Stats paramétriques et non paramétriques Flashcards
2 classes de statistiques inférentielles
Paramétrique
Non paramétrique
3 postulats des statistiques paramétriques
Grands échantillons (n>30)
Possibilité de calculer la variance
Données continues
3 postulats des statistiques NON paramétriques
Variables continues, mais petit échantillon (n<30)
Variables ordinales
Variables nominales
Regarder arbre décisionnel et comparer les statistiques bivariés
3 utilités des statistiques inférentielles
Association
Prédiction
Différence entre des moyennes
À quoi servent les mesures d’association
Examiner la relation entre 2 variables
À quoi servent les mesures de prédiction
Prédire l’issue d’une variable dépendante
À quoi servent les mesures de différences des moyennes
Déterminer des différences entre les groupes expérimental et contrôle
2 types de mesures d’association
Coefficient de corrélation de Pearson
Coefficient de corrélation de Spearman
2 caractéristiques de Pearson
- Vérifie s’il existe association entre 2 variables continues
- Relation linéaire
2 caractéristiques de Spearman
- Vérifie s’il existe association entre 2 variables NON continue
- Relation non linéaire
LEs 2 types de mesures d’Association donnent des valeur p qui montrent si la relation est significative,
Forte = ?
Modérée = ?
Faible = ?
r > 0,50 Forte
0,30 < r > 0,50 Modérée
r < 0,30 = Faible
À quoi sert une analyse de régression (mesure de prédiction) ?
Caractériser larelation entre la ou les variables indépendantes et la variable
dépendante
But d’une régression linéaire simple
Prédit la valeur d’une VD en se fondant sur la valeur de VI
VD et VI sont continues
But d’une régression multiple
Prédit la valeur d’une VD en se fondant sur LES valeurS de plusieurs VI
(VD = continue
VI = Nominale ou continue)