Quelle est la différence entre une population et un échantillon?
- Population : groupe complet, généralement grand, d’individus à qui s’applique une conclusion de recherche. Contient 100% de l’information recherchée.
- Échantillon : groupe accessible, sur lequel on prévèle des données. Il doit être REPRÉSENTATIF de la population.
Quelle est la différence entre un recensement et un sondage? Quelles sont les limites de chaque?
- Recensement : échantillon = population. Coûteux, long, logistiquement complexe.
- Sondage : échantillon < population. Besoin d’assurer la représentativité.
Quelle est la différence entre un paramètre et une statistique?
- Paramètre : caractéristique de la population. Caractères grecs (mu, sigma, rhô, etc.)
- Statistiques : caractéristique de l’échantillon. Caractères latins (M, s, r, etc.) en italique.
Qu’est-ce que l’inférence statistique? À quelle erreur est-elle sujette?
- L’estimation d’un paramètre à partir d’une statistique.
- À l’erreur d’inférence : soit alpha, soit bêta
Qu’est-ce qu’un échantillon représentatif?
Un échantillon ayant les mêmes caractéristiques et la même distribution que sa population.
Si on connaît les paramètres étudiés de la population, on s’assure que l’échantillon ait les mêmes _____. Sinon, on effectue un _____ auprès de la population.
- statistiques.
- échantillonnage aléatoire.
Quels sont les 2 critères d’échantillonnage aléatoire?
- La chance égale : chaque sujet doit avoir la même chance d’être choisi.
- L’indépendance : la réponse d’un sujet ne doit pas dépendre de la réponse des autres.
Quels sont les 3 types d’échantillonnage aléatoire?
- Aléatoire simple : sujet par sujet
- Aléatoire stratifié : proportion déterminée de sujets aléatoires selon la catégorie (ethnie, âge, etc.)
- Par grappes : ensembles aléatoires de sujets (classes complètes)
Quels sont des types d’échantillonnage empirique?
- Accidentel, volontaire, par quotas, etc.
Vrai ou faux? Les échantillons doivent être les plus grands possible pour être les plus représentatifs.
PARTIELLEMENT VRAI. À partir d’un certain seuil, il n’y a plus d’influence significative sur la représentativité.
Pourquoi divise-t-on la variance et le s des statistiques par (N-1), alors qu’on les divise par N pour les paramètres? Donne deux raisons.
- Les échantillons sous-estiment la variance : moins de valeurs extrêmes.
- Il manque un degré de liberté aux échantillons : on peut deviner la dernière valeur.
Footnote
Dans les cas des populations, on ne fait pas d’inférences.
Quels sont les 3 grands concepts de la méthode scientifique?
- Théorie : représentation de la réalité.
- Hypothèse alternative H1 : l’effet qu’on devrait observer si la théorie est bonne.
- Hypothèse nulle H0 : ce qu’on devrait observer si la théorie est erronée (pas d’effet).
Comment vérifie-t-on H1?
En mesurant des échantillons et en faisant des inférences.
Quel est le postulat de l’inférence (la condition principale) ?
Il faut que l’échantillon soit aléatoirement extrait.
Qu’est-ce que l’erreur d’échantillonnage? l’erreur-type de la moyenne?
- La variation naturelle entre les échantillons d’une population.
- La variation naturelle entre les moyennes d’un échantillon à l’autre de la population.
Le rejet de H0 ____ pour accepter H1, mais le non-rejet de H0 _______ pour rejeter H1.
- est suffisant.
- n’est pas suffisant.
Si les échantillons ont une moyenne différente, ils appartiennent à une population ____. Sinon, _____.
- différente.
- on ne peut pas affirmer qu’ils appartiennent à une population différente. MAIS ce n’est pas une preuve.
Quels sont les deux types d’erreur de conclusion?
- Erreur de type I, alpha : faux positif. Conclure à une différence alors que non.
- Erreur de type II, bêta : faux négatif. Conclure qu’il n’y a pas de différence alors que si.
