Fiche de révision : Introduction aux méthodes statistiques en recherche

📋 Plan du Cours

1. Rôle de l’inférence statistique en recherche
2. Représentativité et méthodes d’échantillonnage
3. Risque d’erreur d’échantillonnage et généralisation
4. Types d’échelles de mesure et traitements statistiques
5. Statistique exploratoire et description des données
6. Loi normale et variable centrée réduite z
7. Distribution des moyennes d’échantillons
8. Test d’hypothèse : hypothèse nulle et alternative
9. Risque d’erreur et valeur critique du test
10. Degrés de liberté et choix de la distribution
11. Types de plans inter-sujets et intra-sujets
12. Tests paramétriques et non paramétriques

📖 1. Rôle de l’inférence statistique en recherche

🔑 Notions clés & Définitions

• Échantillon : Un échantillon est un sous-ensemble d’individus prélevé dans une population plus large pour recueillir des données.
• Population parente : La population parente est l’ensemble plus vaste auquel appartiennent les individus de l’échantillon et sur lequel on veut conclure.
• Population de référence : La population de référence désigne la population parente visée pour généraliser les résultats de l’échantillon.
• Représentativité de l’échantillon : La représentativité est la propriété d’un échantillon dont la composition reflète celle de la population parente.
• Échantillonnage proportionnel par quotas : L’échantillonnage par quotas est une méthode où l’on fixe des proportions d’attributs dans l’échantillon pour reproduire celles de la population.

📝 Points essentiels

• Les données sont collectées sur un petit nombre d’individus, donc sur un échantillon, extrait d’une population parente souvent très grande.
• L’objectif du chercheur est de généraliser les résultats de l’échantillon à la population parente, pas de se limiter aux participants.
• En sondage d’opinion, on estime un pourcentage d’intentions de vote à partir des réponses d’un échantillon plutôt que de questionner toute la population.
• La généralisation s’exprime souvent avec une valeur centrale et une marge d’erreur, par exemple ±2% dans l’exemple fourni.
• Pour que la généralisation soit crédible, l’échantillon doit être représentatif de la population parente.
• Les quotas consistent à définir la population parente et ses caractéristiques pour construire un échantillon où les proportions de chaque caractéristique sont identiques à celles de la population.

💡 Astuce mémo

Idée-clé : échantillon → pari de généralisation vers population parente, crédible seulement si représentatif (quotas = proportions recopiées).

📖 2. Représentativité et méthodes d’échantillonnage

🔑 Notions clés & Définitions

• Représentativité : La représentativité est le fait que les caractéristiques de l’échantillon ressemblent à celles de la population, ce qui rend la généralisation des résultats possible.
• Échantillonnage probabiliste aléatoire : L’échantillonnage probabiliste aléatoire consiste à tirer au hasard des individus dans la population pour former l’échantillon.
• Tirage au sort : Le tirage au sort est une procédure où chaque élément de la population a la même probabilité d’être sélectionné.
• Loi des grands nombres : La loi des grands nombres décrit que, pour un effectif suffisamment grand, les fréquences observées dans l’échantillon se rapprochent de celles de la population.
• Erreur d’échantillonnage : L’erreur d’échantillonnage est l’écart entre les résultats obtenus sur l’échantillon et ceux qu’on obtiendrait sur la population, dû à la taille ou à la mauvaise identification des caractéristiques.

📝 Points essentiels

• Les caractéristiques suivies pour être représentatif incluent souvent l’âge, le genre, l’état civil, la catégorie socioprofessionnelle et la région des votants, car elles influencent le comportement étudié.
• Si la population contient 18% de ruraux, l’échantillon doit contenir la même proportion de ruraux pour refléter correctement la population.
• En sciences humaines et sociales, on utilise fréquemment un échantillonnage probabiliste aléatoire plutôt qu’un échantillonnage proportionnel.
• Dans l’échantillonnage aléatoire, chaque individu de la population a des chances identiques d’être tiré au sort.
• La loi des grands nombres relie taille d’échantillon et représentativité : plus l’échantillon grandit, plus ses caractéristiques se rapprochent de celles de la population.
• Un échantillon trop petit ou basé sur des caractéristiques de population mal identifiées peut conduire à une conclusion statistique biaisée, et le risque d’erreur est quantifié par l’inférence statistique.

💡 Astuce mémo

Grand échantillon = fréquences stables (loi des grands nombres) ; petit échantillon = hasard trompeur (ex. Pile/Face).

📖 3. Risque d’erreur d’échantillonnage et généralisation

🔑 Notions clés & Définitions

• Erreur d’échantillonnage : L’erreur d’échantillonnage est le risque que l’inférence statistique soit biaisée parce que l’échantillon ne reflète pas parfaitement la population.
• Représentativité de l’échantillon : La représentativité de l’échantillon désigne le degré avec lequel ses caractéristiques correspondent à celles de la population étudiée.
• Statistique inférentielle : La statistique inférentielle vise à généraliser des résultats observés sur un échantillon à la population, en quantifiant l’incertitude.
• Échelles de mesure nominales : Les échelles nominales regroupent des variables en catégories sans ordre, comme le genre ou un résultat réussite/échec.
• Échelles de mesure ordinales : Les échelles ordinales décrivent des catégories ordonnées, comme des mentions (Assez bien, Bien, Très bien) ou des niveaux d’études.

📝 Points essentiels

• Un échantillon insuffisant ou une population mal identifiée rend l’échantillon peu représentatif et peut biaiser la conclusion statistique.
• Le risque d’erreur lié à toute inférence statistique sert à quantifier le niveau d’incertitude avant de généraliser.
• Les échelles nominales correspondent à des catégories non hiérarchisées, donc on ne peut pas définir de moyenne entre catégories.
• Les échelles ordinales imposent un ordre entre catégories, mais elles ne permettent pas non plus de calculer une moyenne entre modalités.
• Les échelles numériques correspondent à des valeurs chiffrées, où des calculs comme la moyenne sont pertinents.
• L’analyse statistique commence par une description (statistique exploratoire) avant d’être complétée par des méthodes inférentielles pour généraliser.

💡 Astuce mémo

Représentativité → risque d’erreur : plus l’échantillon ressemble à la population, plus la généralisation est fiable.

📖 4. Types d’échelles de mesure et traitements statistiques

🔑 Notions clés & Définitions

• Statistique descriptive : La statistique descriptive résume et explore les données observées sur un échantillon à l’aide de mesures et de graphiques.
• Inférence statistique : L’inférence statistique vise à tirer des conclusions sur la population à partir des résultats obtenus sur un échantillon.
• Échantillon représentatif : Un échantillon représentatif reflète suffisamment la population pour permettre une généralisation des résultats.
• Dispersion des données : La dispersion décrit l’étendue des valeurs autour d’une tendance centrale, par exemple autour de la moyenne.

📝 Points essentiels

• Les traitements descriptifs incluent graphiques, fréquences, moyennes, recherche de valeurs extrêmes et mesure de la variabilité dans l’échantillon.
• La variabilité correspond à la dispersion des données autour d’une moyenne (ou autre tendance centrale).
• L’inférence statistique prolonge la description en généralisant les résultats de l’échantillon à la population.
• Les conclusions d’inférence sont probabilistes : elles ne garantissent pas une certitude sur la population.
• Une population peut produire de nombreux échantillons différents, chacun pouvant donner une moyenne et une dispersion différentes.
• Le nombre d’échantillons possibles correspond à une combinatoire : pour 10 individus choisis 4 à 4, on obtient 210 échantillons distincts.

💡 Astuce mémo

Descriptif = décrire l’échantillon; Inférentiel = inférer la population (avec probabilité).

📖 5. Statistique exploratoire et description des données

🔑 Notions clés & Définitions

• Échantillon aléatoire : Un échantillon aléatoire est un sous-ensemble tiré d’une population selon un mécanisme qui limite les biais de sélection.
• Représentativité : La représentativité décrit à quel point un échantillon reflète la moyenne et la dispersion de la population.
• Écart-type : L’écart-type mesure la dispersion des valeurs autour de la moyenne d’une distribution.
• Statistique inférentielle : La statistique inférentielle regroupe les méthodes qui tirent un jugement sur une population à partir d’un échantillon.
• Loi normale : La loi normale est une distribution symétrique en cloche qui modélise de nombreuses variables quantitatives en sciences humaines.

📝 Points essentiels

• Chaque échantillon peut produire une moyenne et une dispersion différentes, donc une représentativité variable vis-à-vis de la population.
• L’inférence basée sur un échantillon n’est jamais parfaitement valide : elle comporte un risque d’erreur quantifiable.
• Les variables numériques comme la taille, le poids ou le QI sont souvent modélisées par une loi normale.
• La loi normale centrée réduite transforme une variable normale en une variable $z$ de moyenne 0 et d’écart-type 1.
• Une table de probabilités donne les proportions d’individus pour des intervalles de $z$ (par exemple entre 70 et 130 pour le QI dans l’exemple).
• La transformation d’une variable brute $x$ en $z$ s’effectue avec $z=(x-m)/s$, où $m$ est la moyenne et $s$ l’écart-type de la variable.

💡 Astuce mémo

Représentativité = moyenne + dispersion ; inférence = jugement + risque ; normalité = table de $z$ avec $z=(x-m)/s$.

📖 6. Loi normale et variable centrée réduite z

🔑 Notions clés & Définitions

• Variable centrée réduite z : Variable obtenue à partir d’une variable normale brute en la recentrant et en la réduisant pour faciliter l’usage des tables de probabilités.
• Transformation centrée réduite : Opération qui convertit une valeur brute $x$ en $z$ en utilisant la moyenne $m$ et l’écart-type $s$ de la distribution considérée.
• Moyenne m : Paramètre de tendance centrale de la variable brute, utilisé pour recentrer la valeur avant la réduction en $z$.
• Écart-type s : Paramètre de dispersion de la variable brute, utilisé pour mettre la valeur à l’échelle avant de calculer $z$.
• Table de probabilités de z : Table associée à la loi normale centrée réduite qui donne des probabilités à partir de valeurs de $z$.

📝 Points essentiels

• Si $X$ suit une loi normale, on peut transformer une valeur brute $x$ en variable centrée réduite $z$ via le calcul utilisant la moyenne $m$ et l’écart-type $s$.
• Pour un score de QI égal à 130, la transformation donne $z=+2$ (valeur centrée réduite).
• La table de $z$ permet d’obtenir une probabilité associée à une valeur de $z$ grâce à la loi de Gauss.
• La valeur lue dans la table, =0{,}046 (soit 4,6%), correspond à une probabilité bilatérale d’observer une valeur de $z$ entre $-2$ et $+2$ (selon la lecture décrite).
• En conséquence, un QI correspondant à $z=+2$ se situe dans les $2{,}3\%$ de la population ayant les QI les plus élevés (interprétation donnée).
• Pour des moyennes d’échantillons, la même logique s’étend : la distribution des moyennes est normale si la population initiale est normale ou si l’effectif est suffisamment grand, avec un écart-type égal à $s/\sqrt{n}$.

💡 Astuce mémo

z mesure l’écart en “unités d’écart-type” : $z=\frac{x-m}{s}$, et $z=+2$ correspond au seuil des valeurs très élevées (ordre de grandeur 2,3%).

📖 7. Distribution des moyennes d’échantillons

🔑 Notions clés & Définitions

• Moyenne des moyennes : La moyenne des moyennes d’échantillons $\bar X$ est égale à la moyenne de la population $\mu$.
• Écart-type des moyennes d’échantillons : L’écart-type de la distribution des moyennes d’échantillons vaut $\sigma/\sqrt{n}$, avec $n$ l’effectif commun des échantillons.
• Distribution normale des moyennes : La distribution des moyennes d’échantillons est normale si la population initiale est normale ou si $n$ est suffisamment grand.
• Variable centrée réduite : La variable centrée réduite $z$ transforme une moyenne d’échantillon en mesure d’écart à $\mu$ exprimée en unités d’écart-type.

📝 Points essentiels

• La distribution des moyennes d’échantillons fluctue autour de $\mu$, avec une dispersion réduite par le facteur $\sqrt{n}$.
• Le passage à la loi normale centrée réduite permet de situer une moyenne d’échantillon dans la distribution.
• Si une moyenne $m$ est proche de $\mu$, alors $m-\mu$ est faible, donc $|z|$ est faible et la probabilité associée est élevée.
• Si une moyenne $m$ est loin de $\mu$, alors $m-\mu$ est grande, donc $|z|$ est grande et la probabilité associée est faible.
• Un échantillon en position extrême peut ne pas appartenir à la population de moyenne $\mu_1$ mais plutôt à une autre population de moyenne $\mu_2$.
• L’inférence statistique compare des hypothèses (appartenance à $\mu_1$ ou à $\mu_2$) à l’aide de tables de probabilités, puis quantifie un risque d’erreur en cas d’affirmation.

💡 Astuce mémo

Centre→réduit : proche de $\mu$ ⇒ petit $|z|$ ⇒ proba élevée ; loin de $\mu$ ⇒ grand $|z|$ ⇒ proba faible.

📖 8. Test d’hypothèse : hypothèse nulle et alternative

🔑 Notions clés & Définitions

• Hypothèse nulle H0 : L’hypothèse nulle H0 affirme qu’il n’y a pas d’effet ou de différence au niveau des populations parentes.
• Hypothèse alternative H1 : L’hypothèse alternative H1 affirme l’existence d’un effet ou d’une différence au niveau des populations parentes.
• Hypothèse de différence : Une hypothèse de différence prédit que deux ou plusieurs groupes présentent des valeurs différentes sur une variable.
• Risque d’erreur α : Le risque d’erreur α est la probabilité maximale de se tromper en rejetant H0 selon le seuil choisi.

📝 Points essentiels

• Toute conclusion statistique s’accompagne d’un risque d’erreur, car l’échantillon peut refléter une autre population que celle visée.
• Le seuil le plus souvent toléré en sciences est de 5%, noté α = 0,050.
• Dans un test, on compare l’hypothèse de recherche à une hypothèse de différence nulle H0 formulée au niveau des populations parentes.
• H0 implique qu’aucune différence n’est attendue entre groupes au niveau des populations, et que l’écart observé vient de fluctuations aléatoires ou d’erreurs d’échantillonnage.
• H1 est le contraire de H0 : elle postule que la variable dépend bien du facteur étudié (ici, la discipline).
• Exemple de logique : si l’absentéisme varie selon Lettres, Sciences et Droit dans l’échantillon, le test sert à juger si cette variation se généralise à la population.

💡 Astuce mémo

H0 = « pas de différence » ; H1 = « différence réelle » ; α = « seuil de risque » (souvent 0,050).

📖 9. Risque d’erreur et valeur critique du test

🔑 Notions clés & Définitions

• Hypothèse nulle H0 : L’hypothèse nulle affirme que la différence observée sur l’échantillon provient seulement de fluctuations aléatoires ou d’erreurs d’échantillonnage.
• Hypothèse alternative H1 : L’hypothèse alternative affirme que la différence observée reflète une différence réelle au niveau des populations parentes, donc liée à l’effet étudié.
• Test d’hypothèse : Procédure d’inférence statistique qui met H0 à l’épreuve et conduit soit à la conserver comme plausible, soit à la rejeter au profit de H1.
• Risque d’erreur alpha : Le risque d’erreur de type I est la probabilité de rejeter H0 alors qu’elle est vraie.
• Risque d’erreur bêta : Le risque d’erreur de type II est la probabilité de conserver H0 alors qu’elle est fausse.

📝 Points essentiels

• La décision statistique consiste à conserver (provisoirement) H0 ou à la rejeter, selon la procédure d’inférence.
• Le seuil a fixe le niveau de risque toléré et sert à contrôler en partie la probabilité d’erreur.
• Dans la réalité, H0 est soit vraie soit fausse au niveau des populations, même si on ne la connaît pas.
• Erreur de type I : on rejette H0 à tort quand H0 est vraie, avec probabilité alpha.
• Erreur de type II : on conserve H0 à tort quand H0 est fausse, avec probabilité bêta.
• On rejette H0 si la probabilité associée au test (calculée à partir des données) est ≤ au seuil a choisi.

💡 Astuce mémo

alpha = faux positif (rejeter H0 à tort) ; bêta = faux négatif (garder H0 à tort).

📖 10. Degrés de liberté et choix de la distribution

🔑 Notions clés & Définitions

• Risque d’erreur α : Le risque d’erreur α est la probabilité de rejeter H0 alors qu’elle est vraie, associé à une conclusion statistique.
• Valeur critique |z| : La valeur critique |z| est le seuil de la statistique de test au-delà duquel on rejette H0 au niveau de risque α.
• Loi normale réduite z : La loi normale réduite z est une table de probabilités utilisée pour réaliser une inférence sur des données numériques issues d’un grand échantillon.
• Degré de liberté ddl : Le degré de liberté (ddl) est le nombre d’éléments d’un ensemble pouvant varier librement, déterminant la distribution à utiliser pour le test.
• Distribution appropriée au test : La distribution appropriée au test est celle choisie en fonction du ddl pour comparer les résultats observés à ceux attendus sous H0.

📝 Points essentiels

• Le niveau de risque α le plus toléré en pratique est souvent fixé à 5%, donc α = 0.050.
• Pour α = 0.050, la table de la loi normale réduite donne une valeur critique z = 1.96.
• Si la statistique calculée vérifie |z| ≥ 1.96, le test permet de rejeter H0 et de conserver l’alternative.
• Les procédures inférentielles s’appuient sur des tables de probabilités pour relier α aux valeurs critiques.
• Le ddl correspond au nombre total d’éléments moins 1, soit N − 1.
• Avec trois nombres dont la moyenne est imposée, seulement deux peuvent varier librement et le ddl vaut 2.

💡 Astuce mémo

α = 0.050 → z = 1.96 : seuil de rejet = 1.96 (en valeur absolue).

📖 11. Types de plans inter-sujets et intra-sujets

🔑 Notions clés & Définitions

• Échelle nominale : Une échelle nominale classe les observations en catégories, ce qui permet d’inférer à partir de fréquences observées dans l’échantillon.
• Échelle numérique : Une échelle numérique mesure des valeurs, ce qui permet d’inférer à partir de moyennes calculées sur l’échantillon.
• Échantillons indépendants : Des échantillons indépendants proviennent de groupes de sujets différents, de sorte que les mesures ne sont pas répétées sur les mêmes personnes.
• Échantillons appariés : Des échantillons appariés proviennent du même groupe de sujets mesuré à plusieurs reprises, ce qui crée une dépendance entre les mesures.
• Plan inter-sujets : Un plan inter-sujets compare des mesures recueillies sur des sujets différents, donc sur des groupes distincts.

📝 Points essentiels

• Le choix du modèle d’inférence dépend notamment du type d’échelle de mesure utilisée.
• Avec une échelle nominale, l’inférence s’appuie sur des fréquences calculées sur l’échantillon.
• Avec une échelle numérique, l’inférence s’appuie sur des moyennes calculées sur l’échantillon.
• L’inférence peut viser soit la généralisation à partir d’un seul échantillon, soit la comparaison entre deux (ou plus) échantillons.
• Les données sont dites indépendantes quand elles sont recueillies sur des groupes de sujets différents, et appariées quand elles sont recueillies sur le même groupe à plusieurs reprises.
• Le plan inter-sujets correspond à une comparaison entre groupes de sujets différents, tandis que le plan intra-sujets compare des mesures répétées sur le même groupe.

💡 Astuce mémo

Nominal→Fréquences ; Numérique→Moyennes ; Indépendants→Groupes différents ; Appariés→Même groupe mesuré plusieurs fois.

📖 12. Tests paramétriques et non paramétriques

🔑 Notions clés & Définitions

• Plan inter-sujets : Un plan de recherche où les groupes comparés proviennent de sujets différents, ce qui modifie la façon de mettre en œuvre les tests.
• Plan intra-sujets : Un plan de recherche à mesures répétées où l’on compare des mesures prises sur les mêmes sujets à des moments ou conditions différents.
• Test paramétrique : Un test statistique fondé sur des hypothèses probabilistes, notamment la loi normale, pour inférer à partir des données numériques.
• Test non paramétrique : Un test statistique utilisé quand les conditions paramétriques ne sont pas respectées, par exemple absence de normalité, variances non homogènes ou variable non numérique.
• Hypothèse nulle H0 : L’énoncé à vérifier, formulé au niveau des populations parentes, contre lequel on compare les résultats via une procédure de décision.

📝 Points essentiels

• Le type de plan (inter ou intra-sujets) doit être identifié avant toute inférence car la mise en œuvre des procédures change.
• Un test paramétrique est possible avec des données numériques si la distribution est normale et si les variances entre groupes sont homogènes en plan inter-sujets.
• Les tests non paramétriques sont utilisés si la normalité échoue, si les variances ne sont pas homogènes, ou si l’échelle de mesure n’est pas numérique.
• L’analyse de variance et le test de Student font partie des tests paramétriques abordés dans l’unité.
• Le test du Khi-carré fait partie des tests non paramétriques abordés dans l’unité.
• La procédure de décision reste globalement la même : expliciter H0 et H1, choisir un risque d’erreur (souvent 5%), définir la distribution sous H0, calculer la statistique puis comparer à la valeur critique pour décider.

💡 Astuce mémo

Plan → conditions : inter-sujets exige normalité + variances homogènes pour paramétrique ; sinon non paramétrique ; décision toujours H0→risque→distribution→statistique→valeur critique.

📊 Tableaux de synthèse

Échelles de mesure et traitements possibles

Plans et types d’échantillons

⚠️ Pièges & confusions fréquents

1. Confondre population parente et échantillon : l’inférence vise la population, pas les quelques individus interrogés.
2. Croire qu’un échantillon aléatoire garantit l’absence d’erreur : il réduit les biais, mais il existe toujours un risque d’erreur d’échantillonnage.
3. Penser qu’on peut calculer une moyenne sur une échelle nominale ou ordinale : on ne fait pas de moyenne entre « homme/femme » ou entre modalités d’accord.
4. Inverser les erreurs du test : alpha correspond au rejet de H0 à tort (faux positif), bêta au maintien de H0 à tort (faux négatif).
5. Oublier que H0 est formulée au niveau des populations parentes et que la décision se fait en comparant la probabilité au seuil a (souvent 0,050).
6. Se tromper sur le rôle de z : z mesure l’écart en unités d’écart-type via z=(x-m)/s, et la table donne des probabilités associées.
7. Confondre ddl : le degré de liberté vaut N−1 (nombre d’éléments pouvant varier librement), et il sert à choisir la distribution du test.

✅ Checklist Examen

1. Définir échantillon, population parente (ou de référence) et expliquer pourquoi l’objectif est de généraliser à la population.
2. Expliquer la représentativité et relier représentativité et crédibilité de la généralisation.
3. Comparer quotas et tirage probabiliste aléatoire : quotas = proportions recopiées, aléatoire = chances identiques de tirage.
4. Relier loi des grands nombres et taille d’échantillon : grand échantillon ⇒ fréquences proches de la population.
5. Définir l’erreur d’échantillonnage et expliquer comment une mauvaise identification des caractéristiques peut biaiser la conclusion.
6. Identifier le type d’échelle (nominale/ordinale/numérique) et déduire le type de traitement statistique (fréquences vs moyennes).
7. Décrire la logique statistique exploratoire : graphiques, fréquences, moyennes, extrêmes, dispersion, puis inférence pour généraliser.
8. Calculer et interpréter une variable centrée réduite z à partir de x, m et s, et relier z à une probabilité via la table.
9. Expliquer la distribution des moyennes d’échantillons : moyenne des moyennes = μ et écart-type = σ/√n, et la normalité si conditions.
10. Formuler correctement H0 et H1 dans un test d’hypothèse de différence et préciser le rôle du seuil a (souvent 0,050).
11. Expliquer les deux types d’erreur : alpha (rejeter H0 à tort) et bêta (conserver H0 à tort), puis la règle de rejet via la valeur critique |z|=1,96 pour a=0,050.
12. Identifier le plan (inter vs intra-sujets) et en déduire le type d’échantillons (indépendants vs appariés) et les conditions des tests paramétriques vs non paramétriques.