Module 5

Question 1

Pourquoi doit-on utiliser des tests statistiques dans une étude scientifique ?

Answer 1

Pour savoir si les résultats obtenus par notre échantillon sont généralisables à la population cible. Les tests statistiques permettent de tenir compte de l’incertitude associée à l’erreur potentielle d’échantillonnage.

Question 2

Qu’est-ce qu’une erreur d’échantillonnage ?

Answer 2

C’est le fait qu’un échantillon ne représente jamais parfaitement la population cible. La moyenne d’un échantillon sera vraisemblablement semblable à la moyenne de la population, mais légèrement différente.

Question 3

Quels sont les quatre aspects fondamentaux à considérer dans l’interprétation des tests statistiques ?

Answer 3

1- Le type de tests statistiques

2- L’importance des résultats (valeur p, IC, seuil clinique)

3- La précision des résultats estimés

4- La puissance des tests statistiques

Question 4

À quoi servent les statistiques descriptives ?

Answer 4

Elles permettent de synthétiser les données, par exemple présenter les caractéristiques des participants (fréquences, moyennes) ou la prévalence d’un phénomène. Elles aident aussi à visualiser le comportement des variables pour choisir les tests appropriés.

Question 5

Quelles sont les trois principales mesures de tendance centrale ?

Answer 5

La moyenne

La médiane

Le mode

Question 6

Donne la définition et la formule de la moyenne.

Answer 6

La moyenne est la somme des résultats d’un échantillon divisée par le nombre de sujets. Formule : μ = ΣXi/n

Question 7

Qu’est-ce que la médiane ?

Answer 7

C’est le score mitoyen qui sépare la distribution de fréquence en deux parties égales. On l’appelle aussi le 50e centile.

Question 8

Qu’est-ce que le mode ?

Answer 8

C’est la valeur la plus fréquente dans une distribution.

Question 9

Quelles sont les quatre principales mesures de dispersion ?

Answer 9

La variance
L’écart-type
L’étendue
L’intervalle interquartile

Question 10

Donne la définition et la formule de la variance.

Answer 10

La variance est la somme des écarts entre les observations au carré, divisée par le nombre de sujets moins un. Formule : σ² = Σ(Xi - μ)²/(n-1)

Question 11

Qu’est-ce que l’écart-type et comment le calcule-t-on ?

Answer 11

L’écart-type mesure la dispersion d’une série de valeurs autour de leur moyenne. Il se calcule en prenant la racine carrée de la variance. Formule : σ = √σ²

Question 12

À quoi sert l’étendue ?

Answer 12

L’étendue est la différence entre la valeur maximale et la valeur minimale. Elle donne une idée rapide de la dispersion des données.

Question 13

Qu’est-ce que l’intervalle interquartile ?

Answer 13

C’est l’étendue des scores répartis autour de la médiane. Il correspond à la différence entre le 75e percentile (Q3) et le 25e percentile (Q1).

Question 14

Qu’est-ce qu’une distribution normale ?

Answer 14

C’est une distribution en forme de cloche inversée, symétriquement distribuée autour de la moyenne. Dans cette distribution, la moyenne, la médiane et le mode sont équivalents.

Question 15

Que peut-on dire des données si la moyenne est plus grande que la médiane ?

Answer 15

La distribution est asymétrique à droite. Les données extrêmes élevées tirent la moyenne vers le haut.

Question 16

Que permet la loi normale ?

Answer 16

Elle permet de prédire le pourcentage de scores dans un écart défini autour de la moyenne.

Question 17

Quel pourcentage de scores retrouve-t-on à ±1 écart-type de la moyenne dans une distribution normale ?

Answer 17

68 % des scores.

Question 18

Quel pourcentage de scores retrouve-t-on à ±2 écarts-types de la moyenne dans une distribution normale ?

Answer 18

95 % des scores.

Question 19

Quel pourcentage de scores retrouve-t-on à ±3 écarts-types de la moyenne dans une distribution normale ?

Answer 19

99 % des scores.

Question 20

Qu’est-ce que la distribution d’échantillonnage des moyennes ?

Answer 20

C’est la distribution des moyennes de tous les échantillons possibles de même taille pouvant être formés à partir de la population entière.

Question 21

Qu’est-ce que l’erreur-type et comment la calcule-t-on ?

Answer 21

L’erreur-type est un estimateur de l’écart-type de la population à partir de l’échantillon. Formule : s/√n où s est l’écart-type de l’échantillon et n la taille de l’échantillon.

Question 22

Quelle est la différence entre écart-type et erreur-type ?

Answer 22

L’écart-type mesure la dispersion des données individuelles autour de la moyenne. L’erreur-type mesure la précision de l’estimation de la moyenne de la population. L’erreur-type est toujours plus petite que l’écart-type et diminue quand la taille de l’échantillon augmente.

Question 23

Comment varie l’erreur-type selon la taille de l’échantillon ?

Answer 23

L’erreur-type varie de façon inversement proportionnelle à la taille de l’échantillon. Plus l’échantillon est grand, plus l’erreur-type est petite.

Question 24

Qu’est-ce que l’inférence statistique ?

Answer 24

C’est le processus qui consiste à induire les caractéristiques inconnues d’une population à partir d’un échantillon issu de cette population.

Question 25

Quelle est l'hypothèse nulle (H0) dans un test de comparaison de deux groupes ?

Answer 25

H0 : μ1 = μ2 (les moyennes des deux groupes sont égales)

Question 26

Quelle est l'hypothèse alternative (H1) dans un test de comparaison de deux groupes ?

Answer 26

H1 : μ1 ≠ μ2 (les moyennes des deux groupes sont différentes)

Question 27

Qu'est-ce que la valeur p ?

Answer 27

La valeur p est la probabilité, calculée en faisant l'hypothèse que H0 soit vraie, d'obtenir un résultat aussi extrême ou encore plus extrême que celui observé.

Question 28

Qu'est-ce que le seuil alpha (α) ?

Answer 28

C'est le seuil décidé a priori par le chercheur pour déterminer ce qui sera considéré comme significatif ou non. Traditionnellement, on utilise α = 0,05.

Question 29

Quand dit-on qu'un résultat est statistiquement significatif ?

Answer 29

Lorsque la valeur p est inférieure au seuil alpha déterminé (généralement p < 0,05).

Question 30

Que signifie une valeur p = 0,03 avec un seuil alpha de 0,05 ?

Answer 30

Cela signifie qu'il y a seulement 3 % de chances que la différence mesurée entre les deux groupes soit due au hasard. Le résultat est donc statistiquement significatif.

Question 31

Quels sont les trois déterminants qui influencent la probabilité d'observer une différence significative entre deux groupes ?

Answer 31

1-L'écart entre les moyennes des groupes 2- La variabilité (variance/écart-type) des échantillons 3- La taille des échantillons°

Question 32

Comment la variabilité influence-t-elle la détection d'une différence significative ?

Answer 32

Plus la variabilité est faible (distribution étroite), moins les distributions se chevauchent, et plus il est facile de détecter une différence significative.

Question 33

Comment la taille de l'échantillon influence-t-elle la détection d'une différence significative ?

Answer 33

Plus l'échantillon est grand, plus les distributions sont précises (erreur-type plus petite), et plus il est facile de détecter une différence significative.

Question 34

Quelle est la différence entre signification statistique et importance clinique ?

Answer 34

La signification statistique (p < 0,05) indique qu'une différence existe probablement. L'importance clinique indique si cette différence est suffisamment grande pour être perceptible et utile pour le patient.

Question 35

Qu'est-ce que le changement minimal cliniquement important (MCID) ?

Answer 35

C'est le changement qu'il faut sur une échelle de mesure pour considérer qu'un changement clinique suffisamment important s'est produit dans l'état du patient.

Question 36

Qu'est-ce que la puissance statistique ?

Answer 36

C'est la probabilité qu'un test statistique détecte une différence entre deux ou plusieurs groupes, si cette différence est réellement présente.

Question 37

Quelle est la valeur de puissance statistique considérée comme adéquate ?

Answer 37

Une puissance statistique ≥ 80 % est considérée comme adéquate.

Question 38

Qu'est-ce qu'une erreur de type 2 ?

Answer 38

C'est une erreur faux négatif : le test statistique conclut qu'il n'y a pas de différence significative alors qu'en réalité cette différence existe.

Question 39

Quel paramètre le chercheur peut-il facilement modifier pour augmenter la puissance statistique ?

Answer 39

La taille de l'échantillon. Plus l'échantillon est grand, plus la puissance statistique est élevée.

Question 40

Qu'est-ce qu'un intervalle de confiance ?

Answer 40

C'est un intervalle à l'intérieur duquel on obtient une probabilité déterminée (généralement 95 %) de retrouver la vraie moyenne de la population.

Question 41

Comment utilise-t-on les intervalles de confiance pour comparer deux groupes ?

Answer 41

Si les intervalles de confiance à 95 % de deux groupes ne se chevauchent pas, les groupes sont considérés comme significativement différents.

Question 42

Que nous apprend la largeur d'un intervalle de confiance ?

Answer 42

Un intervalle de confiance étroit indique une estimation précise de la vraie valeur. Un intervalle large indique une estimation imprécise.

Question 43

Quelles sont les conditions pour utiliser un test paramétrique ?

Answer 43

Les données doivent suivre une distribution normale Les variances doivent être égales (homoscédasticité) Les observations doivent être indépendantes La variable dépendante doit être continue (ou ordinale transformée)

Question 44

Quelle règle simple peut-on appliquer concernant la taille d'échantillon pour les tests paramétriques ?

Answer 44

Lorsqu'un échantillon compte 30 sujets ou plus, le chercheur est généralement presque sûr d'obtenir une distribution normale et peut utiliser des tests paramétriques.

Question 45

Quelles sont les deux grandes catégories de tests paramétriques ?

Answer 45

Les tests de différence et les tests d'association.

Question 46

À quoi sert le test t de Student pour scores indépendants ?

Answer 46

Il sert à comparer les moyennes de deux groupes indépendants (composés de sujets différents). Il répond à la question : y a-t-il une différence entre les deux groupes ?

Question 47

À quoi sert le test t de Student pour mesures appariées ?

Answer 47

Il sert à comparer les moyennes de deux mesures répétées dans un même groupe (ex. : avant et après traitement).

Question 48

Quand utilise-t-on une analyse de variance (ANOVA) à un facteur ?

Answer 48

On l'utilise pour comparer les moyennes de plus de deux groupes sur une seule variable dépendante.

Question 49

Que faire après une ANOVA significative ?

Answer 49

On procède à une analyse post-hoc (comparaisons multiples) pour déterminer quels groupes sont significativement différents entre eux.

Question 50

À quoi sert l'ANOVA à mesures répétées à deux facteurs ?

Answer 50

Elle sert à analyser l'effet de deux variables indépendantes (généralement le groupe et le temps) sur une variable dépendante, ainsi que leur interaction.

Question 51

Dans une ANOVA à deux facteurs, que signifie un terme d'interaction significatif ?

Answer 51

Cela signifie que l'évolution dans le temps est différente selon les groupes. L'effet du traitement n'est pas le même pour tous les groupes.

Question 52

Qu'est-ce qu'une régression linéaire ?

Answer 52

C'est une méthode qui modélise la relation entre une variable dépendante et une ou plusieurs variables indépendantes en ajustant une équation linéaire aux données observées.

Question 53

Que représente le coefficient de régression (b) ?

Answer 53

Le coefficient de régression indique de combien augmente (ou diminue) la variable dépendante lorsque la variable indépendante augmente d'une unité.

Question 54

Que représente le coefficient de détermination R² ?

Answer 54

R² représente la proportion de la variation de la variable dépendante qui est expliquée par le modèle. Plus R² est élevé, mieux le modèle explique la relation.

Question 55

Qu'est-ce qu'un coefficient de corrélation de Pearson ?

Answer 55

C'est une mesure statistique (r) qui évalue la force, la direction et l'importance de la relation linéaire entre deux variables continues. Il varie entre -1 et 1.

Question 56

Comment interpréter la force d'une corrélation selon les valeurs de r ?

Answer 56

0,00 à 0,25 : relation nulle à très faible 0,26 à 0,50 : relation faible 0,51 à 0,75 : relation moyenne à bonne 0,76 à 1,00 : relation très bonne à excellente

Question 57

Qu'est-ce que l'effet de traitement (effect size) ?

Answer 57

C'est une mesure qui quantifie l'importance de la différence entre deux groupes. Contrairement à la valeur p, elle indique la taille de l'effet, pas seulement son existence.

Question 58

Comment interprète-t-on le d de Cohen (effect size) ?

Answer 58

0,2 : effet minimal 0,5 : effet modéré 0,8 et plus : effet important

Question 59

Dans quelles situations utilise-t-on des tests non paramétriques ?

Answer 59

Distribution non normale (après échec des transformations) Petits échantillons (< 30) Données nominales ou ordinales Échantillons avec variances très inégales

Question 60

Quel test non paramétrique est l'équivalent du test t pour échantillons indépendants ?

Answer 60

Le test de Mann-Whitney U (ou Wilcoxon Rank Sum).

Question 61

Quel test non paramétrique est l'équivalent du test t pour mesures appariées ?

Answer 61

Le test de Wilcoxon Signed Rank.

Question 62

Quel test non paramétrique est l'équivalent de l'ANOVA à un facteur ?

Answer 62

Le test de Kruskal-Wallis H.

Question 63

Quel test non paramétrique est l'équivalent de l'ANOVA à mesures répétées ?

Answer 63

Le test de Friedman.

Question 64

À quoi sert le test du Chi-carré (χ²) ?

Answer 64

Il sert à comparer des proportions ou des fréquences observées avec des fréquences attendues, pour des variables nominales ou ordinales.

Question 65

Dans une étude, quand utilise-t-on généralement le test du Chi-carré ?

Answer 65

Pour comparer la répartition de variables catégorielles entre groupes (ex. : proportion hommes/femmes, côté atteint, etc.).

Question 66

Quelle est la différence entre une étude prospective et rétrospective en lien avec les analyses statistiques ?

Answer 66

Dans une étude prospective, la collecte des données est planifiée à l'avance, ce qui permet un meilleur contrôle et des mesures standardisées. Dans une étude rétrospective, les données proviennent de dossiers existants, ce qui peut introduire plus de biais et de variabilité non contrôlée.

Question 67

Pourquoi est-il important de vérifier la normalité des données avant d'utiliser un test paramétrique ?

Answer 67

Parce que les tests paramétriques sont basés sur l'hypothèse que les données suivent une distribution normale. Si cette condition n'est pas respectée, les résultats du test pourraient être biaisés ou invalides.

Question 68

Quelle est la différence entre une erreur de type 1 et une erreur de type 2 ?

Answer 68

Erreur de type 1 : conclure à une différence significative alors qu'elle n'existe pas (faux positif) Erreur de type 2 : conclure à l'absence de différence alors qu'elle existe (faux négatif)

Question 69

Comment la correction de Bonferroni fonctionne-t-elle ?

Answer 69

Elle divise le seuil alpha (généralement 0,05) par le nombre de comparaisons effectuées. Si on fait 5 comparaisons, le nouveau seuil devient 0,05/5 = 0,01.