QCM : Introduction aux biostatistiques — 21 questions

Explication

Les variables sont observées ou mesurées sur les éléments de l’échantillon, puis ces résultats servent à estimer les paramètres de la population statistique. Les paramètres ne sont donc pas mesurés directement sur l’échantillon.

Explication

La représentativité dépend de la méthode de prélèvement, tandis que la taille de l’échantillon influence la précision ou l’exactitude de l’estimation. Agrandir un échantillon ne corrige donc pas nécessairement une méthode de sélection inadéquate.

Explication

L’échantillonnage stratifié commence par une subdivision a priori de la population en strates, suivie d’un échantillonnage aléatoire simple dans chaque strate. Un tirage global ou une sélection selon l’accessibilité ne correspond pas à cette procédure.

Explication

L’élément est l’unité d’échantillonnage qui constitue la population et sur laquelle les variables sont observées ou mesurées. L’ensemble de ces unités forme une population, ce qui distingue clairement l’élément du groupe étudié.

Explication

Un biais est une erreur systématique, car il produit une déviation régulière des mesures. Une fluctuation imprévisible relève plutôt de l’erreur aléatoire et ne constitue pas, à elle seule, un biais.

Explication

Les biostatistiques appliquent les méthodes statistiques aux questions et problèmes propres à la biologie. L’étude statistique générale des variations naturelles peut concerner d’autres domaines et ne constitue donc pas nécessairement une analyse biostatistique.

Explication

La population statistique est l’ensemble accessible parmi lequel les éléments de l’échantillon sont sélectionnés, chaque élément ayant une probabilité non nulle d’appartenir à la population cible. Elle est donc plus large que l’échantillon, tandis que la population cible désigne l’ensemble visé par la recherche.

Explication

Le choix non aléatoire peut conduire à un échantillon non représentatif, tandis que les limites de définition de la population et de reproductibilité compliquent l’interprétation. Le caractère typique des unités ne transforme pas ce choix raisonné en procédure aléatoire.

Explication

L’échantillonnage pragmatique repose sur un choix raisonné d’unités considérées comme représentatives, sans tirage aléatoire. La probabilité connue de sélection caractérise plutôt l’échantillonnage probabiliste.

Explication

La représentativité signifie que l’échantillon reproduit fidèlement la nature de la population statistique. Un grand effectif ou une couverture géographique étendue ne suffit pas, à lui seul, à garantir cette propriété.

Explication

L’échantillonnage probabiliste repose sur une probabilité connue et non nulle pour chaque élément, avec un tirage aléatoire pouvant être effectué avec ou sans remise. Les autres situations décrivent des choix non aléatoires de type pragmatique.

Explication

Des mesures systématiquement supérieures à la vraie valeur révèlent un biais et un manque de justesse. Leur faible dispersion peut toutefois indiquer une bonne précision, car précision et justesse décrivent des propriétés différentes.

Explication

La population cible regroupe tous les éléments auxquels la problématique de recherche s’applique. La population statistique désigne plutôt les éléments accessibles parmi lesquels l’échantillon peut être sélectionné.

Explication

Un instrument est précis lorsque l’intervalle susceptible de contenir la vraie valeur est étroit. La proximité avec la vraie valeur concerne plutôt la justesse, tandis que la représentativité concerne l’échantillonnage.

Explication

Une variable est une caractéristique que l’on mesure ou observe pendant une étude. Un échantillon désigne un groupe d’éléments, tandis que l’effectif mesure le nombre d’éléments et non une caractéristique observée.

Explication

Dans un échantillonnage aléatoire simple, tous les éléments connus de la population disposent de la même probabilité non nulle d’appartenir à l’échantillon. La division en strates et le choix à intervalles réguliers correspondent à d’autres méthodes.

Explication

Les statistiques étudient scientifiquement les données numériques qui décrivent des variations naturelles. L’application à des problèmes biologiques relève plus précisément des biostatistiques, et non de la définition générale des statistiques.

Explication

Avant l’observation, la valeur d’une variable aléatoire reste inconnue, alors que l’expérimentateur ou l’observateur détermine précisément celle d’une variable contrôlée. La distinction repose donc sur la connaissance préalable de la valeur, et non sur le nombre de mesures ou le lieu de mesure.

Explication

L’échantillonnage systématique utilise d’abord un point de départ obtenu par échantillonnage aléatoire simple, puis applique un pas régulier. La division en strates relève de l’échantillonnage stratifié, tandis que la sélection des personnes disponibles est non aléatoire.

Explication

La variable expliquée est celle que l’on cherche à prédire, tandis que la variable explicative sert à effectuer cette prédiction. Ici, la pression artérielle est prédite à partir de l’âge, qui joue donc le rôle explicatif.

Explication

Un échantillon correspond aux éléments effectivement sélectionnés dans la population statistique. La population statistique désigne, quant à elle, l’ensemble dans lequel cette sélection est effectuée.