Cours 1 Flashcards
(150 cards)
1
Q
Qui suis-je?
Se concentre sur une seule variable pour en décrire les caractéristiques principales (sans examiner les relations avec d’autres variables).
A
Analyse univariée
2
Q
Vrai ou faux?
L’analyse univariée est utile pour comprendre la forme d’une distribution, y compris des éléments comme l’asymétrie (skewness), la kurtosis, et les valeurs extrêmes.
A
Vrai
3
Q
Vrai ou faux?
L’analyse univariée permet de produire des résumés statistiques pour plusieurs variables, comme la moyenne, la médiane, la variance et l’écart-type
A
Faux
L’analyse univariée permet de produire des résumés statistiques pour une seule variable, comme la moyenne, la médiane, la variance et l’écart-type .
4
Q
Nommez trois mesures de tendance centrale
A
Moyenne, mode, médiane
5
Q
Nommez trois mesures de dispersion
A
écart-type, variance, écart total ou étendue total
6
Q
Nommez les deux limites associées à l’analyse univariée.
A
-Absence d’analyse de relations (uniquement avec analyses bivariées ou multivariées);
-Informations limitées (pas d’informations sur la causalité ou les relations entre variables)
7
Q
Qui suis-je?
Examine deux variables simultanément pour comprendre la relation qui les unit.
A
Analyse bivariée
8
Q
La corrélation est une analyse…
A
…bivariée
9
Q
La régression simple est une analyse…
A
…bivariée
10
Q
L’analyse bivariée est souvent utilisée pour mesurer la _______ _______ entre deux variables.
A
-Relation
-Linéaire
11
Q
Nommez un exemple d’analyse bivariée portant sur les relations linéaires entre deux variables.
A
corrélation de Pearson
12
Q
Analyse de l’association
Pour des variables _______, des méthodes comme les
______(3) et le test du _______ sont utilisées pour analyser la ______ de l’association entre deux variables.
A
-catégorielles
-tableaux de contingence
-khi-deux (χ²)
-force
13
Q
De quel type de corrélation s’agît-il?
une variable augmente, l’autre augmente également
A
Corrélation positive
14
Q
De quel type de corrélation s’agît-il?
une variable augmente, l’autre diminue
A
Corrélation négative
15
Q
De quel type de corrélation s’agît-il?
proche de zéro, pas de relation entre les variables
A
Corrélation nulle
16
Q
Quelles sont les limites de l’analyse bivariée?
A
-Corrélation ne signifie pas causalité: Une corrélation entre deux variables n’implique pas nécessairement qu’il existe une relation causale entre elles. D’autres méthodes d’analyse, comme les expériences ou les études longitudinales, sont nécessaires pour tester la causalité (Cohen, 1988).
- Relations non linéaires : L’analyse bivariée avec la corrélation de Pearson est limitée aux relations linéaires. Si la relation entre les variables est non linéaire, des méthodes plus avancées sont nécessaires pour la capturer.
17
Q
Si je ne peux pas utiliser ma moyenne et que je veux faire une étude de corrélation, je peux effectuer…
A
…Une corrélation polychorique
18
Q
Vrai ou faux?
Une corrélation polychorique utilise la moyenne comme substitut de la variance dans la formule.
A
Faux.
Une corrélation polychorique utilise la médiane comme substitut de la moyenne dans la formule.
19
Q
Comment se nomme une corrélation utilisant le mode comme mesure de tendance centrale?
A
Corrélation tétrachorique
20
Q
Quelle est la différence entre les analyses multiples et les analyses multivariées?
A
Le type des variables :
Indépendantes = multiples
Dépendantes = multivariées
21
Q
Vrai ou faux?
L’analyse multivariée
examine plusieurs variables à la fois pour explorer les relations entre elles et identifier des modèles.
A
Vrai
22
Q
Quelles sont les conditions d’application de l’analyse multivariée?
A
*Analyse de la variance simultanée (examine plusieurs variables dépendantes);
*Réduction dimensionnelle (ACP, AFE, AFC - réduit la complexité de données);
23
Q
Quelles sont les possibilités d’interprétation (analyses) des résultats pour les analyses multivariées?
A
*Régression multivariée (plusieurs variables indépendantes sur 2 ou + dépendantes);
*Analyses factorielles (identifie les relations sous-jacentes entre les variables);
24
Q
Quelles sont les limites des analyses multivariées?
A
*Complexité des modèles (beaucoup variables peut rendre un modèle trop complexe);
*Hypothèses strictes (nécessite normalité des résidus et l’absence de multicolinéarité).
25
Qu'est-ce que la multicolinéarité?
Multicolinéarité: quand deux variables (ou plus) sont fortement corrélées.
26
Vrai ou faux?
La moyenne arithmétique se propose à représenter tous les résultats d’un ensemble de données .
Vrai
27
Quelles sont les conditions d'application de la moyenne?
*Échelle de mesure appropriée (intervalle ou rapport);
*Absence d'asymétrie excessive (sensible aux valeurs aberrantes);
*Distribution unimodale (plus pertinente avec une seule mode);
*Égalité des variances (comparer plusieurs moyennes, variances équivalentes)
28
Comment interpréter la moyenne?
*Représentation de la tendance centrale (pas toujours une observation « réelle »);
*Sensibilité aux valeurs extrêmes (augmente la moyenne du groupe);
*Utilisation dans les comparaisons (couramment utilisée pour comparer des groupes)
29
Quelles sont les limites de la moyenne?
-Sensibilité aux valeurs extrêmes (fournir une image trompeuse de la tendance centrale);
-Non-représentativité dans les distributions asymétriques (ne représente pas le groupe).
30
Qu'est-ce que la médiane?
Mesure de tendance centrale qui divise un ensemble de données en deux parties égales (données ordonnées).
31
Vrai ou faux?
La moyenne offre une meilleure représentation des données que la médiane lorsque les données sont asymétriques.
FAUX!
La médiane offre une meilleure représentation des données que la moyenne lorsque les données sont asymétriques.
32
Vrai ou faux?
La médiane est davantage sensible aux données aberrantes que la moyenne.
Faux
La médiane est une mesure plus robuste face aux données aberrantes
33
Vrai ou faux?
La médiane implique des données ordinales.
Vrai
34
Comment peut-on interpréter la médiane?
*Représentation de la tendance centrale (lorsque la distribution est asymétrique);
*Robustesse face aux valeurs extrêmes (ne prend pas en compte des valeurs extrêmes);
35
Quelles sont les limites de l'utilisation de la médiane comme mesure de tendance centrale?
*Moins d'informations que la moyenne (ne tient pas compte de la taille des écarts entre les valeurs);
*Pas toujours représentative (distributions symétriques, la moyenne peut offrir une meilleure représentation de l'ensemble des données, car elle tient compte de toutes les valeurs).
36
Qu'est-ce que le mode?
Valeur ou catégorie qui apparaît le plus fréquemment
37
Quelle est la seule mesure de tendance centrale appropriée pour des données catégorielles?
Le mode
38
Quelles sont les conditions d'application du mode?
*Données catégorielles ou nominales (la seule mesure de tendance centrale appropriée pour des données catégorielles);
*Données multimodales (plusieurs modes – distribution plus complexe);
39
Comment interpréter le mode?
*Représentation de la catégorie la plus fréquente (identifie la catégorie le plus fréquente);
*Multiple modes (indique une complexité ou une hétérogénéité au sein des données);
40
Quelles sont les limites
de l'utilisation du mode?
*Insuffisance pour les données numériques continues (pas une mesure utile au contexte);
*Pas toujours représentatif (le mode ne tient pas compte des autres données).
41
Vrai ou faux?
La variance est la meme chose que l’écart-type. La seule différence c’est que l’écart-type est multiplié par lui-même.
Vrai
42
Vrai ou faux?
La racine carrée de la variance est le mode.
Faux
La racine carrée de la variance est l’écart-type
43
Vrai ou faux?
La psychologie veut expliquer la moyenne.
Faux
La psychologie veut expliquer la variance.
44
Qu'est-ce que la variance?
mesure l'étendue à laquelle les valeurs d'un ensemble de données s'écartent de la moyenne (écart-type au carré)
45
Quelles sont les utilité de l'application de la variance?
*Mesure de la dispersion (variabilité des données continues);
*Analyse des différences (analyse les différences entre plusieurs ensembles de données);
46
La variance est...
a) une mesure de dispersion
b)l'écart-type au carré
c)sensible aux valeurs extremes
d)toutes ces réponses
e)aucune de ces réponses
D
47
Comment interpréter une faible variance?
Faible variance (faible dispersion et donc une plus grande homogénéité );
48
Comment interpréter une variance élevée?
Élevée variance (valeurs sont très dispersées et donc plus grande hétérogénéité);
49
Quelles sont les limites de la variance? (2 réponses) (À quoi ils sont sensibles ?)
-Sensibilité aux valeurs extrêmes (peut fausser la mesure de la dispersion);
-Unité carrée (ses unités sont exprimées au carré des unités de l'ensemble de données d'origine, ce qui peut rendre l'interprétation moins intuitive).
50
Qu'est-ce que l'écart-type (ET)?
indique à quel point les valeurs d'un ensemble de données sont dispersées autour de la moyenne (la racine carrée de la variance).
51
Quelles sont les conditions d'application de l'écart-type? (2 réponses)
*Données continues (intervalle, rapport, par convention mesure ordinale);
*Variabilité autour de la moyenne (Plus il est faible, plus les données sont concentrées autour de la moyenne);
52
Comment interpréter un faible écart-type?
*Faible écart-type (peu de dispersion dans les données – peu de variabilité);
53
Comment interpréter un écart-type élevé?
*Écart-type élevé (valeurs sont très dispersées par rapport à la moyenne);
54
Vrai ou faux?
L'écart total est une mesure de tendance centrale.
Faux
Mesure de dispersion
55
Quelles sont les limites de l'écart-type? (2 réponses)
*Sensibilité aux valeurs extrêmes (donner une fausse image de la dispersion réelle);
*Nécessité d'une distribution symétrique (interprétable avec distribution normale).
56
Vrai ou faux?
L'écart total est sensible aux données extremes.
Vrai
57
Qu'est-ce que l'écart-total?
défini comme la différence entre la valeur maximale et la valeur minimale.
58
L'écart total meure la _________ et est un indicateur de la _______.
-dispersion
-variabilité
59
Comment interpréter un écart total élevé?
Écart total élevé (grande amplitude, suggérant une large dispersion);
60
Comment interpréter un écart-total faible?
Écart total faible (petite différence, suggérant que les données sont concentrées);
61
Quelles sont les limites de l'écart-total?
-Sensibilité aux valeurs extrêmes (il ne prend en compte que les valeurs maximale et minimale, ignorant toutes les autres valeurs de l'ensemble);
-Utilité limitée pour les distributions asymétriques (peut donner une image faussée de la dispersion réelle).
62
Qu'est-ce que le percentile?
défini comme la valeur en dessous de laquelle se situe un pourcentage de l'ensemble des données.
63
Le percentile implique des données ______ et ______ (valeurs doivent être classées de manière ______);
-Ordinales
-Continues
-Séquentielle
64
Vrai ou faux?
Le percentile implique une comparaison relative (utile pour comprendre comment une valeur individuelle se compare au reste d'un groupe);
Vrai
65
Comment interpréter le percentile? (2 réponses)
*Position relative (indique la position relative d'une donnée dans un ensemble);
*Non-linéarité (son augmentation n’est pas linéaire);
66
Vrai ou faux?
Le percentile est une variable ordinale
Vrai
67
Quelles sont les limites du percentile ? (2 réponses)
- Perte d'information (pas d'information sur les écarts ou la dispersion des données);
-Sensibilité aux petites tailles d'échantillons (ils peuvent ne pas être représentatifs).
68
Théorie de la courbe normale propose qu’environ _______ des données se situent à moins d'un écart-type de la moyenne, environ ______ à moins de deux écarts-types, et environ ______ à moins de trois écarts-types.
- 68%
- 95%
- 99,7% (environ 99%)
69
Vrai ou faux?
La théorie de la courbe normale propose une modélisation des phénomènes naturels (comme la taille, le poids ou les scores de tests).
Vrai
70
Vrai ou faux?
La théorie de la courbe normale est la base de nombreuses statistiques.
De nombreux tests statistiques reposent sur la normalité.
VRAI
71
Comment interpréter la théorie de la courbe normale?
- Concentration autour de la moyenne (avec une décroissance progressive et non linéaire);
-Déviation standard (l'écart-type détermine la dispersion des données);
72
Quelles sont les limites associées à la théorie de la courbe normale?
- Non-applicabilité aux distributions asymétriques (Elle ne peut pas être utilisée pour des ensembles de données avec une non-normalité élevées);
- Hypothèse de normalité (doit être respecté ou des tests non-paramétriques utilisés).
73
La __________ mesure le degré d'asymétrie d'une distribution par rapport à la moyenne. L'__________ mesure la concentration des valeurs autour de la moyenne et la forme des queues de la distribution.
- symétrie (skewness)
-aplatissement (kurtosis)
74
Vrai ou faux?
Le kurtosis mesure le degré d'asymétrie d'une distribution par rapport à la moyenne
Faux
L'aplatissement (kurtosis) mesure la concentration des valeurs autour de la moyenne et la forme des queues de la distribution.
75
Vrai ou faux?
La symétrie (skewness) mesure le degré d'asymétrie d'une distribution par rapport à la moyenne.
Vrai
76
Qui suis-je?
Ces concepts sont particulièrement utiles pour comprendre la forme d'une distribution et pour déterminer si les données s'écartent de la distribution normale.
Symétrie (skewness) et Aplatissement (kurtosis) de la Courbe
77
Comment interpréter la symétrie skewness)?
Symétrie (proche de 0 indique une distribution symétrique);
78
Comment interpréter l'applatissement (kurtosis)?
Aplatissement (proche de 0 indique une distribution normale);
79
Il est important de noter que la symétrie et l'aplatissement ne déterminent pas à eux seuls la _______ d'une distribution. Des distributions asymétriques ou avec des valeurs de kurtosis ______ peuvent toujours être ______ dans certains contextes.
- qualité
- élevées
- valides
80
Qu'est-ce qu'une symétrie parfaite?
La symétrie (quasi) parfaite (skewness = 0): autant de valeurs à gauche qu'à droite de la moyenne.
81
Une Asymétrie positive (skewness > 0): les valeurs sont étendues vers la ______, ce qui signifie qu'il y a une ______ vers les ______. Cela indique que la majorité des valeurs sont concentrées à _______ de la moyenne.
- droite
- longue queue
- valeurs plus élevées
- gauche
82
Asymétrie négative (skewness < 0): Les valeurs sont étendues vers la ______, avec une ______ vers les ______. Cela signifie que la majorité des valeurs sont concentrées à ______ de la moyenne.
- gauche
- longue queue
- valeurs plus faibles
- droite
83
Vrai ou faux?
Une asymétrie positive implique des variable étendues vers la droite. Sur un graphique, il y aura une longue queue vers les valeurs élevées. Cela indique que la majorité des valeurs sont concentrées à droite de la moyenne.
Faux
Une asymétrie positive implique des variable étendues vers la droite. Sur un graphique, il y aura une longue queue vers les valeurs élevées. Cela indique que la majorité des valeurs sont concentrées à GAUCHE de la moyenne.
84
Qu'est ce qu'une distribution mésokurtique?
Distribution mésokurtique (kurtosis = (environ) 0): la distribution est normale, avec des queues de distribution modérées. La concentration des valeurs autour de la moyenne est typique de la courbe de Gauss.
85
Qu'est ce qu'une distribution leptokurtique?
Distribution leptokurtique (kurtosis > 0): la distribution présente des queues plus longues et pointues. Cela signifie que la plupart des valeurs sont très proches de la moyenne, mais il y a aussi plus de valeurs extrêmes.
86
Qu'est ce qu'une distribution platykurtique?
Distribution platykurtique (kurtosis < 0): la distribution est aplatie avec des queues plus courtes. Les valeurs sont plus dispersées autour de la moyenne, avec moins de valeurs extrêmes.
87
Un kurtosis de 5 indique une distribution...
Leptokurtique (+grand que 0)
88
Un kurtosis de -5 indique une distribution ...
Platykurtique (+ petit que 0)
89
Donnez trois exemples d'échelles de mesure nominale.
-couleur
-sexe biologique
-profession
-type de produit
-religion
90
À quelle échelle de mesure fait-on référence ici?
ne peux pas mettre d’ordre d’importance entre les catégories
Nominale
91
Donnez trois exemples d'échelles ordinales
Rang dans la famille Échelle de Likert
Position d’arrivée (podium) à une course
92
Donnez trois exemples d'échelles d'intervalle
Température (Celsius ou Faranheit)
Score de QI
Années civiles
Heure de la journée
Score aux tests standardisés
93
Donnez trois exemples d'échelles de rapport
Poids
Distance
Durée
94
Qui suis-je? (échelle de mesure)
Classification (chaque observation placée dans des catégories mutuellement exclusives);
Nominale
95
Qui suis-je? (échelles de mesure)
idéale pour les enquêtes démographiques, les études de marché, ou toute recherche où le classement des réponses n'est pas pertinent.
Nominale
96
Quelle mesure de tendance centrale peut-on utiliser lorsqu'on a une échelle nominale?
le mode comme mesure pour identifier la catégorie la plus fréquente
97
Quelles sont les limites des échelles de mesure nominales?
- incapacité à effectuer des opérations arithmétiques avec les données (telles que la moyenne);
-Informations limitées (impossibilité de mesurer la distance ou l'ordre entre les catégories)
98
Vrai ou faux?
Le genre peut être une variable ordinale (continuum de masculinité) ou nominale (catégorie).
VRAI
99
Vrai ou faux?
L'échelle de mesure nominale est largement utilisée pour mesurer des variables qualitatives
Vrai
100
Qui suis-je?
Je classe les données selon un ordre ou une hiérarchie. Chaque niveau représente une intensité ou une fréquence qui est supérieure la précédente, bien que la distance exacte entre chaque niveau ne soit pas déterminée. Cela est particulièrement utile pour mesurer des attitudes, des préférences et d'autres variables psychologiques.
Échelle de mesure ordinale
101
Nommez trois caractéristiques de l'échelle ordinale
1. Hiérarchie
2. Absence de zéro absolu
3.Distances inégales
102
Quelles sont les mesures de tendance centrale les plus appropriées aux échelles ordinales et pourquoi?
En raison de l'absence de distances égales entre les niveaux, les mesures de tendance centrale les plus appropriées pour les données ordinales sont la médiane et le mode plutôt que la moyenne
103
Vrai ou faux?
Les échelles de ratio sont fréquemment utilisées pour mesurer des concepts qualitatifs tels que les attitudes, les opinions et d'autres variables psychologiques où l'ordre est nul mais où les distances exactes entre les items sont connues.
Faux
Les échelles ORDINALES sont fréquemment utilisées pour mesurer des concepts qualitatifs tels que les attitudes, les opinions et d'autres variables psychologiques où l'ordre est IMPORTANT mais où les distances exactes entre les items NE SONT PAS DÉFINIES.
104
Vrai ou faux?
Les données recueillies à l'aide d'échelles ordinales ne sont pas adaptées à certains types d'analyses statistiques qui nécessitent des données quantitatives, comme la régression linéaire, à moins d'être transformées de manière appropriée.
Vrai
105
Les échelles ordinales peuvent être sujettes à des _______, où les participants peuvent avoir tendance à éviter les ______ ou à favoriser certaines catégories en raison de leur ______ ou de leur ______.
-biais de réponse
-extrêmes
-positionnement
-libellé
106
Qui suis-je?
particulièrement utile pour les enquêtes et les études dans les domaines des sciences sociales, de la psychologie, et de la santé, où mesurer la précision exacte n'est pas toujours possible ou nécessaire
Échelle ordinale
107
Nommez trois types d'études qui utilisent couramment les échelles ordinales.
1) Évaluation des préférences et attitudes
2)Priorisation de critères ou de concepts
3)Classification de douleur ou d'inconfort
4)Évaluation de la performance (bon, excellent)
5)Études de satisfaction du client
6)Classement des Événements dans les Études Historiques ou Sociologiques
108
Vrai ou faux?
Les échelles ordinales permettent d'interpréter, entre autres, les transitions entre catégories.
Vrai
L'analyse des transitions entre les catégories peut révéler des insights sur les seuils de changement significatif pour les répondants
109
Qu'est-ce que la sensibilité à ordres partiels lorsqu'on parle d'échelles ordinales?
La sensibilité de l'échelle ordinale à ordres partielles permet d'évaluer des situations où la hiérarchie entre les éléments n'est pas totalement linéaire
110
Vrai ou faux?
Les échelles ordinales sont les plus sensibles aux effets des valeurs extrêmes, ce qui est avantageux pour des analyses où les outliers pourraient fausser les résultats .
FAUX
Les échelles ordinales sont moins susceptibles aux effets des valeurs extrêmes, ce qui est avantageux pour des analyses où les outliers pourraient fausser les résultats
111
Quelle échelle peut être utile dans des contextes où des données sont censurées, permettant des analyses même en présence de données incomplètes
Échelle ordinale
112
Nommez 3 limites des échelles ordinales
1) Ne permet pas de mesure l'absence d'un phénomène
2)Limitation dans la quantification des différences
3) Impact des préjugés de réponse
4)Difficultés de transformation des données
5)Interprétation subjective des catégories
6)Difficultés de consolidation des données
7)Limitations dans les analyses longitudinales
8)Complications dans l'utilisation de méthodes statistiques avancées
113
Qui suis-je?
utilisée quand le point 0 existe (convention) mais n’est pas absolu
échelle d'intervalle
114
L'échelle d'intervalle permet de mesurer non seulement l'______ des valeurs, mais aussi les ______ entre ces valeurs. Cependant, elle n'a pas de ______, ce qui signifie que des opérations comme les ______ ne peuvent pas être effectuées.
-ordre
-différences
-point zéro absolu
-rapports
115
Vrai ou faux?
Les échelles d'intervalle permettent l'utilisation de l'addition et de la soustraction pour comparer les différences entre les scores. Cependant, les opérations de multiplication et de division ne sont pas appropriées car l'échelle n'a pas de zéro véritable
Vrai
116
Vrai ou faux?
Un échelle d'intervalle implique des distances inégales entre les variables et l'absence d'un zéro absolu.
Faux
Un échelle d'intervalle implique des distances ÉGALES entre les variables et l'absence d'un zéro absolu.
117
L'échelle d'intervalle permet une analyse statistique plus sophistiquée, incluant la ______, la ______, et l'______. Ces mesures sont valables car la ...
-moyenne arithmétique
-variance
-Écart-Type
... distance entre les intervalles est uniforme et valable
118
Les échelles d'intervalle sont appropriées pour des analyses statistiques ______, qui supposent des données à ______. Cela permet l'utilisation de tests plus puissants tels que (?... ?), offrant des insights plus profonds et précis
-paramétriques
-intervalles réguliers
... l'ANOVA, la régression linéaire, et les tests de corrélation de Pearson
119
Qui suis-je?
Elle est souvent utilisée dans la mesure de phénomènes où la perception humaine suit une progression linéaire, comme dans les études de la perception de la luminosité ou du son, où chaque augmentation unitaire est perçue de manière équivalente le long de l'échelle
Échelle d'intervalle
120
Lors de la conception d'un questionnaire utilisant une échelle d'intervalle, il est crucial de formuler les options de réponse de manière que les intervalles soient perçus comme égaux par les répondants. Cela implique une formulation soigneuse des termes et des labels utilisés pour décrire chaque option de réponse. Une attention particulière doit être portée à la clarté et à la cohérence des descriptions afin de garantir que les répondants perçoivent les différences de manière uniforme.
Pourquoi les échelles d'intervalle ont elle une influence sur la Conception de Questionnaires ou d'Inventaires de Mesure?
La construction de ces instruments utilisant des échelles d'intervalle nécessite une attention particulière à l'équidistance perçue des options de réponse pour maintenir la validité des mesures, influençant directement la conception des enquêtes et la collecte de données. Dans une échelle d'intervalle, les intervalles entre les valeurs doivent être égaux mathématiquement et perçus comme tels par les répondants. Si certaines options de réponse semblent plus proches les unes des autres, ou plus éloignées, cela peut biaiser les réponses et compromettre la validité des résultats. Par exemple, imaginons un questionnaire qui demande aux participants d'évaluer leur satisfaction sur une échelle d'intervalle allant de 1 (Très insatisfait) à 5 (Très satisfait). Dans cet exemple, chaque point de l'échelle est censé représenter un intervalle égal de satisfaction. Cependant, si les participants perçoivent qu'il existe une plus grande différence entre "Très insatisfait" et "Insatisfait" qu'entre "Satisfait" et "Très satisfait", l'équidistance perçue entre les réponses est rompue. Cela peut entraîner des biais dans les réponses, car les participants peuvent ne pas considérer les intervalles de manière égale. De plus, en ce qui a trait l’impact sur la validité des mesures, si les répondants perçoivent des différences inégales entre les options, les résultats du questionnaire peuvent ne pas refléter avec précision les manifestations comportementales de réponses ou sentiments réels des participants. Cela affecte directement la validité des mesures, car l'échelle d'intervalle repose sur l'hypothèse que les intervalles sont égaux. Si cette équidistance est brisée, les analyses statistiques basées sur ces données pourraient être faussées
121
Vrai ou faux?
Contrairement à l'échelle ordinale qui ne peut que classer les données, l'échelle d'intervalle permet de comparer quantitativement les différences entre les points. Cela est crucial dans les études où la magnitude de la différence est importante, comme dans les recherches psychologiques mesurant des changements d'attitudes ou des niveaux de satisfaction
Vrai
122
Vrai ou faux?
L'utilisation de l'échelle d'intervalle nécessite que les instruments de mesure soient valides et fiables, car les erreurs de mesure peuvent affecter la validité des distances égales supposées entre les points
Vrai
123
Nommez deux limites attribuables aux échelles d'intervalle
1) Absence de 0 absolu
2)Intervalles égaux mais interprétation contextuelle (Bien que l'échelle d'intervalle permette de mesurer des différences égales entre les valeurs, il est nécessaire de tenir compte du contexte spécifique dans lequel ces mesures sont réalisées pour bien interpréter les résultats. Par exemple, si une personne obtient un score de 80 à un test de QI et une autre un score de 120, bien que la différence soit de 40 points, cela ne signifie pas que la personne avec un score de 120 est "deux fois plus intelligente" que celle qui a obtenu un score de 60.
3) Pertinence des intervalles égaux dans certains domaines (Bien que l’équidistance entre les points sur une échelle d’intervalle soit théoriquement valable, cela peut ne pas toujours être le cas dans certains contextes.)
4. Biais liés aux instruments de mesure (L'exactitude des résultats dépend de la validité et la précision des instruments de mesure. Les erreurs de mesures peuvent affecter les résultats, surtout lorsque les intervalles sont petits ou les mesures complexes)
124
Vrai ou faux?
L'échelle de ratio est un outil important pour mesurer des variables qualitatives, permettant de comparer les différences entre les valeurs de manière valable. Cependant, son absence de point zéro absolu limite certaines analyses.
L'échelle de mesure d'INTERVALLE est un outil important pour mesurer des variables QUANTITATIVES, permettant de comparer les différences entre les valeurs de manière valable. Cependant, son absence de point zéro absolu limite certaines analyses.
125
Qui suis-je?
Contrairement à d'autres échelles de mesure, elle permet des comparaisons mathématiques complètes grâce à l'existence d'un zéro absolu, ce qui est essentiel pour des analyses rigoureuses.
Échelle de rapport
126
Qui-suis-je?
utilisée dans des contextes spécifiques où des variables quantitatives peuvent être mesurées de manière précise et proportionnelle
Échelle de rapport
127
Qui suis-je?
Les opérations arithmétiques comme l'addition, la soustraction, la multiplication et la division sont significatives sur cette échelle.
Échelle de rapport
128
Quel est l'échelle qui permet l'addition, la soustraction, la multiplication et la division
L'échelle de rapport
129
Vrai ou Faux : L'échelle de mesure de rapport (ou échelle de rapport) n'est pas le type d'échelle le plus sophistiqué et le plus complet en psychométrie. Expliquez pourquoi
Faux, L'échelle de mesure de rapport (ou échelle de rapport) est le type d'échelle le plus sophistiqué et le plus complet en psychométrie car elle permet de réaliser toutes les opérations mathématiques, y compris la comparaison de ratios.
130
Quels sont les deux caractéristiques de l'échelle de rapport ?
Présence du zéro absolu
Rapport significatif
Intervalle égaux
Opérations mathématiques
Statistiques paramétriques
Absence de nombres négatifs
(PRIOSA)
131
L'échelle de rapport est utilisée dans des contextes où il est important de _____________________ entre les valeurs et de _________________ entre elles, en particulier lorsqu'un _______________ est nécessaire.
mesurer les différences
comparer les rapports
point zéro absolu
132
Nommer un exemple d'application d'une échelle de rapport
Variable physique (p. ex., poids, taille)
Comparaison de ratios (p. ex., finances)
Temps de réaction
Fréquence des comportements
Mesure psychophysiologique
133
Une mesure psychophysiologique serait une échelle de ___________________
Rapport
134
L'échelle de rapport permet d'interpréter de manière proportionnel. Vrai ou Faux. Et pourquoi ?
Vrai, grâce à l'existence d'un zéro absolu.
135
Est-ce que nous pouvons faire des analyses statistiques avancées avec une échelle de rapport ? Si oui lesquelles ?
Oui, comme Anova, régression linéaires, corrélations.
136
Quels sont les limites de l'échelle de rapport ?
Dépendance au zéro absolu
Sensibilité à la précision des mesures
Limites dans le mesure de concept abstraits
Complexité d'interprétation
Difficulté de transformation
Pertinence de ratios dans certains contextes
137
L'échelle de rapport offre des avantages clairs lorsqu'il s'agit de mesurer des variables ___________ précises, telles que le temps de réaction, la fréquence des comportements ou les réponses psychophysiologiques. Toutefois, dans le domaine de la psychologie clinique, son utilisation est __________ par la difficulté de définir un zéro absolu pour des concepts abstraits comme l'anxiété ou la dépression. De plus, bien que cette échelle permette des comparaisons __________________ valides, il est crucial de rester vigilant quant à l'interprétation de ces résultats dans le cadre des comportements humains, où ______________ peuvent ne pas toujours refléter les réalités psychologiques.
quantitatives
limitée
proportionnelles
les ratios
138
Pourquoi la moyenne peut être approprié seulement pour l'échelle d'intervalle ou de rapport ?
Car les valeurs sont équidistantes et significatifs
139
Que faire pour obtenir la médiane d'un nombre d'observation impair ?
La médiane serait la valeur du milieu
140
Que faire pour obtenir la médiane d'un nombre d'observation pair ?
La médiane sera la moyenne des deux valeurs centrales
141
Vrai ou Faux : il peut avoir un ou plusieurs modes
Vrai puisqu'il est possible que plusieurs valeurs aient la même fréquence
142
Un coefficient de skewness positif (asymétrie positive) signifie que la majorité des valeurs sont concentrées sous la moyenne. Vrai ou faux
Vrai
143
Un coefficient de skewness négatif (asymétrie négative) indique l’inverse : la majorité des valeurs se concentrent au-dessus de la moyenne. Vrai ou faux
Vrai
144
Lorsque la différence entre la moyenne et la médiane (les principales mesures utilisées pour évaluer la normalité d'une distribution) est inférieure à ______ écart type, la distribution est considérée comme symétrique ou proche de la normalité
0,5 écart type
145
Lorsque la différence entre la moyenne et la médiane est comprise entre _____ et _____ écart type, cela indique une asymétrie modérée
0,5 et 1
146
Si la différence entre la moyenne et la médiane dépasse ____ écart type, cela indique une asymétrie importante et peut affecter sérieusement les résultats des analyses paramétriques
1
147
La __________ et la _______ sont les principaux indicateurs utilisés pour évaluer l’asymétrie et l’aplatissement des distributions, tandis que le ________ est davantage utilisée dans des contextes spécifiques, tels que les distributions discrètes , où elle joue un rôle plus important.
moyenne
médiane
mode
148
Asymétrie positive (_________ > _________ >________)
Ranger dans l'ordre Médiane, et mode, et moyenne
moyenne > médiane > mode
149
Asymétrie négative (_________ < _________ < _________)
Ranger dans l'ordre Médiane, mode et moyenne.
moyenne < médiane < mode
150
Les échantillons de __________ peuvent rendre l’estimation de la moyenne, de la médiane et du mode plus instable
petite taille
