★ À maîtriser
📌 Les statistiques descriptives décrivent les données observées, tandis que les statistiques inférentielles émettent des hypothèses sur une population ou un échantillon.
Compléments
📌 La population, de taille N généralement très grande et non mesurable, est distinguée de l’échantillon, de taille n finie et mesurable.
Décrire ce qui est observé ; inférer ce qui dépasse l’échantillon.
★ À maîtriser
Une variable quantitative prend des valeurs numériques exploitables arithmétiquement, tandis qu’une variable qualitative répartit les individus en classes dont on dénombre les effectifs.
Une variable quantitative continue peut prendre n’importe quelle valeur numérique dans l’intervalle observé, tandis qu’une variable quantitative discrète ne prend pas de valeur intermédiaire et correspond ici à un nombre entier.
Une variable qualitative ordinale répartit les valeurs en classes ordonnables, tandis qu’une variable qualitative nominale répartit les valeurs en classes non hiérarchisables.
Une donnée manquante n’a pas été observée ou mesurée, tandis qu’une donnée non applicable concerne une question qui ne s’applique pas au sujet, comme le nombre de cigarettes fumées par une personne qui ne fume pas.
Une donnée aberrante est inhabituelle, extrême ou impossible, mais une donnée inhabituelle n’est pas nécessairement aberrante.
Compléments
Dans un tableau de données, chaque unité statistique occupe une ligne et chaque variable une colonne.
Une donnée manquante informative peut porter une information, et son traitement peut réduire l’effectif analysé en statistique multivariée; le codage des valeurs manquantes doit permettre leur prise en compte par le logiciel.
La visualisation des données aide à repérer les valeurs aberrantes, et le double encodage peut aider à détecter les erreurs de saisie.
📌 Une donnée censurée peut être limitée par un seuil de quantification, comme une charge virale inférieure à 50 cp/ml, ou correspondre à une donnée de survie d’un patient perdu de vue.
★ À maîtriser
📌 Dans un histogramme, la surface de chaque barre est proportionnelle à la fréquence relative des effectifs, tandis que la largeur des barres d’un diagramme en barres est libre.
Compléments
La description des données peut s’appuyer sur des tableaux, des diagrammes et des paramètres résumant la distribution.
Un tableau de fréquences à une entrée doit signaler les données manquantes; l’exemple présenté comprend 80 données disponibles, 5 données manquantes et 85 individus au total.
Dans un tableau de fréquences à deux entrées, les fréquences peuvent être rapportées au total des lignes ou des colonnes selon la présentation qui exprime le mieux les résultats.
Un polygone de fréquence représente une variable quantitative continue discrétisée, avec les valeurs en abscisse, les effectifs ou fréquences en ordonnée et une surface totale correspondant à 100 % des observations.
L’histogramme représente des variables quantitatives, tandis que le diagramme en barres convient aux variables qualitatives ordinales ou nominales.
Le diagramme en barres horizontales et le camembert s’emploient pour une variable qualitative nominale, mais le camembert n’est utile que s’il apporte un intérêt réel à la présentation des proportions.
★ À maîtriser
📌 Pour calculer la variance d’une population considérée comme exhaustive, le dénominateur est N; pour estimer la variance à partir d’un échantillon, le dénominateur est n − 1.
Compléments
La médiane est un paramètre descriptif robuste, peu sensible aux valeurs extrêmes et aberrantes; lorsque l’effectif est pair, elle se calcule comme la moyenne des deux valeurs centrales après classement des sujets.
Les déciles sont neuf valeurs qui partagent une distribution en dix groupes comprenant chacun 10 % des effectifs.
Les percentiles partagent les valeurs en 100 groupes de taille égale; le 10e percentile correspond au premier décile, le 25e au premier quartile, le 50e à la médiane et le 90e au neuvième décile.
📌 Une distribution à un seul pic accentué est unimodale, tandis qu’une distribution présentant un second pic dans une autre partie est bimodale.
📌 La moyenne utilise toutes les données et est donc moins robuste que la médiane, mais ses propriétés arithmétiques permettent des estimations et des comparaisons.
★ À maîtriser
📌 Pour une variable discrète, la fonction de répartition donne la probabilité d’être inférieur à une valeur, tandis que les fréquences donnent la probabilité d’être exactement égal à cette valeur.
Sous une densité de probabilité, l’aire entre A et B représente la probabilité que X soit comprise entre A et B, l’aire avant A celle que X soit inférieure à A, et l’aire après B celle que X soit supérieure à B.
Dans une loi normale, environ 68 % des valeurs se trouvent entre la moyenne moins un écart-type et la moyenne plus un écart-type.
Compléments
Pour une variable discrète, la somme des fréquences relatives des classes vaut 1, soit 100 %, et les fréquences représentent les probabilités d’obtenir exactement chaque valeur.
L’aire totale sous une densité de probabilité est égale à 1, soit 100 %.
Dans une distribution normale, la médiane est égale à la moyenne.
Dans une loi normale, 2,5 % des valeurs sont sous l’intervalle de la moyenne ± 1,96 écart-type et 2,5 % sont au-dessus.
Dans une loi normale, 99,7 % des valeurs se trouvent entre la moyenne moins trois écarts-types et la moyenne plus trois écarts-types.
La fonction de répartition d’une loi normale cumulée a une forme en S, son point d’inflexion correspond à la moyenne et chaque point donne la probabilité que X soit inférieure à une valeur donnée.
Dans une loi normale cumulée, 2,5 % des valeurs sont inférieures à la moyenne moins deux écarts-types et 97,5 % sont inférieures à la moyenne plus deux écarts-types.
La variable centrée réduite est obtenue en soustrayant à X la moyenne de sa distribution, puis en divisant le résultat par l’écart-type de sa distribution; elle est centrée autour de 0 et son écart-type vaut 1.
Une cloche symétrique centrée sur la moyenne, avec 68 %, 95 % puis 99,7 % sous ses repères.
★ À maîtriser
📌 La moyenne de la population est notée μ et son estimateur calculé sur l’échantillon est noté x̄.
📌 La variance de la population est notée σ² et son estimateur calculé sur l’échantillon est noté s², avec un dénominateur n − 1 pour l’échantillon et N pour la population.
Compléments
La description d’un échantillon relève de la statistique descriptive, tandis qu’une hypothèse concernant cet échantillon ou sa population relève de la statistique inférentielle et comporte un risque d’erreur.
Lors d’un tirage dans une population de taille finie sans remise, il faut replacer le sujet tiré pour que la population reste invariante et que les tirages puissent être indépendants.
La randomisation centralisée attribue un groupe au patient par logiciel et ne permet pas de modifier ensuite l’attribution; le cours la présente comme la technique la meilleure parmi celles décrites.
La proportion de la population est notée P et son estimateur calculé sur l’échantillon est noté p.
Puisque s² estime σ², s estime l’écart-type de la population σ; un paramètre estimé à partir d’un échantillon peut être noté avec un chapeau.
★ À maîtriser
📌 L’écart-type s mesure la variabilité des individus autour de μ, tandis que l’erreur type mesure la variabilité des moyennes échantillonnales autour de μ.
Compléments
L’exemple du temps de sommeil utilise une moyenne d’échantillon de 11,7 h, un écart-type de 1,3 h et une erreur type de 0,056 h, donnant un intervalle à 95 % estimé de 11,6 à 11,8 h.
Un intervalle de confiance à 95 % correspond à un risque de 5 % que la moyenne inconnue soit à l’extérieur de l’intervalle estimé.
L’estimation d’un pourcentage inconnu utilise le pourcentage p calculé sur l’échantillon et son erreur type sp pour construire un intervalle de confiance du pourcentage de la population P.
L’écart-type décrit la dispersion des individus ; l’erreur type, celle des moyennes échantillonnales.
★ À maîtriser
📌 Un intervalle de référence décrit une plage de valeurs concernant les individus, tandis qu’un intervalle de confiance exprime l’incertitude entourant une estimation.
Compléments
Dans les intervalles de confiance présentés, le risque de 5 % correspond au choix du quantile 1,96 de la loi normale; un autre risque implique de remplacer 1,96 par une autre valeur.
Un intervalle de cholestérol compris entre 140 et 220 est présenté comme un intervalle de référence et non comme un intervalle de confiance.
Dans l’exemple de l’élimination d’un antibiotique chez des porcs, l’intervalle de référence à 95 % est construit sur 16 porcs; après 25 jours, 2,5 % des individus se situent au-dessus de la limite considérée.
La valeur p permet de déterminer si le résultat obtenu au terme d’une étude est statistiquement significatif.
L’intervalle de confiance porte sur l’estimation ; l’intervalle de référence décrit les individus.
★ À maîtriser
📌 Une comparaison avec une population de référence confronte une population inconnue à une population de référence, tandis qu’une comparaison de deux populations inconnues nécessite un échantillon prélevé dans chacune.
Compléments
La comparaison de deux populations inconnues est le cas le plus fréquent en pratique, par exemple pour comparer des patients traités par un médicament à des patients non traités.
Une différence de 0,2 g/L entre les moyennes de 15 sujets sains et de 12 sujets alcooliques soulève la question de savoir si elle traduit une différence réelle entre les populations ou une fluctuation d’échantillonnage.
📌 Une hypothèse alternative bilatérale admet une différence dans les deux sens, tandis qu’une hypothèse unilatérale ne retient qu’un sens déterminé, par exemple un médicament meilleur que le placebo.
Une population de référence est connue ; deux populations inconnues sont échantillonnées.
★ À maîtriser
Pour comparer deux moyennes de populations, les hypothèses s’écrivent et .
Le test statistique détermine si la différence observée entre les moyennes d’échantillon provient d’une fluctuation d’échantillonnage ou d’une différence réelle entre les populations.
📌 Le test t de Student compare deux moyennes lorsque les distributions des populations sont normales ou approximativement normales et que les variances sont supposées égales, avec un rapport des variances ne dépassant pas 3 ; sinon, les tailles des échantillons doivent être équivalentes.
Compléments
Sous l’hypothèse nulle, le rapport de la différence des moyennes sur son écart-type suit une loi t de Student lorsque les effectifs sont faibles.
La loi t de Student est centrée sur zéro, ressemble à la loi normale mais accorde davantage de poids aux valeurs extrêmes; à 25 degrés de liberté, elle ne diffère plus de la loi normale.
📌 Une valeur observée de t proche de zéro est favorable à l’hypothèse nulle, tandis qu’une valeur éloignée de zéro est défavorable à l’hypothèse nulle et favorable à l’hypothèse alternative.
📌 Pour un test bilatéral au seuil de 5 % avec 25 degrés de liberté, les valeurs de t attendues sous l’hypothèse nulle se situent entre −2,06 et +2,06 ; une valeur observée de 2,6 conduit au rejet de l’hypothèse nulle.
📌 Au seuil de 5 %, une valeur p inférieure à 5 % conduit au rejet de l’hypothèse nulle, tandis qu’une valeur p supérieure à 5 % correspond à une valeur attendue sous celle-ci.
📌 Ne pas rejeter l’hypothèse nulle ne permet pas de conclure que l’hypothèse alternative est vraie.
★ À maîtriser
📌 Le test F de Fisher-Snedecor compare deux variances et peut vérifier l’égalité des variances exigée par certains tests paramétriques comme le test t de Student.
📌 Le test t apparié compare deux séries quantitatives de même taille dont les observations sont liées par paires, notamment deux mesures faites chez un même individu, et suppose que les différences sont normalement distribuées.
Compléments
📌 Le test t de Student compare deux moyennes et peut remplacer le test Z lorsqu’au moins un échantillon est petit, c’est-à-dire de taille n < 30.
📌 Le test F de Fisher-Snedecor suppose que les distributions des deux populations sont normales ; le rapport testé place la variance d’échantillon la plus élevée au numérateur et suit sous l’hypothèse nulle une loi de Fisher.
📌 Le test de Wilcoxon pour séries appariées utilise les rangs des différences non nulles classées selon leur valeur absolue ; il ne requiert pas de normalité des différences, mais demande plus de 20 paires non nulles et peu d’ex æquo.
★ À maîtriser
📌 En corrélation, X et Y sont observées simultanément et jouent des rôles symétriques, tandis qu’en régression, X est fixée par l’expérimentateur et Y est observée pour chaque valeur de X.
Compléments
📌 Une corrélation n’est interprétable que lorsque les deux variables sont aléatoires et ne sont pas contrôlées par l’expérimentateur.
📌 Un coefficient r positif indique une relation croissante, un coefficient négatif indique une relation décroissante, un coefficient proche de zéro indique l’absence de relation linéaire et un coefficient égal à 1 indique une corrélation parfaite.
📌 Un coefficient de corrélation élevé ne prouve pas une causalité, un coefficient proche de zéro n’exclut pas toute liaison et l’extrapolation hors de la plage des valeurs étudiées est dangereuse.
📌 Le test de corrélation classique suppose une association linéaire entre deux variables aléatoires distribuées normalement ou symétriquement dans la population ; sous l’hypothèse nulle, le coefficient de corrélation est nul.
★ À maîtriser
📌 Le test de la pente évalue l’hypothèse nulle selon laquelle la pente de la droite de régression dans la population est nulle ; son rejet indique une pente non nulle et une liaison entre X et Y dans la plage étudiée.
Compléments
📐 Formule - La droite de régression passe par le point des moyennes , sa pente vaut et son ordonnée à l’origine vaut .
📌 Le test de la pente suppose une association linéaire, une distribution normale de Y pour chaque valeur de X, une variance constante et l’indépendance des observations de Y.
📌 Une dispersion de Y attribuée à la pente supérieure à la dispersion résiduelle indique une liaison nette, tandis qu’une dispersion due à la pente faible, ne dépassant pas la dispersion résiduelle, n’indique pas de liaison nette.
★ À maîtriser
📌 En régression, l’expérimentateur fixe l’une des deux variables, ce qui ne permet pas d’interpréter la corrélation comme dans un problème de corrélation où les deux variables sont aléatoires.
Compléments
Dans un problème de corrélation, on peut calculer la corrélation entre X et Y pour déterminer si elle diffère significativement de zéro, puis calculer la régression de Y sur X ou de X sur Y selon le contexte.
Dans l’exemple sans résidu, et ; toute la variabilité de Y est expliquée par X et .
Dans l’exemple avec résidu, , , et , soit 97 % de la variabilité de Y expliquée par X.
Régression : une variable fixée ; corrélation : deux variables aléatoires.
★ À maîtriser
📌 Un individu est vivant s’il n’a pas encore subi l’événement final, décédé s’il l’a subi pendant l’intervalle précédent, et censuré si son statut n’est plus connu à un instant d’observation.
Compléments
L’analyse de survie estime la probabilité de survie à différents intervalles de temps, et l’événement étudié peut être le décès ou un autre phénomène.
Un patient observé pendant 363 jours avant d’être censuré a une durée de survie d’au moins 363 jours.
Début de l’étude → clôture des inclusions → fin du suivi.
★ À maîtriser
📐 Formule - La probabilité de survie actuelle est , où q est la probabilité de mourir, et la survie cumulée est le produit de la survie précédente par p.
Compléments
📌 La méthode de Kaplan-Meier est une méthode non paramétrique très utilisée, tandis que la méthode actuarielle est mentionnée mais n’est pas.
À chaque décès : calculer q, puis p = 1 − q, puis actualiser S.
★ À maîtriser
Sur un graphique de Kaplan-Meier, les censures sont représentées par des barres verticales et la courbe chute à chaque décès.
La lecture horizontale d’une courbe de survie compare les médianes de survie, tandis que la lecture verticale donne la probabilité de survie à un temps donné.
Le test du Log Rank compare deux courbes calculées par Kaplan-Meier ; sous l’hypothèse nulle, leurs profils sont identiques, et sous l’hypothèse alternative, ils diffèrent.
Compléments
La courbe de Kaplan-Meier est décroissante, part de et tend vers 0 lorsque le temps tend vers l’infini.
Sous l’hypothèse nulle, la statistique du test du Log Rank suit une loi du chi carré à 1 degré de liberté, dont le seuil à 5 % est donné comme 3.84.
L’intervalle de confiance à 95 % de la courbe de survie est une estimation susceptible de recouvrir la courbe théorique et peut être représenté par une zone grisée ou des lignes pointillées.
★ À maîtriser
📌 Le chi carré d’homogénéité compare les distributions observées dans plusieurs échantillons, tandis que le chi carré d’indépendance teste la liaison entre deux variables nominales ou binaires dans un même échantillon.
📐 Formule - Dans une table de contingence, l’effectif théorique de la case ij est , soit le produit du total de ligne par le total de colonne divisé par le total général.
📐 Formule - Dans un tableau à r lignes et k colonnes, le nombre de degrés de liberté est .
📌 Le test du chi carré exige que les effectifs théoriques de chaque case soient au moins égaux à 5 ; sinon, il faut regrouper des classes ou, pour un tableau à quatre cases, utiliser le test exact de Fisher.
📌 Le test de McNemar compare deux pourcentages issus de séries appariées, tandis que les tests du chi carré et de Fisher sont présentés pour comparer des échantillons indépendants.
Compléments
📌 Le test exact de Fisher calcule, sous l’hypothèse nulle, la probabilité d’observer un écart au moins aussi grand que celui constaté ; si cette probabilité est inférieure à 5 %, l’hypothèse nulle d’égalité est rejetée.
📌 Le test du chi carré de tendance recherche l’évolution d’un pourcentage selon une variable ordinale ou quantitative discrète et suppose une liaison linéaire ainsi que des effectifs théoriques d’au moins 5.
★ À maîtriser
📌 Le test F suppose des populations normalement distribuées et de même variance ; sous l’hypothèse nulle d’égalité des moyennes, F est proche de 1.
📌 Le test de Kruskal-Wallis compare les rangs moyens sans exiger la normalité ni l’égalité des variances, contrairement au test F d’analyse de variance.
Compléments
📌 La correction de Bonferroni ajuste le seuil des comparaisons deux à deux à .
📌 Le test de Kruskal-Wallis exige des effectifs supérieurs à 10 dans chaque échantillon et peu d’ex æquo.
| Paramètre | Ce qu’il résume | Sensibilité aux extrêmes |
|---|---|---|
| Médiane | Valeur centrale partageant les effectifs en deux | Peu sensible |
| Moyenne | Somme des valeurs divisée par l’effectif | Utilise toutes les valeurs |
| Étendue | Différence entre les deux valeurs extrêmes | Très sensible |
| Intervalle interquartile | Différence entre le troisième et le premier quartile | S’affranchit des extrêmes |
| Écart-type | Dispersion autour de la moyenne, dans ses unités | Dépend des valeurs de la série |
| Situation | Test | Condition ou rôle |
|---|---|---|
| Échantillons indépendants, distributions | Chi carré d’homogénéité | Comparer les distributions |
| Deux pourcentages indépendants | Chi carré ou Fisher | Fisher si effectifs théoriques faibles |
| Deux pourcentages appariés | McNemar | Paires d’individus |
| Deux variables qualitatives liées | Chi carré d’indépendance | Tester l’indépendance dans un échantillon |
| Pourcentage selon une variable ordinale | Chi carré de tendance | Tester une tendance évolutive |
Teste tes connaissances sur Biostatistiques descriptives et inférentielles avec 10 questions à choix multiples et corrections détaillées.
1. Une équipe interroge 120 patients pour estimer la proportion de tous les patients hypertendus qui pourraient bénéficier d’un traitement. Quelle démarche statistique utilise-t-elle pour généraliser les résultats de l’échantillon à la population visée ?
2. Dans une étude sur la propagation d’une maladie, quel terme désigne l’application de méthodes statistiques aux sciences de la vie ?
Mémorisez les concepts clés de Biostatistiques descriptives et inférentielles avec 10 flashcards interactives.
Qu’étudient les statistiques ?
La réduction des données, la variabilité d’échantillonnage et les populations.
À quoi s’appliquent les biostatistiques ?
Aux sciences de la vie.
Qu’est-ce qu’une variable statistique ?
Une caractéristique susceptible de prendre différentes valeurs selon les individus étudiés.
Importe ton cours et l'IA génère fiches, QCM et flashcards en 30 secondes.
Générateur de fiches