Révision statistiques Flashcards

Question

Comment s'assurer d'avoir un échantillon représentatif?

Answer 1

Il doit présenter des caractéristiques semblables à celles que l'on retrouve dans la population étudiée. On peut faire un échantillonnage aléatoire simple: choisir aléatoirement un nombre préétabli d'unités parmi toutes celles qui composent la population.

Answer 2

Proportion des éléments d'une population qui présente une certaine caractéristique

Answer 3

alpha: Probabilité de commettre une erreur de 1ère espèce. Correspond au niveau du test ß: Probabilité de commettre une erreur de 2e espèce

Answer 4

Échantillon: observation d'une partie de la population Population: collection, ensemble d'éléments qui partagent des caractéristiques communes

Answer 5

ÉCHANTILLON: 500 parents d'enfants de niveau primaire POPULATION: L'ensemble des parents d'enfants de niveau primaire

Answer 6

Présente un ensemble d'observations de façon concise, extrait les faits saillants et les communique sous une forme synthétique.

Answer 7

Vise à émettre une conclusion variable pour l'ensemble d'une population à partir des résultats provenant d'un échantillon représentatif

Answer 8

**1- Quantitative: valeurs numériques** * Discrète: valeurs de la variables sont des quantités isolées qu'on peut dénombrer (ex: nb d'enfants) * Continue: il existe une infinité de valeurs possibles entre 2 valeurs (ex: âge, tension) **2- Qualitative: attributs, qualités** * Ordinale: ordre (ex: degré de satisfaction faible, moyen ou élevé ou statut d'un pt en fin de réadaptation- amélioration, stabilité, détérioration) * Nominale: pas de rang ou de hiérarchie (ex: statut civil, groupe sanguin) * Les deux peuvent dichotomique (oui/non) ou polychotomique

Answer 9

Variable quantitative discrète

Answer 10

Variable qualitative nominale polychotomique

Answer 11

Histogramme Moyenne et σ

Answer 12

Diagramme en bâtons ou tableau de fréquences Fréquences et %

Answer 13

Diagramme en bâton ou tableau de fréquences Fréquence et %

Answer 14

Diagramme en bâton ou tableau de fréquences Fréquences et %

Answer 15

Fréquence absolue: correspond au nombre d'observations qui appartiennent à cette catégorie. Fréquence relative (% ou proportion): diviser la fréquence absolue par le nb total d'observations

Answer 16

1) Moyenne arithmétique = (x1+ x2+ ....) / n 2) Médiane (Md): valeurs sous laquelle on retrouve 50% des observations. Pour l'obtenir, on classe les observations en rang croissant (si impair on (n+1)/2 et si pair md est à mi-chemin entre n/2 et n/ 2+1) 3) Mode (Mo): valeur la plus fréquente de l'ensemble des données

Answer 17

1) L'étendue: différence entre la plus grande et la plus petite valeur de la variable 2) La variance (s²): écart des données par rapport à leur moyenne 3) Écart-type (s ou σ) : s = racine(somme (xi -x)² / n-1

Answer 18

* 68,3%: u +- 1 σ * 95,4%: u +- 2 σ * 99,7%: u +- 3 σ

Answer 19

FAUX! Ça ne s'applique pas aux valeurs qualitatives

Answer 20

Un ensemble de données qui est partagé en 4 parties égales. Sous le premier quartile, on retrouve 25% des observations, sous le deuxième quartile 50% et ainsi de suite.

Answer 21

Corrélation (r) C'est un nombre qui varie entre -1 et +1. Si -1: les valeurs élevées d'une variable correspondent aux valeurs faibles de l'autre variable Si +1: Les valeurs élevées d'une variable sont associées aux valeurs élevées de l'autre variable Si r = 0: valeurs d'une variable sont associées à des valeurs faibles et à des valeurs élevées de l'autre variable (relation vraiment pas forte)

Answer 22

FAUX! Elle ne le permet pas. Il va falloir faire une analyse de régression, ce qui permet de déterminer les paramètres d'un modèle liant une variable dépendante à une indépendante. Y = bx + a a: ordonnée à l'origine b: coefficient de régression (son signe + ou - est celui de r). Donc si b \> 0, alors r \> 0

Answer 23

Au moyen d'un tableau de contingence

Answer 24

VRAI! On peut aussi utiliser le diagramme en bâtons pour une représentation graphique du tableau de féquences. (On rapporte sur l'axe horizontal les différentes catégories de la variable et sur l'axe vertical les fréquences absolues ou relatives)

Answer 25

VRAI! Dans ce cas, il faut préalablement regrouper les différentes valeurs de la variable en classes mutuellement exclusives. Le tableau ainsi obtenu peut ensuite être représenté graphiquement au moyen d'un histogramme.

Answer 26

1- Soit A et B, 2 évènements mutuellement exclusifs (ne se produisent pas en même temps), alors la probabilité que l'un ou l'autre des 2 évènements se produise est égal à la somme de leur probabilité respective. Prob (A ou B) = Prob (A) + Prob (B) 2- Soit A un évènement et A^c l'évènement contraire, alors: Prob (A^c) = 1 - Prob (A) 3- Soit A et B, 2 évènements indépendants dont la survenue n'est pas influencé pas la survenue de l'autre. Alors la probabilité que l'un et l'auutre des évènements surviennent est égale au produit de leur probabilité. Prob (A et B) = Prob (A) x Prob (B)

Answer 27

La troisième règle (Prob A x Prob B), car on cherche la probabilité que les deux évènements arrivent simultanément. La 2e règle est aussi appliquée (1 - Prob A), car on mentionne la probabilité d'être vivant et on veut la probabilité que les 2 soient morts.

Answer 28

Estimé = 74 / 200

Answer 29

VRAI! Pour que les résultats reflètent cette variation échantillonnale, il faut accompagner la valeur avec son intervalle de confiance.

Answer 30

Fourchette de valeurs entre lesquelles le paramètre recherché est susceptible de se trouver.

Answer 31

* La moyenne de la distribution échantillonnale est égale à la moyenne de la variable dans la population. * L'écart-type de cette distribution est donnée par σ / racine de n (erreur-type) * Si la variable est normalement distribuée dans la population, alors la distribution échantillonnale l'est aussi. * Plus la taille de l'échantillon est grande, plus la distribution tend à devenir normale.

Answer 32

On peut donc avoir confiance à 95 % dans le fait que la moyenne générée par notre échantillon se trouve à ± 2 erreurs types de la vraie valeur de la moyenne Un intervalle de confiance à 95 % pour la **moyenne** de la population correspond à l’intervalle situé à ± 2 erreurs types de la moyenne de l’échantillon: X + - 2σ / Racine de n

Answer 33

VRAI! On pourrait en faire un de 90% ou encore de 99%. À 90%, on aurait la formule suivante: Moyenne +- 1,65s / racine n et à 99%, on aurait: Moyenne +- 2,58s / racine n

Answer 34

Intervalle plus large.

Answer 35

L'estimation par intervalles, car elle fournit plus d'informations.

Answer 36

À ce qu'on souhaite démontrer dans l'étude.

Answer 37

* π: quand on étudie une proportion * p: quand on étudie une corrélation * u (mu): quand on étudie des valeurs moyennes

Answer 38

VRAI! Pour vous rappeler que ce sont les paramètres, et non leur estimé, qui doivent apparaître dans les hypothèses, gardez à l’esprit que celles-ci doivent toujours être définies avant la collecte des données, donc lorsque les résultats provenant de l’échantillon ne sont pas encore connus: ainsi ne peuvent-ils pas intervenir dans la définition des hypothèses.

Answer 39

On la considère vraie jusqu'à preuve du contraire. On doit démontrer qu'elle est statistiquement peu probable. **En ayant défini un alpha préalable, on peut trouver la valeur p.** * Si elle est inférieure à alpha, alors le test est statistiquement significatif et on peut rejeter H0. * Si elle est supérieure à alpha, alors H0 n'est pas rejetée. On peut aussi vérifier si la valeur de notre test d'hypothèse est présente dans notre intervalle de confiance. Si elle est exclus, il y a une différence significative et on rejette H0.

Answer 40

Une hypothèse nulle est vraie ou fausse. Selon le résultat calculé sur l’échantillon, elle se voit rejetée ou acceptée. On ne commet pas d’erreur en acceptant une hypothèse vraie ou en rejetant une hypothèse fausse. Par contre, on commet une erreur si on rejette une hypothèse vraie ou si on accepte une hypothèse fausse On commet une erreur de 1re espèce (aussi appelée erreur de type I) si on rejette H0 alors qu’elle est vraie. On commet une erreur de 2e espèce (aussi appelée erreur de type II) si on accepte H0 alors qu’elle est fausse. La probabilité de commettre une erreur de 1re espèce est notée  et celle de commettre une erreur de 2e espèce est notée 

Answer 41

a) Erreur de première espèce b) Erreur de 2e espèce

Answer 42

Pour un échantillon de taille donnée, lorsque  diminue, alpha augmente. En d’autres termes, au fur et à mesure que diminue la probabilité de rejeter H0 quand elle est vraie, la probabilité s’accroît d’accepter H0 quand elle est fausse.

Answer 43

La probabilité de rejeter H0 quand elle est fausse. 1 - ß Le facteur l'affectant le plus est la taille de l'échantillon. Plus il croît, plus il devient possible de rejeter H0 quand elle est fausse, donc de prendre la bonne décision. En général, une puissance de 80% est acceptable.

Answer 44

Quand c'est une variable quantitative ou ordinale à plusieurs catégories (+5)

Answer 45

Variable nominale ou ordinale à peu de catégories (moins de 5)

Answer 46

FACTEURS INTRINSÈQUES: * Caractéristiques de l'hôte (ex: âge, sexe, génétique) FACTEURS ÉTIOLOGIQUES: * Caractéristiques de l'agent (ex: facteurs étiologiques, agents nutritionnels, chimiques, physiques, infectieux) FACTEURS ENVIRONNEMENTAUX * Caractéristiques de l'environnement (aspects physiques, biologiques, socio-économique)

Answer 47

Méthode qui vise à évaluer la fréquence d'une maladie ou de ses facteurs associés dans un lieu et un temps donné. Répond aux questions: * Qui? (Caractéristiques de l'hôte) * Où? (Aspects environnementaux) * Quand? (Évolution au cours du temps) * Quoi? (Aspects étiologiques)

Answer 48

1) est une proportion spéciale qui spécifie une période de temps. En précisant cette définition en termes épidémiologiques, le numérateur est le nombre de per sonnes subissant un événement durant cette période, et toute personne comptée dans le dénominateur peut faire partie du numérateur. **TAUX** 2) reflète la relation entre deux nombres alors que le numérateur n'est pas inclus dans le dénominateur. Ainsi, une personne comptée dans le dénominateur ne pourra jamais faire partie du numérateur **RAPPORT** 3) indique la relation entre deux nombres alors que le numérateur est inclus dans le dénominateur. Dans ce cas, une personne comptée dans le dénominateur pourra être incluse dans le numérateur **PROPORTION**

Answer 49

1. Les maladies cardiovasculaires représentent 28% des décès chez les hommes canadiens âgés de 40 ans et plus. **PROPORTION** 2. Le cancer du côlon atteint 28 personnes par 100 000 par année au Canada **TAUX** 3. Chez les personnes atteintes de syphillis infectieuse, il y a 1,8 hommes pour chaque femme **RAPPORT**

Answer 50

Mesure le nb de cas d'une maladie présent dans une population donné à un moment donné. Taux de prévalence = (nb de cas EXISTANTS d'une maladie dans la population à un moment donné) **/** (Nb de personnes dans la population à ce moment)

Answer 51

Taux brut annuel de mortalité = nb de décès pendant l'année / population au milieu de l'année

Answer 52

Mesure de la fréquence d'apparition de nouveaux cas d'une maladie dans une population donnée. Incidence cumulée = nb de nouveaux cas d'une maladie dans la population pendant une période donnée / population à risque de développer cette maladie pendant cette période *\*\*La population à risque est composée de personnes pouvant devenir de nouveaux cas\*\**

Answer 53

Mesure la vitesse de propagation d'une maladie dans une population à risque. Taux d'incidence = nb de nouveaux cas d'une maladie dans la population pendant une période donnée / durée totale d'observation-personnes-temps *\*\*Le concept personne-temps est le nb de personnes à risque multiplié par le temps d'observation de chacune des personnes jusqu'à ce qu'elle devienne un cas)\*\**

Answer 54

Prévalence = Incidence x Durée (P = I x D) **Lorsque la maladie est stable:** - L'incidence est constante dans le temps - La durée de la maladie est constante dans le temps pour la durée de l'étude et ces 2 critères sont présents pendant la durée de la maladie chez une même personne.

Answer 55

1) Est-ce une tendance artificielle: * Y a-t-il eu erreur dans le numérateur? (ex: changements dans la détection de la maladie, changement dans la nomenclature ou la classification) * Y a-t-il eu erreur dans le dénominateur? (ex: changement dans le recensement de la population) **Changements provenant des personnes étudiant la population** 2) Est-ce une tendance réelle? * Changements dans la distribution des âges de la population? * Changement dans la survie ou la génétique? * Changements environnementaux? **Changements provenant des personnes étudiées dans une population**

Answer 56

Comparaison de l'incidence chez les exposés avec celle des non-exposés. C'est la comparaison des risques reliés à la présence de l'exposition. Si RR \> 1: le facteur augmente l'incidence chez les exposés Si RR \< 1: le facteur diminue l'incidence chez les exposés

Answer 57

Différence entre le taux d'incidence chez les exposés et le taux d'incidence chez les non-exposés. Si: RA \> 0 : Le facteur augmente l'incidence attribuable à l'exposition RA \< 0 : Le facteur diminue l'incidence attribuable à l'exposition

Answer 58

Rapport de la fréquence d'un évènement sur la fréquence de l'absence de cet évènement dans un échantillon. Si OR \> 1: Le facteur est associé au dvp de la maladie OR \< 1: Le facteur protège contre le dvp de la maladie

Answer 59

**AVANTAGES** * Peu dispendieuse * Petits échantillons * Courte durée de l'étude * Permet l'étude de maladies rares * Permet l'étude de plus d'une exposition **DÉSAVANTAGES** * Information incomplète sur l'exposition * Possibilité de rappel biaisé (atcd d'exposition) * Difficulté dans la sélection du groupe témoin * Estimé du RR * Détermination de l'exposition après le dvp de la maladie

Answer 60

**AVANTAGES** * Informations complètes * Exposition clairement définie * Permet le calcul de l'incidence et du RR * Permet l'étude de plus d'une maladie * Respect de la séquence temporelle de la maladie **DÉSAVANTAGES** * Très couteuses * Nécessitent de gros échantillons pour les maladies rares * Problèmes de relance et de retraçage * Changements temporels des méthodes et des classifications diagnostiques

Answer 61

Les participants, les observateurs et les personnes analysant les résultats ne savent pas à quel groupe appartiennent les sujets.

Answer 62

1. la prévention PRIMAIRE, où l'on empêche le développement d'une maladie (action au niveau de l'incidence); 2. - la prévention SECONDAIRE, où, après le développement de la maladie, on empêche sa progression ou sa persistance (action au ni veau de l a prévalence). On guérit la personne; 3. - la prévention TERTIAIRE, où l'on diminue l'impact de l'état chronique de la maladie. On ne peut guérir la personne, cependant on peut empêcher la dégradation de son état ou ralentir l'évolution de la maladie.

Answer 63

VPP: Porportion de vrais positifs sur tout ceux classés positifs par le test VPN: Proportion de vrais négatifs sur tout ceux classés négatifs par le test De façon générale, plus la prévalence de la maladie à dépister est élevée, plus VPP sera élevée et VPN diminuera.

Answer 64

1. Reliée à l'instrument de mesure lui-même (ex: mauvaise calibration) 2. Reliée à l'examinateur (ex: il est encore en formation) 3. Reliée à la personne examinée (ex: la personne ne nous connaît pas et est tendue)

Answer 65

- **Fidélité interjuge d'une mesure:** lorsqu'il est possible que l'examinateur puisse influencer la mesure en raison de son expérience, sa formation, sa personnalité et de l'évènement à évaluer - **Fidélité test-retest:** (stabilité temporelle) lorsqu'il est possible que la mesure diffère d'un moment à l'autre

Answer 66

% d'accord = nb de cas en accord 1 + nb de cas en accord 2 / total des cas Le Kappa corrige la situation en lien avec le hasard: K = Po-Pe / 1 - Pe Où: * Po : % d'accord observé * Pe: % d'accord dû au hasard * 1: accord parfait

Answer 67

Pe est trouvé en additionnant les résultats de la multiplication du % des données(1) obtenues par chaque examinateur au résultat de la multiplication des % des données obtenues(2) par chaque examinateur.

Answer 68

Kappa varie de -1 à 1, où -1 indique l'absence totale de concordance entre les mesures, 0 une concordance exclusivement attribuable au hasard et +1 une concordance parfaite. ## Footnote - \< 0,00 : pauvre (poor) - 0,00 - 0,20 : faible (slight) - 0,21 - 0,40 : acceptable (fair) - 0,41 - 0,60 : modéré (moderate) - 0,61 - 0,80 : très bon (substantial) - 0,81 - 1,00 : presque parfait (almost perfect)

Révision statistiques Flashcards

(99 cards)