stat.module9-complet

Question 1

que nous permettaient les tests de comparaison que nous avons vu (IC 95%, X2, t de student, ANOVA)?

Answer 1

Comparer des moyennes ou des proportions d’un ou de plusieurs groupes

(IC 95%=1groupes,
t de Student =1 ou 2 groupes,
X2 de Pearson= ≥ 2 groupes
ANOVA=≥ 2 groupes)

Question 2

avec les tests de liaison, on peut chercher s’il y a une liaison. entre quels type de variable peut on faire cela?

Answer 2

1. entre deux variables quantitatives
2. entre deux variables qualitatives
3. entre 1 quantitative et 1 qualitative

Question 3

V ou F: parfois, X et Y sont interchangeables

Answer 3

V
(ex: Comment le poids (X) varie en fonction de la longueur (Y) des poissons? et inversement)

Question 4

V ou F: le test de liaison utilisé est le même pour une questions dont le X et le Y sont interchangeable vs une questions où ils ne le sont pas

Answer 4

F
( Les tests de liaison seront différents si X et Y sont interchangeables ou non)

Question 5

V ou F: Parfois, l’ordre de X et Y est important

Answer 5

V
(X prédit Y ou X « cause » Y, ex: Âge en mois (X) peut influencer le poids des poissons (Y))

Question 6

qu’est ce que le diagramme de dispersion (ou nuage de point) nous permet-il de mesurer?

Answer 6

le degré d’association linéaire entre 2 variables quantitatives X et Y interchangeables

Question 7

lorsqu’on mesure le degré d’association linéaire entre 2 variables quantitatives X et Y interchangeables, quel est notre principal résultat?

Answer 7

un coefficient de corrélation (de Pearson)

(aussi appelé rxy (échantillon) ou 𝜌xy (population))

Question 8

que décrit le coefficient de correlation (de pearson)?

Answer 8

le sens (direction) et la précision de l’association

Question 9

lorsqu’on évalue la corrélation avec un nuage de point, qu’est ce qu’on suppose?

Answer 9

Suppose que la relation est une ligne droite (y = b0 +b1x)

Question 10

entre quelles valeurs varie le coefficient de corrélation de pearson?
que signifie un coefficient=0?

Answer 10

entre -1 et 1
0= absence de corrélation

Question 11

qu’est ce que le signe (- ou +) de notre coefficient de corrélation de pearson nous permet de déterminer?
que signifie positif vs négatif?

Answer 11

le sens de la relation
positif= association positive, quand X ↑ alors Y ↑
négatif= association négative, quand X ↑ alors Y ↓

Question 12

qu’est ce que la précision de la relation linéaire?

Answer 12

à quel point la corrélation est parfaite

(ex: rxy=1 ou rxy=-1 : corrélations parfaites)

Question 13

quelles sont les 4 conditiond s’application du coefficient de corrélation?

Answer 13

1. Échantillon aléatoire représentatif de la population
2. deux variables sont quantitatives
3. min. 1 des deux est normalement distribuée+
   homoscédasticité
4. Relation linéaire entre les deux variables

Question 14

quel graphique représente l’homoscédasticité?

Answer 14

1

(Homoscédasticité =variance homogène; variance égale)

Question 15

quel graphique représente une relation linéaire?

Answer 15

1

Question 16

si on obtiens un rxy=0, mais que X et Y ne respectent pas la relation linéraire, qu’est ce que ça veut dire?

Answer 16

pas significatif: Une corrélation faible ne veut pas nécessairement dire absence de liaison entre X et Y

(voir image)

Question 17

si on obtiens un rxy=0,7 (élevé), mais que X et Y ne respectent pas la relation linéraire, qu’est ce que ça veut dire?

Answer 17

pas significatif: Une corrélation élevée ne veut pas nécessairement dire qu’une liaison existe entre X et Y

(voir image)

Question 18

interprétez ce coefficient de relation

Answer 18

-: relation négative (quand X aug. Y dim.)
0,80: relation assez précise
p=0,02 : Corrélation est statistiquement différente de zéro

Question 19

V ou F: si n est très petit, on rejette H0:𝜌=0, même si rxy est assez proche de 0

Answer 19

F. c’est si n est très grand

Question 20

qui suis-je? La proportion de la variation totale d’une variable déterminée par ou attribuée à
la relation linéaire avec l’autre variable
.
(en bref, à quel point la variation est due l’association avec l’autre variable)

Answer 20

Coefficient de détermination R^2

Question 21

que suppose le coefficient de détermination R^2?

Answer 21

que la relation entre x et y est causale

Question 22

interprétez ce coefficient de corrélation (juste 4)

Answer 22

en supposant que la relation est causale, le R^2 nous permet de dire que 64% de la variation de y est expliquée par x

Question 23

quelle est la condition pour que r^2 aie du sens?

Answer 23

il FAUT que la relation soit linéaire

Question 24

V ou F: « r » n’est valide que pour la plage de valeurs étudiées

Answer 24

V: on ne peut pas extrapoler

Question 25

V ou F: la relation est linéaire et le r est seulement interprété pour la plage de donnée. On obtiens un r très élevé, on peut donc conclure que x cause y

Answer 25

F; les conditions sont respectée, on peut donc conclure qu'il y une correlation entre x et y CORRELATION≠CAUSALITÉ

Question 26

quand 2 variables (x et y) sont liées, donnez 4 explications possibles

Answer 26

1. x cause y 2.y cause x 3. x et y sont affectés par une cause commune 4. biais dans l'étude crée faux lien

Question 27

nommez les 4 similarités entre la régression linéaire et la corrélation

Answer 27

1. évalue la liaison entre x et y 2. décrit le sens de la relation 3. donne un R^2 4. relation linéaire

Question 28

nommez les 4 différences entre la régression linéaire et la correlation 1. variables pas ____________ 2. estime aussi __________ 3. x peut être _______ ou _______ 4. on peut évaluer relation pour _______

Answer 28

1. variables pas interchangeables 2. estime aussi de COMBIEN y varie quand x augmente 3. x peut être qualitatif ou quantitatif 4. on peut évaluer relation pour plusieurs x en meme temps

Question 29

formule de quoi?

Answer 29

Régression linéaire simple

Question 30

concrètement, qu'est ce que ça signifie que x et y ne soient pas interchangeables pour la régression linéaire?

Answer 30

C.-à-d. On a déterminé a priori qu’une variable est une conséquence de l’autre (y (var. dépendante)= issue, x(var indépendante)=prédicteur)

Question 31

question: Existe-t-il une relation linéaire entre la variable dépendante et le prédicteur? faites H0 et HA

Answer 31

H0: b1=0 (la pente de la relation entre les deux variables dans la population est égale à 0) HA : b1 ≠ 0) (la pente de la relation entre les deux variables dans la population est différente de 0)

Question 32

à quoi correspondent b0 et b1 dans la formule de la régression linéaire simple?

Answer 32

b0: valeur de Y quand X=0 b1: pente de la droite de régression (mesure combien « Y » change par unité de changement de « X »)

Question 33

avec quel(s) test(s) répond-on à la question: Existe-t-il une relation linéaire entre la variable dépendante et le prédicteur?

Answer 33

test de t ANOVA

Question 34

quelles sont les étapes de réalisation de la régression linéaire simple? (4)

Answer 34

1. trouver la meilleure droite pour nuage 2. évaluer correlation 3.analyse de variance 4. t de student

Question 35

c'est un logiciel qui trouve la droite la plus adéquate pour un nuage de point, mais expliquez en gros la méthode pour y arriver

Answer 35

-> méthode des points carrés (on trace une droite et on mesure les résiduels (distance entre chaque point et la droite), on additionne les résiduels, la droite avec la plus petite somme est la meilleure)

Question 36

lors de l'analyse des variances pour une régression linéaire (ressemble à l'ANOVA), que mesure-t-on?

Answer 36

la variance entre valeur prédite (ŷ𝒊) par la droite et moyenne générale (ȳ) vs. la variance entre observations (𝒚𝒊) et valeur prédite (ŷ𝒊) par la droite

Question 37

1. quel est l'Acronyme pour la variation totale (régression linéaire)? 2. pour la variation expliquée par la régression? 3. pour la variation résiduelle ou non expliquée?

Answer 37

1. (SCÉT) 2. (SCÉE) 3. (SCÉR)

Question 38

associez les images (1,2,3) à a. variation expliquée par la régression b.variation résiduelle ou non expliquée? c.variation totale

Answer 38

1. c 2. a 3. b

Question 39

associez les formules (1,2,3) à: a. variation expliquée par la régression b.variation résiduelle ou non expliquée? c.variation totale à ces formules

Answer 39

1. c 2. a 3. b

Question 40

la variation totale est égale à la some de ...

Answer 40

la variation expliquée par la régression + la variation résiduelle ou non expliquée

Question 41

quelle est cette formule?

Answer 41

analyse de variance Si F(1,n-2) > F𝛼 alors on rejette H0

Question 42

dans quelle situation obtiens on une régression linaire qui ressemble à ca?

Answer 42

prédicteur (X) qualitatif (2 ou > 2 catégories) (droite relie alors les moyennes de chacun des groupes)

Question 43

pour une régression linéaire avec X qualitatif, que signifie R^2?

Answer 43

La proportion de la variation de « Y » qui est expliquée par l’appartenance à un groupe plutôt qu’à un autre

Question 44

quelles sont les 3 conditions d'application de la régression linéaire?

Answer 44

1. relation linéaire entre x et y 2. valeurs résiduelles suivent loi normale 3. homoscédasticité des résiduels

Question 45

quels sont les 4 abus à éviter avec la régression linéaire?

Answer 45

1, Analyser des relations qui ne sont pas linéaires 2. Extrapoler au-delà des valeurs de l’étude 3. Conclure une relation cause-effet

Question 46

V ou F contrairement au modèle de régression linaire simple qui ne tiens compte d'une seule variable dépendante, le modèle de régression multiple permet d'évaluer plusieurs variables dépendantes.

Answer 46

F. les deux évaluent 1 variable dépendante la multiple intègre + d'1 variable INDÉPENDANTE

Question 47

lorsqu'on est pas sur que nos groupes sont homogènes, que nous permet la régression linéaire multiple?

Answer 47

de controler un biais de l'étude (ex. on veut évaluer effet tx sur lait, mais l'age et le poids de nos groupes ne sont pas homogènes -> en les incluants dans l'équation, il sont gardés constants)

Question 48

interprétez (en gros) cet exemple de régression linéaire multiple

Answer 48

b1: effet du tx sur prod. de lait, quand l’âge et le poids sont gardés constants b2: effet de l’âge sur prod.de lait, qaund le tx et le poids sont gardés constants b3 : effet du poids sur la prod. de lait, lorsque le tx et l’âge sont gardés constants

Question 49

qui suis-je? je sui un régression, comme la régression linéaire, mais ma variable dépendante est qualitative binaire!!

Answer 49

régression logistique

Question 50

d'après vous, qu'est ce qui est illustré par ce graphique?

Answer 50

la régression logistique (courbe en s) de la relation entre une variable dépendante qualitative binaire (Y) et X

Question 51

qu'est ce que les cotes (odds)?

Answer 51

à quel point il y a de chance que A se produise vs qu'il ne se produise pas. (Ex: probabilité d'être malade=70%, prob. d'être sain=30%, odds (malade)=0,7/0,3=2,33 -> on a 2,33 plus de chance d'être malade que sain. )

Question 52

quelle est cette formule?

Answer 52

modèle de la régression logistique

Question 53

associez les significations de b1 à variable dépendante qualitative ou quantitative 1. b1= rapport de cotes (odds ratio) de maladie quand « X » est présent vs. absent 2. b1= rapport de cotes de maladie quand « X » augmente d’une unité

Answer 53

1. qualitatif 2. quantitatif

Question 54

probabilité que A arrive+probabilité que A n'arrive pas=?

Answer 54

1

Question 55

qu'est ce que le rapport de cotes (odds ratio)?

Answer 55

il s'agit des cotes (odds) entre deux autres cotes

Question 56

v ou f: un autre nom pour le rapport de cote est le rapport de risque

Answer 56

NON autre chose complètement, voir cours épidémio

Question 57

qu'elle est cette formule?

Answer 57

rapport de cotes pour x qualitatif

Question 58

peut on avoir plusieurs prédicteurs (x) pour une régression logisitique?

Answer 58

oui: régression logistique multiple

Question 59

quels sont les condition d'application de la régression logistique? (1)

Answer 59

1. relation entre x et ln(𝑃(𝑌)/1−𝑃(𝑌)) est une droite

Question 60

quel test utilise-t-on quand la variable indépendante est le TEMPS jusqu’à un évènement

Answer 60

analyse de survie

Question 61

puisque le temps de survie pourrait être traité comme une variable quantitative, pourquoi n'utilise-t-on pas des tests comme le test de t, l'ANOVA ou la régression linéaire?

Answer 61

Plusieurs observations n’auront jamais l’événement (du moins pendant l’étude) (ex: on s'intéresse au nombre de mois entre la maladie et la mort sur 1 ans et 4 chiens ne meurent pas)

Question 62

que sont les données censurées?

Answer 62

Les individus pour qui l’événement d’intérêt n’arrive pas pendant l’étude

Question 63

qu'est ce qu'on obtient avec l'analyse de survie? (3)

Answer 63

1. un hazard ratio (HR) 2. un graphique du temps de survie 3. parfois le temps médian de survie

Question 64

qui suis-je? facteur par lequel augmente le risque qu'un individu expérimente l'événement dans la prochaine période t en fonction de X

Answer 64

hazard ratio

Question 65

comment le hazard ratio est-il impacté par X si X est qualitatif? X quantitatif?

Answer 65

qualitatif: HR= facteur par lequel le risque d'obtenir Y augmente quand X est présent ou non quantitatif: HR=facteur par lequel le risque d'obtenir Y augmente par unité de changement de X

Question 66

que représente ce graphique?

Answer 66

courbe de survie (Kaplan-Meier) (pense pas que c important)

Question 67

allez faire vos exercices :)

Answer 67