QCM : Estimation et tests statistiques (64 questions)

Questions et réponses du QCM

1. Une équipe veut résumer le profil de ses patients, estimer une caractéristique de la population, comparer un événement clinique entre deux groupes et vérifier la qualité d’un outil de dépistage. À quels objectifs des statistiques en santé ces tâches correspondent-elles ?

Décrire, estimer, comparer et mesurer uniquement la fréquence d’un événement
Décrire, estimer, comparer et évaluer les performances diagnostiques
Décrire, comparer, prédire l’évolution et mesurer l’incidence
Estimer, classer les patients, comparer et établir un diagnostic individuel

Décrire, estimer, comparer et évaluer les performances diagnostiques

Explication

Les statistiques en santé servent à décrire une série, estimer un paramètre de population, comparer un événement entre groupes et évaluer les performances d’un test. Prédire l’évolution ou poser un diagnostic individuel ne remplace pas ces objectifs.

2. Une chercheuse calcule une estimation ponctuelle de la moyenne d’une population à partir d’un échantillon. Quel élément doit-elle présenter pour encadrer cette estimation ?

Un intervalle de confiance à 99 %
L’intervalle interquartile de l’échantillon
La p-value associée à la moyenne estimée
Un intervalle de confiance à 95 %

Un intervalle de confiance à 95 %

Explication

L’estimation ponctuelle d’un paramètre inconnu de la population est encadrée par un intervalle de confiance à 95 %. L’intervalle interquartile décrit la dispersion des observations, tandis que la p-value répond à une autre question statistique.

3. Une équipe évalue la capacité d’un test diagnostique à distinguer les personnes malades des personnes non malades et à renseigner sur la probabilité de maladie après le résultat. Quelles mesures correspondent à cette évaluation ?

Sensibilité, spécificité, rapports de vraisemblance et valeurs prédictives
Sensibilité, fréquence relative, médiane et effectif cumulé
Médiane, intervalle interquartile, fréquence relative et histogramme
Différence de moyennes, écart-type, p-value et intervalle interquartile

Sensibilité, spécificité, rapports de vraisemblance et valeurs prédictives

Explication

Les performances d’un test diagnostique s’évaluent notamment par sa sensibilité, sa spécificité, ses rapports de vraisemblance et ses valeurs prédictives. La médiane et l’histogramme servent plutôt à décrire des données.

4. Dans une étude, l’âge varie d’un participant à l’autre, alors que le protocole prévoit le même calendrier de suivi pour tous. Laquelle de ces caractéristiques constitue une variable statistique ?

L’âge moyen, car il est calculé une fois pour l’étude
L’âge, car sa valeur peut différer selon les participants
Le numéro de l’étude, car il identifie l’enquête
Le calendrier de suivi, car il est défini dans le protocole

L’âge, car sa valeur peut différer selon les participants

Explication

Une variable statistique est une caractéristique susceptible de prendre des valeurs différentes selon les individus. Le calendrier commun du protocole est une constante dans cette situation, et l’âge moyen est un résumé calculé.

5. Une base contient la glycémie mesurée de chaque patient et la catégorie de traitement reçu. Quelle distinction décrit correctement ces deux variables ?

Les deux sont qualitatives, car elles décrivent les patients
La glycémie est quantitative et le traitement est qualitatif
Les deux sont quantitatives, car elles sont codées dans la base
La glycémie est qualitative et le traitement est quantitatif

La glycémie est quantitative et le traitement est qualitatif

Explication

Une variable quantitative mesure une valeur numérique, tandis qu’une variable qualitative décrit des modalités qui ne sont pas exploitables arithmétiquement. Un codage numérique éventuel des catégories ne transforme pas le traitement en mesure quantitative.

6. Dans une enquête, le poids est mesuré avec une précision permettant des valeurs décimales dans une plage donnée. Comment classer cette variable ?

Variable qualitative ordinale
Variable qualitative nominale
Variable quantitative continue
Variable quantitative discrète

Variable quantitative continue

Explication

Le poids est une variable quantitative continue : dans un intervalle, elle peut prendre une infinité de valeurs réelles. Une variable discrète correspond plutôt à un dénombrement prenant des valeurs entières.

7. Une équipe classe la sévérité d’une dyspnée selon une échelle dont les catégories sont ordonnées, mais ne peuvent pas être manipulées arithmétiquement. Quel type de variable est utilisé ?

Variable qualitative nominale
Variable qualitative ordinale
Variable quantitative continue
Variable quantitative discrète

Variable qualitative ordinale

Explication

Une variable qualitative ordinale possède des modalités ordonnées, mais celles-ci ne se manipulent pas arithmétiquement. L’existence d’un ordre ne suffit donc pas à en faire une variable quantitative.

8. Dans une enquête, une modalité apparaît chez 18 personnes sur 72. Quelle est sa fréquence relative en pourcentage ?

18
0,25 %
4 %
25 %

25 %

Explication

La fréquence relative est le rapport de l’effectif de la modalité à l’effectif total, exprimé en pourcentage : 1872×100=25 %\frac{18}{72} \times 100 = 25\,\%. Le rapport inversé donne 4, l’effectif brut est 18, et 0,25 % oublie le facteur de conversion.

9. Pour décrire une variable qualitative nominale, quels résumés numériques présente-t-on pour chacune de ses modalités ?

Les effectifs et les fréquences cumulées
L’étendue et l’intervalle interquartile
La moyenne et la médiane
Les effectifs et les fréquences relatives

Les effectifs et les fréquences relatives

Explication

Une variable qualitative nominale se décrit par l’effectif et la fréquence relative de chacune de ses modalités. La moyenne et la médiane concernent des variables quantitatives, les fréquences cumulées relèvent notamment de l’ordinal, et l’étendue ainsi que l’intervalle interquartile décrivent la dispersion.

10. Pour représenter graphiquement les catégories de sévérité d’un symptôme, quelle disposition convient à un diagramme en barres ?

Des barres contiguës, modalités en abscisse et effectifs ou fréquences en ordonnée
Des barres disjointes, effectifs ou fréquences en abscisse et modalités en ordonnée
Des barres disjointes, modalités en abscisse et effectifs ou fréquences en ordonnée
Des barres disjointes, modalités en ordonnée et effectifs ou fréquences en abscisse

Des barres disjointes, modalités en abscisse et effectifs ou fréquences en ordonnée

Explication

Un diagramme en barres représente les modalités d’une variable qualitative sur l’axe des abscisses, avec des barres disjointes et les effectifs ou fréquences sur l’axe des ordonnées. Les barres contiguës caractérisent la confusion avec l’histogramme, tandis que les autres propositions inversent les axes.

11. Dans une variable ordinale, les modalités sont classées de la moins forte à la plus forte. Pour calculer la fréquence cumulée jusqu’à une modalité donnée, quelle opération faut-il effectuer ?

Diviser l’effectif de cette modalité par l’effectif total
Diviser l’effectif total par l’effectif cumulé jusqu’à cette modalité
Diviser l’effectif cumulé jusqu’à cette modalité par l’effectif total
Diviser l’effectif cumulé jusqu’à cette modalité par l’effectif de cette modalité

Diviser l’effectif cumulé jusqu’à cette modalité par l’effectif total

Explication

La fréquence cumulée est le rapport de l’effectif cumulé à l’effectif total. Employer l’effectif d’une seule modalité oublie le cumul, et les deux autres rapports inversent ou remplacent le dénominateur requis.

12. Une série de cinq observations quantitatives est déjà classée par ordre croissant. Quelle observation correspond à la médiane ?

La moyenne des troisième et quatrième observations
La deuxième observation
La troisième observation
La cinquième observation

La troisième observation

Explication

La médiane est le 50e percentile et se détermine à partir des rangs après classement croissant; avec cinq observations, elle est la valeur centrale, au troisième rang. Le deuxième rang correspond à un rang inférieur, la moyenne de deux valeurs centrales traite la série comme si elle était paire, et le cinquième rang est le maximum.

13. Après classement croissant des observations d’un échantillon, comment interpréter le quantile d’ordre QQ ?

La valeur au-dessus de laquelle se trouvent Q %Q\,\% des observations
La valeur au-dessous de laquelle se trouvent Q %Q\,\% des observations
La proportion d’observations située au-dessous d’une valeur donnée
La valeur de l’observation classée au rang QQ

La valeur au-dessous de laquelle se trouvent $$Q\,\%$$ des observations

Explication

Le quantile d’ordre QQ est une valeur de la variable telle que Q %Q\,\% des observations se situent au-dessous d’elle, après classement croissant. La proposition fondée sur les observations au-dessus inverse le sens, le rang QQ confond ordre et pourcentage, et une proportion n’est pas la valeur du quantile.

14. Une série de mesures va de 12 à 47. Quelle est son étendue ?

35
12
59
-35

35

Explication

L’étendue est la différence entre la plus grande et la plus petite valeur : 47−12=3547-12=35. L’addition des extrêmes donne 59, l’inversion de la soustraction donne -35 et 12 n’est pas leur différence.

15. Une mesure extrême est ajoutée à une série, mais les quartiles restent inchangés. Quel paramètre de dispersion demeure inchangé et décrit les 50 % d’observations centrales ?

Le coefficient de variation
La variance
L’intervalle interquartile
L’étendue

L’intervalle interquartile

Explication

L’intervalle interquartile est la différence entre le troisième et le premier quartile et couvre les 50 % centraux; il est robuste aux valeurs extrêmes. L’étendue dépend des extrêmes, la variance mesure les écarts à la moyenne au carré, et le coefficient de variation rapporte la dispersion à la moyenne.

16. Une équipe veut comparer la variabilité de deux mesures exprimées en unités différentes. Quel paramètre, exprimé sans unité en pourcentage, convient à cette comparaison ?

La médiane
La variance
L’écart-type
Le coefficient de variation

Le coefficient de variation

Explication

Le coefficient de variation rapporte la dispersion à la moyenne, s’exprime en pourcentage sans unité et permet de comparer des variables de dimensions différentes. La variance et l’écart-type ne sont pas des mesures sans unité, tandis que la médiane est un paramètre de position.

17. Sur un diagramme en boîte, quelle partie s’étend du premier au troisième quartile et contient la barre représentant la médiane ?

Le troisième quartile
L’étendue
La boîte
Les moustaches

La boîte

Explication

La boîte va du premier au troisième quartile, couvre 50 % des observations et contient une barre horizontale indiquant la médiane. Les moustaches prolongent la représentation, le troisième quartile n’est qu’une limite de la boîte et l’étendue est un paramètre de dispersion.

18. Lors d’un jeu de dés, une fonction associe à chaque résultat possible la somme obtenue. De quel objet s’agit-il ?

Une loi de probabilité
Une variable aléatoire
Un échantillon
Une variable statistique

Une variable aléatoire

Explication

Une variable aléatoire associe des nombres réels aux résultats d’une expérience aléatoire. Une variable statistique décrit des observations recueillies, une loi de probabilité attribue des probabilités aux valeurs et un échantillon est un ensemble d’observations.

19. Une variable discrète prend trois valeurs, auxquelles sont attribuées les probabilités 0,2, 0,5 et 0,3. Laquelle de ces affirmations caractérise correctement sa loi de probabilité ?

Les probabilités sont non négatives et leur somme vaut 0,9
Les probabilités sont strictement positives et leur somme vaut 1
Les valeurs de la variable doivent avoir une somme égale à 1
Les probabilités sont non négatives et leur somme vaut 1

Les probabilités sont non négatives et leur somme vaut 1

Explication

Une loi de probabilité discrète attribue à chaque valeur une probabilité positive ou nulle, et la somme de ces probabilités vaut 1; ici 0,2+0,5+0,3=10,2+0,5+0,3=1. Une somme de 0,9 ne satisfait pas cette condition, une probabilité peut être nulle et ce sont les probabilités, non les valeurs, qui doivent totaliser 1.

20. Quel ensemble de caractéristiques décrit la loi normale centrée réduite ?

Moyenne nulle, écart-type égal à 1, maximum en z = 0 et points d’inflexion en z = -1 et z = +1
Moyenne égale à 1, écart-type nul, maximum en z = 0 et points d’inflexion en z = -1 et z = +1
Moyenne nulle, écart-type égal à 1, maximum en z = 0 et points d’inflexion en z = 0 et z = 2
Moyenne nulle, écart-type égal à 1, maximum en z = 1 et points d’inflexion en z = -1 et z = +1

Moyenne nulle, écart-type égal à 1, maximum en z = 0 et points d’inflexion en z = -1 et z = +1

Explication

La loi normale centrée réduite a une moyenne nulle et un écart-type égal à 1; sa densité est maximale en z=0z=0 et ses points d’inflexion sont en z=−1z=-1 et z=+1z=+1. Une moyenne égale à 1, un maximum en 1 ou des points d’inflexion en 0 et 2 ne correspondent pas à ces caractéristiques.

21. Une variable normale a une moyenne de 10 et un écart-type de 2. Quelle valeur centrée réduite correspond à une observation de 14 ?

7
0,5
4
2

2

Explication

On retranche d’abord la moyenne, puis on divise par l’écart-type : z=14−102=2z=\frac{14-10}{2}=2. Diviser directement 14 par 2 donne 7, oublier la division donne 4, et inverser la division donne 0,5.

22. Dans un sondage, chaque personne de la population possède la même probabilité d’être retenue. De quel type de sondage s’agit-il ?

D’un sondage aléatoire simple
D’un sondage par volontariat
D’un sondage par quotas
D’un sondage par grappes

D’un sondage aléatoire simple

Explication

Dans un sondage aléatoire simple, tous les individus ont une probabilité identique de constituer l’échantillon. Les quotas fixent des catégories, le volontariat repose sur l’autosélection et les grappes sélectionnent des groupes.

23. Une équipe prépare un sondage aléatoire simple. Quelle procédure doit-elle suivre pour tirer les individus ?

Retenir les individus disponibles dans une base exhaustive et sans doublon
Tirer au sort avec remise dans une base exhaustive et sans doublon
Tirer au sort sans remise dans une base pouvant comporter des doublons
Tirer au sort sans remise dans une base exhaustive et sans doublon

Tirer au sort sans remise dans une base exhaustive et sans doublon

Explication

Le sondage aléatoire simple exige une base exhaustive et sans doublon, puis un tirage au sort sans remise. Le tirage avec remise modifie la procédure, les doublons faussent la base et la disponibilité ne remplace pas le hasard.

24. Un estimateur varie d’un échantillon à l’autre en raison du hasard, mais son espérance est égale au paramètre de la population. Quelle erreur caractérise cette variation ?

L’erreur de couverture
L’erreur de mesure
La fluctuation d’échantillonnage
Le biais d’estimation

La fluctuation d’échantillonnage

Explication

La fluctuation d’échantillonnage est une erreur aléatoire due au hasard, et l’espérance de l’estimateur est alors égale au paramètre. Le biais est systématique et correspond à une espérance différente; une erreur de mesure ou de couverture relève d’autres sources.

25. Dans une enquête, la sélection favorise certains profils, tandis que le hasard du tirage fait aussi varier l’estimation. Quelle interprétation convient ?

La fluctuation aléatoire explique à elle seule les deux effets
Le biais élimine la fluctuation aléatoire
Le biais et la fluctuation aléatoire peuvent se combiner
Le biais et la fluctuation forment une erreur systématique unique

Le biais et la fluctuation aléatoire peuvent se combiner

Explication

Une estimation peut subir simultanément une erreur systématique liée à la sélection et une variation due au hasard de l’échantillonnage. L’existence d’un biais n’empêche donc pas une fluctuation aléatoire.

26. Une chercheuse calcule une valeur à partir des observations recueillies auprès des participants d’un échantillon pour estimer un paramètre théorique. Comment nomme-t-on cette valeur ?

Une estimation ponctuelle t
La distribution de la population
Le paramètre théorique θ
Un intervalle de confiance

Une estimation ponctuelle t

Explication

L’estimation ponctuelle est la valeur t déterminée à partir des observations de l’échantillon pour estimer le paramètre théorique. Le paramètre θ est la quantité visée, tandis qu’un intervalle de confiance encadre cette estimation.

27. Une étude porte sur une variable quantitative dont la distribution n’est pas normale; l’échantillon comprend 45 observations. Quelle loi décrit la moyenne d’échantillon selon le théorème central limite ?

Une valeur fixe égale à μ pour chaque échantillon
Une loi normale de moyenne μ et d’écart-type σn\frac{σ}{\sqrt{n}}
Une loi normale de moyenne μ et d’écart-type σ
La loi de X, sans approximation par une loi normale

Une loi normale de moyenne μ et d’écart-type $$\frac{σ}{\sqrt{n}}$$

Explication

Pour n≥30n \geq 30, la moyenne d’échantillon suit une loi normale de moyenne μ et d’écart-type σn\frac{σ}{\sqrt{n}}, quelle que soit la loi de X. L’écart-type de la moyenne est donc réduit par n\sqrt{n}; la moyenne reste une variable aléatoire.

28. Deux échantillons distincts d’une même population donnent des estimations ponctuelles différentes du même paramètre. Quelle explication rend compte de cette différence ?

La largeur des intervalles de confiance détermine les valeurs ponctuelles
Le hasard de l’échantillonnage fait fluctuer les estimations autour du paramètre
Le biais systématique fait varier le paramètre entre les échantillons
Le changement du paramètre théorique explique les estimations différentes

Le hasard de l’échantillonnage fait fluctuer les estimations autour du paramètre

Explication

L’estimation ponctuelle fluctue autour de la valeur théorique en raison du hasard de l’échantillonnage. Cette variation ne signifie pas que le paramètre change; elle ne prouve pas non plus, à elle seule, la présence d’un biais.

29. Un intervalle de confiance va de 18 à 30. Quelle est sa précision, définie comme la moitié de l’écart entre ses bornes ?

24
6
12
48

6

Explication

La précision est la moitié de la largeur de l’intervalle : 30−182=6\frac{30-18}{2}=6. La valeur 12 correspond à la largeur totale, tandis que la moyenne des bornes ou leur différence inversée ne donne pas la précision définie.

30. Une équipe compare deux séries de mesures quantitatives résumées par leurs moyennes et variances. Quel type d’outil statistique répond à cet objectif de comparaison ?

Un test statistique de comparaison paramétrique
Un intervalle de confiance destiné à estimer un paramètre
Un test non paramétrique fondé sur la distribution des données
Une estimation descriptive portant sur une seule série

Un test statistique de comparaison paramétrique

Explication

Un test de comparaison confronte plusieurs séries, et les tests paramétriques s’appuient notamment sur des paramètres comme la moyenne ou la variance. L’intervalle de confiance estime un paramètre, tandis qu’un test non paramétrique s’appuie sur la distribution.

31. Une chercheuse prépare la comparaison de deux groupes et veut suivre la démarche hypothético-déductive. Quelle séquence d’étapes doit-elle appliquer ?

Déduire les attentes sous H₀, interpréter les observations, formuler les hypothèses, puis conclure
Formuler les hypothèses, déduire les attentes sous H₁, confronter les observations, puis conclure
Formuler les hypothèses, conclure, déduire les attentes sous H₀, puis confronter les observations
Formuler les hypothèses, déduire les attentes sous H₀, confronter les observations, puis conclure

Formuler les hypothèses, déduire les attentes sous H₀, confronter les observations, puis conclure

Explication

La démarche commence par H₀ et H₁, déduit ce qui est attendu si H₀ est vraie, confronte les estimations observées à cette attente, puis conclut. Conclure avant la confrontation inverse l’ordre, et les attentes sont déduites sous H₀, non sous H₁.

32. Dans un test, la probabilité calculée que ∣Z0∣|Z_0| dépasse la valeur critique sous H₀ est de 0,03, pour un seuil α=0,05\alpha = 0,05. Quelle conclusion faut-il tirer ?

Rejeter H₀ seulement si la probabilité est inférieure à 0,01
Rejeter H₀ et retenir H₁
Ne pas rejeter H₀ et retenir H₀ comme vraie
Ne pas rejeter H₀ parce que la probabilité est inférieure au seuil

Rejeter H₀ et retenir H₁

Explication

On rejette H₀ lorsque la probabilité calculée est inférieure à α : ici, 0,03 < 0,05. Ne pas rejeter lorsque la probabilité dépasse le seuil inverse la règle, et un seuil de 0,01 ne correspond pas au seuil fixé dans le cas.

33. Un essai de très grande taille détecte une amélioration statistiquement significative de survie, mais d’amplitude marginale par rapport au traitement de référence. Quelle interprétation est la plus juste ?

Le bénéfice détecté peut ne pas être cliniquement pertinent
La grande taille de l’essai indique une puissance insuffisante
Le bénéfice marginal ne peut pas atteindre la significativité statistique
Le bénéfice détecté est cliniquement pertinent du fait de sa significativité

Le bénéfice détecté peut ne pas être cliniquement pertinent

Explication

Un grand effectif peut permettre de détecter statistiquement un bénéfice de très faible amplitude, sans que celui-ci soit cliniquement pertinent. La significativité ne garantit pas l’importance clinique, et une grande taille d’essai ne signifie pas en soi une puissance insuffisante.

34. Une étude révèle une association statistiquement significative entre une exposition et un résultat de santé. Quelle étape est nécessaire avant de conclure que l’exposition cause le résultat ?

Conclure à la causalité à partir de la significativité statistique
Vérifier les critères de causalité étudiés en épidémiologie
Établir la causalité en constatant une absence de significativité
Évaluer la pertinence clinique sans examiner les critères de causalité

Vérifier les critères de causalité étudiés en épidémiologie

Explication

La significativité statistique établit une association, mais ne suffit pas à montrer qu’elle est causale ; il faut examiner des critères de causalité en épidémiologie. La pertinence clinique est une question distincte et l’absence de significativité ne démontre pas la causalité.

35. Dans une étude, le chercheur compare la durée moyenne d’hospitalisation entre les patients exposés à un traitement et ceux qui ne le sont pas. Quelle association cette comparaison évalue-t-elle ?

Une variable quantitative continue et une variable qualitative binaire
Une variable quantitative continue et une variable qualitative polytomique
Deux variables quantitatives continues
Deux variables qualitatives binaires

Une variable quantitative continue et une variable qualitative binaire

Explication

Comparer deux moyennes revient à tester l’association entre une variable quantitative continue, ici la durée, et une variable qualitative binaire, ici l’exposition. Deux variables quantitatives ou deux variables qualitatives correspondent à d’autres types d’association.

36. Quelles sont les trois configurations possibles pour une comparaison de moyennes ?

Deux moyennes indépendantes, deux moyennes appariées, deux distributions théoriques
Une moyenne face à une référence, deux moyennes indépendantes, deux moyennes appariées
Une moyenne face à une référence, deux moyennes indépendantes, deux proportions appariées
Une moyenne face à une référence, deux proportions indépendantes, deux moyennes appariées

Une moyenne face à une référence, deux moyennes indépendantes, deux moyennes appariées

Explication

Les trois configurations sont la comparaison à une valeur de référence, la comparaison de deux échantillons indépendants et celle de deux échantillons appariés. Les proportions et les distributions théoriques ne sont pas des configurations de comparaison de moyennes.

37. Une équipe compare la moyenne observée dans un échantillon de 24 personnes à une valeur de référence. La distribution de la variable est normale. Quel test est indiqué ?

La probabilité exacte de Fisher
Le test du chi carré
Le test Z de l’écart réduit
Le test t de Student

Le test t de Student

Explication

Pour comparer une moyenne à une valeur de référence, le test t de Student est indiqué lorsque la distribution est normale. Le critère d’effectif d’au moins 30 est associé au test Z, tandis que le chi carré et Fisher concernent des données qualitatives.

38. Une étude compare les moyennes de deux groupes constitués de personnes différentes, sans lien entre elles, avec 42 personnes dans le premier groupe et 35 dans le second. Comment qualifier les échantillons ?

Des mesures répétées sur un même échantillon
Des échantillons appariés
Des échantillons indépendants
Des échantillons de même effectif

Des échantillons indépendants

Explication

Des échantillons sont indépendants si leurs individus sont différents et sans lien entre eux; leurs effectifs peuvent différer. Des groupes appariés impliquent au contraire un lien entre les individus ou les mesures.

39. Une étude compare la proportion de patients ayant un effet indésirable entre deux traitements. Quelles variables sont associées dans cette comparaison ?

Une variable quantitative continue et une variable qualitative binaire
Deux variables quantitatives continues
Une variable qualitative binaire et une variable qualitative polytomique
Deux variables qualitatives binaires

Deux variables qualitatives binaires

Explication

Comparer deux pourcentages revient à tester l’association entre deux variables qualitatives binaires, ici le traitement et la présence ou l’absence d’un effet indésirable. La comparaison d’une variable binaire avec une variable polytomique concerne plusieurs pourcentages.

40. Un tableau de contingence comporte 3 lignes et 4 colonnes. Combien de degrés de liberté possède-t-il selon la formule du tableau ?

5
4
12
6

6

Explication

La formule est DDL=(L−1)×(C−1)DDL = (L-1) \times (C-1). Ici, DDL=(3−1)×(4−1)=2×3=6DDL = (3-1) \times (4-1) = 2 \times 3 = 6; 12 omet les soustractions, tandis que 5 et 4 ne résultent pas de la formule.

41. Dans un tableau de contingence, les observations sont indépendantes, mais une cellule présente un effectif théorique de 4. Quel test convient pour comparer les deux pourcentages ?

La probabilité exacte de Fisher
Le test du chi carré
Le test t de Student
Le test Z de l’écart réduit

La probabilité exacte de Fisher

Explication

Le chi carré requiert un effectif théorique d’au moins 5 dans chaque cellule; si cette condition n’est pas satisfaite, la probabilité exacte de Fisher est indiquée. L’indépendance des observations est également requise, y compris pour Fisher.

42. Dans une comparaison de deux pourcentages indépendants, la probabilité exacte de Fisher est calculée à partir des permutations possibles. Comment interpréter cette probabilité ?

Comme un degré de liberté du tableau
Comme le pourcentage observé dans un groupe
Comme une distance entre effectifs observés et attendus
Comme un degré de signification, ou p-value

Comme un degré de signification, ou p-value

Explication

La probabilité exacte de Fisher est un test de permutation et s’interprète comme un degré de signification, c’est-à-dire une p-value. La distance entre effectifs observés et attendus caractérise le chi carré, tandis que le degré de liberté et le pourcentage observé sont d’autres quantités.

43. Dans deux groupes, les pourcentages observés sont p1p_1 et p2p_2. Quelle expression estime ponctuellement la différence entre les pourcentages théoriques π1\pi_1 et π2\pi_2 ?

p1+p2p_1+p_2
π1−π2\pi_1-\pi_2
p1−p2p_1-p_2
p2−p1p_2-p_1

$$p_1-p_2$$

Explication

La différence observée p1−p2p_1-p_2 est l’estimateur ponctuel de la différence théorique π1−π2\pi_1-\pi_2. p2−p1p_2-p_1 inverse l’ordre des groupes, p1+p2p_1+p_2 additionne les pourcentages et π1−π2\pi_1-\pi_2 désigne le paramètre à estimer.

44. Une étude de santé estime une différence de pourcentages à partir d’un échantillon. Pourquoi accompagne-t-on généralement cette estimation d’un intervalle de confiance à 95 % ?

Pour transformer la différence observée en valeur exacte du paramètre
Pour tenir compte des fluctuations d’échantillonnage autour de l’estimation
Pour supprimer l’incertitude créée par la sélection de l’échantillon
Pour comparer les moyennes des groupes plutôt que leurs pourcentages

Pour tenir compte des fluctuations d’échantillonnage autour de l’estimation

Explication

Une différence calculée sur un échantillon fluctue en raison de l’échantillonnage; l’intervalle de confiance encadre cette incertitude, souvent au niveau de 95 % en santé. L’estimation observée n’est pas le paramètre exact, et l’intervalle ne supprime pas l’incertitude ni ne porte sur des moyennes.

45. Dans une étude, l’intervalle de confiance de la différence de deux pourcentages va de −0,02-0{,}02 à 0,090{,}09. Quelle conclusion faut-il tirer concernant l’hypothèse nulle d’une différence nulle ?

Rejeter l’hypothèse nulle, car la borne supérieure est positive
Ne pas rejeter l’hypothèse nulle, car l’intervalle chevauche zéro
Rejeter l’hypothèse nulle, car la différence estimée est positive
Ne pas rejeter l’hypothèse nulle, car l’intervalle est entièrement négatif

Ne pas rejeter l’hypothèse nulle, car l’intervalle chevauche zéro

Explication

La valeur neutre de la différence est zéro; comme l’intervalle va de part et d’autre de zéro, on ne rejette pas l’hypothèse nulle. Une borne supérieure positive n’exclut pas zéro, et l’intervalle n’est pas entièrement négatif.

46. Une équipe compare les proportions de patients guéris selon plusieurs catégories de traitement indépendantes. Quel type de relation le test du chi carré examine-t-il ?

La différence entre les moyennes d’une variable quantitative et plusieurs traitements
La relation entre deux mesures quantitatives recueillies sur les mêmes patients
L’association entre deux variables qualitatives binaires mesurées de façon appariée
L’association entre une variable qualitative binaire et une variable qualitative polytomique

L’association entre une variable qualitative binaire et une variable qualitative polytomique

Explication

Pour comparer plusieurs pourcentages sur des échantillons indépendants, le test porte sur l’association entre une variable qualitative binaire et une variable qualitative polytomique. Une comparaison de moyennes concerne des variables quantitatives, tandis que les situations appariées ne correspondent pas au cadre indiqué.

47. Avant d’appliquer un test du chi carré d’indépendance à un tableau, une analyste constate que les observations sont indépendantes, mais qu’une cellule a un effectif théorique attendu de 4. La condition d’application est-elle satisfaite ?

Oui, car chaque effectif observé peut être comparé au seuil de 5
Oui, car des observations indépendantes suffisent pour appliquer le test
Non, car chaque effectif théorique attendu doit être au moins égal à 5
Non, car le total des effectifs théoriques du tableau doit dépasser 5

Non, car chaque effectif théorique attendu doit être au moins égal à 5

Explication

Le test exige à la fois l’indépendance des observations et un effectif théorique attendu d’au moins 5 dans chaque cellule; une cellule à 4 ne satisfait donc pas la condition. Le seuil porte sur les effectifs théoriques cellule par cellule, et l’indépendance seule ne suffit pas.

48. Pour tester l’indépendance entre le type de traitement et une réponse binaire, que posent les hypothèses du test du chi carré ?

H0 pose une différence dans chaque catégorie; H1 pose une différence dans au moins une catégorie
H0 pose l’égalité des pourcentages et l’absence d’association; H1 pose qu’au moins un pourcentage diffère et qu’il existe une association
H0 pose l’égalité des effectifs bruts; H1 pose des effectifs bruts différents, sans parler d’association
H0 pose qu’au moins un pourcentage diffère et qu’il existe une association; H1 pose l’égalité des pourcentages et l’absence d’association

H0 pose l’égalité des pourcentages et l’absence d’association; H1 pose qu’au moins un pourcentage diffère et qu’il existe une association

Explication

Sous H0, les pourcentages sont égaux et les variables ne sont pas associées; H1 affirme qu’au moins un pourcentage diffère et qu’il existe une association. Inverser H0 et H1, exiger une différence dans chaque catégorie ou parler seulement des effectifs bruts déforme ces hypothèses.

49. Dans une évaluation clinique, quelle méthode constitue un test diagnostique ?

Une pathologie ou situation clinique nécessitant des investigations complémentaires
Une intervention visant à modifier le statut clinique du patient face à une pathologie
Une méthode fournissant une information sur le statut du patient au regard d’une pathologie d’intérêt
Une décision thérapeutique prise après l’obtention d’un résultat clinique

Une méthode fournissant une information sur le statut du patient au regard d’une pathologie d’intérêt

Explication

Un test diagnostique fournit une information sur le statut d’un patient au regard de la pathologie ou de la situation clinique d’intérêt. Une intervention thérapeutique agit sur l’état du patient, tandis que la pathologie et la décision de traitement ne sont pas des méthodes diagnostiques.

50. Pour diagnostiquer une pathologie d’intérêt, que désigne la méthode de référence, ou « gold standard » ?

Le test index évalué, qui peut être unique ou combiner plusieurs méthodes
La méthode la plus performante, qui peut être unique ou combiner plusieurs méthodes
La description clinique de la pathologie, établie à partir des symptômes du patient
Une combinaison de méthodes, requise pour établir le diagnostic de référence

La méthode la plus performante, qui peut être unique ou combiner plusieurs méthodes

Explication

La méthode de référence est la méthode la plus performante pour diagnostiquer la pathologie d’intérêt; elle peut être unique ou combiner plusieurs méthodes. Le test index est celui que l’on évalue, et une référence n’a pas nécessairement à être une combinaison.

51. Une équipe évalue un nouveau test chez un groupe de patients disposant aussi d’un diagnostic établi par la méthode de référence. Quelle comparaison permet d’évaluer les performances du nouveau test ?

Comparer le test index et la méthode de référence chez les mêmes patients
Comparer le test index et la méthode de référence chez des patients différents
Comparer le test index à l’évolution clinique après le traitement
Comparer deux tests index réalisés chez les mêmes patients

Comparer le test index et la méthode de référence chez les mêmes patients

Explication

L’évaluation des performances compare le test index à la méthode de référence chez les mêmes patients, afin que les résultats portent sur les mêmes sujets. Utiliser des groupes différents ou l’évolution après traitement ne correspond pas à cette comparaison.

52. Dans un échantillon, 40 patients sont malades selon la méthode de référence et 34 d’entre eux ont un test positif. Quelle est la sensibilité estimée du test ?

3410=3,4\frac{34}{10}=3{,}4
3450=0,68\frac{34}{50}=0{,}68
3440=0,85\frac{34}{40}=0{,}85
4034≈1,18\frac{40}{34}\approx1{,}18

$$\frac{34}{40}=0{,}85$$

Explication

La sensibilité estimée est le rapport des vrais positifs au nombre de malades : Se=VPmalades\mathrm{Se}=\frac{VP}{\text{malades}}. Ici, 3440=0,85\frac{34}{40}=0{,}85; diviser par l’effectif total, par les non-malades ou inverser le rapport applique un mauvais dénominateur.

53. Deux tests ont des indices de Youden de 0,92 et de 0,08. Quelle interprétation compare correctement leurs performances discriminantes ?

Les deux tests sont très discriminants, car leurs indices sont compris entre 0 et 1
Le test à 0,92 est très discriminant, tandis que celui à 0,08 est peu performant
L’indice à 0,92 indique une probabilité de maladie élevée, contrairement à celui à 0,08
Le test à 0,08 est très discriminant, tandis que celui à 0,92 est peu performant

Le test à 0,92 est très discriminant, tandis que celui à 0,08 est peu performant

Explication

Un indice de Youden proche de 1 caractérise un test très discriminant, tandis qu’un indice proche de 0 indique un test peu performant. L’indice synthétise les performances du test, mais ne représente pas en lui-même une probabilité de maladie.

54. Un patient obtient un résultat positif au test index. Quelle probabilité correspond à la valeur prédictive positive ?

La probabilité que le patient soit indemne sachant que le test est négatif
La probabilité que le test soit positif sachant que le patient a la pathologie
La probabilité que le patient soit indemne sachant que le test est positif
La probabilité que le patient ait la pathologie sachant que le test est positif

La probabilité que le patient ait la pathologie sachant que le test est positif

Explication

La valeur prédictive positive est la probabilité d’avoir la pathologie lorsque le résultat du test index est positif. La probabilité d’être indemne après un résultat négatif correspond à la valeur prédictive négative, tandis que la probabilité d’un résultat positif chez un malade correspond à la sensibilité.

55. Un test est utilisé dans une population où la prévalence de la maladie augmente. Quelle évolution est attendue pour ses valeurs prédictives par rapport à sa sensibilité et à sa spécificité ?

Les quatre mesures restent inchangées, car elles caractérisent le même test
La valeur prédictive positive diminue et la valeur prédictive négative augmente, tandis que sensibilité et spécificité restent inchangées
La valeur prédictive positive augmente et la valeur prédictive négative diminue, tandis que sensibilité et spécificité restent inchangées
La sensibilité et la spécificité augmentent, tandis que les deux valeurs prédictives restent inchangées

La valeur prédictive positive augmente et la valeur prédictive négative diminue, tandis que sensibilité et spécificité restent inchangées

Explication

Les valeurs prédictives sont directement interprétables par le clinicien, mais varient avec la prévalence : lorsque celle-ci augmente, la valeur prédictive positive augmente et la valeur prédictive négative diminue. À l’inverse, la sensibilité et la spécificité sont des caractéristiques intrinsèques qui ne sont pas influencées par la prévalence.

56. Avant qu’un test diagnostique soit réalisé, que désigne la probabilité pré-test ?

La probabilité que le patient ait la pathologie d’intérêt avant le test
La probabilité d’un résultat positif chez une personne sans la pathologie
La fréquence des résultats positifs chez les personnes atteintes de la pathologie
La probabilité que le patient ait la pathologie d’intérêt après un résultat positif

La probabilité que le patient ait la pathologie d’intérêt avant le test

Explication

La probabilité pré-test estime la probabilité que le patient ait la pathologie avant la réalisation du test. L’estimation après un résultat positif correspond à la probabilité post-test, tandis que les fréquences de résultats positifs décrivent des caractéristiques du test.

57. Une clinicienne connaît la probabilité de maladie avant le test, la sensibilité et la spécificité du test, puis observe un résultat négatif. Quels éléments doit-elle combiner pour estimer la probabilité de maladie après le test ?

La spécificité et le résultat négatif, sans probabilité pré-test
La probabilité pré-test et le résultat négatif, sans les caractéristiques du test
La prévalence de la maladie et la sensibilité, sans le résultat observé
La probabilité pré-test, les caractéristiques du test et le résultat négatif

La probabilité pré-test, les caractéristiques du test et le résultat négatif

Explication

Le raisonnement bayésien combine la probabilité pré-test, les caractéristiques intrinsèques du test et le résultat observé pour déterminer la probabilité post-test. Omettre le résultat, la probabilité pré-test ou les caractéristiques du test laisse de côté un élément nécessaire.

58. Un test présente un rapport de vraisemblance positif égal à 1. Quelle conclusion diagnostique en tire-t-on ?

Le test est plus souvent positif chez les non-malades et confirme l’absence de maladie
Le test est aussi souvent positif chez les malades que chez les non-malades et n’apporte pas d’intérêt diagnostique
Le test est plus souvent positif chez les malades et augmente fortement la probabilité de maladie
Le test est aussi souvent négatif chez les malades que chez les non-malades et exclut la maladie

Le test est aussi souvent positif chez les malades que chez les non-malades et n’apporte pas d’intérêt diagnostique

Explication

Un rapport de vraisemblance positif égal à 1 signifie que les résultats positifs sont aussi fréquents chez les malades que chez les non-malades : ils n’apportent donc pas d’intérêt diagnostique. Une hausse de probabilité ou une confirmation de l’absence de maladie ne découle pas de cette égalité.

59. Pour un test à réponse quantitative continue, quelles grandeurs sont mises en relation sur la courbe ROC lorsque le seuil varie ?

La spécificité en fonction de un moins la sensibilité
La valeur prédictive positive en fonction de la sensibilité
La sensibilité en fonction de un moins la spécificité
La valeur prédictive négative en fonction de la spécificité

La sensibilité en fonction de un moins la spécificité

Explication

La courbe ROC représente la sensibilité en fonction de un moins la spécificité pour différents seuils. La spécificité et la sensibilité sont inversées dans cette confusion, tandis que les valeurs prédictives ne sont pas les axes définis pour cette courbe.

60. Dans un test quantitatif, un laboratoire fixe un seuil à 12 : les valeurs supérieures sont déclarées positives et les valeurs inférieures négatives. Quelle étape permet ainsi de construire un point de la courbe ROC ?

Calculer l’aire sous la courbe à partir de la valeur du seuil
Tracer un point sans distinguer les résultats selon leur valeur
Appliquer le seuil pour classer les résultats en positifs et négatifs
Déclarer positifs les résultats situés sous le seuil fixé

Appliquer le seuil pour classer les résultats en positifs et négatifs

Explication

Pour déterminer un point de la courbe ROC, on fixe un seuil qui classe les résultats au-dessus comme positifs et ceux au-dessous comme négatifs. L’aire sous la courbe est une mesure distincte, et inverser le classement ne respecte pas la règle donnée.

61. Deux tests ont des aires sous la courbe ROC de 0,5 et de 1. Quelle interprétation décrit correctement les performances de discrimination correspondantes ?

Le test à 0,5 ne fait pas mieux que le hasard, tandis que celui à 1 discrimine parfaitement
Les deux tests discriminent de façon équivalente, car les deux valeurs sont des aires
Le test à 0,5 fixe un seuil optimal, tandis que celui à 1 indique la sensibilité
Le test à 0,5 discrimine parfaitement, tandis que celui à 1 ne fait pas mieux que le hasard

Le test à 0,5 ne fait pas mieux que le hasard, tandis que celui à 1 discrimine parfaitement

Explication

L’aire sous la courbe ROC varie de 0,5, niveau où le test ne fait pas mieux que le hasard, à 1, correspondant à une discrimination parfaite. La confusion sur 0,5 inverse les niveaux de performance, et l’aire ne désigne pas directement un seuil ou la sensibilité.

62. Pour une variable aléatoire discrète prenant les valeurs 1, 2 et 3 avec des probabilités respectives de 0,2, 0,5 et 0,3, quelle est la fonction de répartition en 2 ?

0,5
0,7
0,3
1

0,7

Explication

La fonction de répartition en 2 additionne les probabilités des valeurs inférieures ou égales à 2 : 0,2 + 0,5 = 0,7. La valeur 0,5 correspond à la probabilité ponctuelle en 2, tandis que 0,3 concerne la valeur supérieure à 2.

63. Un test diagnostique présente une sensibilité de 0,82 et une spécificité de 0,73. Quelle est la valeur de son indice de Youden ?

0,09
1,55
0,55
−0,55

0,55

Explication

L’indice se calcule par Y=Se+Sp−1Y=\mathrm{Se}+\mathrm{Sp}-1 : 0,82+0,73−1=0,550,82+0,73-1=0,55. La valeur 1,55 omet la soustraction de 1, 0,09 soustrait les deux mesures et −0,55 inverse le signe du résultat.

64. Dans une étude, un test a une sensibilité de 0,60 et une spécificité de 0,50. Quelle valeur de l’indice de Youden obtient-on, et où se situe-t-elle dans son intervalle possible ?

−0,10, dans l’intervalle de −1 à 1
0,90, dans l’intervalle de −1 à 1
0,10, dans l’intervalle de −1 à 1
1,10, au-dessus de l’intervalle de −1 à 1

0,10, dans l’intervalle de −1 à 1

Explication

Comme Y=Se+Sp−1Y=Se+Sp-1, on obtient 0,60+0,50−1=0,100,60+0,50-1=0,10, valeur comprise entre −1 et 1. Le résultat 1,10 omet la soustraction de 1, −0,10 soustrait la sensibilité et 0,90 prend le complément du résultat correct.

Révisez avec les flashcards

Mémorisez les réponses avec 96 flashcards sur Estimation et tests statistiques.

Quels objectifs les statistiques en santé permettent-elles de poursuivre ?

Décrire des patients, estimer un paramètre, comparer deux groupes et évaluer un test diagnostique.

Quel intervalle encadre l’estimation ponctuelle d’un paramètre de population ?

Un intervalle de confiance à 95 %.

Quelles performances évalue-t-on pour un test diagnostique ?

Sa sensibilité, sa spécificité, ses rapports de vraisemblance et ses valeurs prédictives.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Estimation et tests statistiques.

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