QCM : Récolte et expérimentation des données — 31 questions

Explication

L’échantillonnage vise à estimer des quantités à partir d’une partie observée de la population, alors que l’expérimentation provoque un phénomène dans des conditions contrôlées. Confondre observation et manipulation conduit donc à inverser les rôles des deux démarches.

Explication

Les observations constituent la base de toute récolte de données et peuvent être quantitatives ou qualitatives. Les limiter aux mesures numériques exclurait les descriptions et catégories qualitatives.

Explication

Un objectif clair est lié à la problématique et à l’hypothèse, tout en indiquant l’observation visée et les variables susceptibles de l’influencer. Décrire seulement le lieu ou la méthode ne définit pas suffisamment le but scientifique.

Explication

La variable à expliquer, ou variable réponse, est la mesure dont on cherche à comprendre les variations. La variable qui pourrait provoquer cette variation est plutôt la variable explicative.

Explication

La variable explicative peut être numérique ou qualitative et est considérée comme susceptible d’être responsable des variations de la variable à expliquer. Elle se distingue donc de la variable réponse, qui est mesurée pour être comprise.

Explication

L’échantillonnage est utilisé lorsque l’étude de toute la population ou de toute l’aire est difficile, notamment en raison du coût, du temps, du personnel ou de l’accessibilité. Une expérimentation répond à une autre logique, puisqu’elle manipule des conditions pour observer leurs conséquences.

Explication

L’estimation de la population mère est $5000 \div 10 \times 30 = 15000$ nids, alors que l’étude porte sur un échantillon de 300 nids. La population mère désigne l’ensemble estimé, et l’échantillon n’en représente qu’une partie.

Explication

L’inférence permet d’extrapoler les propriétés observées sur un échantillon à l’ensemble de la population. Décrire l’échantillon sans généraliser relève de l’analyse descriptive, et non de l’inférence.

Explication

Une population biologique est délimitée par l’espèce, le lieu et le moment, alors qu’une population statistique regroupe les éléments concernés par la caractéristique étudiée. La taille de l’échantillon et la variance ne fournissent pas ces définitions.

Explication

Le taux d’échantillonnage se calcule par $f = \frac{n}{N}$, donc $f = \frac{40}{800} = 0{,}05$. La valeur $0{,}20$ correspondrait à un rapport différent et ne respecte pas le calcul demandé.

Explication

Un échantillon représentatif ressemble à la population étudiée et n’est pas affecté par un biais systématique. Une sélection pratique ou une taille importante ne garantit pas à elle seule la représentativité.

Explication

Le biais ne disparaît pas avec l’augmentation de la taille de l’échantillon, car il s’agit d’une erreur systématique. L’erreur aléatoire, en revanche, tend à diminuer lorsque davantage d’individus sont observés.

Explication

L’échantillonnage empirique utilise une connaissance préalable de la population pour choisir les éléments. L’échantillonnage aléatoire les désigne par un mécanisme de hasard, et non par une sélection fondée sur cette connaissance.

Explication

Le doublement de la précision statistique exige de multiplier la taille de l’échantillon par quatre. Doubler directement n ne fournit donc pas l’augmentation de précision visée.

Explication

La formule est $C_T = C_0 + nc$, soit $500 + 25 \times 8 = 700$ euros. Le coût fixe ne dépend pas du nombre d’individus, tandis que le terme $nc$ varie avec la taille de l’échantillon.

Explication

L’optimisation consiste à trouver un compromis entre la quantité d’information apportée par une taille d’échantillon plus grande et un coût total acceptable. Réduire n sans considérer l’information ou augmenter les dépenses sans limite ne correspond pas à cette recherche d’équilibre.

Explication

Le témoin fournit une situation comparable dans laquelle le facteur n’agit pas, ce qui permet d’attribuer une différence observée à ce facteur. Augmenter l’échantillon ou utiliser une proportion connue ne constitue pas la fonction principale d’un témoin.

Explication

L’étude portait sur douze enfants présentant certains troubles et ne comportait pas de groupe non vacciné servant de comparaison. L’absence de groupe de référence empêche d’attribuer solidement les troubles observés à la vaccination.

Explication

Les individus intrépides étaient plus susceptibles d’entrer dans les pièges, ce qui les rendait surreprésentés dans l’échantillon. Les individus réservés n’étaient donc pas capturés dans les mêmes proportions, plutôt que d’être favorisés par le dispositif.

Explication

Une variable de contrôle conserve la même valeur dans toutes les unités et ne varie pas pendant l’expérience. Une variable volontairement modifiée correspond plutôt à la variable explicative d’intérêt.

Explication

La variable explicative d’intérêt est manipulée ou réglée par l’expérimentateur, et sa valeur est connue dans le dispositif. Une variation spontanée non maîtrisée relève plutôt d’une variable de bruit.

Explication

Le traitement témoin conserve les conditions initiales et sert de référence pour déterminer l’effet des traitements étudiés. Il ne remplace pas les répétitions et ne correspond pas nécessairement à une dose maximale.

Explication

L’unité expérimentale est l’objet auquel le traitement est appliqué, ici une parcelle. Une variable de contrôle décrit une condition maintenue constante, tandis qu’un traitement témoin désigne une modalité de référence.

Explication

Une expérience exploitable associe un traitement témoin, des répétitions et une attribution aléatoire des traitements. Ces trois principes permettent respectivement de comparer les effets, d’évaluer la variabilité et de limiter les facteurs confondants.

Explication

Le contrôle introduit un traitement témoin qui sert de référence pour déterminer si les traitements étudiés ont réellement produit un effet. L’attribution au hasard relève de la randomisation, et le contrôle ne supprime pas toute variation naturelle.

Explication

Les répétitions permettent de vérifier qu’un résultat se reproduit et d’estimer l’erreur de mesure des instruments. Elles ne remplacent pas le témoin et n’assurent pas à elles seules une attribution indépendante des facteurs confondants.

Explication

La randomisation attribue les traitements au hasard afin de limiter l’association entre un traitement et des variables non maîtrisées. Elle ne garantit pas qu’un effet sera observé et ne remplace pas la mesure de l’erreur expérimentale.

Explication

Le choix des emplacements selon la disponibilité et la préférence des chercheurs pouvait associer l’exclusion des prédateurs à d’autres variations environnementales. La durée d’exposition, la diversité des espèces et l’accès accru des prédateurs ne constituent pas le biais décrit ici.

Explication

Sans groupe témoin, il était impossible de vérifier si les comportements anormaux apparaissaient aussi en l’absence de surpopulation. Les autres réponses concernent des caractéristiques qui ne correspondent pas au défaut méthodologique identifié pour cette étude.

Explication

Un conflit d’intérêts non divulgué peut influencer de manière systématique la collecte ou l’interprétation des données. Une erreur aléatoire varie sans direction constante et ne correspond donc pas à ce mécanisme d’influence.

Explication

La standardisation des méthodes rend la collecte plus comparable entre chercheurs et entre expériences. La réduction de l’échantillon et la publication sélective aggravent certains problèmes de fiabilité, tandis que la déclaration des conflits améliore la transparence sans standardiser les mesures.