2 - Exploration et visualisation de données

Question 1

Détecter et corriger le biais dans les données

Pour que nos analyses soient vraiment ____

Answer 1

fiables

Question 2

Détecter et corriger le biais dans les données

Être conscient des biais pour quelles 2 raisons?

Answer 2

pour pouvoir les identifier dans un article et avoir un regard critique par rapport aux résultats (pour éviter de se faire pogner)

Question 3

Détecter et corriger le biais dans les données

Exemple
- Dans quel 3 cas la relation statistique n’est pas évidente? explique
- Quel est l’impact d’avoir ces affaires la?

Answer 3

C’est plus une courbe qu’une droite
Certains points sont solitaires (données aberrantes)
Peu de données à gauche et sont tous dans le même coin et données à droite a plus de données et sont plus éparpillées
.
Impact : biaise nos conclusions et fait qu’on pose pas les bonnes conclusions

Question 4

Détecter et corriger le biais dans les données

Exemple
- Les modèles linéaires assument souvent une ____ ____ des données, et une ____ des ____ pour chaque variable

Answer 4

Les modèles linéaires assument souvent une distribution linéaire des données, et une homogénéité des variances pour chaque variables

Question 5

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
- Si on revient sur ce que nous avons vu au premier cours, donne une équation
- Avec les tests paramétriques, on tente d’ajuster un modèle statistique à quoi? Puis on utilise ce modèle pour faire quoi?

Answer 5

Résultati = bXi + erreuri
Avec les tests paramétriques, on tente d’ajuster un modèle statistique à nos données. Puis on utilise ce modèle pour estimer nos paramètres dans la population.

Question 6

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Exemple: Étude visant à mieux comprendre le lien entre le racisme et la quantité de contact avec les autres groupes ethniques.
* VD: Score de racisme
* VI: Score de contact (X)
* L’ajustement du modèle ci-haut aux données vise à trouver la valeur que l’on doit donner à b pour prédire le racisme à partir du contact tout en minimisant les erreurs de prédictions.
- Est ce que ce problème est biaisé? Si oui ou si non, pourquoi?

Answer 6

Ce problème est biaisé car pas basé sur toute la population, plutôt sur un échantillon. Même si on essaye de le mettre le plus représentatif que possible, on va toujours avoir une erreur standard à calculer.

Question 7

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
L’ajustement du modèle se fait sur un échantillon, mais l’objectif est de pouvoir faire des inférences sur la population
- Explique les 4 étapes

Answer 7

Question 8

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
- Il faut donc éviter les biais pouvant survenir dans ces trois contextes, nomme les

Answer 8

1. Biais dans l’estimation des paramètres
2. Biais sur l’erreur standard et l’intervalle de confiance
3. Biais sur les tests statistiques et les valeurs de p

Question 9

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Nous allons nous concentrer sur deux types de biais, nomme les

Answer 9

1. Données aberrantes
2. Violation des postulats de base.

Question 10

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Donnée aberrante
- Quelle est la définition
- donne un exemple de donnée aberrante

Answer 10

Définition: Donnée dont la valeur est très différente du reste des valeurs dans la distribution.
Exemple : quelqu’un qui a 100% alors que les autres ont tous 30/40%.

Question 11

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Donnée aberrante
- Est-ce que cette donnée est représentative de l’échantillon?

Answer 11

non

Question 12

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Donnée aberrante
- Les données aberrantes vont venir biaiser le calcul de quels 2 calculs?

Answer 12

Les données aberrantes vont venir biaiser le calcul de la moyenne et de l’écart-type.

Question 13

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Donnée aberrante
Les données aberrantes vont venir biaiser le calcul de la moyenne et de l’écart-type
- Comment ça impacte la moyenne (2)
- Comment ça impacte l’ÉT? Et cela impact sur quoi d’autre + explique

Answer 13

• Peut augmenter ou diminuer artificiellement la moyenne, et influencer le rejet/non-rejet de H0
• Augmente la taille de l’écart-type, ce qui augmente l’erreur standard (erreur qu’on fais au niveau de la prédiction de nos scores)

Question 14

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Donnée aberrante
Les données aberrantes vont venir biaiser le calcul de la moyenne et de l’écart-type
- Quels sont les deux impacts lorsque les données aberrantes biaisent le calcul de la moyenne et ÉT?

Answer 14

Le fit de notre modèle est donc moins bon et on estime des paramètres qui représentent pas nos données

Question 15

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Postulats de base
- Donne la def des postulats de base
- Qu’arrive t il si les postulats sont pas respectés (2)?

Answer 15

Conditions devant être respectées pour utiliser un test statistique paramétrique basé sur le modèle linéaire. Si les conditions ne sont pas respectées, le test peut donner un résultat inexact et mener à des conclusions erronées

Question 16

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Postulats de base
- Nomme les 4 postulats

Answer 16

1. Additivité et linéarité
2. Normalité
3. Homoscédasticité / homogénéité des variances
4. Indépendance des observations

Question 17

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Postulats de base
Postulat de linéarité
- Explique le postulat

Answer 17

*Lorsqu’on applique un modèle linéaire sur nos données, on assume qu’elles varient linéairement (duh).
*Si le postulat de linéarité n’est pas respecté, les tests paramétriques basé sur le modèle linéaire ne peuvent décrire correctement la relation entre deux ou plusieurs variables.
*Si pas linéaire = modèle nécessairement pas bon

Question 18

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Postulats de base
Postulat de linéarité
- quelles sont les 2 choses qu’on peut dire sur ce modèle

Answer 18

Le modèle indiquerait ici une relation très faible… conclusion erronée.

Question 19

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Postulats de base
Postulat de normalité
- L’ajustement de données à un modèle linéaire implique la distribution normale à plusieurs niveaux, nomme et explique les 3 niveaux

Answer 19

1. Estimation des paramètres.
   * Affecté par une distribution non-normale des résidus (erreur).
2. Intervalles de confiance.
   *On utilise les valeurs de la distribution normale pour calculer les bornes.
3. Test de l’hypothèse nulle.
   * Lorsque tests statistiques utilisent distributions reliées à la distribution normale (ex. F, t, c2)

Question 20

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Postulats de base
Postulat de normalité
V ou F
pour pouvoir utiliser les tests paramétriques, nos données doivent se distribuer normalement

Answer 20

F
Ce n’est pas tout à fait exact. Notre distribution d’échantillonnage et nos erreurs doivent se distribuer normalement.

Question 21

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Postulats de base
Postulat de normalité
Théorème central limite
- Donne la def de ce théorème et explique

Answer 21

Peu importe la forme de la distribution de la population, les paramètres de cette population se distribueront normalement si les échantillons sont suffisamment grands.
Donc le postulat de normalité est surtout important avec les petits échantillons.
Même si données pas normales, si échantillon assez grand, on s’en fou de la normalité

Question 22

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Postulats de base
Postulat de normalité
Théorème central limite
- Selon ce théorème, quel est le minimum échantillon pour asssumer que l’échantillon est distribué normalement et respecte le postulat de normalité?

Answer 22

Minimum échantillon n = 30 : peut assumer que l’échantillon est distribué normalement et respecte le postulat de normalité

Question 23

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Postulats de base
Postulat d’homogénéité des variances (homoscédasticité)
- Nomme les 2 designs qu’on aborde

Answer 23

Designs à plusieurs groupes ou conditions
Designs corrélationnels

Question 24

Détecter et corriger le biais dans les données

Qu’est-ce qu’un biais?
Postulats de base
Postulat d’homogénéité des variances (homoscédasticité)
Designs à plusieurs groupes ou conditions
- Explique ce postulat
- Donne un exemple
- Comment corriger?

Answer 24

• Ce postulat assume que les échantillons dans les différents groupes/conditions proviennent de populations avec des variances comparables.
• Super variabilité dans les gens ayant pas de cours de stats et peu de variabilité dans les gens ayant eu cours de stats : résultats de l’erreur standard ne seront pas correspondant au groupe avec et sans stats
  Le Levene peut corriger cela, mais on veut tout de même éviter le plus possible cela

Question 25

# Détecter et corriger le biais dans les données Qu’est-ce qu’un biais? Postulats de base Postulat d’homogénéité des variances (homoscédasticité) Designs corrélationnels - Ce postulat assume quoi? - Des variances hétérogènes sont-elles problématiques pour l’estimation des paramètres du modèle? - Toutefois, ça créent des biais dans quoi? Quel est l'impact? - Peut être soit trop ____ ou trop ____

Answer 25

* Ce postulat assume que la variance de la VD devrait être comparables aux différents niveaux de la (ou des) VI. *Des variances hétérogènes ne sont pas problématiques pour l’estimation des paramètres du modèle. *Toutefois, créent des biais dans l’estimation de l’erreur standard, ce qui peut avoir un impact sur le résultat du test statistique. * Peut être soit trop conservateur ou trop libéral.

Question 26

# Détecter et corriger le biais dans les données Qu’est-ce qu’un biais? Postulats de base Postulat d’homogénéité des variances (homoscédasticité) Designs corrélationnels - Qu'est ce qui arrive si x vrie pas mais y varie bcp?

Answer 26

Si x varie pas mais y vare bcp, distribution est pas distribué de la même manière donc un fais pas de bonnes conclusions. A différents points on sur ou sous estime le modèle de prédiction, donc modèle est pas bon

Question 27

# Détecter et corriger le biais dans les données Qu’est-ce qu’un biais? Postulats de base Postulat d’indépendance - c'est quoi ce postulat

Answer 27

Postulat selon lequel les observations dans notre échantillon sont indépendantes les unes des autres (contamination des scores, scores corrèlent plus car il a eu une non indépendance)

Question 28

# Détecter et corriger le biais dans les données Qu’est-ce qu’un biais? Postulats de base Postulat d’indépendance - Quels sont les 2 types de postulat d'indépendance

Answer 28

*Ex. non-indépendance à plusieurs personnes : Si la tâche est d’identifier des visages, mais que deux participants sont un à côté de l’autre et se consultent pour répondre: ils ne sont plus indépendants. *Ex. non-indépendance avec soi-même : Si tu testes deux fois la même personne dans une tâche et que tu la considères comme deux entités de ton échantillon: pas indépendant.

Question 29

# Détecter et corriger le biais dans les données Qu’est-ce qu’un biais? Postulats de base Postulat d’indépendance - COmment éviter de briser ce postulat? DOnne 3 exemples de ce qu'on pourrait mettre en place dans notre étude pour respecter cela

Answer 29

Importance d’avoir un devis de recherche rigoureux (personne seule lorsqu’elle complète étude, ne pas permettre de contact entre les conditions ou effacer les doublons)

Question 30

# Détecter et corriger le biais dans les données Qu’est-ce qu’un biais? Postulats de base Postulat d’indépendance - Ce postulat est important dans quel calcul? - Explique l'impact que ça a sur le calcul - Explique l'impact que ça a sur les résultats

Answer 30

Ce postulat est important dans le calcul de l’erreur standard Mène à sous-estimer l’erreur standard Participants vont tous trop se ressembler

Question 31

# Détecter et corriger le biais dans les données Réduire les biais Pour réduire les biais, on utilise habituellement une des 4 méthodes suivantes: (nomme les et donne leur description rapide chaque)

Answer 31

1. Couper les données (Trimmingthe data) * Retirer les données aberrantes 2. Winsorizing * Ramener les données aberrantes plus près de la moyenne 3. Méthodes robustes * Sous-échantillonnage aléatoire pour estimer les paramètres de la distribution d’échantillonage. 4. Transformation des données * Compenser pour l’aplatissement, l’asymmétrieet le manque de linéarité

Question 32

# Détecter et corriger le biais dans les données Réduire les biais Couper les données - Explique en quoi ça consiste

Answer 32

*Éliminer les scores extrêmes *Généralement, on s’établie a priori une règle, et on utilise celle-ci pour «couper les données».

Question 33

# Détecter et corriger le biais dans les données Réduire les biais Couper les données - Quelle est une méthode typique utilisée ? Explique la

Answer 33

Une méthode typique consiste à enlever les valeurs qui se trouvent à plus ou moins 2.5 écart-types de la moyenne (nombre d’écart type peut varier)

Question 34

# Détecter et corriger le biais dans les données Réduire les biais Couper les données - QUelle est une autre méthode a utilisée qui est moins biaisée? Pourquoi l'utiliser? - Faut éviter cette technique quand? Pourquoi?

Answer 34

*Cela dit, l’écart-type et la moyenne sont influencés par les scores extrêmes, donc la méthode du pourcentage des extrêmes (dit d’avance que 5% inférieur et supérieur on retire) est moins biaisée *Cela dit, on perd plus de notre échantillon. C’est à éviter quand nos échantillons sont plus petits, et plutôt procéder à la méthode avec les ÉT (ex : échantillon 1000 aura moins un impact d’enlever des extrêmes qu’un échantillon de 30)

Question 35

# Détecter et corriger le biais dans les données Réduire les biais Couper les données - Quand faut il choisir la méthode de couper des données? Pourquoi?

Answer 35

Choisir cela à priori, car ça en soi c’est un biais. Raison pourquoi on fait des pré enregistrements d’étude maintenant

Question 36

# Détecter et corriger le biais dans les données Réduire les biais Couper les données Écart type - Dans quel cas faut procéder au pourcentage des extrèmes plutot que les écarts types? explique - que faire pour compenser?

Answer 36

Peut être bien dans certains contexte, mais il peut s’agir de corrections imparfaites car données aberrantes peuvent être tellement loin que sera pas inclue même dans le 3 ou 4 écart type, dans ce cas là faudra procéder au pourcentage des extrèmes Peut faire un score levier pour compenser

Question 37

# Détecter et corriger le biais dans les données Réduire les biais Couper les données Pourcentage des extrèmes - Dans certains contextes, que peut il arriver de pas bon?

Answer 37

Peut être bon, mais dans certains contexte, peut passer à côté de quelque chose que je cherchais

Question 38

# Détecter et corriger le biais dans les données Réduire les biais Winsorisation - nomme les 2 manières de faire cela

Answer 38

*Remplacer la donnée aberrante par la prochaine valeur la plus extrême mais non aberrante *D’autres auteurs recommandent de remplacer la valeur par la moyenne +-3 écart-types (prendre un score extrême et le transformer en la moyenne - 3 ÉT)

Question 39

# Détecter et corriger le biais dans les données Réduire les biais Winsorisation - Ca a quel impact sur les propriétés, le poids et la manière d'influencer?

Answer 39

On conserve les propriétés mais donne un poids moins élevé, va influencer de manière qu’il était dû influencer.

Question 40

# Détecter et corriger le biais dans les données Réduire les biais Winsorisation - Pas toujours miracle, mais bien dans quelle situation? Explique pk

Answer 40

Pas toujours miracle, mais bien si échantillon plus petit car pourrait pas se permettre de retirer un participants si a 20 participants (enlever n’a pas le même poids pour un n=20 vs n=2000). Donc si gros échantillons, peut enlever donnée, mais si petit échantillon, c’est mieux de faire la winsorisation

Question 41

# Détecter et corriger le biais dans les données Réduire les biais Méthodes robustes V ou F Les méthodes robustes ne sont pas affectées par les violations des postulats

Answer 41

v

Question 42

# Détecter et corriger le biais dans les données Réduire les biais Méthodes robustes - Nomme quelle méthode on utilise

Answer 42

Bootstrap

Question 43

# Détecter et corriger le biais dans les données Réduire les biais Méthodes robustes Bootstrap - Explique c'est quoi - Explique comment ça fais pour faire ça - Quel est l'impact de faire cela - Permet de calculer des ____ de ____ de façon plus robuste

Answer 43

* Bootstrap: Vient estimer les paramètres de la distribution d’échantillonnage sans passer par le calcul de l’erreur standard (qui est biaisé). * En gros, on traite notre échantillon comme une population, et on prend des sous-échantillons pour estimer les paramètres de la population (calculer une distribution d'échantillonnage) * Impact : si biais dans distribution échantillonnage, seront calculé et considérés pour faire une distribution d'échantillonnage normal * On peut donc calculer des intervalles de confiance de façon robuste.

Question 44

# Détecter et corriger le biais dans les données Réduire les biais Méthodes robustes Bootstrap - On veut environ combien de sous échantillons

Answer 44

À partir de 1000 sous-échantillons on est en business

Question 45

# Détecter et corriger le biais dans les données Réduire les biais Transformation de données - On vient appliquer une transformation à toutes les données pour quelle raison? - Comment ça marche?

Answer 45

*On vient appliquer une transformation à toutes les données pour changer la forme de la distribution. *En gros, on applique une correction mathématique sur les données pour régler des problèmes

Question 46

# Détecter et corriger le biais dans les données Réduire les biais Transformation de données - Nomme les 4 transformations typiques

Answer 46

*Transformation Log (Log(x)) *Transformation racine carrée (sqrt(x)) *Transformation réciproque (1/x) *Transformation de l’inversement des scores (max –x +1) (Va venir flip la fonction de la donnée, puis le logarithme va normaliser)

Question 47

# Détecter et corriger le biais dans les données Réduire les biais Transformation de données - Dans quel cas la transformation inverse se combine avec les autres transformations?

Answer 47

quand l’asymétrie est négative

Question 48

# Détecter et corriger le biais dans les données Réduire les biais Transformation de données - Donne un exemple de comment c'est utilisé

Answer 48

On veut corriger cela : si un x plus bas a plus de y et les x plus hauts ont moins de y, on va utiliser les transformations de données pour venir normaliser cette répartition des données et exacerber a un certain point de la distribution et minimiser a un autre point de la distribution.

Question 49

# Détecter et corriger le biais dans les données Réduire les biais Transformation de données C’est plutôt controversé - Nomme les 4 raisons que c'est plutot controversé

Answer 49

* La normalité est assurée dans les grands échantillons selon le théorème central limite *En transformant les données, on change l’hypothèse qui est testée, et on complexifie énormément l’interprétation (plus on transforme, plus le modèle devient compliqué à utiliser et communiquer, et les retombées sont moins claires) *Évaluer la normalité dans les petits échantillons est déjà complexe *Transformer un modèle avec la mauvaise méthode peut le rendre pire.

Question 50

# Détecter et corriger le biais dans les données SPSS –Détecter les données aberrantes - Pour détecter, quelle est une méthode facile

Answer 50

*Avec un diagramme à boîte et moustaches, vous pouvez voir l’ID du participant de la donnée aberrante

Question 51

# Détecter et corriger le biais dans les données SPSS –Évaluer la normalité *On peut utiliser quoi (test)? *L’axe des X représente quoi, l’axe des Y représente quoi *Dans quel cas on a un problème de normalité, d'asymétrie, et d'aplatissement

Answer 51

*On peut utiliser les «P-P plots», accessibles dans l’onglet «Descriptives». *L’axe des X représente le score Z obtenu, l’axe des Y représente le score Z attendu. *Si les déviations par rapport à la ligne sont importantes, il y a probablement un problème de normalité. * Si les valeurs sont constamment en haut ou en bas de la ligne, vous avez un problème d’asymétrie. * Si les valeurs ont une forme en «S», vous avez un problème d’aplatissement.

Question 52

# Détecter et corriger le biais dans les données SPSS –Évaluer la normalité Tests de normalité - Quel test peut être utilisé? - QU'est ce que ça regarde?

Answer 52

On peut utiliser le test de Kolmogorov-Smirnovpour évaluer la normalité. On regarde si la distribution est significativement différente de la courbe normale.

Question 53

# Détecter et corriger le biais dans les données SPSS –Évaluer la normalité Tests de normalité test de Kolmogorov-Smirnovpour - ca veut dire quoi si p plus petit ou plus grand que .05 - c'est quoi le h1 et le h0 du test - ca veut dire quoi si le test est significatif

Answer 53

Si p plus petit que .05 = variance pas homogène Si p plus grand que .05 = variance homogène h1 : pas d’homogénité h0 : il a homogénéité Si significatif = il a des problèmes a régler

Question 54

# Détecter et corriger le biais dans les données SPSS –Évaluer la normalité Tests de normalité test de Kolmogorov-Smirnovpour - explique pk y faut faire attention à 'inteprrétation des tests de normalité

Answer 54

* Ils sont très sensibles à la taille de l’échantillon. *Dans les grands échantillons : peuvent indiquer une déviation de la normalité alors que la déviation est très faible. * D’autant plus problématique qu’avec les grands échantillons, une telle déviation est moins un problème étant donné le théorème central limite. *Dans les petits échantillons: peuvent indiquer une absence de déviation de la normalité, alors que des déviations importantes sont observées. * D’autant plus problématique qu’avec les petits échantillons il faut être davantage prudent puisqu’on ne peut pas assumer la normalité de la distribution d’échantillonnage.

Question 55

# Détecter et corriger le biais dans les données SPSS –Évaluer la normalité Tests de normalité test de Kolmogorov-Smirnovpour - malgré les - de ce test, pk on recommende de le faire quAND meme

Answer 55

On peut le faire quand meme car donne quand même une info. Permettra d’être nuancé dans nos interprétations si jamais le test reviens significatif en disant qu’on considère la taille de mon échantillon comme impactée par le test

Question 56

# Détecter et corriger le biais dans les données SPSS –Évaluer la linéarité/homogénéité des variance Identifie le problème de chaque graphique

Answer 56

carré : n’a pas de relation, pas de problème de postulat triangle : problème d’homogénéité u inversé : problème de linéarité weird : mélance de linéarité et homogénéité

Question 57

# Détecter et corriger le biais dans les données SPSS –Évaluer la linéarité/homogénéité des variance Test de Levene - On l'utilise pour vérifier quoi - Ca test quoi - c'est bon dans quel cas? Dans quel autre cas on a un problème? Et dans quel cas c'est un moins gros problème? - Pk c'est controversé?

Answer 57

On peut utiliser le test de Levene pour vérifier l’homogénéité des variances. * Test l’hypothèse nulle que les variances sont égales. *C’est bon si le test est non significatif;si le test est significatif, vous avez un problème. Mais échantillon plus gros = moins gros problème *Controversé pour les mêmes raisons que le Kolmogorov-Smirnov Significatif: Indique des variances hétérogènes (donc violation du postulat).

Question 58

# Détecter et corriger le biais dans les données SPSS –Évaluer la linéarité/homogénéité des variance Test de Levene - Comment Rapporter le test de Levene ?

Answer 58

Pour les scores d’hygiène la première journée du festival, les variances étaient inégales pour les hommes et les femmes, F(1, 808) = 4.74, p=0.03.

Question 59

# Détecter et corriger le biais dans les données Le biais –En gros - On doit vérifier que nos données répondent aux postulats de base et ne contiennent pas de données aberrantes, mais lequel doit on vérifier en premier? - Pourquoi?

Answer 59

Mais regarder en premier aberrantes, puis ensuite postulat de base Lorsqu’on a un gros échantillon, on assume (grâce au théorème central limite) que la distribution est normale. Les données aberrantes sont alors plus importantes.

Question 60

# Détecter et corriger le biais dans les données Le biais –En gros - quel est le point - des tests statistiques pour évaluer les postulats de base

Answer 60

sous-performent dans les contextes où ils sont le plus utiles.

Question 61

# Détecter et corriger le biais dans les données Le biais –En gros Les tests statistiques pour évaluer les postulats de base existent, mais sous-performent dans les contextes où ils sont le plus utiles. - Donc, il faut être ____ des résultats des tests, mais ____ dans leur application - * Ex. Un test de normalité significatif avec un gros échantillon ne veut pas dire que... *Un test de normalité non-significatif avec un petit échantillon ne veut pas dire que ...

Answer 61

*Donc, il faut être conscients des résultats des tests, mais critiques dans leur application. * Ex. Un test de normalité significatif avec un gros échantillon ne veut pas dire qu’on ne peut pas analyser nos données. *Un test de normalité non-significatif avec un petit échantillon ne veut pas dire que les postulats sont tous respectés. (Manque de puissance)

Question 62

# Représentations graphiques et visualisation de données - A quoi ressemblent les graphiques en marketing, data science ou politique? - Vs a quoi ressemblent les graphiques en science? Et donne 3 caract

Answer 62

*Si vous présentez des données pour du marketing, du data science ou la politique, ça peut être utile d'avoir pleins de couleurs, motifs, etc *Cela dit, en sciences, on présente des graphiques plates. On priorise la clartéau look. *Peu de couleurs; si oui, des couleurs «basic» *Pas de «flafla» inutile *Le graphique doit être utile en supplément de votre texte pour simplifier la compréhension du lecteur.

Question 63

# Représentations graphiques et visualisation de données Tufte(2001) donne les recommandations suivantes (7)

Answer 63

*Présente les données. *Amène le lecteur à réfléchir aux données présentées. *Éviter d’altérer ou de fausser l’apparence des données. *Présente un maximum d’information avec un minimum d’encre. *Rend cohérent un large ensemble de données. *Encourage le lecteur à comparer différentes parties des données. *Révèle le «message» transmis par les données

Question 64

# Représentations graphiques et visualisation de données

Answer 64

1 : - barre d’erreur partiellement caché dans cylindre le 3d rend ca incompréhensible - variables pas très précises (ex : number, c quoi?) - pk ya des patterns et des textures dans les cylindres? 2 : - dit simplement, facilement et clairement ce qu’on veut expliquer - variables plus claires - pas de 3d : le 3d est presque jamais pertinent pour la psycho

Question 65

# Représentations graphiques et visualisation de données

Answer 65

Aucun des deux n’est optimale, lui de gauche est juste moins pire Lui de droite : intervalle va si haut = minimise la relation, Alors que c’est juste la valeur en y qui a été mise trop haute Deux graphiques pas géniaux, car à bande : - Espace entre barres, c’est pk? - Pas de barre d’erreur

Question 66

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS Histogramme - Histogramme représente quoi? Donne des exemples

Answer 66

*Histogramme représente la fréquence avec laquelle une variable prend différents intervalles de valeurs. * Ex. Dans les scores à un examen, la fréquence des personnes ayant un score entre 10 et 19%, 20 et 29%, 30 et 39%, etc.

Question 67

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS Histogramme - Quel est son avantage ?

Answer 67

Permet d’obtenir, en un coup d’œil, une idée de la forme de notre distribution * Symétrie? Aplatissement? À quelle point l’étalement autour de la moyenne est grand?

Question 68

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS Histogramme double - c quoi - on utilise quoi dans ce cas - quel est son niveau d'utilisation dans les articles? compare a un autre graphique

Answer 68

On pourrait aussi comparer la distribution de fréquence des deux conditions (travail vs vœu) *On peut utiliser une pyramide de population dans ce cas. *Pas vu super souvent dans des articles. *On voit beaucoup plus de diagrammes à moustaches quand on compare deux distributions.

Question 69

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS Boîtes et moustaches (Box-plots) *Cette forme de représentation est utile parce qu’elle permet d’avoir une idée rapide de quoi (4)

Answer 69

*De la forme de la distribution (symétrique ou non, voussure) *Des bornes entre lesquelles se trouve 50 % de nos données *Notre valeur médiane *Présence de valeurs aberrantes ou non (très important pour tantôt!)

Question 70

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS v ou f La boite a moustache donne le plus d'infos avec le moins d'encre

Answer 70

v

Question 71

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS Boites à moustache - nomme une forme de boite a moustache - Explique la différence avec la boite a moustache classique - Quel est ses 2 désavantages

Answer 71

- Les «violinplots» sont des graphiques de plus en plus courant dans la littérature scientifique. - Ils sont une évolution des diagrammes à boîtes et moustaches, et ajoutent la forme de la distribution sur les côtés. - Difficiles à faire en SPSS (nécessitent la syntaxe), mais faciles à faire en R + personne qui sait pas que les cotés c’est la distribution ca peut être douteux et pas dire plus qqchose

Question 72

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS Graphiques à bandes - Typiquement utilisé pour représenter quoi? Ce qui facilite quoi?

Answer 72

Typiquement utilisé pour représenter des moyennes (peut facilement représenter si les différences sont significatives)

Question 73

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS Graphiques à bandes *On ajoute les barres d’erreurs pour représenter quoi (3)

Answer 73

* Intervalle de confiance à 95% * Erreur standard * Ecart-type

Question 74

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS Graphiques à bandes - comment on peut comparer différents groupes? - Utiles dans quels devis?

Answer 74

Vous pouvez aussi utiliser des diagrammes à clusters pour comparer différents groupes. *Utiles dans les devis indépendants.

Question 75

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS Graphiques à bandes v ou f On s'y prend de la même manière pour un devis mixte vs devis à mesures répétées

Answer 75

f on s'y prends différemment

Question 76

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS Nuages de points - utilisé pour quelle raison?

Answer 76

*Utiles pour visualiser le lienentre deux variables. * Comment une des variables varie par rapport à l’autre.

Question 77

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS Nuages de points - DOnne 2 options supplémentaires au nuage de point et explique

Answer 77

Peuvent aussi être visualisés par clusters. * Ex. Séparément pour les hommes et les femmes. Peuvent aussi être visualisés par clusters. * Ex. Séparément pour les hommes et les femmes. Vous pouvez aussi utiliser une matrice de nuages de points pour visualiser plusieurs relations en même temps.

Question 78

# Représentations graphiques et visualisation de données Générateur de graphiques SPSS Nuages de points matrice de nuages de points - c'est pas l'idéal pour des articles. Qu'est ce qui est plus recommandé ?

Answer 78

Je n’ai jamais vu ça dans un article, ce n’est pas très clair. C’est plus courant de voir des nuages de points individuels pour chaque paire de variables.

Question 79

# Représentations graphiques et visualisation de données Normes APA pour les graphiques - L’APA recommande quoi pour les figure et tableau? Pk? (2)

Answer 79

L’APA recommande de bien peser le pour et le contre de mettre une figure ou un tableau dans un texte. - Trop de figures ou de tableaux peuvent rendre le texte difficile à lire - Parfois, certains résultats se présentent très bien en texte

Question 80

# Représentations graphiques et visualisation de données Normes APA pour les graphiques - Dans le cas d'un ANOVA, il est préférable de faire un tableau pour illustrer la tendance.

Answer 80

f Parfois, certains résultats se présentent très bien en texte. * Ex. Une analyse d’ANOVA, F(1, 136) = 4.86, p = 0.029, 𝜂 =0.03, démontre des différences statistiquement significatives entre les deux groupes.

Question 81

# Représentations graphiques et visualisation de données Normes APA pour les graphiques - Avec les corrélations, recommandé de rapporter avce quoi?

Answer 81

nuage de point

Question 82

# Représentations graphiques et visualisation de données Normes APA pour les graphiques - nomme les 12 recommendations pour les figures

Answer 82

*Doit complémenter plutôt que dupliquer le texte *Doit représenter l’essentiel seulement *Ne doit pas contenir de détails visuels superflus *Doit être facile à lire (étiquette, symboles, lignes, etc. suffisamment gros et clairs). *Doit être facile à comprendre *Si plusieurs figures sont incluses, une uniformité doit être conservée à travers celles-ci. * Les lignes doivent être claires et bien définies *Police facile à lire *Unités de mesure rapportées * Les axes doivent être clairement étiquetés * Les éléments faisant partie de la figure doivent être étiquetés ou expliqués *Si barres d’erreurs, indiquer ce qu’elles représentent (intervalle confiance, erreur standard, ÉT)

Question 83

# Représentations graphiques et visualisation de données Normes APA pour les graphiques Légendes - Explique quoi - Fait partie de quoi? donc ces quoi la police et taille de caractere ?

Answer 83

* Explique les symboles utilisés dans la figure * Fait partie intégrante de la figure; donc même police et taille de caractère

Question 84

# Représentations graphiques et visualisation de données Normes APA pour les graphiques Numéro de figure/table - Ou - Comment le numéroter? - Éviter de mettre quoi?

Answer 84

* Au-dessus de la figure/table * Numéroter dans l’ordre où elles sont discutées dans le texte * Éviter de mettre des lettres suffixes (Ex. Figure 1a, Figure 1b: devrait plutôt se lire Figure 1, Figure 2)

Question 85

# Représentations graphiques et visualisation de données Normes APA pour les graphiques Titre de figure/table - ou - a quoi ca ressemble

Answer 85

* Sous le numéro de figure * Italique avec première lettre de chaque mot majuscule

Question 86

# Représentations graphiques et visualisation de données Normes APA pour les graphiques Notes sous figure - Caract (longueur et contenu)

Answer 86

Doit être brève mais doit contenir toute l’info nécessaire pour comprendre la figure sans avoir à retourner lire le texte.