QCM : Introduction aux statistiques descriptives et inférentielles — 18 questions

Explication

Les statistiques inférentielles servent à extrapoler à la population des résultats observés dans un échantillon grâce à des tests. La simple description d’un échantillon relève des statistiques descriptives.

Explication

La p-value quantifie la plausibilité de la conclusion tirée de l’échantillon lorsqu’on l’extrapole à la population. Elle ne donne ni la moyenne ni la taille de la population.

Explication

Une variable statistique est une caractéristique mesurable ou comptable susceptible de varier selon les individus ou le temps. Ce n’est pas un graphique ni une hypothèse.

Explication

Une variable qualitative nominale rassemble des catégories sans hiérarchie ni ordre. La moyenne et l’écart-type concernent plutôt des variables quantitatives.

Explication

L’écart interquartile est défini par Q3 − Q1 et mesure la dispersion centrale. L’étendue, elle, correspond à max − min.

Explication

Pour une distribution proche de la normale, on privilégie la moyenne et l’écart-type. La médiane et l’écart interquartile sont plutôt utilisés lorsque la distribution n’est pas normale.

Explication

Une variable qualitative se décrit surtout par les effectifs de chaque catégorie et les pourcentages associés. Les autres indicateurs concernent des variables quantitatives.

Explication

Le pourcentage d’une catégorie est sa fréquence divisée par l’effectif total, puis exprimée en pourcentage. C’est la fréquence relative de la catégorie.

Explication

Les variables qualitatives se représentent bien par un diagramme en bâtons, où les catégories sont séparées. L’histogramme convient plutôt aux variables quantitatives continues.

Explication

Dans une boîte à moustaches, la boîte s’étend de Q1 à Q3 et sa largeur correspond à l’écart interquartile. Les moustaches portent plutôt sur les extrêmes.

Explication

Le tableau de contingence croise deux variables qualitatives et affiche les effectifs et/ou pourcentages dans chaque case. Le nuage de points sert plutôt à deux variables quantitatives.

Explication

L’odds ratio compare des cotes entre groupes et sert à évaluer l’association entre deux variables qualitatives. Le risk ratio compare des proportions, pas des cotes.

Explication

La comparaison quantitatif-qualitatif se fait notamment par la différence de moyennes entre les modalités de la variable qualitative. Les pourcentages par ligne concernent surtout les tableaux de contingence qualitatifs.

Explication

Le graphique en violon compare la distribution d’une variable quantitative selon les catégories d’une variable qualitative. Il permet aussi d’apprécier la forme et l’étalement de la distribution.

Explication

La corrélation de Pearson mesure l’association linéaire entre deux variables quantitatives. Elle ne compare pas des moyennes ni des fréquences.

Explication

Un coefficient négatif indique une association inverse : quand l’une augmente, l’autre tend à diminuer. Un coefficient nul correspondrait à l’absence d’association linéaire.

Explication

Les fluctuations d’échantillonnage correspondent aux variations des estimations observées selon les échantillons tirés. Elles expliquent pourquoi une estimation peut s’écarter de la vraie valeur de la population.

Explication

Quand l’échantillon est plus petit, les estimations sont plus volatiles et l’intervalle de confiance est plus large. Cela traduit une incertitude plus grande sur la valeur de la population.