QCM : Introduction aux Tests Statistiques Essentiels — 10 questions

Explication

Un test d'hypothèse est une procédure statistique permettant de décider d'accepter ou de rejeter l'hypothèse nulle 𝐻0, en utilisant la loi de probabilité d'une variable aléatoire associée à l'expérience.

Explication

La formule correcte pour le nombre de degrés de liberté dans le test du Khi-Deux, lorsque r paramètres sont estimés, est ν = n - 1 - r, comme indiqué dans le contenu. Les autres options ne prennent pas en compte la réduction du degré de liberté due à l'estimation des paramètres.

Explication

Le test de normalité est conçu pour vérifier si un échantillon suit une loi normale, ce qui est une étape préalable pour l’application de nombreux tests paramétriques. Les autres options concernent d’autres types de tests ou vérifications, mais pas le rôle spécifique du test de normalité.

Explication

Le test de Student a été introduit en 1929 par William Gosset, tandis que le test de Fisher-Snédécor a été développé en 1935. Donc, le test de Student précède celui de Fisher-Snédécor dans l’ordre chronologique.

Explication

L'erreur de première espèce est la probabilité de rejeter H0 alors qu'elle est vraie, ce qui correspond à une fausse alarme. L'erreur de deuxième espèce est la probabilité de ne pas rejeter H0 alors qu'elle est fausse, ce qui correspond à manquer une différence réelle. La différence essentielle est donc dans la nature de l'erreur : l'une concerne une fausse détection, l'autre une omission.

Explication

Neyman et Pearson ont développé la théorie des tests d'hypothèses et ont introduit la distinction entre erreur de première espèce (α) et erreur de deuxième espèce (β), en formalisant ces concepts dans leur cadre théorique.

Explication

Le test de Fisher-Snédécor permet de vérifier si deux variances sont égales. Selon son résultat, on décide si on peut utiliser un test de comparaison de moyennes avec variances homogènes (par exemple, le test t de Student classique) ou si l'on doit recourir à un test adapté aux variances inégales. Ainsi, sa conséquence directe est de guider la suite de l’analyse en ce qui concerne l’homogénéité des variances.

Explication

La méthode consiste à calculer la statistique t à partir de la différence entre les moyennes, de la variance estimée commune, et des tailles d’échantillons, puis à la comparer à la valeur critique tν,α dans la loi de Student. C’est la procédure standard pour un test de comparaison de deux moyennes avec petits échantillons.

Explication

L'estimation paramétrique consiste à utiliser un échantillon pour approximer un paramètre inconnu, ce qui influence le nombre de degrés de liberté dans le test, notamment en réduisant celui-ci lorsque des paramètres sont estimés à partir des données.

Explication

Le test de Fisher-Snédécor est utilisé pour comparer deux variances échantillonnales afin de vérifier si elles proviennent de populations ayant la même variance, en utilisant la statistique F = S1² / S2² et la loi du F de Fisher.