QCM : Apprentissage statistique avec R (28 questions)

Questions et réponses du QCM

1. Lors d’un test, une analyste obtient une valeur p=0,08p = 0{,}08 au seuil de 5 %. Quelle conclusion doit-elle tirer concernant H0H_0 ?

Ne pas rejeter H0H_0, sans conclure qu’elle est vraie
Accepter H0H_0 comme vraie, puisque la p-valeur est élevée
Rejeter H0H_0, car la p-valeur dépasse le seuil
Conclure que H0H_0 a une probabilité de 8 % d’être vraie

Ne pas rejeter $$H_0$$, sans conclure qu’elle est vraie

Explication

Une p-valeur supérieure ou égale à 0,05 conduit à ne pas rejeter H0H_0, mais cela ne prouve pas qu’elle est vraie. Rejeter au-dessus du seuil inverse la règle, accepter comme vraie confond absence de rejet et preuve, et attribuer à H0H_0 une probabilité de 8 % interprète mal la p-valeur.

2. Un fichier tabulé contient une première ligne d’en-têtes et une première colonne d’identifiants. Quel sera le rôle de ces colonnes avec `read.table("f.txt", header=TRUE, row.names=1)` ?

La première ligne nomme les colonnes et la première colonne reste une variable
La première ligne nomme les colonnes et la première colonne les lignes
La première ligne nomme les lignes et la première colonne les variables
La première ligne devient des données et la première colonne les lignes

La première ligne nomme les colonnes et la première colonne les lignes

Explication

Avec `header=TRUE`, la première ligne fournit les noms de colonnes, tandis que `row.names=1` utilise la première colonne comme identifiants de ligne, et non comme variable. Les autres réponses inversent les rôles, écartent l’en-tête ou conservent à tort la colonne d’identifiants comme variable.

3. Une chercheuse compare une mesure quantitative entre deux groupes et choisit le test de Welch dans R. Quelle fonction doit-elle appeler ?

`t.test(a,b)`
`wilcox.test(a,b)`
`chisq.test(tab)`
`cor.test(a,b)`

`t.test(a,b)`

Explication

Pour comparer deux groupes quantitatifs, `t.test(a,b)` réalise le test de Welch. `wilcox.test(a,b)` correspond à Wilcoxon, `cor.test` étudie une corrélation entre deux variables quantitatives et `chisq.test` porte sur des effectifs catégoriels.

4. Deux groupes ont des mesures quantitatives et l’objectif est de comparer leurs moyennes. Quelle interprétation distingue correctement les tests de Welch et de Wilcoxon ?

Welch compare les moyennes, tandis que Wilcoxon compare les distributions à partir des rangs
Welch compare les distributions à partir des rangs, tandis que Wilcoxon compare les moyennes
Wilcoxon compare les moyennes, tandis que Welch compare les distributions à partir des rangs
Les deux tests comparent les moyennes, mais Wilcoxon utilise des rangs pour le calcul

Welch compare les moyennes, tandis que Wilcoxon compare les distributions à partir des rangs

Explication

Welch porte sur l’égalité des moyennes, alors que Wilcoxon porte sur l’égalité des distributions à partir des rangs, et non sur l’égalité des moyennes. Attribuer les moyennes à Wilcoxon ou les rangs à Welch inverse leurs cibles; l’indépendance concerne un autre type de question statistique.

5. Une équipe étudie l’indépendance entre deux variables qualitatives, mais les effectifs sont faibles. Quel test est le plus adapté parmi les choix suivants ?

Le test du chi carré avec `chisq.test(tab)`
Le test de Welch avec `t.test(a,b)`
Le test exact de Fisher avec `fisher.test(tab)`
Le test de Wilcoxon avec `wilcox.test(a,b)`

Le test exact de Fisher avec `fisher.test(tab)`

Explication

Pour l’indépendance de deux variables qualitatives avec de petits effectifs, le test exact de Fisher est adapté et s’appelle avec `fisher.test(tab)`. Le chi carré est l’autre test d’indépendance mais ne répond pas aussi bien à la situation de faibles effectifs; Wilcoxon et Welch concernent des données quantitatives.

6. Pour une hypothèse nulle donnée, que représente la p-valeur associée aux données observées ?

La probabilité d’observer des données moins extrêmes si H0H_0 est vraie
La probabilité que H0H_0 soit vraie compte tenu des données observées
La proportion des mesures observées qui sont entachées d’une erreur
La probabilité d’observer des données au moins aussi extrêmes si H0H_0 est vraie

La probabilité d’observer des données au moins aussi extrêmes si $$H_0$$ est vraie

Explication

La p-valeur est la probabilité, sous l’hypothèse que H0H_0 est vraie, d’observer des données au moins aussi extrêmes que celles obtenues. Elle ne donne ni la probabilité que H0H_0 soit vraie, ni celle d’obtenir des données moins extrêmes, ni une proportion d’erreurs de mesure.

7. Pour représenter une relation linéaire simple entre une variable explicative et une réponse, quelle équation inclut l’ordonnée à l’origine, la pente et l’erreur ?

y=β0+β1xy = \beta_0 + \beta_1x
y=β0+β1x2+εy = \beta_0 + \beta_1x^2 + \varepsilon
y=β1+β0x+εy = \beta_1 + \beta_0x + \varepsilon
y=β0+β1x+εy = \beta_0 + \beta_1x + \varepsilon

$$y = \beta_0 + \beta_1x + \varepsilon$$

Explication

Le modèle linéaire simple exprime la réponse comme une constante, un effet proportionnel à xx et une erreur. Sans ε\varepsilon, l’erreur est omise; échanger les coefficients inverse leur rôle; employer x2x^2 introduit une forme quadratique.

8. Une analyste ajuste une droite à plusieurs observations. Quel critère les moindres carrés utilisent-ils pour choisir ses coefficients ?

Minimiser la somme des carrés des écarts entre observations et prédictions
Minimiser le plus grand écart entre une observation et sa prédiction
Minimiser la somme des valeurs prédites pour toutes les observations
Minimiser la somme des valeurs absolues des écarts entre observations et prédictions

Minimiser la somme des carrés des écarts entre observations et prédictions

Explication

Les moindres carrés choisissent les coefficients qui minimisent la somme des carrés des écarts observés-prédits. La somme des écarts absolus correspond à un autre critère, la somme des prédictions ne mesure pas les erreurs et le plus grand écart seul n’est pas le critère indiqué.

9. Dans un modèle ajusté, β0=8\beta_0=8 et β1=2\beta_1=2. Comment interpréter ces coefficients lorsque xx passe de 3 à 4 ?

La prédiction vaut 2 à x=0x=0 et augmente de 8
La prédiction vaut 8 à x=3x=3 et augmente de 2
La prédiction vaut 8 à x=0x=0 et augmente de 2
La prédiction vaut 8 à x=0x=0 et diminue de 2

La prédiction vaut 8 à $$x=0$$ et augmente de 2

Explication

Dans un modèle linéaire, β0\beta_0 est la valeur prédite lorsque x=0x=0 et β1\beta_1 est la variation de la prédiction par unité de xx. Lire l’interception à x=3x=3 confond les rôles; échanger les coefficients ou inverser le signe attribue une autre interprétation à la pente.

10. Un modèle réduit contient l’interception et la variable xx; un modèle plus grand contient aussi zz. Quelle condition rend ces modèles imbriqués ?

Inclure exactement les mêmes variables explicatives dans les deux modèles
Fixer à zéro le coefficient de zz dans le modèle plus grand
Obtenir exactement les mêmes prédictions avec les deux modèles ajustés
Fixer à zéro le coefficient de xx dans le modèle plus grand

Fixer à zéro le coefficient de $$z$$ dans le modèle plus grand

Explication

Deux modèles sont imbriqués si le modèle réduit s’obtient du modèle plus grand en fixant à zéro un ou plusieurs coefficients ajoutés, ici celui de zz. Annuler le coefficient de xx ne retrouve pas le modèle réduit décrit; des prédictions égales ou les mêmes variables ne définissent pas l’emboîtement.

11. Une analyste compare un modèle réduit à un modèle plus grand par `anova(petit, grand)`. Quelle hypothèse nulle ce test évalue-t-il ?

Le coefficient d’interception du modèle plus grand est nul
Tous les coefficients du modèle réduit sont nuls
Les coefficients ajoutés dans le modèle plus grand sont nuls
Les coefficients ajoutés améliorent nécessairement les prédictions futures

Les coefficients ajoutés dans le modèle plus grand sont nuls

Explication

La comparaison par analyse de variance des modèles emboîtés teste sous l’hypothèse nulle si les coefficients ajoutés dans le modèle plus grand sont nuls. L’interception et les coefficients du modèle réduit ne constituent pas le test ciblé; le test ne garantit pas une amélioration des prédictions futures.

12. Sur les mêmes données d’apprentissage, un modèle ajoute un facteur au modèle initial et obtient une SCE plus faible. Quelle conclusion est justifiée ?

La SCE d’apprentissage ne peut pas augmenter, sans garantie de meilleures prédictions
La SCE d’apprentissage ne peut pas augmenter, ce qui garantit de meilleures prédictions
La SCE d’apprentissage peut augmenter, mais les prédictions futures s’améliorent
La SCE d’apprentissage ne change pas, car l’ajout d’un facteur est sans effet

La SCE d’apprentissage ne peut pas augmenter, sans garantie de meilleures prédictions

Explication

À données identiques, le modèle plus grand peut retrouver le modèle réduit en annulant le coefficient ajouté; sa SCE d’apprentissage ne peut donc pas augmenter. Cette propriété n’assure pas de meilleures prédictions hors échantillon; elle ne signifie ni que la SCE peut augmenter, ni qu’elle reste inchangée.

13. Deux modèles sont ajustés avec une régularisation : le premier utilise LASSO et le second Ridge. Quelle différence peut-on observer dans leurs coefficients ?

Les deux méthodes annulent exactement les coefficients dès que leur pénalisation augmente.
Le LASSO pénalise les carrés des coefficients, tandis que Ridge pénalise leurs valeurs absolues.
Le LASSO peut annuler exactement des coefficients, tandis que Ridge les réduit sans les annuler exactement.
Ridge peut annuler exactement des coefficients, tandis que le LASSO les réduit sans les annuler exactement.

Le LASSO peut annuler exactement des coefficients, tandis que Ridge les réduit sans les annuler exactement.

Explication

La pénalité en valeur absolue du LASSO peut produire des coefficients exactement nuls, alors que la pénalité quadratique de Ridge les réduit sans les annuler exactement. Attribuer l’annulation à Ridge inverse les méthodes, et échanger les pénalités confond leurs critères.

14. Pour un modèle dont les coefficients sont β1\beta_1 et β2\beta_2, quelle expression représente le critère pénalisé de Ridge ?

SCE+λ(∣β1∣+∣β2∣)\mathrm{SCE}+\lambda(|\beta_1|+|\beta_2|)
SCE+λ(β12+β22)\mathrm{SCE}+\lambda(\beta_1^2+\beta_2^2)
SCE+λ(β1+β2)\mathrm{SCE}+\lambda(\beta_1+\beta_2)
SCE\mathrm{SCE}

$$\mathrm{SCE}+\lambda(\beta_1^2+\beta_2^2)$$

Explication

Ridge ajoute à la SCE la pénalité λ∑jβj2\lambda\sum_j\beta_j^2, soit ici λ(β12+β22)\lambda(\beta_1^2+\beta_2^2). La somme des valeurs absolues correspond au LASSO, l’absence de terme omet la régularisation, et la somme non quadratique n’est pas le critère Ridge.

15. Lors d’une validation croisée, un analyste compare lambda.min et lambda.1se pour choisir un modèle plus parcimonieux. Quel choix correspond généralement à moins de variables ?

lambda.min, le plus grand lambda situé à une erreur-type du minimum
lambda.1se, le lambda associé à l’erreur minimale de validation croisée
lambda.1se, le plus grand lambda situé à une erreur-type du minimum
lambda.min, le lambda associé à l’erreur minimale de validation croisée

lambda.1se, le plus grand lambda situé à une erreur-type du minimum

Explication

lambda.1se est le plus grand lambda dont l’erreur se trouve à une erreur-type du minimum et sélectionne généralement moins de variables. Confondre ce choix avec lambda.min mélange la parcimonie et l’erreur minimale; lambda.1se n’est pas défini comme le plus petit lambda.

16. Une équipe ajuste un modèle linéaire pour prédire une réponse binaire, codée 0 ou 1. Quelle démarche permet d’en tirer une classification ?

Ajuster le modèle sur la réponse 0/1, puis interpréter chaque score comme une classe sans seuil.
Ajuster le modèle sur la réponse 0/1, prédire un score, puis attribuer une classe selon un seuil.
Ajuster le modèle sur les étiquettes textuelles, prédire une classe, puis choisir un seuil.
Attribuer d’abord une classe selon un seuil, puis ajuster le modèle sur les classes prédites.

Ajuster le modèle sur la réponse 0/1, prédire un score, puis attribuer une classe selon un seuil.

Explication

La classification avec lm consiste à ajuster le modèle sur une réponse codée 0/1, à prédire un score, puis à attribuer une classe à l’aide d’un seuil. Utiliser des étiquettes textuelles ignore le codage requis; un score ne devient pas une classe sans règle de seuil.

17. Un modèle linéaire ajusté à une réponse codée 0/1 donne un score prédit de 1,18 pour un individu. Quelle interprétation est correcte ?

C’est une fréquence observée, car le modèle a été ajusté sur des réponses codées 0/1.
C’est une probabilité valide, car le score dépasse le seuil de classification de 0,5.
C’est un score impossible, car une réponse codée 0/1 contraint les prédictions à [0,1].
C’est un score qui peut sortir de l’intervalle [0,1] et ne s’interprète pas comme une probabilité.

C’est un score qui peut sortir de l’intervalle [0,1] et ne s’interprète pas comme une probabilité.

Explication

Un modèle linéaire peut prédire des scores en dehors de [0,1]; ces scores ne doivent donc pas être interprétés comme des probabilités. Le seuil de 0,5 sert à attribuer une classe, mais ne rend pas le score probabiliste; le codage de la réponse ne borne pas les prédictions.

18. Une équipe ajuste un modèle sur un premier sous-ensemble, compare plusieurs seuils sur un second, puis réalise une évaluation finale sur un troisième. Quel rôle correspond au deuxième sous-ensemble ?

Mesurer une seule fois la performance finale
Réestimer le modèle après l’évaluation finale
Ajuster les coefficients du modèle
Choisir le modèle ou le seuil

Choisir le modèle ou le seuil

Explication

La validation sert à choisir le modèle ou le seuil, tandis que l’apprentissage ajuste le modèle et que le test fournit l’évaluation finale. L’ajustement des coefficients relève de l’apprentissage, la mesure finale du test, et une réestimation après consultation du test compromet cette évaluation.

19. Après avoir consulté les résultats du jeu de test, une analyste constate une performance décevante. Quelle conduite préserve la validité de l’évaluation finale ?

Choisir un seuil qui améliore le score de test
Comparer plusieurs modèles sur ce même test
Réajuster les coefficients sur les données de test
Conserver le modèle et le seuil évalués

Conserver le modèle et le seuil évalués

Explication

Le jeu de test sert à l’évaluation finale et doit être utilisé une seule fois, sans modifier ensuite le modèle ni le seuil. Le réajustement, le choix d’un seuil ou la comparaison de modèles à partir de ses résultats constituent chacun une réutilisation du test.

20. Pour une observation, un modèle logistique donne η=0\eta=0. Quelle probabilité prédit-il pour la classe codée 1 ?

11
0,50{,}5
11+e\frac{1}{1+e}
00

$$0{,}5$$

Explication

La transformation logistique donne p=11+e−ηp=\frac{1}{1+e^{-\eta}} ; pour η=0\eta=0, elle vaut 11+1=0,5\frac{1}{1+1}=0{,}5. Répondre zéro confond le prédicteur linéaire avec la probabilité, répondre un oublie la transformation, et 11+e\frac{1}{1+e} correspond à un signe inversé.

21. Quelle caractéristique décrit correctement l’estimation et les sorties d’une régression logistique ?

Maximum de vraisemblance, prédictions non bornées, avec normalité des résidus requise
Moindres carrés, probabilités entre 0 et 1, avec normalité des résidus requise
Moindres carrés, prédictions non bornées, sans exigence de normalité des résidus
Maximum de vraisemblance, probabilités entre 0 et 1, sans exigence de normalité des résidus

Maximum de vraisemblance, probabilités entre 0 et 1, sans exigence de normalité des résidus

Explication

La régression logistique estime ses coefficients par maximum de vraisemblance et produit des probabilités entre 0 et 1 sans exiger la normalité des résidus. Les moindres carrés et la normalité requise sont des confusions avec d’autres cadres, tandis que les prédictions non bornées ne décrivent pas les probabilités logistiques.

22. Un classificateur repère 18 cas positifs parmi 24 réellement positifs. Quelle mesure vaut 1824\frac{18}{24} ?

La sensibilité
La spécificité
L’exactitude
La précision

La sensibilité

Explication

La sensibilité est le rapport des vrais positifs aux cas réellement positifs, soit VP/(VP+FN)VP/(VP+FN) ; ici, ce rapport est 18/2418/24. La précision utilise les positifs prédits, la spécificité les cas réellement négatifs et l’exactitude l’ensemble des prédictions correctes.

23. Pour le même modèle, une équipe abaisse le seuil de classification des probabilités. Quel changement est attendu ?

Les faux positifs diminuent et les faux négatifs augmentent
La sensibilité augmente et la spécificité diminue
La sensibilité diminue et la spécificité augmente
Le modèle change et les deux mesures augmentent

La sensibilité augmente et la spécificité diminue

Explication

Abaisser le seuil fait classer davantage d’observations comme positives : la sensibilité augmente et la spécificité diminue, sans que le modèle lui-même change. L’effet inverse correspond à une hausse du seuil, laquelle réduit les faux positifs et augmente les faux négatifs.

24. Dans un modèle linéaire comportant plusieurs prédicteurs, le coefficient d’une variable a une valeur Estimate de 2 et un Std. Error de 0,5. Quel rapport la colonne t value indique-t-elle pour ce coefficient ?

Le rapport de l’estimation à son erreur standard, soit 4
Le rapport de l’erreur standard à l’estimation, soit 0,25
La différence entre l’estimation et son erreur standard, soit 1,5
La probabilité que le coefficient soit nul, soit 0,05

Le rapport de l’estimation à son erreur standard, soit 4

Explication

Dans la sortie de summary(lm), t value est calculée comme Estimate divisée par Std. Error, donc 2/0,5=42/0,5=4. La différence oublie le rapport, l’inversion échange numérateur et dénominateur, et la p-valeur est reportée séparément.

25. Un test compare les moyennes de deux groupes et fournit un intervalle de confiance à 95 % pour leur différence, entièrement supérieur à zéro. Quelle conclusion correspond au test associé au seuil de 5 % ?

La p-valeur associée est inférieure à 0,05
L’intervalle concerne une moyenne isolée plutôt que la différence
La p-valeur associée est supérieure à 0,05
Le résultat établit que les deux moyennes sont égales

La p-valeur associée est inférieure à 0,05

Explication

Pour le test associé, un intervalle de confiance à 95 % de la différence qui exclut zéro correspond à une p-valeur inférieure à 0,05. Interpréter l’intervalle comme celui d’une moyenne change la quantité étudiée, et son exclusion de zéro signale ici un résultat significatif, pas l’égalité des moyennes.

26. Une étude de faible effectif obtient une p-valeur de 0,12 pour l’effet d’un traitement. Quelle interprétation est la plus justifiée ?

L’étude n’a pas mis en évidence d’effet, mais son faible effectif peut manquer de puissance
L’étude démontre l’absence d’effet puisque la p-valeur dépasse 0,05
L’effet est important puisque la p-valeur dépasse le seuil de significativité
La probabilité que l’hypothèse nulle soit vraie est de 12 %

L’étude n’a pas mis en évidence d’effet, mais son faible effectif peut manquer de puissance

Explication

Une p-valeur d’au moins 0,05 ne prouve pas l’absence d’effet : un petit échantillon peut manquer de puissance pour détecter un effet réel. La p-valeur n’est ni une mesure directe de l’ampleur de l’effet ni la probabilité que l’hypothèse nulle soit vraie.

27. Une analyse observationnelle révèle une association entre le temps passé sur une application et un trouble du sommeil. Quelle conclusion respecte la limite de l’interprétation causale ?

L’association établit que le trouble du sommeil augmente le temps passé sur l’application
L’association démontre que l’application cause le trouble dès lors qu’elle est statistiquement significative
L’association ne démontre pas que l’application cause le trouble, car confusion ou causalité inverse restent possibles
L’association exclut une cause commune dès lors que les deux variables évoluent ensemble

L’association ne démontre pas que l’application cause le trouble, car confusion ou causalité inverse restent possibles

Explication

Une association statistique ne démontre pas une causalité : une variable de confusion ou une causalité inverse peut expliquer le lien observé. La significativité ne suffit pas à établir une cause, et l’association n’exclut pas une cause commune ni ne fixe le sens causal.

28. Une équipe compare deux modèles sur les données utilisées pour les ajuster : le modèle complexe a une erreur plus faible que le modèle simple. Quelle démarche permet d’évaluer leur qualité prédictive de façon pertinente ?

Retenir le modèle complexe sur la seule base de son erreur d’apprentissage
Évaluer les deux modèles à nouveau sur les mêmes données d’ajustement
Comparer leurs performances sur des données qui n’ont jamais servi à l’ajustement
Retenir le modèle simple parce qu’un modèle complexe prédit toujours moins bien

Comparer leurs performances sur des données qui n’ont jamais servi à l’ajustement

Explication

L’erreur mesurée sur les données d’apprentissage est optimiste, et un modèle complexe peut s’ajuster au bruit ; il faut donc évaluer la prédiction sur des données jamais vues. Une erreur d’apprentissage plus faible ne garantit pas une meilleure généralisation, tandis qu’une préférence automatique pour le modèle simple n’est pas justifiée.

Révisez avec les flashcards

Mémorisez les réponses avec 80 flashcards sur Apprentissage statistique avec R.

Que conclure si une valeur p est inférieure à 0,05 ?

Rejeter H0.

Que signifie une valeur p supérieure ou égale à 0,05 pour H0 ?

On ne rejette pas H0, sans prouver qu’elle est vraie.

Quelle fonction R réalise le test de Welch pour comparer deux groupes quantitatifs ?

`t.test(a,b)`.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Apprentissage statistique avec R.

Voir la fiche →

Cours similaires

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM