QCM : Introduction à l'Analyse Statistique — 24 questions

Explication

Dans un échantillonnage probabiliste, chaque individu a une probabilité connue d’être inclus, souvent via un tirage aléatoire. Les autres propositions décrivent des formes non probabilistes.

Explication

En régression logistique, la significativité des coefficients est évaluée par une statistique de Wald. Le test t concerne la régression linéaire, tandis que Pearson et la variance intra-groupe relèvent d’autres analyses.

Explication

Le coefficient de Pearson est la covariance normalisée par le produit des écarts-types. Il mesure l’intensité du lien linéaire entre deux variables métriques.

Explication

Le modèle logit repose sur la transformation ln[p/(1−p)], appelée log-odds, qui est ensuite reliée linéairement aux prédicteurs. Les autres transformations ne correspondent pas à la forme du modèle.

Explication

Pearson quantifie l’intensité du lien linéaire entre deux variables quantitatives. Il ne sert ni à comparer des groupes ni à tester directement une hypothèse nulle.

Explication

Le Khi-deux sert à analyser des relations entre variables qualitatives présentées dans un tableau de contingence. Il ne compare pas des moyennes et ne mesure pas une corrélation linéaire.

Explication

La rotation Varimax est utilisée pour améliorer l’interprétabilité des dimensions extraites. Elle ne sert ni à modifier la taille de l’échantillon ni à produire une significativité statistique.

Explication

La régression linéaire multiple relie une variable dépendante à plusieurs variables indépendantes dans une forme additive. La régression simple n’utilise qu’un seul prédicteur.

Explication

Une hypothèse scientifique est une proposition destinée à répondre à une question de recherche et qui peut être évaluée par un protocole. Elle n’est pas une conclusion finale ni une simple opinion.

Explication

L’homoscédasticité suppose que les résidus ne varient pas en fonction des valeurs prédites de Y. Un lien entre résidus et prédiction indiquerait au contraire une hétéroscédasticité.

Explication

L’analyse factorielle sert précisément à résumer de nombreuses variables corrélées en un nombre limité de facteurs. L’analyse de contingence, le test de Student et la régression simple répondent à d’autres objectifs.

Explication

L’hypothèse nulle H0 pose l’absence d’effet, et l’hypothèse alternative H1 soutient l’existence d’un effet. C’est cette opposition qui structure le test d’hypothèse.

Explication

Quand p est inconnue, on prend par défaut p = 50 %, ce qui maximise pq et donne une estimation prudente de la taille requise. C’est pourquoi q vaut aussi 50 %.

Explication

L’échantillonnage stratifié commence par la constitution de strates homogènes, puis applique un tirage aléatoire dans chaque strate. C’est différent des grappes, qui tirent des groupes entiers.

Explication

L’échantillonnage par quota est non probabiliste et vise à reproduire les proportions de la population sur des caractères choisis. Il ne repose pas sur une probabilité connue d’inclusion.

Explication

L’écart interquartile est défini par Q3 − Q1 et mesure la dispersion de la moitié centrale des données. L’étendue, elle, repose sur les extrêmes.

Explication

Une variable nominale regroupe des modalités sans ordre, tandis qu’une variable ordinale présente un classement préétabli. Le critère d’ordre est donc déterminant.

Explication

La population mère est l’ensemble des individus concernés par l’étude, trop vaste pour être mesuré entièrement. L’échantillon n’en est qu’une fraction sélectionnée.

Explication

L’ANOVA compare les moyennes de plus de deux groupes en évaluant si la variation entre groupes dépasse la variation aléatoire. Le test t est plutôt réservé à deux groupes.

Explication

La taille minimale s’obtient avec n = t²pq/e², où q vaut 1 − p et e représente la marge d’erreur. Les autres expressions ne correspondent pas à cette formule.

Explication

L’écart-type est un indicateur de dispersion fondé sur la variance, qui mesure l’éloignement des valeurs par rapport à la moyenne. Il ne décrit pas la position centrale.

Explication

Les résidus correspondent à la distance verticale entre les points observés et la droite ajustée. Ils représentent la part de Y que X n’explique pas.

Explication

Dans le modèle Y = aX + b + ε, b est l’ordonnée à l’origine, donc la valeur prédite de Y quand X vaut 0. La pente, elle, est portée par a.

Explication

Une variable quantitative discrète prend des valeurs entières dénombrables, souvent en nombre fini ou dénombrable. Les valeurs réelles sur un intervalle relèvent d’une variable continue.