Module 5

Question 1

Que représente un histogramme?

Answer 1

La distribution d’une variable pour un groupe de participants

Question 2

Comment s’obtient l’amplitude de la réponse?

Answer 2

En comparant les mesures de tendance centrale

moyenne, médiane ou proportion

Question 3

Vrai ou faux? Une simulation d’un même ECR donne des réponses identiques.

Answer 3

Faux

Question 4

Formule de la différence d’incidence cumulée?

Answer 4

Ce - Cp

Question 5

Est-ce que les centiles se voient bien à l’histogramme?

Answer 5

Non

Question 6

Vrai ou Faux? La distribution d’un histogramme est approximativement symétrique?

Answer 6

Vrai

Question 7

Si on a 1000 simulations, que représente le 97,5% centile?

Answer 7

La valeur de X pour laquelle il y a 2,5% de simulations qui sont plus grande

• Pour 1000 simulations, ça vaut dire que 25 simulations sont supérieurs

Question 8

Est-ce qu’il est possible de calculer les centiles et l’histogramme avec un seul ECR?

Answer 8

Non

besoin d’avoir les résultats de 1000 simulations

Question 9

Pourquoi, en pratique, on ne peut pas obtenir d’histogramme?

Answer 9

parce qu’on ne fait l’ECR qu’une seule fois

Question 10

Si la différence des incidences est de 40%, est-ce qu’on peut conclure hors de tout doute que le traitement fonctionne?

Answer 10

Non, car c’est peut-être un résultat inhabituel

Question 11

Quel principe permet d’estimer la distribution de l’histogramme de “Ce - Cp” à partir d’un seul ECR?

Answer 11

TCL: théorème central limite

Question 12

Que permettent les lois/formules?

Answer 12

Permettent d’approximer les probabilités d’observer des valeurs sous une hypothèse et d’approximer les distributions des différences entre les groupes

Question 13

Si l’hypothèse est une différence cumulés égales à 20% et que la probabilité d’obtenir une différence de 20% entre Ce et Cp est de 1/10000, quelle est la conclusion?

Answer 13

Ce n’égale pas Cp

Question 14

Qu’est-ce que la probabilité conditionnelle?

Answer 14

La probabilité d’observer un événement sous une condition

Question 15

Aire sous la courbe d’une distribution?

(loi)

Answer 15

1 (ou 100%)

Question 16

P(X = x) dans une loi normale?

Answer 16

0, il y a une infinité de valeur, donc la probabilité d’avoir une valeur spécifique est de 0

Question 17

Que représente l’aire sous la courbe d’une loi normale?

Answer 17

La probabilité

Question 18

Quelle est la probabilité de l’aire sous la courbe de la distribution normale?

Answer 18

P(-∞ ≤ X ≤ +∞) = 1

Question 19

Est-ce que l’histogramme est une distribution de probabilité?

Answer 19

Non

Question 20

Avec quoi est définie la loi normale?

Answer 20

N(μ, σ^2)

Question 21

μ?

Answer 21

moyenne

Question 22

σ^2?

Answer 22

Variance = écart-type au carré

Question 23

Forme de la loi normale centrée réduite?

Answer 23

N(0,1)

moyenne = 0 et variance = 1

Question 24

Transformation pour une variable X qui suit la loi normale centrée réduite?

Answer 24

Z = (X−μ)/σ = (xi - x̄ / s)

x̄ = moyenne et s = écart-type estimer à partir de données de l’étude

Question 25

Nomme les 3 centiles les plus important d'une loi normale.

Answer 25

* environ **68%** des observations sont situées entre: μ − σ et μ + σ (1 écart-type de différence) * environ **95%** des observations sont situées entre: μ − 2σ et μ + 2σ (2 écarts-type de différence) * environ **99%** des observations sont situées entre: μ − 3σ et μ + 3σ (3 écarts-type de différence)

Question 26

P(X > μ) = ___

Answer 26

0.5

Question 27

Nomme 3 autres distributions (autre que normale).

Answer 27

* Loi Chi-Carré * Loi Student * Loi Fisher

Question 28

Comment est obtenu le Chi-Carré?

Answer 28

Cette distribution s'obtient par l'addition de carré de variables suivant la loi normale

Question 29

À quoi sert le Chi-Carré?

Answer 29

L'analyse des tableaux de contingence

Question 30

Quand utilise-t-on la loi de Student?

Answer 30

Surtout quand n < 30, où n = nombre de participants

Question 31

Quand n > ________, la loi Student est très similaire à la loi normal?

Answer 31

30

Question 32

Comment s'obtient la loi de Fisher?

Answer 32

Cette loi s'obtient en divisant deux variables suivant la loi du Chi-carré

Question 33

Quand est utilisée la loi de Fisher?

Answer 33

Dans la comparaison de plusieurs moyennes (> 2 groupes)

Question 34

Qu'est-ce qu'un théorème?

Answer 34

Un théorème est un énoncé mathématique dont on peut démontrer l’exactitude où la démonstration utilise les présupposés du théorème

Question 35

Vrai ou faux? Les théorèmes ne représentent pas des lois universelles.

Answer 35

Vrai

Question 36

Quelle est la **formule** si on mesure une variable X sur chacun des n participants d'un ECR **selon TCL**?

Answer 36

Z = (x̄ - μ) / (σ / √n)

Question 37

Nomme les 3 présupposés pour que le TCL s'applique.

Answer 37

* Indépendance * Identiquement distribué * n grand

Question 38

Décrit l'indépendance.

Answer 38

Le résultat sur un participant ne donne aucune information sur le résultat d'un autre participant.

Question 39

Décrit identiquement distribué.

Answer 39

La variable X a la même distribution pour tous les participants de l'étude.

Question 40

Décrit le n grand.

Answer 40

Selon la distribution de X, l'approximation est bonne pour des n aussi petits que 12. La distribution de X est très loin d'une loi normale alors ≥ 100 est nécessaire

Question 41

Le TCL concerne seulement la distribution de la _____________.

Answer 41

moyenne

Question 42

Distribution de (X1-X2), sachant que X1 et X2 suivent une loi normale.

Answer 42

N (μ1 − μ2, σ1^2 + σ2^2)

Question 43

Quelle est la force de TCL?

Answer 43

On peut approximer la distribution de la moyenne par une loi normale peut importe la distribution de X

Question 44

Par quoi est défini la loi binomiale?

Answer 44

*p* = probabilité d'observer l'évènement * 1 si on l'observe * 0 si on l'observe pas

Question 45

Formule de l'écart type? | de la loi binomiale

Answer 45

√p1(1 − p1) | C'est sur la feuille de formule

Question 46

Variance de "Ce - Cp"?

Answer 46

[p1(1 − p1) / n1] + [p2(1 − p2) / n2]

Question 47

Nom de l'écart type d'une moyenne?

Answer 47

Erreur type

Question 48

Calcul de l'erreur type? | en général

Answer 48

σ/√n | sur la feuille de formule

Question 49

Quel est le facteur de correction ajouté par la formule de l'erreur-type?

Answer 49

σ/√n x **√(N-n)/(N-1)** * N = taille de la population * n = taille de l'échantillon | Si N = n, erreur type est nule

Question 50

Notation de l'erreur type?

Answer 50

SE

Question 51

μ1 et μ2 sont les paramètres inconnus et __________ sont leurs estimés.

Answer 51

X¯1 et X¯2

Question 52

Qu'est-ce que le ré-échantillonage?

Answer 52

Le ré-échantillonnage est semblable à la simulation des 1000 ECRs sauf qu'on utilise les données observées de l'ECR pour créer la simulation

Question 53

Exemple de ré-échantillonage?

Answer 53

Bootstrap

Question 54

Décrit le paradigme fréquentiste.

Answer 54

Selon le paradigme fréquentiste, la distribution de la réponse possède des **paramètres inconnus mais fixes**. Lorsqu'on réalise un ECR, on obtient des estimations de ces paramètres. Ce paradigme est celui qui domine à présent en recherche.

Question 55

Qu'est-ce que le paradigme bayésien?

Answer 55

Selon le paradigme bayésien, les paramètres ne sont pas fixes et ont eux-mêmes une distribution inconnue.

Question 56

Fréquentiste ou bayésien? La probabilité d'un événement est sa fréquence relative d'occurrence en répétant l'expérience un grand nombre de fois (à l'infini)

Answer 56

Fréquentiste

Question 57

Fréquentiste ou bayésien? on doit assigner a priori une mesure du degré de croyance (ou d'incertitude) à un événement. Cette mesure est basée sur l'information que nous avons sur le phénomène étudié.

Answer 57

Bayésien

Question 58

Le paradigme _________ plaît à bon nombre de statisticiens et chercheurs, car il semble plus représentatif du monde réel.

Answer 58

bayésien

Question 59

Est-ce que les résultats des deux paradigmes sont identiques?

Answer 59

Non, mais les conclusions sont simillaires

Question 60

Comment calculerais la probabilité que ma pièce soit honnête selon les deux paradigmes? A : la pièce est honnête B : sur 10 lancés j'observe 3 faces

Answer 60

* Le fréquentiste calcule la probabilité conditionnelle de B étant donné A : P(B|A). * Le bayésien calcule la probabilité conditionnelle de A étant donné B : P(A|B).

Question 61

Pourquoi faut-il confirmer les résultats d'un ECR?

Answer 61

Car la réponse est une approximation

Question 62

Je simule le lancé d'une pièce de monnaie honnête avec une probabilité de 0.5 d'obtenir un pile. Si on lance cette pièce de monnaie 100 fois, est-ce que nous allons obtenir 50 faces et 50 piles?

Answer 62

Probablement pas

Question 63

D'où vient l'erreur aléatoire?

Answer 63

De la variation du CRP

Question 64

Comment s'obtient l'amplitude de la réponse?

Answer 64

En comparant les mesures de tendance centrale

Question 65

Quelle est la réponse à 1000 simulations?

Answer 65

Un histogramme