QCM : Démarche scientifique et statistiques — 25 questions

Explication

La démarche commence par l’observation des connaissances et s’achève par le test statistique suivi d’une conclusion, en passant par l’hypothèse, les objectifs, la conception et les données. Une séquence qui place la collecte ou la conclusion avant la formulation et la vérification de l’hypothèse ne respecte pas cette progression.

Explication

L’hypothèse affirme un résultat attendu, ici une supériorité de la curcumine sur l’ibuprofène. Les autres propositions décrivent des actions concrètes destinées à vérifier cette affirmation et correspondent donc à des objectifs.

Explication

Une conclusion portant sur la population nécessite des statistiques inférentielles, car elles permettent de généraliser à partir de l’échantillon. Les statistiques descriptives peuvent résumer l’échantillon, mais elles ne suffisent pas pour établir une conclusion générale.

Explication

Les statistiques descriptives résument les données observées dans un échantillon à l’aide de représentations et d’indicateurs numériques. Le calcul de probabilités, le test d’hypothèses et la généralisation relèvent des statistiques inférentielles.

Explication

Les statistiques inférentielles testent une hypothèse, calculent une probabilité et permettent de passer de l’échantillon à la population. Les autres approches décrivent les données recueillies sans fournir à elles seules cette généralisation.

Explication

Le cycle part de la description, se poursuit par l’analyse et l’évaluation, puis revient à la description enrichie par les nouvelles connaissances. Les autres séquences inversent ou déplacent ces phases et ne correspondent pas au cycle présenté.

Explication

Une étude expérimentale implique une intervention du chercheur, notamment lorsqu’il attribue un traitement aux participants. Le simple fait d’observer des résultats ou de les analyser après coup ne transforme pas cette intervention en étude observationnelle.

Explication

Une étude transversale décrit une situation à un moment donné, une étude rétrospective examine le passé et une étude prospective suit les participants vers le futur. Les autres associations permutent ces temporalités ou confondent la temporalité avec le mode d’intervention.

Explication

Une variable est une caractéristique, une propriété ou un phénomène susceptible d’être mesuré ou classé. Une personne participante constitue plutôt une unité d’observation, tandis qu’une méthode ou un calcul ne définit pas une variable.

Explication

La dose est fixée à l’avance par le chercheur : elle constitue la variable indépendante. Les symptômes sont observés comme résultat d’intérêt et constituent la variable dépendante.

Explication

Le nombre d’heures de sommeil produit des valeurs numériques utilisables dans des calculs. Les autres exemples correspondent à des catégories ou à des qualités, donc à des variables qualitatives.

Explication

Les catégories nominales ne possèdent pas d’ordre logique, alors que les catégories ordinales peuvent être classées. Le nombre de catégories ou le rôle causal ne permet pas de distinguer ces deux niveaux.

Explication

Un échantillon est un sous-groupe de la population utilisé lorsque l’étude de tous les individus serait trop longue, coûteuse ou contraire à l’éthique. Il ne contient donc pas davantage de personnes que la population et sert précisément à estimer sa réalité.

Explication

La sélection aléatoire donne à chaque individu une probabilité identique d’être choisi. Les autres procédures reposent sur des critères ou sur la disponibilité des personnes et sont donc non aléatoires.

Explication

La représentativité signifie que l’échantillon reproduit la composition pertinente de la population, notamment selon l’âge, le sexe et le contexte. Elle ne dépend ni de résultats individuels identiques ni d’une répartition artificiellement égale.

Explication

La moyenne correspond à la somme de toutes les valeurs divisée par le nombre d’individus. La valeur centrale définit la médiane, tandis que la différence entre les extrêmes correspond à l’étendue.

Explication

Avec un nombre pair de valeurs, la médiane est la moyenne des deux valeurs centrales ; ici, ce sont les troisième et quatrième. La division de la somme par six donne la moyenne, qui est une mesure différente.

Explication

Un écart important entre moyenne et médiane signale souvent la présence de valeurs extrêmes, ce qui conduit généralement à privilégier la médiane. La moyenne est au contraire sensible à ces valeurs et peut être fortement déplacée.

Explication

L’intervalle de confiance indiqué ajoute et soustrait à la moyenne la quantité $\frac{2 \times écart\text{-}type}{\sqrt{n}}$. Les autres expressions placent incorrectement le facteur $2$, la taille $n$ ou la racine carrée.

Explication

La prévalence correspond aux cas présents à un instant ou sur une période, alors que l’incidence recense les nouveaux cas survenus pendant cette période. Confondre les deux revient à attribuer à la prévalence le suivi de l’apparition des nouveaux cas.

Explication

Le nuage de points sert à visualiser le lien entre deux variables, comme la taille et le poids. La boîte à moustaches serait adaptée pour comparer une même variable entre des échantillons, et non pour représenter directement deux variables associées.

Explication

L’hypothèse nulle suppose qu’il n’existe pas de différence entre les échantillons concernant la variable étudiée. L’hypothèse de recherche correspond plutôt à l’idée qu’un effet ou une différence existe.

Explication

La démarche commence par la formulation de $H_0$ et la fixation du risque $\alpha$, puis comprend le choix et l’application du test avant l’interprétation de la valeur-p. La valeur-p est calculée à partir des données et ne constitue pas un seuil fixé avant l’analyse.

Explication

Le risque $\alpha$ est un seuil choisi avant l’analyse et correspond au risque de rejeter $H_0$ alors qu’elle est vraie. La valeur-p est obtenue avec les données, puis comparée à $\alpha$ pour évaluer la significativité statistique.

Explication

Un résultat non significatif ne fournit pas suffisamment d’éléments pour conclure à une différence, mais il ne prouve pas non plus l’absence de différence. Assimiler ce résultat à une égalité démontrée constitue une interprétation excessive.