QCM : Introduction aux Tests Statistiques Essentiels — 24 questions

Explication

La demande du marché met l’accent sur la capacité à conduire une expérience de A à Z, depuis la collecte jusqu’aux analyses et à l’interprétation. Les autres propositions ne reflètent pas cette logique opérationnelle.

Explication

La Licence vise la maîtrise des méthodes statistiques et du traitement des données, depuis les fondamentaux jusqu’à des approches plus avancées. Elle ne se limite ni à la programmation ni à l’intuition.

Explication

Les téléphones font partie des appareils interdits à l’examen. La calculatrice Casio FX-92 Collège est au contraire l’un des modèles autorisés.

Explication

Les droits audio-visuels et intellectuels encadrent la captation, et filmer sans accord peut entraîner des poursuites. Les autres propositions contredisent cette règle.

Explication

L’erreur de type I consiste à rejeter H0 alors qu’elle est vraie, ce qui correspond à un faux positif. La seconde proposition décrit au contraire une erreur de type II.

Explication

Le seuil alpha contrôle la probabilité maximale d’erreur de type I, donc la fréquence attendue des faux positifs sous H0. Il ne dit pas si l’effet est réel ni quelle est sa taille.

Explication

L’erreur de type II correspond à un faux négatif : on ne rejette pas H0 alors que l’effet décrit par H1 existe réellement. La seconde proposition décrit l’erreur de type I.

Explication

Un faux négatif survient quand le test conclut à tort à l’absence d’effet malgré un effet réel. Les autres propositions ne décrivent pas une erreur de détection.

Explication

La puissance est la capacité du test à détecter l’effet réel, donc à rejeter H0 lorsque H1 est vraie. Elle est égale à 1 − bêta.

Explication

Un alpha plus petit rend le critère plus strict, ce qui tend à diminuer les faux positifs mais à augmenter le risque de ne pas détecter un effet réel. C’est le compromis alpha-bêta.

Explication

Le test à un échantillon compare une moyenne observée à une valeur de référence. Il n’est pas destiné à deux groupes indépendants ni à des variables catégorielles.

Explication

L’erreur standard de la moyenne se calcule par SE = s/√n. Elle mesure l’incertitude autour de la moyenne estimée.

Explication

Le test t pour deux groupes indépendants compare les moyennes au moyen d’une erreur standard combinée. Les rangs relèvent du test de Wilcoxon, pas du test t.

Explication

Pour le test t à deux échantillons indépendants, le degré de liberté est n1 + n2 - 2. Les autres formules appartiennent à d’autres tests.

Explication

Welch est recommandé lorsque les variances entre groupes peuvent différer, donc en présence d’hétéroscédasticité plausible. Il corrige notamment les degrés de liberté.

Explication

La principale différence est l’ajustement des degrés de liberté selon les variances et les tailles d’échantillon. Le test t classique suppose au contraire des variances égales.

Explication

Le d de Cohen quantifie l’ampleur de la différence entre deux moyennes rapportée à un écart-type. Il ne mesure pas la significativité ni une probabilité bayésienne.

Explication

BF10 compare la plausibilité de H1 à celle de H0 ; au-dessus de 1, les données favorisent H1. Ce n’est pas une mesure de puissance.

Explication

Le test de Wilcoxon rangs signés s’applique aux données appariées, à partir des différences entre les deux mesures de chaque sujet. Le cas de deux groupes indépendants relève des rangs additionnés.

Explication

Le test de Wilcoxon pour deux groupes indépendants utilise la statistique U, construite à partir des rangs combinés. La statistique t appartient aux tests paramétriques.

Explication

Le chi carré d’ajustement sert à vérifier si une répartition observée suit des proportions théoriques. Il porte sur des effectifs, pas sur des moyennes.

Explication

Pour le chi carré d’indépendance, les degrés de liberté dépendent des modalités des deux variables : (nX1 - 1)(nX2 - 1). Les autres expressions concernent d’autres situations.

Explication

Le V de Cramer se calcule à partir de chi carré, de l’effectif total N et du minimum des ddl des variables. Il mesure l’ampleur de l’association entre deux variables catégorielles.

Explication

Un V proche de 0,13 se situe dans la zone d’une petite taille d’effet, donc d’une association faible. Il ne s’agit ni d’une relation linéaire ni d’une garantie d’absence totale d’association.