QCM : Méthodologie et biostatistiques (35 questions)

Questions et réponses du QCM

1. Quel enchaînement décrit correctement une démarche expérimentale, de la préparation à l’interprétation ?

Recueillir des informations validées, élaborer un protocole, interpréter les données, formuler des hypothèses, puis analyser les résultats après leur publication.
Élaborer un protocole, interpréter les résultats attendus, recueillir les données, formuler une question, puis vérifier les informations auprès des pairs.
S’appuyer sur des informations validées, formuler une question et des hypothèses, élaborer un protocole, recueillir et analyser les données, puis interpréter les résultats à la lumière des connaissances disponibles.
Formuler une question, recueillir des données, élaborer un protocole, proposer des hypothèses, puis interpréter les résultats sans mobiliser les connaissances antérieures.

S’appuyer sur des informations validées, formuler une question et des hypothèses, élaborer un protocole, recueillir et analyser les données, puis interpréter les résultats à la lumière des connaissances disponibles.

Explication

Cette démarche commence par des informations validées et progresse de la question et des hypothèses jusqu’à l’interprétation des données recueillies et analysées. Commencer par recueillir les données avant de concevoir le protocole inverse l’ordre de la démarche.

2. Qu’est-ce qui distingue une théorie scientifique d’un dogme ?

Une théorie scientifique est un modèle composé d’hypothèses réfutables, alors qu’un dogme ne peut pas être mis à l’épreuve de cette manière.
Une théorie scientifique propose des explications qui échappent aux tests, alors qu’un dogme peut être contredit par des observations.
Une théorie scientifique décrit des résultats expérimentaux isolés, alors qu’un dogme rassemble des hypothèses testables.
Une théorie scientifique est un ensemble de faits confirmés, alors qu’un dogme est un modèle composé d’hypothèses réfutables.

Une théorie scientifique est un modèle composé d’hypothèses réfutables, alors qu’un dogme ne peut pas être mis à l’épreuve de cette manière.

Explication

Une théorie scientifique repose sur des hypothèses pouvant être réfutées, ce qui permet de la mettre à l’épreuve. L’idée qu’une théorie échappe aux tests correspond plutôt à la confusion entre théorie scientifique et dogme.

3. Avant de vérifier une explication possible du comportement d’un groupe, comment la qualifier dans une étude scientifique ?

Une hypothèse de recherche, formulée avant sa vérification et destinée à être testée.
Une variable dépendante, mesurée pour observer les changements chez les participants.
Une conclusion scientifique, établie après l’analyse des résultats de l’étude.
Un protocole expérimental, décrivant les étapes prévues pour recueillir les données.

Une hypothèse de recherche, formulée avant sa vérification et destinée à être testée.

Explication

Une hypothèse de recherche est une explication possible formulée avant vérification, que l’étude doit mettre à l’épreuve. Une conclusion, à l’inverse, est établie après l’analyse des résultats.

4. Dans une expérience, un chercheur fait varier la durée d’entraînement et mesure ensuite la précision des participants. Quel est le statut de la durée d’entraînement ?

La variable indépendante, manipulée par l’expérimentateur comme facteur explicatif.
La variable dépendante, mesurée chez les participants comme résultat de l’expérience.
Une variable qualitative, décrivant des catégories sans valeurs numériques pertinentes.
Une variable invoquée, recueillie sans possibilité d’intervention de l’expérimentateur.

La variable indépendante, manipulée par l’expérimentateur comme facteur explicatif.

Explication

La durée d’entraînement est choisie et manipulée par le chercheur : c’est la variable indépendante. La précision mesurée chez les participants est plutôt la variable dépendante.

5. Une étude compare des groupes selon leur âge, tandis qu’une autre assigne les participants à différentes durées d’entraînement. Quelle distinction s’applique aux variables indépendantes ?

L’âge est une variable invoquée, tandis que la durée d’entraînement est une variable contrôlée modifiable par le chercheur.
L’âge et la durée d’entraînement sont des variables dépendantes, car elles distinguent les participants entre groupes.
L’âge et la durée d’entraînement sont des variables contrôlées, car leurs valeurs peuvent être comparées entre groupes.
L’âge est une variable contrôlée, tandis que la durée d’entraînement est une variable invoquée recueillie chez les participants.

L’âge est une variable invoquée, tandis que la durée d’entraînement est une variable contrôlée modifiable par le chercheur.

Explication

L’âge est une variable invoquée, puisqu’il est mesuré ou recueilli plutôt que modifié par l’expérimentateur ; la durée d’entraînement peut être assignée par le chercheur. La confusion consiste à inverser ces deux catégories.

6. Dans une étude, le chercheur mesure le temps de réponse des participants et constate qu’il varie selon la difficulté des tâches. Comment qualifier le temps de réponse ?

Une variable qualitative qui classe les réponses sans que les opérations numériques aient de sens.
Une variable dépendante mesurée chez les participants et susceptible de varier selon une variable indépendante.
Une variable invoquée qui correspond à une caractéristique personnelle recueillie avant l’étude.
Une variable indépendante manipulée par les participants en fonction de leur préférence personnelle.

Une variable dépendante mesurée chez les participants et susceptible de varier selon une variable indépendante.

Explication

Le temps de réponse est mesuré chez les participants et sa variation peut être causée par la difficulté des tâches, ce qui en fait une variable dépendante. La difficulté des tâches joue plutôt le rôle de facteur indépendant dans cette situation.

7. Une variable indique une couleur favorite parmi plusieurs catégories, tandis qu’une autre mesure une distance en mètres. Quelle distinction est correcte ?

Les deux variables sont qualitatives, car chacune peut être présentée sous la forme de valeurs dans un tableau.
La couleur favorite est quantitative, tandis que la distance est qualitative parce qu’elle dépend de l’unité choisie.
La couleur favorite est qualitative, tandis que la distance est quantitative et permet des opérations numériques pertinentes.
Les deux variables sont quantitatives, car la couleur et la distance peuvent être codées par des nombres.

La couleur favorite est qualitative, tandis que la distance est quantitative et permet des opérations numériques pertinentes.

Explication

La couleur favorite décrit des modalités catégorielles sans opérations numériques pertinentes, tandis qu’une distance est une mesure numérique quantitative. Coder les couleurs avec des nombres ne transforme pas ces catégories en mesures quantitatives.

8. Avant de recueillir des données, une équipe doit définir une question de recherche et choisir un test statistique. Quelle démarche est la plus appropriée ?

Définir les variables, recueillir les données, choisir les modalités observées, puis vérifier si les échantillons peuvent être appariés.
Préciser l’influence étudiée, définir les variables et leurs modalités, examiner répétitions et appariements, caractériser les données, puis choisir le test.
Choisir d’abord un test statistique, recueillir les données, puis déterminer les variables et l’influence correspondant aux résultats obtenus.
Préciser l’influence et les variables, choisir immédiatement le test, puis examiner après le recueil si les données sont répétées.

Préciser l’influence étudiée, définir les variables et leurs modalités, examiner répétitions et appariements, caractériser les données, puis choisir le test.

Explication

Le choix du test statistique doit suivre la définition de l’influence, des variables, des modalités et des caractéristiques des données, notamment leur répétition et l’appariement. Choisir le test avant de caractériser les données risque de ne pas correspondre au plan de recherche.

9. Dans le cadre PICO(T), que représente la lettre T ?

Le type d’échantillon, c’est-à-dire la manière dont les participants sont répartis entre les groupes.
La temporalité, c’est-à-dire la dimension temporelle prise en compte dans la question de recherche.
Le traitement statistique, c’est-à-dire la méthode utilisée pour analyser les résultats recueillis.
La théorie de recherche, c’est-à-dire le modèle qui explique le phénomène observé.

La temporalité, c’est-à-dire la dimension temporelle prise en compte dans la question de recherche.

Explication

Dans PICO(T), le T désigne la temporalité, aux côtés de la population, de l’intervention ou du facteur de risque, du comparateur et du critère de jugement. Le traitement statistique relève du choix de méthode d’analyse, pas de cet élément du cadre.

10. Une équipe décrit en profondeur plusieurs aspects de la vie de deux patients atteints d’une maladie extrêmement rare. Quelle limite caractérise ce type d’étude ?

Ses résultats ne permettent pas d’étudier des aspects détaillés de la vie des sujets.
Ses résultats reposent sur la comparaison de l’exposition de malades et de témoins.
Ses résultats sont difficiles à généraliser, car les sujets étudiés ne sont pas représentatifs.
Ses résultats sont généralisables dès lors que les sujets sont suivis dans le temps.

Ses résultats sont difficiles à généraliser, car les sujets étudiés ne sont pas représentatifs.

Explication

Une étude de cas ou de série de cas convient à l’examen approfondi de quelques sujets, notamment pour des situations rares, mais son échantillon non représentatif limite la généralisation. Le suivi dans le temps caractérise plutôt une cohorte et ne rend pas, à lui seul, un petit échantillon représentatif.

11. Pour étudier rétrospectivement si une exposition est associée à une maladie, quelle comparaison définit une étude cas-témoins ?

Comparer l’exposition de sujets malades à celle de sujets non malades choisis comme témoins.
Décrire en détail les antécédents et le mode de vie d’un seul sujet atteint.
Comparer l’apparition de nouveaux cas chez des sujets exposés et non exposés suivis dans le temps.
Comparer le nombre de cas présents à un instant donné à la population à risque à cet instant.

Comparer l’exposition de sujets malades à celle de sujets non malades choisis comme témoins.

Explication

Une étude cas-témoins part de sujets malades et de témoins non malades, puis compare leur fréquence d’exposition au facteur étudié. Le suivi de groupes exposés et non exposés correspond plutôt à une étude de cohorte.

12. Une chercheuse veut mesurer le nombre de nouveaux cas d’une maladie apparus pendant une période parmi les personnes à risque. Quel schéma d’étude convient à cet objectif ?

Une série de cas, qui décrit en détail quelques sujets atteints.
Une étude transversale, qui mesure les cas présents à un instant donné.
Une étude cas-témoins, qui compare l’exposition passée de malades et de témoins.
Une étude de cohorte, qui permet de suivre les nouveaux cas pendant l’intervalle étudié.

Une étude de cohorte, qui permet de suivre les nouveaux cas pendant l’intervalle étudié.

Explication

L’incidence porte sur les nouveaux cas survenus pendant un intervalle et son étude appropriée est l’étude de cohorte. Une étude transversale mesure plutôt la prévalence à un instant donné, et non la survenue de nouveaux cas au cours du temps.

13. Lors d’une enquête menée à une date précise, une équipe compte les personnes atteintes d’une maladie et les rapporte à la population à risque à cette date. Quelle mesure calcule-t-elle ?

L’incidence, qui rapporte les nouveaux cas de la période à la population à risque de cette période.
Le taux de suivi, qui rapporte les sujets observés au nombre de groupes constitués.
La prévalence, qui rapporte les cas présents à la population à risque au même instant.
La fréquence d’exposition, qui compare des sujets malades à des témoins non malades.

La prévalence, qui rapporte les cas présents à la population à risque au même instant.

Explication

La prévalence correspond au nombre de cas à un instant donné rapporté à la population à risque au même instant. L’incidence concerne les nouveaux cas pendant un intervalle, ce qui n’est pas la mesure décrite ici.

14. Dans un essai comparant deux modalités d’une variable indépendante, quelle condition permet d’interpréter correctement la différence entre le groupe traité et le groupe contrôle ?

Le groupe contrôle doit recevoir la modalité étudiée tandis que le groupe traité n’en reçoit aucune.
Les groupes doivent être comparables pour les autres conditions pertinentes et différer par la modalité étudiée.
Les groupes doivent être constitués à partir de populations sans caractéristiques communes.
Les groupes doivent différer sur plusieurs conditions afin de rendre le contraste plus marqué.

Les groupes doivent être comparables pour les autres conditions pertinentes et différer par la modalité étudiée.

Explication

Pour isoler l’effet de la variable indépendante, le groupe contrôle doit être comparable au groupe traité en toutes choses pertinentes, sauf pour la modalité étudiée. Faire varier plusieurs conditions à la fois empêcherait d’attribuer clairement une différence observée à cette variable.

15. Une équipe veut limiter les biais de sélection en répartissant les participants entre deux groupes. Quelle méthode répond à cet objectif ?

Placer les participants les plus malades dans le groupe traité, afin d’équilibrer les résultats.
Attribuer les participants au hasard, afin que la sélection des groupes ne dépende pas du chercheur.
Laisser les participants choisir le groupe, afin de respecter leurs préférences de traitement.
Répartir les participants par quotas, afin que chaque groupe reproduise les proportions de la population.

Attribuer les participants au hasard, afin que la sélection des groupes ne dépende pas du chercheur.

Explication

La répartition au hasard vise à éviter les biais de sélection en empêchant que l’affectation dépende de choix conscients ou inconscients du chercheur. La répartition par quotas cherche plutôt à reproduire des proportions définies de la population.

16. Lorsqu’un essai contrôlé randomisé cherche à isoler l’effet d’un traitement, quelle différence doit distinguer les groupes contrôle et traitement ?

Ils doivent être non représentatifs, mais recevoir des traitements choisis par les participants.
Ils doivent différer sur la variable étudiée, tandis que les autres variables pertinentes sont contrôlées.
Ils doivent différer sur les variables invoquées, tandis que la variable étudiée reste identique.
Ils doivent différer sur plusieurs variables afin de représenter des profils de patients variés.

Ils doivent différer sur la variable étudiée, tandis que les autres variables pertinentes sont contrôlées.

Explication

Dans un essai contrôlé randomisé, les groupes diffèrent sur une seule variable étudiée, les autres facteurs étant contrôlés autant que possible. Faire varier plusieurs variables en même temps rendrait l’effet propre du traitement difficile à isoler.

17. Dans une étude en double aveugle, quelle organisation permet de masquer l’attribution du traitement aux personnes concernées ?

Le médecin ignore le traitement, mais le patient le connaît et le décrit aux évaluateurs.
Le patient ignore son traitement, mais le médecin le connaît et décide de son attribution.
Le patient et le médecin connaissent le traitement, tandis qu’un évaluateur externe l’ignore.
Ni le patient ni le médecin ne connaissent le traitement reçu, ce qui nécessite une tierce personne.

Ni le patient ni le médecin ne connaissent le traitement reçu, ce qui nécessite une tierce personne.

Explication

Le double aveugle signifie que ni le patient ni le médecin ne savent quel traitement le patient reçoit, ce qui rend nécessaire l’intervention d’une tierce personne pour gérer cette information. Si le médecin connaît l’attribution, la condition de double aveugle n’est pas remplie.

18. Une équipe examine si une association entre une exposition et une maladie pourrait être causale. Quel ensemble correspond aux critères de Hill cités pour cette évaluation ?

La plausibilité, la prévalence, la randomisation, la causalité inverse, le suivi, l’exposition, la sélection et la puissance.
La force, la stabilité, la cohérence, la plausibilité, la spécificité, la temporalité, la dose-effet et la preuve expérimentale.
La prévalence, l’incidence, la représentativité, la randomisation, le suivi, le coût, la durée et la taille de l’échantillon.
La fréquence, la sensibilité, la précision, la reproductibilité, l’aveugle, le placebo, la sélection et la mémorisation.

La force, la stabilité, la cohérence, la plausibilité, la spécificité, la temporalité, la dose-effet et la preuve expérimentale.

Explication

Les critères cités comprennent notamment la force, la stabilité, la cohérence, la plausibilité, la spécificité, l’ordre temporel, la relation dose-effet et la preuve expérimentale. La prévalence et l’incidence sont des mesures épidémiologiques, mais elles ne constituent pas l’ensemble des critères demandé.

19. Un patient croit fortement qu’un traitement l’aidera et son état s’améliore en partie sous l’effet de cette croyance. Quel phénomène cela illustre-t-il ?

L’effet plafond, c’est-à-dire la réussite de tous les sujets face à une épreuve trop simple.
Le biais de Hawthorne, c’est-à-dire une motivation accrue liée au fait de participer à une expérience.
L’effet plancher, c’est-à-dire l’échec de tous les sujets face à une épreuve trop difficile.
L’effet placebo, c’est-à-dire l’influence positive de la croyance en la guérison sur les chances de guérison.

L’effet placebo, c’est-à-dire l’influence positive de la croyance en la guérison sur les chances de guérison.

Explication

L’effet placebo désigne l’influence positive de la croyance en la guérison sur les chances de guérison. Le biais de Hawthorne concerne plutôt une motivation accrue liée au fait que les sujets savent qu’ils participent à une expérience.

20. Dans un essai comparant un traitement à un placebo, quelle pratique aide à répartir équitablement l’effet placebo entre les groupes ?

Faire connaître l’attribution au soignant afin qu’il puisse adapter son interaction avec le patient.
Informer le patient de son attribution tout en demandant au soignant de garder le silence.
Mettre en place un double aveugle où ni le patient ni le soignant ne connaissent l’attribution.
Distribuer le placebo à un seul groupe sans masquer l’attribution aux participants.

Mettre en place un double aveugle où ni le patient ni le soignant ne connaissent l’attribution.

Explication

Le double aveugle masque au patient et au soignant l’attribution du traitement ou du placebo, ce qui aide à répartir équitablement l’effet placebo entre les groupes. Si le patient connaît son attribution, son attente peut différer selon le groupe.

21. Un test est si simple que tous les participants le réussissent. Quel phénomène de mesure cela illustre-t-il ?

Un biais de Hawthorne, car la participation à l’étude augmente la motivation des sujets.
Un effet plancher, car la difficulté du test entraîne l’échec de tous les sujets.
Un effet placebo, car les attentes positives entraînent une amélioration des résultats.
Un effet plafond, car la simplicité du test entraîne la réussite de tous les sujets.

Un effet plafond, car la simplicité du test entraîne la réussite de tous les sujets.

Explication

L’effet plafond apparaît lorsqu’un test est trop simple et que tous les sujets le réussissent. L’effet plancher correspond au cas inverse, où un test trop difficile entraîne l’échec de tous.

22. Dans une série de valeurs très asymétrique comportant une valeur extrême, quelle mesure de position est généralement la moins affectée par cette valeur ?

La moyenne, car elle élimine l’effet des valeurs éloignées
La médiane, car elle intègre la valeur extrême dans son calcul
La moyenne, car elle dépend du rang des observations
La médiane, car elle dépend du rang des observations

La médiane, car elle dépend du rang des observations

Explication

La médiane est fondée sur les rangs et est donc moins sensible aux valeurs extrêmes asymétriques que la moyenne. La moyenne prend en compte les valeurs elles-mêmes, ce qui la rend davantage influencée par une observation extrême.

23. Une étude porte sur un grand échantillon de données qui suivent une loi normale ; quel type de test est recommandé ?

Un test paramétrique, adapté aux distributions non normales et aux petits échantillons
Un test non paramétrique, adapté à la normalité et à un grand échantillon
Un test non paramétrique, choisi indépendamment de la distribution et de la taille
Un test paramétrique, adapté à la normalité et à un grand échantillon

Un test paramétrique, adapté à la normalité et à un grand échantillon

Explication

Les tests paramétriques sont recommandés lorsque les données suivent une loi normale et que l’échantillon est grand. Les tests non paramétriques sont plutôt associés à une distribution non normale ou à un petit échantillon.

24. Dans une comparaison entre deux groupes, que distingue l’hypothèse nulle de l’hypothèse alternative ?

H0 postule l’absence de différence significative, tandis que H1 postule une différence significative
H0 concerne la dispersion des groupes, tandis que H1 concerne leur moyenne
H0 décrit un effet existant, tandis que H1 décrit un effet inexistant
H0 postule une différence significative, tandis que H1 postule l’absence de différence significative

H0 postule l’absence de différence significative, tandis que H1 postule une différence significative

Explication

H0 postule l’absence de différence significative entre les groupes, alors que H1 postule une différence significative ; ces hypothèses sont mutuellement exclusives. L’inversion de ces rôles est une confusion fréquente, mais elle attribue à chaque hypothèse la proposition de l’autre.

25. Un chercheur conclut à un effet alors que l’hypothèse nulle est vraie ; à quel risque statistique cette erreur correspond-elle ?

Au risque β, qui consiste à ne pas rejeter une hypothèse nulle vraie
Au risque β, qui consiste à rejeter une hypothèse nulle fausse
Au risque α, qui consiste à ne pas rejeter une hypothèse nulle fausse
Au risque α, qui consiste à rejeter une hypothèse nulle vraie

Au risque α, qui consiste à rejeter une hypothèse nulle vraie

Explication

Le risque α est celui de rejeter H0 alors qu’elle est vraie, ce qui revient à valider un effet inexistant. Le risque β correspond plutôt à ne pas rejeter une hypothèse nulle qui est fausse.

26. Une hypothèse nulle est fausse, mais le test ne la rejette pas ; quel risque est alors encouru ?

Le risque β, associé au rejet d’une hypothèse nulle vraie
Le risque α, associé à la détection d’un effet inexistant
Le risque α, associé au maintien d’une hypothèse nulle vraie
Le risque β, associé à l’absence de détection d’un effet existant

Le risque β, associé à l’absence de détection d’un effet existant

Explication

Le risque β correspond à ne pas rejeter H0 alors qu’elle est fausse, et donc à ne pas confirmer un effet réellement présent. Le risque α concerne l’erreur inverse : rejeter une hypothèse nulle vraie.

27. Avec un seuil α fixé à 5 %, quelle décision est indiquée lorsque la valeur p vaut 0,07 ?

Ne pas rejeter H0, sans pour autant la considérer comme acceptée
Rejeter H0 au profit de H1, car toute valeur p indique un effet
Rejeter H0 au profit de H1, car la valeur p dépasse le seuil
Accepter H0, car la valeur p dépasse le seuil

Ne pas rejeter H0, sans pour autant la considérer comme acceptée

Explication

Comme 0,07 est supérieur ou égal à 0,05, H0 n’est pas rejetée, mais elle n’est pas pour autant acceptée. Le rejet au profit de H1 est indiqué lorsque p est inférieur à 0,05.

28. Pour choisir un test statistique, quels éléments doivent être pris en compte ?

Le nombre de participants, la méthode de recrutement, la moyenne générale et la représentation graphique
Le type des variables, leurs modalités, le caractère paramétrique des données quantitatives et le lien entre échantillons
Le type des variables, la valeur p attendue, le nombre de chercheurs et la durée de l’étude
Le type des variables, la taille de l’effet observé, le seuil de confiance et l’ordre de collecte des données

Le type des variables, leurs modalités, le caractère paramétrique des données quantitatives et le lien entre échantillons

Explication

Le choix dépend du caractère qualitatif ou quantitatif des variables, du nombre de modalités, du caractère paramétrique des données quantitatives et de l’indépendance ou de l’appariement des échantillons. La valeur p attendue, par exemple, ne remplace pas ces critères de sélection.

29. Que mesure une corrélation entre deux variables ?

La direction et la force de la relation entre les deux variables
La proportion de chaque modalité dans une variable qualitative
La différence moyenne entre les deux variables et sa significativité
La probabilité qu’une hypothèse nulle soit vraie

La direction et la force de la relation entre les deux variables

Explication

Une corrélation est un rapport mathématique qui mesure la direction et la force de la relation entre deux variables. Elle ne mesure pas directement une différence moyenne entre groupes.

30. Deux variables quantitatives continues sont non paramétriques ; quelle corrélation est recommandée pour étudier leur relation ?

La corrélation de Spearman, adaptée ici aux données non paramétriques
Le test t de Student, destiné à mesurer la relation entre deux variables continues
La corrélation de Pearson, adaptée ici aux données non paramétriques
Le test du χ², destiné à mesurer la relation entre deux variables continues

La corrélation de Spearman, adaptée ici aux données non paramétriques

Explication

Pour deux variables quantitatives continues, Spearman est recommandé lorsque les données sont non paramétriques. Pearson est associé au cas paramétrique, tandis que le test du χ² traite des variables qualitatives.

31. Pour étudier l’association entre deux variables qualitatives à l’aide d’un tableau de contingence, quel test est recommandé ?

Le test U de Mann–Whitney, qui compare deux échantillons indépendants
La corrélation de Pearson, qui mesure une relation linéaire entre deux variables quantitatives
Le test du χ², qui compare les effectifs observés aux effectifs théoriques
Le test t de Student, qui compare les moyennes de deux groupes

Le test du χ², qui compare les effectifs observés aux effectifs théoriques

Explication

Le test du χ² est recommandé pour étudier une variable qualitative en fonction d’une autre variable qualitative et compare les effectifs observés aux effectifs théoriques. Le test t de Student sert plutôt à comparer une variable quantitative entre deux groupes.

32. Quel graphique convient pour représenter la relation entre deux variables quantitatives ?

Un graphique de proportions par catégories
Un diagramme circulaire de proportions
Un histogramme de proportions
Un nuage de points

Un nuage de points

Explication

Un nuage de points représente une variable quantitative en fonction d’une autre variable quantitative. Un diagramme circulaire convient plutôt à des proportions associées à des variables qualitatives.

33. Dans la notation de significativité, que signifie l’attribution de trois étoiles à un résultat ?

La valeur de p est inférieure à 0,05
La valeur de p est inférieure à 0,01
La valeur de p est supérieure à 0,05
La valeur de p est inférieure à 0,001

La valeur de p est inférieure à 0,001

Explication

Trois étoiles correspondent à une valeur de p inférieure à 0,001. Le seuil inférieur à 0,01 correspond à deux étoiles, et non à trois.

34. Lorsqu’un résultat statistique compare deux groupes, quelles informations sa présentation doit-elle inclure ?

La conclusion du test, puis entre parenthèses le nom des groupes et la valeur critique du test
Le sens de la différence, puis entre parenthèses le nom du test, sa valeur spécifique et la valeur de p
La moyenne de chaque groupe, puis entre parenthèses la taille de l’échantillon et l’écart-type
Le sens de la différence, puis entre parenthèses les effectifs et les proportions de chaque groupe

Le sens de la différence, puis entre parenthèses le nom du test, sa valeur spécifique et la valeur de p

Explication

La présentation doit préciser le sens de la différence entre groupes ainsi que, entre parenthèses, le test, sa valeur spécifique et la valeur de p. Les effectifs et proportions relèvent des statistiques descriptives, mais ne remplacent pas ces éléments du résultat du test.

35. Pour décrire statistiquement les catégories d’un échantillon, quelles données faut-il rapporter ?

Les médianes et les intervalles interquartiles
Les moyennes et les écarts-types
Les valeurs du test et les degrés de liberté
Les effectifs et les proportions

Les effectifs et les proportions

Explication

Les statistiques descriptives doivent rapporter les effectifs et les proportions. Les valeurs du test et les degrés de liberté servent plutôt à présenter les résultats de certains tests inférentiels.

Révisez avec les flashcards

Mémorisez les réponses avec 79 flashcards sur Méthodologie et biostatistiques.

Quelles étapes suivent la démarche expérimentale, de la question à l’interprétation ?

Question et hypothèses, protocole, collecte et analyse des données, puis interprétation à la lumière des connaissances scientifiques.

De quoi se compose une théorie scientifique ?

D’hypothèses réfutables.

Que devient une théorie composée d’hypothèses non réfutables ?

Un dogme.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Méthodologie et biostatistiques.

Voir la fiche →

Cours similaires

Optique géométrique et systèmes centrés

Physique

Fonctions affines et variations

Mathématiques

Biologie cellulaire et histologie

SVT

La membrane plasmique

SVT

Ondes et analyses chimiques

Physique

Évolution de l’atmosphère terrestre

SVT

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM