Vrai ou faux

Question 1

Lorsqu’on effectue un test de T, la distribution de la loi de Student est utilisée afin de pallier à l’incertitude causée par l’utilisation de l’écart-type de l’échantillon.

Answer 1

Vrai

Question 2

Le test de Levene peut seulement être effectué lorsque les données sont distribuées normalement.

Answer 2

Faux, elle est moins sensible aux écarts à la normalité que les autres tests.

Question 3

Avec des échantillons qui sont distribués normalement, il est possible d’utiliser le test de Bartlett ou le test de Fisher.

Answer 3

Vrai

Question 4

Le test de Fligner- Killeen est un test paramétrique et il est très robuste par rapport à la normalité.

Answer 4

Vrai

Question 5

Une violation du postulat de normalité peut augmenter des erreurs de type II.

Answer 5

Faux, une violation du postulat de normalité peut augmenter des erreurs de type I.

Question 6

Le test t pour échantillons indépendants compare les moyennes de deux groupes indépendants afin de déterminer s’il existe une preuve statistique que les moyennes de population associées sont significativement différentes.

Answer 6

Vrai

Question 7

Pour mesurer la puissance d’un test, il ne faut que deux des trois éléments suivants : la taille de l’échantillon, la taille de l’effet, et le seuil de signification.

Answer 7

Faux, il nous faut les trois.

Question 8

Il existe une relation entre la taille de l’effet, la taille de l’échantillon, la statistique de F et la puissance d’un test.

Answer 8

Faux, on remplace la statistique de F par le seuil de signification.

Question 9

Il est nécessaire de vérifier l’homogénéité des variances entre deux groupes afin de faire un test de T pour échantillons appariés.

Answer 9

Faux, c’est pour le test d’échantillons indépendants que c’est important.

Question 10

En augmentant le nombre d’observations, on augmente la puissance de notre test statistique.

Answer 10

Vrai

Question 11

Je fais une erreur de type II lorsque je conclus que Ho est fausse alors qu’elle est vraie.

Answer 11

Faux, il s’agit d’une erreur de type I.

Question 12

Le test de Levene Brown Forsythe est plus robuste que le test Levene.

Answer 12

Faux, il s’agit du même test.

Question 13

Dans un test Anova à une voie, l’hypothèse nulle est que les moyennes de chaque groupe sont égales.

Answer 13

Vrai

Question 14

Une violation du postulat de normalité peut causer une augmentation des erreurs de type II.

Answer 14

Faux, elle augmente les erreurs de type I.

Question 15

ANOVA : Plus que la valeur de F est élevée, plus qu’il a une différence entre les groupes.

Answer 15

Vrai

Question 16

L’un des postulats de l’analyse de la variance (ANOVA) est qu’il doit y avoir le même nombre de sujets dans chaque groupe.

Answer 16

Faux, ce n’est pas nécessaire, mais c’est idéal.

Question 17

Le test Wilcoxon-Mann-Whitney est basé sur le rang des observations et plus de 5 observations sont nécessaires par groupe pour réaliser le test.

Answer 17

Vrai

Question 18

Le test de Tukey permet d’établir où les différences parmi les groupes se trouvent lorsque les échantillons sont de taille différente.

Answer 18

Faux, il doit être utilisé lorsque les échantillons sont de taille semblable.

Question 19

Test d’indépendance du khi-carré : Si les écarts entre les effectifs observés et théoriques sont élevés, on peut conclure qu’il n’y existe pas de lien entre les variables.

Answer 19

Faux, si les écarts sont élevés, on peut conclure qu’il existe un lien entre les deux variables.

Question 20

Le r de Pearson quantifie la relation linéaire entre deux variables continues

Answer 20

Vrai

Question 21

Le r de Pearson n’a pas d’unité

Answer 21

Vrai

Question 22

Le coefficient de corrélation Le r de Pearson est indépendant de la covariance entre les variables

Answer 22

Faux, le r est calculé à l’aide de la covariance.

Question 23

S’il n’y a aucune relation entre X et Y, leur covariance est de 0

Answer 23

Vrai

Question 24

Si la relation entre X et Y est négative, la covariance est positive

Answer 24

Faux, si la relation entre x et y est positive, la covariance est positive.

Question 25

Si la relation entre X et Y est positive, la covariance est négative

Answer 25

Faux, si la relation entre x et y est négative, la covariance est négative.

Question 26

La charge factorielle représente la variance unique de chaque variable.

Answer 26

Faux, elle représente la valeur du coefficient de régression entre la variable x et le facteur latent F. il est représenté par b

Question 27

La charge factorielle est également reconnue en tant que eigen values.

Answer 27

Faux, ce sont les valeurs propres qui sont connues en tant que eigen values.

Question 28

Une rotation orthogonale (varimax) permet de changer la charge factorielle des variables, tout en conservant l’angle initial des axes.

Answer 28

Vrai