Cours 11 Flashcards
À quoi servent les analyses paramétriques?
- À estimer des paramètres (de la population) à partir d’un échantillon
- À prendre des décisions relatives à deux ou plusieurs variables, lorsque leurs postulats sont respectés:
Liens entre des variables continues = corrélation de Pearson
Prédiction d’un score d’une VD à partir du score d’une VI = régression simple
Différence entre 2 moyennes ou plus = test t, ANOVA (et MANOVA)
De quoi se sert-on pour estimer les paramètres de la population dans les analyses paramétriques?
On se sert des statistiques provenant d’échantillons
Les analyses paramétriques sont utiles pour quelles type de VD (niveau de mesure)
- À intervalle
- De ratio
Les analyses paramétriques peuvent être faites pour quelles types de distributions?
Les distribution normales
Pour quelle raison est-ce qu’on peut utiliser les analyses paramétriques pour les tests t même si l’échantillon ne se distribue pas normalement en raison de sa petite taille?
C’est parce que on sait que théoriquement, nos variables se distribueraient normalement avec un plus grand échantillon ou dans la population.
Dans quelles circonstances est-ce qu’on utilise les analyses non-paramétriques?
- Lorsqu’on ne veut pas nécessairement estimer les paramètres de la population à partir de notre échantillon
- Lorsque la normalité dans la population n’est pas connue où lorsque la distribution de la population n’est pas normale
- Lorsque les postulats des analyses paramétriques ne sont pas respectés (linéarité, homogénéité des variances, valeurs extrêmes, etc.)
Les analyses non-paramétriques sont utiles pour quelles type de VD (niveau de mesure)
Tous les niveaux de mesures. Nominale, ordinale, à intervalles, de ratio
Def. chi-carré ou chi-deux
- Analyse la différence entre la taille des fréquences pour des variables catégorielles et leurs fréquences attendues. Cela permet de déterminer s’il existe un lien entre les deux variables.
- Un exemple pourrait être : est-ce qu’il y a une association entre la santé d’une personne et la qte de kale qu’elle consomme
Que faut-il faire lors d’un chi-carré pour déterminer s’il existe un lien entre les 2 variables?
- Il faut mettre à l’épreuve l’hypothèse d’indépendance entre les variables
- Pour y arriver, il faut vérifier la distribution conjointe des variables
Quand est-ce qu’on peut dire qu’il existe un lien entre nos variables lorsqu’on effectue un chi-carré?
Lorsque les fréquences observées sont différentes des fréquences attendues
Quelles seraient les hypothèses (H0 et H1) reliées au chi-carré?
H0 = Les variables ne sont pas associées / la répartition entre les catégories des variables est aléatoire
H1 = Il y a une association entre les variables / la répartition entre les catégories des variables est différente de ce qui serait normalement attendu (s’il n’y avait pas de lien)
Comment est-ce qu’on fait pour déterminer si on accepte H1 ou H0?
On calcule la différence entre les fréquences observées et les fréquences attendues.
- On accepte H1 lorsque la différence est grande, cela signifie qu’il y a un lien entre les variables
- On accepte H0 lorsqu’il n’y a pas vrm de différence, cela signifie que les variables ne sont pas liées
Lorsque le chi-carré observé >= au chi-carré critique est-ce qu’on accepte ou rejette H0?
On rejette H0, soit on accepte H1
Qu’est-ce que cela signifie si la taille d’effet du chi-carré est de 0,10?
Cette taille d’effet est relativement faible, elle signifie que la VI explique slm 10% de la VD (exemple = la consommation de kale expliquerait slm 36% de la santé, le reste est expliqué par autre chose)
