Vrai ou faux Flashcards
Dans une distribution, 75% des valeurs sont supérieures au dernier quartile.
F
75% des valeurs sont inférieures à Q3
La variance est la racine carré de l’écart-type d’une population.
F
l’écart-type est la racine carrée de la variance
La probabilité de commettre une erreur de type I est le seuil de probabilité utilisé pour rejeter l’hypothèse nulle.
V
Alpha est l’erreur de type I.
Les tests statistiques permettent de vérifier la probabilité (p-value) de commettre une erreur en rejetant l’hypothèse nulle.
V
p est la probabilité de rejeter H0 alors qu’elle est vrai à cause de l’effet du hasard.
Dans une distribution normale, la moyenne est généralement supérieure à la médiane.
F
Une distribution Normale est symétrique : moyenne = médiane = mode
La taille de l’échantillon (n) n’affecte pas la taille des intervalles de confiance d’un pourcentage.
F
n intervient dans le dénominateur de toutes les formules d’intervalle de confiance : plus n est grand, plus l’intervalle diminue.
Il y a une infinité de distributions normales.
V
La moyenne et l’écart-type peuvent prendre une infinité de valeurs différentes.
L’hypothèse nulle d’un test bilatéral a plus de chance d’être rejetée que celle d’un test unilatéral.
F
La valeur critique pour un test bilatéral est > : l’intervalle de confiance est >plus grand, donc la zone de rejet est réduite.
Lorsque la valeur du t estimé est inférieure à la valeur du t critique, l’hypothèse nulle est rejetée.
F
Le t critique défini l’intervalle de confiance : il faut être > pour se retrouver dans la zone de rejet.
Comme le test de Student (test de t), le test U de Mann-Whitney teste l’hypothèse nulle que deux moyennes proviennent de la même population.
V
C’est son équivalent non paramétrique
Si l’hypothèse nulle est rejetée, l’hypothèse alternative est toujours vraie.
F
Tout dépend du seuil de significativité alpha choisi + il n’y a jamais de certitude en statistiques !
Pour comparer les moyennes de plusieurs (>2) échantillons il faut faire autant de test de Student qu’il y a de paires de moyennes.
F
Ça ne convient pas en raison du grand nombre de tests à faire et de l’impact des tests répétés sur le risque d’erreur de type I qui > de façon géométrique.
L’analyse de variance (ANOVA) est utilisée pour tester l’égalité des variances de plusieurs (>2) échantillons.
F
L’ANOVA test l’égalité des moyennes en comparant la force relative des variances factorielles et résiduelles.
L’analyse de variance (ANOVA) est un test paramétrique.
V
Il faut vérifier la normalité des données et l’égalité des variances entre les échantillons.
Le test de Kruskal-Wallis permet de vérifier l’égalité des moyennes de plusieurs échantillons qui ne respectent pas une distribution normale.
V
C’est l’équivalent non paramétrique de l’ANOVA.
