révision Flashcards
Quel test statistique serait approprié pour une univarié (seulement une variable)
Analyses descriptive
Le test T est le modèle de base pour ?
la comparaison de moyenne
entre des différences de groupe
donc mu
x(VI) quali
y(vd)=quanti
donc bivarié
quel est le test approprié pour pour mesurer une association entre 2 variables quanti (bivarié) ?
Corrélation (r)
Quand on utilise le test statistique inférentielles Anova ?
Pour regarder une différence de groupe entre une Vd(y) Quantitative et plusieurs VI(x) Qualitation (3 et +)
La corrélation est le modèle de base pour évaluer la ?
force d’association entre des variables continues
Elle permet de prédire une VD continue à partir d’une vi continu
Le test de Chi-deux est utilisé pour tester?
l’hypothèse nulle d’absence de relation entre deux variables nominales (catégorielles, qualitatives)
La valeur d’une corrélation est toujours située entre ?
-1 et +1
La corrélation quantifie donc la ? et la ? d’une relation bivariée linéaire par une valeur entre -1 et 1
Force et la direction
Pour la corrélation (statistique bivariée)
1=
0=
-1=
1=corrélation positive parfaite
0=Corrélation nulle (pas relié)
-1=corrélation négative parfaite
Le carré de la corrélation (r2) est plus facile à interpréter car il représente le ?
% de variance expliqué
r au carré = la proportion de la variance commune entre les 2 variables
La multicollinéarité est une corrélation plus grave que ?
0.7
Quel est le rôle symétrique de la corrélation ?
On peut permuter/interchanger X et &
Ca peut aller dans les 2 sens
La régression liaison entre 2 ou plusieurs variable ?
Pourquoi on dit qu’elle a un rôle asymétrique uniquement ?
Quantitatives x et y
On ne eut pas permuter x et y
x(vi) =explicative
y(Vd)=expliqué
Pourquoi utiliser la régression linéaire multiple ?
Parce qu’elle permet d’évaluer la valeur prédictive de plusieurs (VI) sur ma variable (VD)
On veut le mieux possible expliquer notre variable indépendante
Analyse Multivariée
En régression linéaire multiple :
Le coefficient de détermination (R2) : Détermine ?
à quel point le modele à une valeur explicative
-s’exprime en %
