, alors que dans un histogramme, il y a une continuité entre les bandes

110
Q

quelles données peut-on voir dans des boites à moustaches

A
  • valeur minimale
  • valeur maximale
  • quartiles
  • moyenne
  • médiane
111
Q

quel est l’objectif des boites à moustaches

A

présenter la dispersion des données autour de la moyenne et des médianes de chaque niveau d’observation

112
Q

quelles variables sont présentées dans des boites à moustaches

A
  • une variable catégorielle (groupe)
  • une variable quantitative continue
113
Q

quel est l’objectif d’un diagramme de dispersion

A

présente la dispersion des données d’une variable par rapport à une autre variable

114
Q

quelles variables sont présentées dans un diagramme de dispersion

A

deux variables quantitatives

115
Q

dans quel type d’étude retrouvons-nous les diagramme de dispersion

A

études de corrélation

116
Q

que présente la courbe de suivi

A

données des différentes observations au cours du temps

117
Q

quel est le type de variable présenté dans une courbe de suivi

A

variable quantitative continue

118
Q

que présente la courbe de survie

A

nombre de décès dans le temps

119
Q

quel est le type de variable présenté dans une courbe de survie

A

variable quantitative discrète

120
Q

à quoi servent les statistiques inférentielles

A

permettent de tester des hypothèses sur la relation entre les variables et de porter un jugement en s’appuyant sur des techniques statistiques

121
Q

qu’est-ce qu’un test d’hypothèse statistique

A

démarche permettant d’effectuer un choix entre :
- accepter l’hypothèse nulle
- rejeter l’hypothèse nulle

122
Q

quelles sont les propositions que l’on souhaite vérifier avec un test d’hypothèse statistique

A

hypothèse nulle :
- égalité des effets
- absence d’effet
hypothèse de recherche :
- inégalité des effets
- présence d’effet

123
Q

quelles sont les étapes d’un test d’hypothèse statistique

A
  1. formuler des hypothèses statistiques (H0 et H1)
  2. déterminer les risques d’erreur de type 1 alpha et de type 2 beta
  3. choisir un test statistique inférentiel selon les variables et le type de question de recherche
  4. interpréter le résultat du test statistique d’hypothèse et la signification
124
Q

qu’est-ce qu’une erreur de type 1 (alpha)

A

lorsqu’on rejette l’hypothèse nulle, alors qu’elle est vraie

125
Q

qu’est-ce qu’une erreur de type 2 (beta)

A

lorsqu’on accepte l’hypothèse nulle, alors qu’elle est fausse

126
Q

comment peut-on réduire les chances d’effectuer des erreurs de type 1 ou de type 2

A

en choisissant un niveau de risque pour lequel on se sent à l’aise de faire une erreur (de n’importe quel type)
on choisit le seuil de signification (alpha) et la puissance du test statistique (beta)

127
Q

qu’est-ce que le seuil de signification (alpha)

A

le seuil de probabilité de faire une erreur de type 1 (rejeter H0 lorsqu’elle est vraie)

128
Q

qu’est-ce que la puissance d’un test statistique

A

la probabilité de rejeter correctement l’hypothèse nulle, donc, la capacité du test à détecter une différence significative qui existe réellement (pr erreur de type 2)

129
Q

quels sont les choix de seuil de signification les plus courants

A

0.05 (5%), 0.01 (1%), 0.001 (0.1%)

130
Q

quel est le choix de puissance d’un test statistique le plus courant

A

0.20 (80%)
(calcul = 1-beta)

131
Q

quels facteurs influencent la puissance d’un test statistique

A
  • seuil de signification statistique (alpha)
  • dispersion des données (variance)
  • taille de l’échantillon

+ taille de l’effet (si on connait les trois premiers on peut le calculer)

132
Q

comment peut-on vérifier/évaluer le résultat des hypothèses

A
  • valeur P
  • intervalle de confiance (IC)

+ effet de taille (info supplémentaire)

133
Q

vrai ou faux :
la valeur P est calculée avec des logiciels

A

vrai
car très complexe à calculer

134
Q

avec la valeur P, comment peut-on dire qu’un test est significatif

A

si la valeur P est inférieure à la valeur d’alpha (seuil de signification qui est souvent à 0.05 (5%))

135
Q

qu’est-ce que la MCID

A

la différence minimale cliniquement pertinente

136
Q

que représente l’intervalle de confiance

A

la marge d’erreur ou la précision des résultats de l’étude
l’intervalle qui devrait contenir, avec un certain degré d’incertitude (seuil de signification), la vraie valeur

137
Q

comment peut-on dire qu’une mesure est statistiquement significative avec l’IC

A

si la valeur nulle n’est pas dans l’intervalle de confiance

138
Q

si l’IC = 90% quel est le seuil de signification

A

10%

139
Q

quelle est la fonction de la taille de l’effet

A

quantifie l’ordre de grandeur de la différence entre la moyenne de nos groupes
détermine si la différence observée est de petite ou grande taille

140
Q

quelle est la convention pour un effet de taille nul

A

[0-0.20[

141
Q

quelle est la convention pour un effet de taille faible

A

[0.20-0.50[

142
Q

quelle est la convention pour un effet de taille modéré

A

[0.50-0.80[

143
Q

quelle est la convention pour un effet de taille élevé

A

[0.80 et infini

144
Q

quel est l’effet d’une grande taille d’échantillon sur la puissance, la précision et l’IC

A
  • augm puissance
  • augm précision
  • dim IC
145
Q

quel est l’effet d’une petite taille d’échantillon sur la puissance, la précision et l’IC

A
  • dim puissance
  • dim précision
  • augm IC
146
Q

quelles sont les caractéristiques d’une statistique paramétrique

A
  • variables sont normalement distribuées dans la population
  • échantillon provient d’une population dont il est possible de calculer la variance
  • variables sont à échelle ratio/proportion ou d’intervalle (quantitatives)
147
Q

quelles sont les caractéristiques d’une statistique non-paramétrique

A
  • variables ne sont pas normalement distribuées (distribution asymétrique)
  • convient aux échantillons de petite taille
  • conviennent aux données nominales et ordinales (qualitatives)
148
Q

qu’est-ce qu’une mesure d’association

A

mesure statistique exprimée par un coefficient de corrélation : positif, négatif ou nul (entre 0 et +/- 1)

149
Q

quel est le rôle d’une mesure d’association

A

indique la présence de relation entre deux variables, la force et la direction de ce lien

150
Q

comment sont représentées les mesures d’association

A

diagramme de dispersion (nuage de points)

151
Q

quelles sont les mesures d’association les plus fréquentes

A
  • Pearson : pour variables normalement distribuées
  • Spearman : pour variables qui suivent une distribution normale ou pas
152
Q

quelle mesure d’association est utilisée pour les variables paramétriques

A

Pearson

153
Q

quelle mesure d’association est utilisée pour les variables non-paramétriques

A

Spearman

154
Q

que signifie : r

A

coefficient de corrélation Pearson

155
Q

que signifie : rs ou rho

A

coefficient de corrélation Spearman

156
Q

que signifie : r = entre 0 et 1

A

corrélation positive
lorsque les valeurs de x augmentent, les valeurs de y augmentent

157
Q

que signifie : r = entre 0 et -1

A

corrélation négative
lorsque les valeurs de x augmentent, les valeurs de y diminuent

158
Q

que signifie : r = 0

A

corrélation nulle
aucune association entre les valeurs de x et celles de y

159
Q

comment peut-on interpréter qu’une corrélation est faible

A

|0.3| ≤ r < |0.5|

160
Q

comment peut-on interpréter qu’une corrélation est modérée

A

|0.5| ≤ r < |0.7|

161
Q

comment peut-on interpréter qu’une corrélation est forte

A

|0.7| ≤ r < |1|

162
Q

vrai ou faux :
le coefficient de corrélation suffit pour déterminer si on accepte ou rejette notre H0

A

faux
il est nécessaire d’effectuer un ou plusieurs autres tests statistiques pour tester notre hypothèse, pour générer une valeur P ou IC

163
Q

vrai ou faux :
le coefficient de corrélation indique une relation de cause à effet dans ses variables

A

faux

164
Q

quel est l’objectif des mesures de prédiction

A

établir une prédiction basée sur une corrélation (cause à effet entre les varibales)

165
Q

quelle est la méthode d’analyse de régression

A

examine la relation prédictive entre une variable dépendante et une ou plusieurs variables indépendantes

166
Q

Y est une variable …

A

dépendante

167
Q

X est une variable …

A

indépendante

168
Q

quelle variable est celle qui est prédite ou à expliquer

A

dépendante (Y)

169
Q

quelle variable est celle explicative

A

indépendante (X)

170
Q

quels sont les types de régression

A
  • régression linéaire simple
  • régression multiple
  • régression logistique
171
Q

quel est l’objectif d’une régression simple linéaire

A

prédire la valeur d’une variable dépendante en se basant sur la valeur d’une variable indépendante

172
Q

quel est l’objectif d’une régression multiple

A

prédire la valeur d’une variable dépendante en se basant sur plusieurs variables indépendantes

173
Q

quel est l’objectif d’une régression logistique

A

vérifier l’effet d’une ou de plusieurs variables indépendantes sur une variable dépendante dichotomique (deux possibilités)

174
Q

quels sont les types de variables dans une régression linéaire simple

A

X : continues ou autre niveaux de mesures
Y : continues

175
Q

quels sont les types de variables dans une régression multiple

A

X : nominales ou continues
Y : continues

176
Q

quels sont les types de variables dans une régression logistique

A

X : nominales ou continues
Y : nominales (dichotomiques)

177
Q

sur quoi se base la régression

A

la corrélation entre des variables

178
Q

quelle est la formule de la régression linéaire simple

A

y = b0 + (b1 x X)
(b0 = origine et b1 = pente)

179
Q

quelle interprétation pouvons-nous faire avec la pente d’une régression linéaire simple

A

si b1 = 0 = aucun lien entre X et Y
si b1 est positif = quand X augmente, Y augmente
si b1 est négatif = si X augmente, Y diminue

180
Q

que signifie la valeur P dans une régression linéaire simple

A

vérifie si le coefficient de régression est significativement différent de 0

181
Q

que signifie l’IC dans une régression linéaire simple

A

calcule un intervalle de prédiction de notre variable

182
Q

comment est souvent interprété une régression logistique

A

avec un rapport de cote (RC ou odds ratio OR), où la valeur nulle = 1
(car ça indique la probabilité qu’un évènement survienne entre 0 et 1)

183
Q

quel est l’objectif d’une mesure de différence

A

établir la présence ou l’absence de différence entre deux ou plusieurs groupes p/r à une variable

184
Q

quelle est la méthode d’analyse des différences

A

compare les moyennes, la variance ou la proportion des groupes pour vérifier la présence ou non de différence

185
Q

quelles sont les grandes catégories de mesures de différence

A
  • comparaison entre deux moyennes
  • comparaison entre les moyennes de plus de deux groupes
  • comparaison entre deux proportions/fréquences
186
Q

la catégorie “comparaison entre deux moyennes” s’applique à quel type de variable

A

continue

187
Q

la catégorie “comparaison entre les moyennes de plus de deux groupes” s’applique à quel type de variable

A

continue

188
Q

la catégorie “comparaison entre deux proportions/fréquences” s’applique à quel type de variable

A

catégorielle

189
Q

quels sont les tests possibles dans la catégorie “comparaison entre deux moyennes”

A
  • test t (de Student)
  • test U (de Mann-Whitney)
  • test de Wilcoxon
190
Q

quels sont les tests possibles dans la catégorie “comparaison entre les moyennes de plus de deux groupes”

A
  • analyse de variance ANOVA
  • test de Kruskal-Wallis
191
Q

quels sont les tests possibles dans la catégorie “comparaison entre deux proportions/fréquences”

A
  • test de Khi-carré (Khi-2)
192
Q

selon quoi peut-on choisir le bon test sur deux moyennes

A
  • type de groupe (indépendant vs apparié)
  • type de variable statistique (paramétrique vs non-paramétrique)
193
Q

qu’est-ce qu’un groupe indépendant

A

comparaison de deux groupes différents
ex : gr 1 vs gr 2

194
Q

qu’est-ce qu’un groupe apparié

A

comparaison du même groupe à des moments différents
ex : gr 1 jour 1 vs gr 1 jour 99

195
Q

le test t compare quoi

A

les moyenne de chaque groupe

196
Q

le test U compare quoi

A

la distribution des valeurs de chaque groupe

197
Q

quel est le test à utiliser pour un groupe indépendant avec des valeurs paramétriques

A

test t

198
Q

quel est le test à utiliser pour un groupe indépendant avec des valeurs non-paramétriques

A

test U

199
Q

quel est le test à utiliser pour un groupe apparié avec des valeurs paramétriques

A

test t pour groupe apparié

200
Q

quel est le test à utiliser pour un groupe apparié avec des valeurs non-paramétriques

A

test de Wilcoxon

201
Q

quelles sont les caractéristiques du test t

A
  • ressemble à la loi normale mais plus évasée
  • utile pour des échantillon de toutes tailles (même <30 sujets)
  • degrés de liberté doivent être calculés
202
Q

quels sont les postulats pour utiliser le test t

A
  • les données de la variable dépendante des deux groupes doivent être distribuées selon les paramètres de la loi normale
  • les deux groupes doivent avoir la même variance
  • la variable dépendante doit être continue
203
Q

quel est le test sur plus de deux moyennes/variances avec des variables paramétriques

A

ANOVA

204
Q

quel est le test sur plus de deux moyennes/variances avec des variables non-paramétriques

A

test de Kuskal-Wallis

205
Q

qu’est-ce qui est analysé dans un test ANOVA

A

variance des groupes (et non les moyennes)

206
Q

quels sont les deux types de variance

A
  • intragroupe
  • intergroupe
207
Q

quel est l’objectif d’un test de comparaison sur deux proportions

A

déterminer si les proportions observées dans deux groupes sont différentes (si p1 est différent de p2)

208
Q

quelles sont les caractéristiques du test Khi-carré

A
  • test non-paramétrique
  • variables catégorielles
  • compare fréquence réelle avec celle attendue
  • compare deux groupes indépendants
  • valide pour un nombre d’observations > 5
209
Q

que signifie ce symbole

A

Khi-carré

210
Q

comment peut on vérifier si les données sont significatives avec un test de Khi-carré

A

valeur Khi-carré > valeur critique (trouvée avec un calcul assez complexe)

211
Q

quel test doit avoir une variable dichotomique à deux niveaux et une à échelle ordinale

A

test U de Mann-Whitney

212
Q

quel test compare la médiane de deux groupes

A

test de Wilcoxon

213
Q

comment est construit un article scientifique

A
  1. introduction (objectif, question, hypothèse)
  2. méthodologie (variables, collecte de données, méthode d’analyse des données)
  3. résultat (stats descriptives et inférentielles)
  4. discussion (interprétation des résultats)
  5. conclusion

ERT1402 (1 decks)

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