Quelles mesures retrouve-t-on dans les mesures de position
- quartiles
- écart/étendue interquartile
- rang centile
- distribution normale et score standard
qu’est-ce qu’un quartile
des valeurs qui partagent les données d’une distribution en 4 parties ayant chacune 25% des données
pk utilise-t-on des quartiles
car l’écart-type est sensible aux données extrêmes (outlier)
qu’est-ce que l’écart interquartile
- mesure la dispersion des données en regardant l’étalement autour de la médiane
- cet intervalle regarde les 50% des données qui se situent au centre de la distribution, donc enlève l’effet des valeurs extrêmes
qu’est-ce que les centiles
99 délimitations qui divisent un ensemble de données en 100 intervalles contenant chacun environ 1% des données
on fait ça quand il y a vrm bcp de sujets
décile: 10%
quintiles: 20%
qu’est-ce que le rang centile et ce qu’il indique
- le rang qu’aurait la valeur s’il y avait 100 données
- indique le pourcentage des données qui sont inférieures ou égales à une donnée précise
le rang centile permet quoi
effectuer des comparaisons entre des variables différentes
ex: un cours qui a 80% de moyenne et un autre qui a 95%, si la personne est pareil dans le 95e centile peut importe le cours, ça veut dire qu’elle est très bonne
une variable qui a une distribution normale va présenter les caractéristiques
- distribution symétrique
- moyenne, mode et médiane sont identique
- 68% des observations sont à +/- 1 écart-type de la moyenne
- un peu plus de 99% des données se situent entre +/- 3 écart-types de la moyenne
qu’est-ce qu’il est possible de déterminer en calculant le score standardisé/score z
possible de déterminer la position relative de chaque observation
qu’est-ce qu’est le score z
la valeur de l’observation moins la moyenne divisée par l’écart-type
le score z requiert quoi pour que ça marche
la distribution des notes brutes doit être normale
alors de combien de fractions d’écart-type s’éloigne-t-on de la moyenne
quand est-ce que nous utilisons les statistiques inférentielles/inductives
lorsque nous essayons de généraliser les résultats obtenus par un échantillon vers un grand nombre d’individus (population)
qu’est-ce que les statistiques inférentielles/inductives
essayer de tirer des conclusions à propos d’une population en se basant sur les résultats observés auprès d’un échantillon
il existe bcp de techniques d’analyses statistiques pour répondre à des questions de recherches différentes
quelles sont les questions de recherches différentes
voir des différences entre des groupes (le classique)
voir des relations entre des variables
quand on veut voir les différences entre des groupes, qu’est-ce qu’on compare et mesure
pour comparer les moyennes de 2 (ou plusieurs) groupes
mesurer l’effet d’une variable indépendante (de catégorie) sur une variable dépendante (continue)
quels sont les tests statistiques qu’on peut faire quand on veut voir des différences entre des groupes
- test-t pour échantillon unique
- test-t pour échantillons appariées (pre et post)
- test-t pour échantillons indépendants
- anlayse de variance (ANOVA) (MANOVA = ++ VD)
- analyse de covariance (ANCOVA)
quand on veut voir des relations entre des variables, on veut déterminer quoi
le degré d’association (lien) qui peut exister entre 2 ou plusieurs variables
quel test utilise-t-on pour évaluer la relation entre deux variables de “catégorie”
ex: couleur des yeux, couleur des cheveux
test de Chi-2
qui compare les occurences observées avec les occurences attendues
quels tests utilise-t-on pour évaluer la relation entre deux variables “continues”
- corrélation de Pearson (pas spearman, car c’est pas des catégories continues)
- régression linéaire simple
la corrélation sert à étudier quoi et vérifie quoi
- étudier le lien entre 2 variables
- vérifie s’il existe une relation linéaire entre 2 variables (vont tjrs dans le même sens)
qu’est-ce que la corrélation ne permet pas d’établir et pk
un lien de cause à effet
pcq on sait pas quelle variable est la “cause” de l’autre ni s’il y a une autre variable en jeu
quels sont les différents types de corrélation qu’on peut avoir
nominale: chi carré
ordinale: spearman
intervalle: pearson
le coefficient de corrélation peut avoir quelle force
entre 0 et 1
peut être négatif ou positif
expliquez quelle force de corrélation est faible, bonne, très bonne et trop
faible: 0 à 0.3
bonne: 0.3 à 0.6
très bonne: 0.6 à 0.8
trop: 0.8 et +
