- Qu’est-ce que le principe d’échantillonage?
- Donner les caractéristiques d’un bon échantillon:
- Que permet-il d’obtenir ?
- = sélection aléatoire de plusieurs individus et la généralisation à la population à partir de cette sélection = inférence statistique
- Un bon échantillon doit être:
-> Représentatif de la population cible (= complet (inclue les maladies rares) + sélection aléatoire)
-> De taille suffisante pour être assez précis - Un échantillon donne une moyenne estimée située autour de la moyenne de la population (estimation du paramètre)
Qu’est-ce qu’une inférence statistique (+ ce que cette notion implique (3))?
- Réponse apporté (avec un degré d’incertitude) à une question/hypothèse de recherche posée à propos du monde en général (=paramètre) et étudiée à travers un échantillon (=estimateur), grâce à une généralisation des résultats observés.
- Implique:
-> échantillonnage d’une population
-> estimation et IC95%
-> test statistique
Qu’est-ce que l’erreur-type?
Mesure de l’imprécision de l’estimation d’un paramètre. Permet de calculer l’intervalle de confiance.
Formule:
Qu’est-ce que l’écart type?
Capte la variabilité ou l’étalement d’une variable. Utilisé lorsqu’on décrit la dispersion de la distribution de données d’une variable dans un échantillon
Qu’est-ce que l’IC à 95%? (5)
Avec quoi peut-on la calculer (2 + formules)?
- Ensemble des valeurs du paramètre compatibles avec les données de l’échantillon.
- L’IC contient toujours la valeur estimée.
- Plus l’iC est étroit, plus l’estimation est précise (écart type faible/ échantillon grand)
- 95% des ICs contiennent la valeur du paramètre (5% ne la contiennent pas quelle que soit la taille de l’échantillon)
- Calcul de l’IC avec:
-> Une proportion
-> Une Moyenne estimée (de l’échantillon) -> ne dépend pas de la moyenne estimée mais toujours centré autour d’elle
Attention: l’IC capte l’incertitude mais ne renseigne pas sur d’éventuels biais de sélection!
2 types d’erreurs lors de l’échantillonnage:
- Erreur aléatoire
-> PRÉCISION
-> moyenne correcte mais éparpillement élevé
->Augmente l’écart type et donne la valeur de l’IC
-> méthode de mesure imprécise - Erreur systématique
-> VALIDITÉ
-> défaut de sélection de l’échantillon
-> Pas d’influence sur l’écart type/IC
-> biais de sélection/ méthode de mesure mal calibrée
Qu’est-ce qu’un biais de sélection?
Erreur systématique dans la sélection des participants qui conduit à une estimation incorrecte du phénomène de mesure (ex: proportion/moyenne…)
Exemples d’échantillons non-représentatifs:
- Volontaires
- Patients choisis par le médecin
- Patients perdus de vue
Formule de la largeur d’une IC95%:
4x racine[p(1-p)/N]
