statistiques

Question 1

En quoi le coefficient de Pearson est influencé par les données extrêmes?

Answer 1

Le calcul de R de Pearson est fait à partir de la variabilité des variables, individuellement et entre elle. Si une donnée extrême s’écarte de la régression linéaire (la moyenne des X et des Y), alors le coefficient de corrélation sera affecté automatiquement, même si les autres données sont très homogène dans la variabilité.

Question 2

En quoi le coefficient de Pearson est influencé par l’étendue des résultats ?

Answer 2

Plus l’étendue est petite, moins il y aura de variabilité.

Question 3

Qu’est-ce qu’une covariance?

Answer 3

C’est le degré auquel 2 variables varient ensemble ( X et Y). Elle est utilisé dans la corrélation de Pearson. La covariance est donc influencé par la variabilité des variables.

Question 4

Pourquoi la corrélation de Spearman est beaucoup moins affecté par les données extrêmes ?

Answer 4

Parce que la distribution se fait avec des rang (la distance entre les données et = à 1 partout), mais ça fait perdre de la puissance statistique car on perd de l’information sur les participants. ça diminue les différences entre les individues. la variance est automatiquement homogène

Question 5

Pourquoi le fait d’augmenter le seuil alpha augmente la puissance d’un test ?

Answer 5

si j’augmente le seuil alpha, j’augmente ma tolérance à faire une erreur et donc j’aurai plus de chance de trouver un effet dans mon échantillon donc j’augmente la puissance.

Question 6

?????pourquoi le fait de transformer des données Rapport/intervalle en ordinale, fait en sorte qu’on perd de la puissance statistique?

Answer 6

PArce qu’en les mettant en rang, on diminue la différence entre les individus. Alors, la distribution sera plus

Question 7

Parfois il est nécessaire de transformer une échelle de ration en échelle ordinal, notamment lorsqu’on a besoin de faire une corrélation de Spearman. Le fait de faire cette transformation a un avantage par rapport aux données extrêmes, car la variance devient homogène. Cependant, cela fait perdre des données utiles et â comporte un risque par rapport à la puissance du test. En diminuant les différences entre les individus, on perd de la variabilité. L’étendue des résultats est donc moins élevé et les résultats plus proche les uns des autres. Ainsi, on a moins de chance de voir un effet, puisque la forme de l’échantillon devient plus «platikurtik».

Answer 7

Parce qu’en les mettant en rang, on diminue la différence entre les individus, on perd alors de la variabilité dans nos résultats. Si les données varient moins, alors il y a une diminution de la corrélation. Il y a donc moins d’étendue dans les données.

Question 8

Pourquoi est-il plus adéquat d’augmenter la taille de l’échantillon?

Answer 8

diminue la virance ( écart type : moyennes des sommes de différence à la moyenne), donc divisé ^par le nombre de données.

Question 9

pourquoi le test t avec échantillon dépendant est meilleure qu’avec l’échantillon indépendant?

Answer 9

La valeur du T est calculé selon les variabilité interindividuelle et intra individuelle… Donc les N ne peuvent pas être inégaux.

Question 10

pourquoi le test t avec échantillon dépendant est meilleure qu’avec l’échantillon indépendant?

Answer 10

La valeur du T est calculé selon les variabilité interindividuelle et intra individuelle… Donc les N ne peuvent pas être inégaux. Le fait d’Avoir de grande différence entre les individus diminue la valeur du T

Question 11

?????pourquoi le test t avec échantillon dépendant est meilleure qu’avec l’échantillon indépendant?

Answer 11

La valeur du T est calculé selon les variabilité interindividuelle et intra individuelle… Donc les N ne peuvent pas être inégaux. Le fait d’Avoir de grande différence entre les individus diminue la valeur du T

Question 12

Quel test t s’intéresse à la différence des moyennes?

Answer 12

test t indépendant

Question 13

En quoi le test t avec échantillon dépendant est plus puissant que le test t avec échantillon indépendant.

Answer 13

La valeur du T est calculé selon les variabilité interindividuelle et intra individuelle… Donc les N ne peuvent pas être inégaux. Le fait d’avoir de grande différence entre les individus diminue la valeur du T.

Question 14

nomme les 2 types de variabilité dans le test t indépendant

Answer 14

différence des moyennes

Variabilité des données. !!??

Question 15

Qu’est-ce que ça fait que le grandeur des échantillons ne soient pas pareil dans le test t avec échantillon indépendant?

Answer 15

L’écart type est plus grand que la moyenne

Question 16

pourquoi plus puissant test T dépendant.

Answer 16

Parce qu’en élimiant la variabilité individuelle, on diminue la variabilité et la valeur de T augmente.

Question 17

Qu’est-ce que le D de Cohen.

Answer 17

C’st une mesure pour mesurer l’effet (donc la taille de la différence entre 2 choses). C’est la différence des moyennes( comme la taille brute) divisé par l’écart-type moyen.

Question 18

Quels sont les 3 choses que peuvent représenter le barres d’erreur ?

Answer 18

écart type
ESM (erreur standard des moyennes)
intervalle de confiance

Question 19

Pour déterminer qu’un phénomène en cause un autre, il faut respecter plusieurs conditions logiques (3) .

Answer 19

Condition 1: Variable X et Y doivent être interreliés.
Condition 2: L’ordre temporel doit être établi
Condition 3: La variable entre X et Y ne doit pas être expliquée par une troisième variable confondante.

Question 20

La taille de l’effet ne permet pas de voir l’effet du traitement dans un échantillon indépendant (test T). ça permet juste de voir la différence entre les moyennes. On doit voir si les formes sont similiares pour voir s’il y a eu une translation. (valeur constante)

Answer 20

*

Question 21

Dans le test de comparaison, le Test T avec échantillon dépendant a une meilleure puissance statistique, pourquoi ?

Answer 21

Le test T avec échantillon dépendant est comparé à lui-même. On diminue donc la variance, comparativement aux échantillons indépendants. On augmente donc la valeur de T ce qui donne plus de chance au résultat d’être significatif. On augmente donc la puissance statistique.

Question 22

Qu’est-ce que la puissance en statistique?

Answer 22

La capacité d’un test à identifier un effet, une relation dans les tests d’associations ou une différence dans les tests de comparaisons, s’il y en a un. C’est donc la probabilité de rejeter correctement h0.

Question 23

Quels sont les 3 choses que peuvent représenter le barres d’erreur ?

Answer 23

Écart-type.
ESM (erreur standard des moyennes)
Intervalles de confiances.

Question 24

La puissance statistique est influencé par la taille de l’échantillon: Lorsque le N augmente, la distribution devient plus «Leptokurtik». En ce sens, la distribution H0 et la distribution H1 ont plus de chance de ne pas se « toucher».Il y aura donc moins de chance que la donnée observée dans un traitement se retrouve dans la courbe normal de h0.Donc Il y a moins de chance de faire une erreur Betha: dire qu’il n’y a pas d’effet alors qu’il y en a un. Donc plus de chance de trouver un effet et de rejeter H0 de façon adéquate.

Answer 24

Aussi, le fait d’augmenter le N diminue la variance dans le groupe puisque l’écart type est divisé par le nombre de données présentes. En diminuant la variabilité, on augmente également la voussure de la forme. ‘’?

Question 25

Qu’est-ce que le fait d’augmenter la taille de l’échantillon fait à la variance?

Answer 25

En augmentant le N, on diminue la variabilité dans l’échantillon car l’écart type est calculée en fonction de la moyenne des différences à la moyenne divisé par le nombre de données. Ainsi, le fait d’avoir plus de données fait diminuer l’impact des résultats extrême sur les résultats. En diminuant la variabilité, on augmente également la voussure de la forme. ‘’?

Question 26

Qu’est-ce que le fait d’augmenter la taille de l’échantillon fait à la variance?

Answer 26

En augmentant le N, on diminue la variabilité dans l’échantillon car l’écart type est calculée en fonction de la moyenne des différences à la moyenne divisé par le nombre de données. Ainsi, le fait d’avoir plus de données fait diminuer l’impact des résultats extrême sur les résultats. En diminuant la variabilité, on augmente également la voussure de la forme.