Revision sheet: Introduction aux statistiques en psychologie

📋 Plan du Cours

1. Objectifs et rôle des statistiques en psychologie
2. Étapes d’une étude statistique : collecte, traitement et interprétation des données
3. Classification et fonctions des variables statistiques (indépendantes, dépendantes)
4. Nature des variables nominales, ordinales et d’intervalle en statistique
5. Utilisation des tableaux croisés pour la présentation synthétique des données
6. Simplification et transformation des variables qualitatives avec fonctions Excel
7. Formulation et test d’hypothèses statistiques (H0 et H1) en fonction des variables
8. Statistiques descriptives : effectifs, fréquences, mesures de tendance centrale et dispersion
9. Lien entre variables et comparaison de moyennes selon groupes
10. Calcul et interprétation de la moyenne, médiane, mode et étendue
11. Introduction à la distribution normale et implications pour les mesures centrales
12. Décision statistique basée sur la valeur p et interprétation des résultats

📖 1. Objectifs et rôle des statistiques en psychologie

🔑 Notions clés & Définitions

• Echantillon : Fragment de la population d’intérêt constitué d’un nombre limité d’unités sélectionnées selon une stratégie d’échantillonnage, utilisé pour représenter la population dans une étude.
• Population statistique ou parente : Ensemble complet des unités ou éléments que l’étude vise à représenter ou à généraliser, dont il faut décrire précisément les caractéristiques spécifiques si nécessaire.
• Description de données : Processus consistant à organiser, représenter et résumer les données recueillies afin de faciliter leur analyse et leur compréhension.
• Exemple : Si l’on prend les variables « genre ;

📝 Points essentiels

• Les statistiques permettent de décrire précisément des données issues d’une population ou d’un échantillon, et d’évaluer des hypothèses pour généraliser les résultats.
• La population statistique est l’ensemble des unités étudiées, tandis que l’échantillon est un fragment représentatif de cette population.
• L’unité ou individu statistique est l’élément de base sur lequel les données sont collectées.
• Les statistiques sont essentielles pour comprendre et lire un article scientifique en psychologie.
• Chamayou Déroulé du cours magistral
• Introduction générale : Objectif des statistiques et leur rôle en psychologie
• Vocabulaire statistique : Définir les termes clés avec des exemples
• Les variables : Explorer les variables et modalités
• Les échelles de mesure : Comprendre les types d’échelles pour des mesures
• Les statistiques descriptives et graphiques : Représenter des données de façon littéraire et sous forme de graphique
• Indices de tendance centrale et de dispersion : Définitions et calculs du mode, moyenne, médiane, variance, écart-type
• Tests d’hypothèse et statistiques inférentielles : Tester des hypothèses Modalité de contrôle : 1 partiel Introduction générale aux statistiques
• Objectif des statistiques ?
• • Pour pouvoir analyser correctement des données • Etre capable de comprendre et savoir lire un article scientifique Les étapes d’une étude statistique • Le recueil de données : collecter des informations via enquêtes, tests ou observations.

💡 À retenir

Les statistiques permettent de décrire précisément des données issues d’une population ou d’un échantillon, et d’évaluer des hypothèses pour généraliser les résultats.

📖 2. Étapes d’une étude statistique : collecte, traitement et interprétation des données

🔑 Notions clés & Définitions

• **Etc

• L’observation #1** : Ensemble des réponses ou données recueillies auprès d’un individu participant à l’étude, comprenant des réalités objectives et subjectives, et dépendant de la sensibilité et du regard subjectif de ce participant.

• Recueil de données : Processus de collecte d’informations à partir d’enquêtes, tests ou observations, visant à obtenir des données pertinentes sur la population cible pour l’étude.

• Dépouillement des données : Étape consistant à rassembler et organiser les données collectées sous forme de tableaux, classes, catégories et codes afin de faciliter leur analyse.

📝 Points essentiels

• Le recueil de données s’effectue via enquêtes, tests ou observations selon la population cible.
• Le dépouillement consiste à organiser les données en tableaux, classes, catégories et codes.
• Le traitement descriptif vise à représenter et organiser les données pour en extraire des informations générales.
• Le traitement inférentiel permet d’extrapoler des lois, théories ou généralisations à partir des données.
• L’interprétation des résultats dépend du modèle de recherche, des connaissances du chercheur et du bon sens.

💡 À retenir

Maîtriser la démarche complète d’une étude statistique, de la collecte à l’interprétation rigoureuse des données, est essentiel pour établir des conclusions valides et généralisables.

📖 3. Classification et fonctions des variables statistiques (indépendantes, dépendantes)

🔑 Notions clés & Définitions

• Taille : Variable quantitative mesurant une dimension physique d’un individu ou d’un objet, exprimée en unités spécifiques.
• Variable contrôlée : Variable indépendante dont la valeur est maintenue constante délibérément pour éviter qu’elle n’influence les résultats de l’expérience.
• Variable répondante : Synonyme de variable dépendante, désignant la mesure observée qui réagit aux modifications de la variable indépendante.
• Variable parasite : Variable non contrôlée qui peut affecter les résultats de l’expérience en introduisant des effets non désirés.

📝 Points essentiels

• La variable indépendante est manipulée ou modifiée par le chercheur et ne dépend d’aucune autre variable.
• La variable contrôlée est une variable indépendante maintenue constante pour éviter les effets parasites.
• La variable répondante est un autre nom pour la variable dépendante.
• La variable parasite est une variable non contrôlée qui peut affecter les résultats de l’expérience.
• V D D pour la variable dépendante R pour la variable qui répond Y pour l’axe sur lequel la variable dépendante ou répondante est représentée VI M pour variable manipulée I pour variable indépendante X pour axe sur lequel la variable indépendante ou manipulée est représentée x y = f(x) Nbr d’h à réviser Note à l’examen Exemples et exercices
• Un chercheur se demande si, en L2 de psychologie, les garçons sont meilleurs en Statistiques que les Filles.
• Indépendante car sa valeur ne dépend de l'état d’aucune autre variable de l'expérience et n'est pas affectée par aucune autre.

💡 À retenir

Comprendre les rôles distincts des variables indépendante, dépendante, contrôlée et parasite est essentiel pour analyser la structure causale d’une étude expérimentale.

📖 4. Nature des variables nominales, ordinales et d’intervalle en statistique

🔑 Notions clés & Définitions

• Variable nominale : Type de variable qualitative dont les modalités sont mutuellement exclusives, sans valeur numérique ni hiérarchie entre elles.
• Variable ordinale : Type de variable qualitative dont les modalités possèdent un ordre ou classement, sans que les intervalles entre modalités soient nécessairement égaux.
• Variable d’intervalle : Type de variable quantitative chiffrée caractérisée par des intervalles égaux entre valeurs, permettant des opérations arithmétiques comme la moyenne.
• Classification (nature) des variables : Processus de distinction des variables selon leur nature nominale, ordinale ou d’intervalle, ce qui influence les méthodes statistiques adaptées à leur analyse.

📝 Points essentiels

• Les variables nominales n’ont aucune valeur numérique ni hiérarchie entre modalités.
• Les variables ordinales possèdent un ordre ou classement entre modalités, sans mesure d’intervalle égale.
• Les variables d’intervalle sont chiffrées avec des intervalles égaux entre valeurs.
• Les modalités d’une variable s’excluent mutuellement entre elles et entre variables.
• Ex : Femme / Homme sont les deux modalités de la variable « genre »
• Les contraintes
• Exhaustivité : tout élément « mesuré » doit se retrouver au moins dans une modalité possible de la variable à laquelle on s’intéresse.
• • Les variables, pour chacune leurs modalités et/ou valeurs.

💡 À retenir

Comprendre que la nature des variables conditionne leur traitement et l’interprétation des données statistiques.

📖 5. Utilisation des tableaux croisés pour la présentation synthétique des données

🔑 Notions clés & Définitions

• Statistiques descriptives : Ensemble de méthodes permettant de comprendre, ordonner, représenter graphiquement et résumer des observations ou données.
• Vision d’ensemble : Vue globale facilitée par les tableaux récapitulatifs qui synthétisent toutes les données pour en faciliter la compréhension.
• Pour la représentation des effectifs : Utilisation de tableaux croisés pour présenter simultanément deux variables, afin d’observer leurs relations et l’organisation des effectifs conjoints et marginaux.
• Tableau récapitulatif : Il est préférable pour cela de choisir :
  • Des tableaux avec variables croisées
  • Un tableau récapitulatif, où toutes les données sont présentées sous forme synthétique.

📝 Points essentiels

• Un tableau récapitulatif synthétise toutes les données sous forme organisée et lisible.
• Il est recommandé d’utiliser deux tableaux distincts : un pour variables qualitatives (nominales/ordinales) et un autre pour variables chiffrées.
• Les tableaux sont essentiels pour respecter les normes APA dans la présentation des données.
• 5 … … … M ET Taille 167,76 11,44 Poids 59,84 6,59 Les représentations graphiques d’une distribution conjointe 0 2 4 6 8 10 12 14 16 18 Psycho Lettres modernes Droit Histoire Licence Master Doctorat Comment présenter des données statistiques dans une recherche aux normes APA ?

💡 À retenir

Appréhender les tableaux croisés comme un outil clé pour synthétiser et visualiser efficacement les données statistiques.

📖 6. Simplification et transformation des variables qualitatives avec fonctions Excel

🔑 Notions clés & Définitions

• Fonction imbriquée SI : Structure dans Excel qui permet d'utiliser plusieurs conditions SI successives pour gérer plusieurs modalités lors de la transformation de variables qualitatives.
• Exemple avec la variable : Illustration de l'utilisation de la fonction SI pour transformer une variable qualitative, comme la couleur de cheveux, en une variable dichotomique simplifiée (par exemple, blond ou pas blond).
• Fonction des variables : Rôle des variables dans une étude, notamment la distinction entre variables indépendantes et dépendantes, et leur transformation pour faciliter l'analyse statistique.

📝 Points essentiels

• La fonction SI permet de créer des variables dichotomiques à partir de variables qualitatives.
• Les fonctions SI imbriquées permettent de gérer plusieurs modalités dans la transformation des variables.
• La simplification des variables est justifiée pour des raisons techniques, éthiques, méthodologiques et statistiques.
• Le codage des variables facilite leur traitement informatique et statistique.

💡 À retenir

La fonction SI permet de créer des variables dichotomiques à partir de variables qualitatives.

📖 7. Formulation et test d’hypothèses statistiques (H0 et H1) en fonction des variables

🔑 Notions clés & Définitions

• Test d’hypothèse : Procédé d’inférence statistique qui permet de contrôler la validité d’hypothèses concernant une ou plusieurs populations en comparant les données observées aux hypothèses formulées.
• Variables à tester : Éléments mesurés dans une étude dont la nature (qualitative ou quantitative) et la fonction (variable indépendante ou dépendante) doivent être clairement identifiées pour choisir le test statistique approprié.
• Hypothèses statistiques : Formulations utilisées dans un test statistique où l’hypothèse nulle (H0) postule l’absence de lien ou de différence entre variables, tandis que l’hypothèse alternative (H1) postule la présence d’un lien ou d’une différence.
• Nature et la fonction : Caractéristiques des variables où la nature désigne leur type (qualitative ou quantitative) et la fonction indique leur rôle dans l’étude (variable indépendante ou dépendante), ce qui influence le choix du test statistique.

📝 Points essentiels

• Le test d’hypothèse compare les données observées aux hypothèses pour décider de leur validité.
• Les variables à tester doivent être clairement identifiées selon leur nature et fonction (VI, VD).
• • Attention à l’échantillonnage et à la distribution normale des données Principes de bases en statistiques inférentielles • Reposent sur des tests • Un test statistique dépend d’hypothèses • Hypothèse opérationnelle • Hypothèses statistiques (Hypothèse nulle et hypothèse alternative) • En statistiques (niveau licence), 2 possibilités : • Ho : absence de lien ou absence de différences • H1 : Soit mise en évidence de liens entre des variables Soit mise en évidence d’une différence entre les groupes (différence de moyennes entre des groupes qui sont en fait des modalités d’une VN) Qu’est ce qu’un test d’hypothèse ?

💡 À retenir

Savoir formuler clairement des hypothèses et appliquer la logique de test statistique adaptée aux variables étudiées.

📖 8. Statistiques descriptives : effectifs, fréquences, mesures de tendance centrale et dispersion

🔑 Notions clés & Définitions

• 300 SOMME : Valeur numérique représentant la somme des écarts quadratiques dans un calcul de dispersion des données.
• Objectif de la variance : Mesure statistique qui quantifie le niveau de dispersion d’une série de nombres par rapport à leur moyenne.
• Effectif total : Nombre total d’observations ou de valeurs dans une série statistique.
• Modalités Effectifs Fréquences Pourcentage Autre : Tableau présentant pour chaque modalité d’une variable qualitative les effectifs, fréquences, pourcentages et éventuellement d’autres mesures associées.
• Locomotion privilégié » Modalités Effectifs Fréquences : Tableau spécifique listant les modalités du moyen de locomotion privilégié avec leurs effectifs et fréquences correspondants.

📝 Points essentiels

• La fréquence est la proportion d’un effectif par rapport à l’effectif total.
• Les mesures de tendance centrale incluent le mode, la moyenne et la médiane.
• Les mesures de dispersion incluent l’étendue, la variance et l’écart-type.
• Les statistiques descriptives permettent de résumer et représenter les données de manière compréhensible.

💡 À retenir

Utiliser les statistiques descriptives pour synthétiser quantitativement la structure et la variabilité des données.

📖 9. Lien entre variables et comparaison de moyennes selon groupes

🔑 Notions clés & Définitions

• Variables quantitatives : Variables dont les valeurs sont exprimées par des nombres mesurables, permettant des calculs comme la moyenne ou l’écart-type.
• Série statistique : Ensemble ordonné de données recueillies pour une variable, permettant d’analyser la distribution des valeurs.

📝 Points essentiels

• Comparer les moyennes permet de détecter des différences entre groupes définis par une variable qualitative.
• Le lien entre variables peut être mis en évidence par des différences ou des évolutions conjointes.
• Les variables quantitatives sont celles dont les valeurs sont chiffrées et mesurables.
• Les variables qualitatives définissent les groupes ou catégories pour la comparaison.
• La comparaison de moyennes est une étape clé pour tester des hypothèses sur les effets de la variable indépendante sur la variable dépendante.
• Etudiant 167 62 … H 21 Autre … … … … (in) La notion de « variable »
• 1 variable = UN renseignement (issu d’une des modalités de cette variable)
• Toutes les réponses possibles doivent être incluses comme modalités
• Possibilité de ne répondre qu’à UNE SEULE des modalités présentes PAR VARIABLE ETUDE SUR LA QUALITE DE VIE AU QUOTIDIEN Prénom : ________________ Age : _______________ Je suis : ⊡ Femme ⊡ Homme Diplôme : ⊡ aucun ⊡ BEP/CAP ⊡ Brevet ⊡ Bac ⊡ Post-bac Nombre d’enfants : _______________ Taille : __________ Support numérique privilégié : ⊡ TV ⊡ Smartphone ⊡ Ordinateur ⊡ Console ⊡ Autre La notion de « variable »
• 1 individu = ensemble d’attributs
• 1 colonne (= 1 variable) permet de résumer de l’information
• 2 colonnes : mise en évidence de liens (ou de comparaison)
• Décrire, résumer et modéliser ce que des individus ont en commun, ou ce en quoi des individus diffèrent
• Modèle statistique (Yvonnick, 2013) : On appelle modèle statistique une représentation simplifiée de la réalité́ qui rend compte à la fois de l’homogé́néité et de la variabilité́ d’un phénomène psychologique au moyen de probabilités Tableau primaire de l’étude : Prenom Age Genre Diplôme Nb enfants Taille SNP

💡 À retenir

Comprendre que la comparaison de moyennes entre groupes révèle les relations potentielles entre variables.

📖 10. Calcul et interprétation de la moyenne, médiane, mode et étendue

🔑 Notions clés & Définitions

• **19

• Le calcul de la médiane est facile** : Valeur d’une série statistique qui partage la distribution en deux parties égales, avec au moins 50 % des valeurs inférieures ou égales à cette valeur et au moins 50 % supérieures ou égales.

• Mode : Valeur la plus fréquente dans une série de données, représentant la modalité la plus observée.

📝 Points essentiels

• La moyenne est la somme des valeurs divisée par le nombre d’observations.
• La médiane est la valeur centrale qui partage la distribution en deux parties égales.
• Le mode est la valeur la plus fréquente dans une série de données.
• L’étendue est la différence entre la valeur maximale et minimale observée.
• La médiane est plus robuste que la moyenne en présence de valeurs extrêmes ou distributions asymétriques.
• L’étendue est donc 32 – 11 = 21
• Définition : L'étendue est la différence entre la valeur maximum observée (plus grande donnée xmax) et la valeur minimum observée (plus petite donnée xmin)
• Nota : plus l’étendue est « petite », plus les choix de réponses de mon échantillon A a été « similaire ».
• 2 est la valeur qui a le plus grand nombre d'occurrences.

💡 À retenir

Savoir calculer et interpréter les principales mesures centrales et de dispersion permet de caractériser une distribution.

📖 11. Introduction à la distribution normale et implications pour les mesures centrales

🔑 Notions clés & Définitions

• Delphine : Personne utilisée dans un exemple pour illustrer le calcul de la moyenne et de la variance à partir d’une série de données.
• 𝑉𝑎𝑟 𝑋 : Mesure de dispersion correspondant à la moyenne des carrés des écarts entre chaque observation et la moyenne, pour une variable quantitative.
• Distribution normale : Distribution de données représentée par une courbe symétrique en forme de cloche, appelée courbe de Gauss, où la moyenne et la médiane sont égales ou très proches.

📝 Points essentiels

• Une différence importante entre moyenne et médiane indique une distribution non normale.
• La médiane est une mesure robuste qui résiste mieux aux valeurs extrêmes que la moyenne.
• La normalité des données conditionne le choix des mesures centrales et des tests statistiques.
• • Notion de robustesse • Début d’introduction à la distribution normale ( = parallèle avec la courbe de Gauss) Si la médiane et la moyenne ont des valeurs très différentes, il se peut que les données de l’échantillon ne suivent pas une distribution normale (Un des indices principaux) L’étendue • Exemple : je fais passer une échelle de stress à un échantillon « A » et à un échantillon « B ».

💡 À retenir

Une différence importante entre moyenne et médiane indique une distribution non normale.

📖 12. Décision statistique basée sur la valeur p et interprétation des résultats

🔑 Notions clés & Définitions

• Valeur p : Probabilité, calculée sous l’hypothèse nulle, d’observer des données aussi extrêmes ou plus extrêmes que celles obtenues, utilisée pour décider du rejet ou non de cette hypothèse.
• Niveau de concentration : Variable mesurée qui peut différer selon des groupes, par exemple selon le genre, et qui fait l’objet d’un test statistique pour détecter une différence éventuelle.
• Marge d’erreur : Seuil de probabilité fixé (souvent 5 %) qui détermine la tolérance à l’erreur dans la décision de rejeter ou non l’hypothèse nulle lors d’un test statistique.

📝 Points essentiels

• La valeur p quantifie la probabilité d’observer les données si H0 est vraie.
• Un seuil classique est p = 0,05 pour décider du rejet ou non de H0.
• Si p < 0,05, on rejette H0 en faveur de H1, indiquant une différence ou un lien significatif.
• Si p > 0,05, on ne rejette pas H0, ce qui signifie qu’aucune preuve suffisante n’a été trouvée.
• L’interprétation doit toujours considérer le contexte et les hypothèses de recherche.

💡 À retenir

Savoir utiliser la valeur p permet de prendre une décision statistique éclairée et d’interpréter correctement les résultats.

🧩 Compléments de couverture

1. Détail source à réviser : aux statistiques Licence 1 Jérôme L. Chamayou Déroulé du cours magistral • Introduction générale : Objectif des statistiques et leur rôle en psychologie • Vocabulaire statistique : Définir les termes clés avec des exempl (Source: "aux statistiques Licence 1 Jérôme L. Chamayou Déroulé du cours magistral • Introduction générale : Objectif des statistiques et leur rôle en psychologie • Vocabulaire statistique : Définir les termes clés avec des exemples • Les variables : Explorer les variables et modalités • Les échelles de mesure : Comprendre les types d’échelles pour des")
2. Détail source à réviser : et statistiques inférentielles : Tester des hypothèses Modalité de contrôle : 1 partiel Introduction générale aux statistiques • Objectif des statistiques ? • Description de données • Évaluation d’hypothèses (selon logiq (Source: "et statistiques inférentielles : Tester des hypothèses Modalité de contrôle : 1 partiel Introduction générale aux statistiques • Objectif des statistiques ? • Description de données • Évaluation d’hypothèses (selon logique de décision) • Généralisation de résultats d’un échantillon à l’ensemble de la population • Quand et comment ? • Dans le")
3. Détail source à réviser : de stress via un questionnaire standardisé de type recensement, sondage, etc • Le dépouillement des données : rassembler et organiser les données sous forme de tableau pour extraire des classes, catégories, codes • Le tr (Source: "de stress via un questionnaire standardisé de type recensement, sondage, etc • Le dépouillement des données : rassembler et organiser les données sous forme de tableau pour extraire des classes, catégories, codes • Le traitement des données : extraction d’un maximum d’informations avec un partie descriptive (représentation, organisation générale des")
4. Détail source à réviser : la recherche, et du bon sens Démarche de recueil d’analyse des données • But du chercheur ? • Recueillir des données afin d’établir des conclusions générales, voire universelles (ie valables en tout temps, en tout lieu, (Source: "la recherche, et du bon sens Démarche de recueil d’analyse des données • But du chercheur ? • Recueillir des données afin d’établir des conclusions générales, voire universelles (ie valables en tout temps, en tout lieu, sur une vaste population d’éléments) • Recueillir des données sur qui ? • Population statistique ou parente : population cible •")
5. Détail source à réviser : en question. Attention à bien décrire les caractéristiques singulières de cette population spécifique (le cas échéant). • Echantillon = partie de la population d’intérêt Taille et biais d’échantillonnage • Taille de l’éc (Source: "en question. Attention à bien décrire les caractéristiques singulières de cette population spécifique (le cas échéant). • Echantillon = partie de la population d’intérêt Taille et biais d’échantillonnage • Taille de l’échantillon • Nombre d’observations (participants ou unités) • Cadre d’échantillonnage • Notions de critères d’inclusion et d’exclusion •")
6. Détail source à réviser : célibataires que • D’hommes châtains, artisans, célibataires que • De femmes blondes, artisans, mariées que • De femmes rousses, cadres, divorcées que … etc • Techniques d'échantillonnage • Echantillonnage probabiliste ( (Source: "célibataires que • D’hommes châtains, artisans, célibataires que • De femmes blondes, artisans, mariées que • De femmes rousses, cadres, divorcées que … etc • Techniques d'échantillonnage • Echantillonnage probabiliste (aléatoire simple, aléatoire systématique, aléatoire stratifié et en grappes) • Echantillonnage non-probabiliste • Le recueil des")
7. Détail source à réviser : modalités de la variable « genre » • Les contraintes • Exhaustivité : tout élément « mesuré » doit se retrouver au moins dans une modalité possible de la variable à laquelle on s’intéresse. • Ex : étude sur le niveau de (Source: "modalités de la variable « genre » • Les contraintes • Exhaustivité : tout élément « mesuré » doit se retrouver au moins dans une modalité possible de la variable à laquelle on s’intéresse. • Ex : étude sur le niveau de stress des européens. On prend les variables « nationalité » et « niveau de stress ». Dans un souci d’exhaustivité, pour la variable «")
8. Détail source à réviser : pas se retrouver ailleurs, par exemple dans une autre variable Comment recueillir des informations ? • Les informations sont recueillies à partir « d’observations » • 1 observation : • Ensemble des réponses d’un particip (Source: "pas se retrouver ailleurs, par exemple dans une autre variable Comment recueillir des informations ? • Les informations sont recueillies à partir « d’observations » • 1 observation : • Ensemble des réponses d’un participant • Tributaire de la sensibilité et du regard subjectif d’un individu • Réalités objectives (genre, CSP, etc) • Réalités perceptives")
9. Détail source à réviser : professionnelle, etc… Comment recueille t-on des informations ? Variable Genre Age CSP Taille Poid s Voiture Observation 1 (i1) H 19 Etudiant 178 78 Oui Observation 2 (i2) F 23 Salarié 162 54 Oui Observation 3 (i3) F 21 (Source: "professionnelle, etc… Comment recueille t-on des informations ? Variable Genre Age CSP Taille Poid s Voiture Observation 1 (i1) H 19 Etudiant 178 78 Oui Observation 2 (i2) F 23 Salarié 162 54 Oui Observation 3 (i3) F 21 Etudiant 172 64 Non .. F 21 Etudiant 156 51 Oui H 23 Sans emploi 167 89 Non F 22 Etudiant 167 62 … H 21 Autre … … … … (in) La notion de «")
10. Détail source à réviser : de probabilités Tableau primaire de l’étude : Prenom Age Genre Diplôme Nb enfants Taille SNP Stéphane 28 Homme Post Bac 1 171 Smartphone Céline 37 Femme BEO CAP 0 167 Aurélie 23 Femme Post Bac 2 169 Autre Bertrand 39 Hom (Source: "de probabilités Tableau primaire de l’étude : Prenom Age Genre Diplôme Nb enfants Taille SNP Stéphane 28 Homme Post Bac 1 171 Smartphone Céline 37 Femme BEO CAP 0 167 Aurélie 23 Femme Post Bac 2 169 Autre Bertrand 39 Homme Brevet 0 189 Console Gertrude 51 Femme Aucun 9 162 Smartphone Mélanie 45 Femme Bac 2 192 Autre Sophie 21 Femme Post Bac 0 167")
11. Détail source à réviser : 1 9 162 1 Mélanie 45 2 4 2 192 4 Sophie 21 2 5 0 167 3 Delphine 23 2 2 1 156 1 Audrey 28 2 4 3 178 3 Jacques 21 1 1 2 156 3 Yolande 32 2 3 3 174 3 VARIABLES de BASE CHIFFREES DONC Inutile de les modifier Codage des modal (Source: "1 9 162 1 Mélanie 45 2 4 2 192 4 Sophie 21 2 5 0 167 3 Delphine 23 2 2 1 156 1 Audrey 28 2 4 3 178 3 Jacques 21 1 1 2 156 3 Yolande 32 2 3 3 174 3 VARIABLES de BASE CHIFFREES DONC Inutile de les modifier Codage des modalités du genre Ex : Homme à 1 Femme à 2 Codage des modalités de la V « diplôme » Aucun à 1 Brevet à 2 BEP CAP à 3 Bac à 4 Post Bac à 5")
12. Détail source à réviser : • Dans le cas d’un tableau d’effectifs conjoints, deux variables sont croisées entre elles pour avoir un aperçu de la manière dont les variables « s’organisent » entre elles. • Un tableau d’effectifs marginaux est identi (Source: "• Dans le cas d’un tableau d’effectifs conjoints, deux variables sont croisées entre elles pour avoir un aperçu de la manière dont les variables « s’organisent » entre elles. • Un tableau d’effectifs marginaux est identique à celui d’un tableau d’effectifs conjoints, à la différence qu’il y a en plus, les totaux pour chaque variable Faible Moyen Elevé")
13. Détail source à réviser : tableaux précédents permettent de dresser des graphiques. • Ces graphiques se font en fonction : • Des variables en jeu • Des hypothèses • Les représentations graphiques : sous forme d’histogramme ou de camembert (plus r (Source: "tableaux précédents permettent de dresser des graphiques. • Ces graphiques se font en fonction : • Des variables en jeu • Des hypothèses • Les représentations graphiques : sous forme d’histogramme ou de camembert (plus rares) Pour les variables nominales : 1/ Présentation des modalités puis des occurrences et des fréquences 2/ Totaux (N) Pour les")
14. Détail source à réviser : APA ? • Présentation de type rédaction • Exemple de description simple d’une variable nominale • L’échantillon de notre étude se compose de 117 répondants, dont 83 femmes et 34 hommes. • Exemple de description simple d’u (Source: "APA ? • Présentation de type rédaction • Exemple de description simple d’une variable nominale • L’échantillon de notre étude se compose de 117 répondants, dont 83 femmes et 34 hommes. • Exemple de description simple d’une variable ordinale • Parmi les vacanciers qui ont répondu à l’étude, une majorité préfère louer de petites voitures. En effet, 77")
15. Détail source à réviser : de deux variables croisées • L’échantillon de notre étude se compose de 117 répondants, dont 83 femmes avec un âge moyen de 27,66 (ET = 5,97) et 34 hommes avec un âge moyen de 31,98 (ET = 1,88). Présentation de type tabl (Source: "de deux variables croisées • L’échantillon de notre étude se compose de 117 répondants, dont 83 femmes avec un âge moyen de 27,66 (ET = 5,97) et 34 hommes avec un âge moyen de 31,98 (ET = 1,88). Présentation de type tableau • Les tableaux permettent d’avoir une vision d’ensemble pour les statistiques descriptives. Il est préférable pour cela de")
16. Détail source à réviser : Nombre d’enfants 4,23 1,19 Durée de la peine (en années) 3,76 2,32 Dépression 25,79 12,57 N Pourcentage Genre Femme 83 70,94 Homme 34 29,05 Situation matrimoniale Célibataire 56 47,86 Marié 23 19,65 Concubinage 22 18,80 (Source: "Nombre d’enfants 4,23 1,19 Durée de la peine (en années) 3,76 2,32 Dépression 25,79 12,57 N Pourcentage Genre Femme 83 70,94 Homme 34 29,05 Situation matrimoniale Célibataire 56 47,86 Marié 23 19,65 Concubinage 22 18,80 Autre 16 13,67 La classification (nature) des variables • A partir des données collectées précédemment, il est possible de discriminer")
17. Détail source à réviser : chiffrées • Ordinales qualitatives • Quantitatives Ag e Genr e Diplôm e Nb enfants Taille SNP Quantitat if Nominal NominalOrdinal qualitati f Quantitat if Quantitat if Les fonctions des variables Variable Indépendante Va (Source: "chiffrées • Ordinales qualitatives • Quantitatives Ag e Genr e Diplôm e Nb enfants Taille SNP Quantitat if Nominal NominalOrdinal qualitati f Quantitat if Quantitat if Les fonctions des variables Variable Indépendante Variable Dépendante Variable indépendante La VI est la condition à modifier dans une expérience. C'est la variable contrôlée.")
18. Détail source à réviser : le résultat de l'expérience (inverse de variable parasite). Variable dépendante La variable dépendante est la condition que vous mesurez dans une expérience. Vous évaluez comment elle « réagit » à une modification de la (Source: "le résultat de l'expérience (inverse de variable parasite). Variable dépendante La variable dépendante est la condition que vous mesurez dans une expérience. Vous évaluez comment elle « réagit » à une modification de la VI, de sorte que vous pouvez la considérer comme dépendante. Parfois, la variable dépendante est appelée "variable répondante". CAUSE")
19. Détail source à réviser : comportement que le chercheur souhaite étudier en fonction des modalités de la variable indépendante. V D D pour la variable dépendante R pour la variable qui répond Y pour l’axe sur lequel la variable dépendante ou répo (Source: "comportement que le chercheur souhaite étudier en fonction des modalités de la variable indépendante. V D D pour la variable dépendante R pour la variable qui répond Y pour l’axe sur lequel la variable dépendante ou répondante est représentée VI M pour variable manipulée I pour variable indépendante X pour axe sur lequel la variable indépendante ou")
20. Détail source à réviser : pour chacune leurs modalités et/ou valeurs. Correction de l’exercice • Population parente : l’ensemble des étudiants en L2 de Psychologie en France • L’é chantillon : les étudiants en L2 de Toulouse • Les variables : • (Source: "pour chacune leurs modalités et/ou valeurs. Correction de l’exercice • Population parente : l’ensemble des étudiants en L2 de Psychologie en France • L’é chantillon : les étudiants en L2 de Toulouse • Les variables : • Le genre (indépendante) • Les performances des étudiants en statistiques (dépendante) • Les modalités et valeurs: • Pour le genre")
21. Détail source à réviser : • Hypothèses en conséquence • Les filles étudient plus longtemps que les garçons • Les garçons ont des notes plus basses que les filles à l’examen • Distinguons ensemble la nature et la fonction des variables en jeu dans (Source: "• Hypothèses en conséquence • Les filles étudient plus longtemps que les garçons • Les garçons ont des notes plus basses que les filles à l’examen • Distinguons ensemble la nature et la fonction des variables en jeu dans les hypothèses • H1 : Genre (nominale – VI) ; la durée des révisions (intervalle - VD) • H2 : Genre (nominale – VI); les notes à")
22. Détail source à réviser : étudiant affecte les résultats des tests. • Vous voulez comparer les marques d'essuie-tout pour voir laquelle retient le plus de liquide. • Vous voulez savoir si la caféine a un effet sur votre appétit • Vous voulez déte (Source: "étudiant affecte les résultats des tests. • Vous voulez comparer les marques d'essuie-tout pour voir laquelle retient le plus de liquide. • Vous voulez savoir si la caféine a un effet sur votre appétit • Vous voulez déterminer si un produit chimique est essentiel à la nutrition du rat, vous concevez donc une expérience. • Je veux savoir si les filles")
23. Détail source à réviser : contient le plus de liquide. La VI de votre expérience serait la marque d'essuie-tout. La VD serait la quantité de liquide absorbée par une serviette en papier. • Si vous voulez savoir si la caféine a un effet sur votre (Source: "contient le plus de liquide. La VI de votre expérience serait la marque d'essuie-tout. La VD serait la quantité de liquide absorbée par une serviette en papier. • Si vous voulez savoir si la caféine a un effet sur votre appétit, la présence / l’absence de quantité de caféine constituerait la VI. Votre faim serait la VD. • Vous voulez déterminer si un")
24. Détail source à réviser : niveau d’intelligence la VD Pour terminer sur les variables • Il est important de noter et de contrôler 2 aspects des variables lorsque l’on fait des statistiques • Exemple : désignez le terme « intrépide » selon sa natu (Source: "niveau d’intelligence la VD Pour terminer sur les variables • Il est important de noter et de contrôler 2 aspects des variables lorsque l’on fait des statistiques • Exemple : désignez le terme « intrépide » selon sa nature et sa fonction NATURE DE LA VARIABLE Soit Nominale Ordinale Intervalle (chiffrée) FONCTION DE LA VARIABLE Elle change en fonction de")
25. Détail source à réviser : s mesures Changer la nature de la variable • Pour X ou Y raison, il est possible de modifier la nature de la variable (échantillon non-représentatif, hypothèse, simplification de la variable, etc) • Changement d’une vari (Source: "s mesures Changer la nature de la variable • Pour X ou Y raison, il est possible de modifier la nature de la variable (échantillon non-représentatif, hypothèse, simplification de la variable, etc) • Changement d’une variable chiffrée (intervalle ou ordinale quantitative) • Changement vers une autre variable chiffrée • Changement vers une variable")
26. Détail source à réviser : Afficher les formules • Option 2 : Utiliser une formule basique. Ici les cm sont 100 fois plus »petits » que des mètres. Il faut diviser la valeur de la vase par 100 Changement vers une variable nominale • Exemple avec l (Source: "Afficher les formules • Option 2 : Utiliser une formule basique. Ici les cm sont 100 fois plus »petits » que des mètres. Il faut diviser la valeur de la vase par 100 Changement vers une variable nominale • Exemple avec la variable « poids » pour en faire des classes (intervalle vers ordinale) • D’une liste chiffrée, l’idée est de les transformer en «")
27. Détail source à réviser : • Exemple avec la variable « couleur de cheveux » • Objectif : simplifier les différentes couleurs de cheveux de manière dichotomique (ex : blond ; pas blond) • Méthode : utiliser la fonction « SI » dans Excel • Rappel d (Source: "• Exemple avec la variable « couleur de cheveux » • Objectif : simplifier les différentes couleurs de cheveux de manière dichotomique (ex : blond ; pas blond) • Méthode : utiliser la fonction « SI » dans Excel • Rappel de formule : =SI(CASEdeLaNvlVariable = / < / > ; ValeurSiVrai ; ValeurSiFaux) • Fonction imbriquée : =SI(CASEdeLaNvlVariable = / < /")
28. Détail source à réviser : Fonction de recherche imbriquée =SI(case;valeurVraie;SI(case;vale urVraie;SI(…))) Exemple =SI(F5=4;1; SI(F5=7;13; SI(F5=3;61;0))) • Séance III Lien entre des variables Comparaison de moyenne Taille moyenne d’un gp d’étud (Source: "Fonction de recherche imbriquée =SI(case;valeurVraie;SI(case;vale urVraie;SI(…))) Exemple =SI(F5=4;1; SI(F5=7;13; SI(F5=3;61;0))) • Séance III Lien entre des variables Comparaison de moyenne Taille moyenne d’un gp d’étudiant GENRE = F / G Taille moyen ne des F Taille moyen ne des G Taille (ex : 1,62 ; 1,78; 1,58, ….) Poids (kg) (ex : 58 ; 68; …) pds")
29. Détail source à réviser : conjointes; les distributions conditionnelles; … A QUI demande t-on QUOI ? Notions et définitions des statistiques descriptives • « Les statistiques descriptives se définissent comme un ensemble de méthodes qui permetten (Source: "conjointes; les distributions conditionnelles; … A QUI demande t-on QUOI ? Notions et définitions des statistiques descriptives • « Les statistiques descriptives se définissent comme un ensemble de méthodes qui permettent de comprendre et d'ordonner des observations ou des données, de les représenter graphiquement et de les résumer par des")
30. Détail source à réviser : de la modalité « roux »). • Présentation hiérarchique des effectifs de la modalité (ordre décroissant). • Modalités de présentation • Rédaction : Notre échantillon se compose de 678 participants. Parmi eux, 305 sont chât (Source: "de la modalité « roux »). • Présentation hiérarchique des effectifs de la modalité (ordre décroissant). • Modalités de présentation • Rédaction : Notre échantillon se compose de 678 participants. Parmi eux, 305 sont châtains, 272 sont blonds, 96 sont bruns, 79 sont roux… • Tableau : + de clarté, de lisibilité xi ni Châtain 305 Blond 272 … …. N = 678 Les")
31. Détail source à réviser : les fréquences • Complétez le tableau suivant pour la variable « moyen de locomotion privilégié » Modalités Effectifs Fréquences Pourcentage Voiture 15 2 roues 4 Transport en commun 11 Vélo 11 A pied 21 Autre 0 Correctio (Source: "les fréquences • Complétez le tableau suivant pour la variable « moyen de locomotion privilégié » Modalités Effectifs Fréquences Pourcentage Voiture 15 2 roues 4 Transport en commun 11 Vélo 11 A pied 21 Autre 0 Correction • Complétez le tableau suivant pour la variable « moyen de locomotion privilégié » Modalités Effectifs Fréquences Pourcentage Voiture 15")
32. Détail source à réviser : modalités qui lui sont inférieures ou égales. • La fréquence cumulée noté fi de la modalité i est la somme des fréquences des modalités qui lui sont inférieures ou égales • Exemple Effecti f Fréquen ce Effectifs cumulés (Source: "modalités qui lui sont inférieures ou égales. • La fréquence cumulée noté fi de la modalité i est la somme des fréquences des modalités qui lui sont inférieures ou égales • Exemple Effecti f Fréquen ce Effectifs cumulés Fréquence cumulée Chaussure de sport 23 0,23 23 0,23 Chaussure de ville 68 0,67 91 0,90 Chaussure de randonnée 3 0,03 94 0,93 Autre")
33. Détail source à réviser : en colonnes servent à représenter les effectifs ou les fréquences d'une variable qualitative. • Les diagrammes en secteurs et les diagrammes en barre servent (comme les diagrammes en colonnes) à représenter les effectifs (Source: "en colonnes servent à représenter les effectifs ou les fréquences d'une variable qualitative. • Les diagrammes en secteurs et les diagrammes en barre servent (comme les diagrammes en colonnes) à représenter les effectifs ou les fréquences d'une variable qualitative. Les diagrammes en secteurs sont plus souvent appelés camemberts Histogramme et")
34. Détail source à réviser : ou ordinales • Très rarement utilisé • Exemple : le mode de la série « 4 ; 2 ; 4 ; 3 ; 2 ; 2 » est 2 car il apparaît trois fois. 2 est la valeur qui a le plus grand nombre d'occurrences. La médiane • Définition 1 : On ap (Source: "ou ordinales • Très rarement utilisé • Exemple : le mode de la série « 4 ; 2 ; 4 ; 3 ; 2 ; 2 » est 2 car il apparaît trois fois. 2 est la valeur qui a le plus grand nombre d'occurrences. La médiane • Définition 1 : On appelle médiane d'une série statistique une valeur, notée Med , telle que : • au moins 50 % des valeurs de la série sont inférieures")
35. Détail source à réviser : ranger ses valeurs dans l’ordre croissant (ou décroissant). • Si l’effectif total de la série est impair, la médiane est la valeur centrale de la série • Si l’effectif total de la série est pair, toute valeur comprise en (Source: "ranger ses valeurs dans l’ordre croissant (ou décroissant). • Si l’effectif total de la série est impair, la médiane est la valeur centrale de la série • Si l’effectif total de la série est pair, toute valeur comprise entre les deux valeurs centrales est une médiane, mais on choisit en général la moyenne des deux valeurs centrales Exemple sur la médiane •")
36. Détail source à réviser : 8 observations • Nombre pair • Donc je prends les 2 valeurs les plus au centre (7 et 12) • Je calcule la moyenne (7+12)/2 = 9,5 • La médiane ici est de 9,5 Exercice 2 • Calculer la médiane des séries suivantes : 17 63 30 (Source: "8 observations • Nombre pair • Donc je prends les 2 valeurs les plus au centre (7 et 12) • Je calcule la moyenne (7+12)/2 = 9,5 • La médiane ici est de 9,5 Exercice 2 • Calculer la médiane des séries suivantes : 17 63 30 20 33 34 30 22 40 60 21 43 56 35 48 44 30 23 4 3 4 9 9 14 10 9 9 17 16 17 20 21 22 23 30 30 30 33 34 35 40 43 44 48 56 60 63 3 4 4 9 9 9")
37. Détail source à réviser : des valeurs prises par X divisée par la taille de la population (notée N) • Notation : • Exemple : avec la série de chiffres suivante (N = 8), la moyenne est de : • 5; 9; 3; 8; 7; 7; 4; 7 • M = (5 + 9 + 3 + 8 + 7 + 7 + 4 (Source: "des valeurs prises par X divisée par la taille de la population (notée N) • Notation : • Exemple : avec la série de chiffres suivante (N = 8), la moyenne est de : • 5; 9; 3; 8; 7; 7; 4; 7 • M = (5 + 9 + 3 + 8 + 7 + 7 + 4 + 7) / 8 = 6,37 Quelle est la différence entre moyenne et médiane ? • Pour comprendre la différence, prenons un exemple : • Soit la")
38. Détail source à réviser : = parallèle avec la courbe de Gauss) Si la médiane et la moyenne ont des valeurs très différentes, il se peut que les données de l’échantillon ne suivent pas une distribution normale (Un des indices principaux) L’étendue (Source: "= parallèle avec la courbe de Gauss) Si la médiane et la moyenne ont des valeurs très différentes, il se peut que les données de l’échantillon ne suivent pas une distribution normale (Un des indices principaux) L’étendue • Exemple : je fais passer une échelle de stress à un échantillon « A » et à un échantillon « B ». Cette échelle est composée de 10")
39. Détail source à réviser : : L'étendue est la différence entre la valeur maximum observée (plus grande donnée xmax) et la valeur minimum observée (plus petite donnée xmin) • Nota : plus l’étendue est « petite », plus les choix de réponses de mon é (Source: ": L'étendue est la différence entre la valeur maximum observée (plus grande donnée xmax) et la valeur minimum observée (plus petite donnée xmin) • Nota : plus l’étendue est « petite », plus les choix de réponses de mon échantillon A a été « similaire ». Pour mon échantillon B, il semble que les réponses aient été plus disparates L’étendue est un des")
40. Détail source à réviser : Aucun 11 Moyenne 11 11 Médiane 11 11 Etendue 16 4 Vers un début de solution ? • Calculer la somme des écarts algébriques ? • Séverine : 3 ; 18 ; 4 ; 19 ; 12; 10 ; 5 ; 17 • Delphine : 11 ; 11 ; 9 ; 11 ; 12 ; 12 ; 9 ; 13 • (Source: "Aucun 11 Moyenne 11 11 Médiane 11 11 Etendue 16 4 Vers un début de solution ? • Calculer la somme des écarts algébriques ? • Séverine : 3 ; 18 ; 4 ; 19 ; 12; 10 ; 5 ; 17 • Delphine : 11 ; 11 ; 9 ; 11 ; 12 ; 12 ; 9 ; 13 • !𝑚 de Séverine & de Delphine : 11 • Calcul • Séverine : • Delphine : Donnée 3 18 4 19 12 10 5 17 D - "𝑚 -8 7 -7 8 1 -1 -6 6 Donnée 11")
41. Détail source à réviser : 49 64 1 1 36 36 Donnée 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 (D - "𝑚)2 0 0 4 0 1 1 4 4 SOMME : 300 SOMME : 14 Somme des écarts quadratiques Conclusion : la somme des écarts quadratiques permet de traduire la d (Source: "49 64 1 1 36 36 Donnée 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 (D - "𝑚)2 0 0 4 0 1 1 4 4 SOMME : 300 SOMME : 14 Somme des écarts quadratiques Conclusion : la somme des écarts quadratiques permet de traduire la dispersion des données Prenons en compte le nombre de données… • Divisons la somme des écarts quadratiques par le nombre de données •")
42. Détail source à réviser : 42,85 Définition, formule et objectif de la variance • Définition : la variance est la moyenne des carrés des écarts entre les observations et leur moyenne, pour une variable quantitative. • Objectif de la variance : La (Source: "42,85 Définition, formule et objectif de la variance • Définition : la variance est la moyenne des carrés des écarts entre les observations et leur moyenne, pour une variable quantitative. • Objectif de la variance : La variance est un indice qui mesure le niveau de dispersion d’une série de nombres par rapport à la moyenne 𝑣𝑎𝑟𝑖𝑎𝑛𝑐𝑒 𝑑𝑒 𝑋 = ∑ 𝑛)")
43. Détail source à réviser : 619 F 2537 1829 0 1495 1940 0 1778 MH 1300,86 Var H 367645,81 MF 1368,43 Var F 972223,62 De la variance… à l’écart-type • L’écart se définit comme étant la racine carrée de la variance • Il s’agit de l’indice de tendance (Source: "619 F 2537 1829 0 1495 1940 0 1778 MH 1300,86 Var H 367645,81 MF 1368,43 Var F 972223,62 De la variance… à l’écart-type • L’écart se définit comme étant la racine carrée de la variance • Il s’agit de l’indice de tendance centrale le plus couramment utilisé 𝜎 = 𝑉𝑎𝑟 𝑋 = ∑ 𝑛) − /𝑋 * 𝑁 − 1 Aller plus loin avec l’écart type • Tributaire de la moyenne •")
44. Détail source à réviser : le QI des garçons • Filles : M = 108 ; ET = 3 • Garçons : M = 107 ; ET = 12 Vers l’application des statistiques inférentielles • De la statistique descriptive à la statistique inférentielle… • Rappel sur les statistiques (Source: "le QI des garçons • Filles : M = 108 ; ET = 3 • Garçons : M = 107 ; ET = 12 Vers l’application des statistiques inférentielles • De la statistique descriptive à la statistique inférentielle… • Rappel sur les statistiques descriptives • Souci de clarté et de synthèse • Retour sur les mesures de tendance centrale & de propagation • Qu’est ce qu’une")
45. Détail source à réviser : faire une analyse inférentielle ? • Attention à l’échantillonnage et à la distribution normale des données Principes de bases en statistiques inférentielles • Reposent sur des tests • Un test statistique dépend d’hypothè (Source: "faire une analyse inférentielle ? • Attention à l’échantillonnage et à la distribution normale des données Principes de bases en statistiques inférentielles • Reposent sur des tests • Un test statistique dépend d’hypothèses • Hypothèse opérationnelle • Hypothèses statistiques (Hypothèse nulle et hypothèse alternative) • En statistiques (niveau licence), 2")
46. Détail source à réviser : contrôler (accepter ou rejeter) la validité d’hypothèses relatives à une ou plusieurs populations. • Un test d’hypothèse se réalise à partir de l’étude d’un ou plusieurs échantillons aléatoires • Les méthodes de l’infére (Source: "contrôler (accepter ou rejeter) la validité d’hypothèses relatives à une ou plusieurs populations. • Un test d’hypothèse se réalise à partir de l’étude d’un ou plusieurs échantillons aléatoires • Les méthodes de l’inférence statistique permettent de déterminer, avec une marge d’erreur (= de probabilité) : • si les différences constatées au niveau des")
47. Détail source à réviser : ( = on « retient » H0) • Si p < .05 : On rejette H0 en faveur de H1 • Tout dépend de ce que l’on veut chercher à démontrer… • H0 : met en évidence une absence de lien ou une absence de différence de moyenne • H1 : met en (Source: "( = on « retient » H0) • Si p < .05 : On rejette H0 en faveur de H1 • Tout dépend de ce que l’on veut chercher à démontrer… • H0 : met en évidence une absence de lien ou une absence de différence de moyenne • H1 : met en évidence la présence de lien ou la présence de différence de moyenne Exemples • Le niveau de concentration n’est pas le même selon le")
48. Détail source à réviser : L. Chamayou Déroulé du cours magistral • Introduction générale : Objectif des statistiques et leur rôle en psychologie • Vocabulaire statistique : Définir les termes clés avec des exemples • Les variables : Explorer les (Source: "L. Chamayou Déroulé du cours magistral • Introduction générale : Objectif des statistiques et leur rôle en psychologie • Vocabulaire statistique : Définir les termes clés avec des exemples • Les variables : Explorer les variables et modalités • Les échelles de mesure : Comprendre les types d’échelles pour des mesures • Les statistiques descriptives et gra...")
49. Détail source à réviser : L’interprétation des résultats : L’interprétation des données dépend des connaissances du chercheur, du/des modèle(s) de la recherche, et du bon sens Démarche de recueil d’analyse des données • But du chercheur ? • Recue (Source: "L’interprétation des résultats : L’interprétation des données dépend des connaissances du chercheur, du/des modèle(s) de la recherche, et du bon sens Démarche de recueil d’analyse des données • But du chercheur ? • Recueillir des données afin d’établir des conclusions générales,")
50. Détail source à réviser : Techniques d'échantillonnage • Echantillonnage probabiliste (aléatoire simple, aléatoire systématique, aléatoire stratifié et en grappes) • Echantillonnage non-probabiliste • Le recueil des données, sur QUOI? • Des varia (Source: "Techniques d'échantillonnage • Echantillonnage probabiliste (aléatoire simple, aléatoire systématique, aléatoire stratifié et en grappes) • Echantillonnage non-probabiliste • Le recueil des données, sur QUOI? • Des variables, attributs, caractères : chacune des caractéristiques é")
51. Détail source à réviser : riable Comment recueillir des informations ? • Les informations sont recueillies à partir « d’observations » • 1 observation : • Ensemble des réponses d’un participant • Tributaire de la sensibilité et du regard subjecti (Source: "riable Comment recueillir des informations ? • Les informations sont recueillies à partir « d’observations » • 1 observation : • Ensemble des réponses d’un participant • Tributaire de la sensibilité et du regard subjectif d’un individu • Réalités objectives (genre, CS")
52. Détail source à réviser : 2013) : On appelle modèle statistique une représentation simplifiée de la réalité́ qui rend compte à la fois de l’homogé́néité et de la variabilité́ d’un phénomène psychologique au moyen de probabilités Tableau primai (Source: "2013) : On appelle modèle statistique une représentation simplifiée de la réalité́ qui rend compte à la fois de l’homogé́néité et de la variabilité́ d’un phénomène psychologique au moyen de probabilités Tableau primaire de l’étude : Prenom Age Genre Diplôme Nb enfants Taille SNP Stéphane 28 Homme Pos")
53. Détail source à réviser : données) Comment faire ? Utiliser EXCEL (ou logiciel de tableur) et utiliser la fonction « rechercher et remplacer » 1 : rechercher le terme à remplacer 2 : « remplacer tout » Distribution des données • Effectifs conjoin (Source: "données) Comment faire ? Utiliser EXCEL (ou logiciel de tableur) et utiliser la fonction « rechercher et remplacer » 1 : rechercher le terme à remplacer 2 : « remplacer tout » Distribution des données • Effectifs conjoints et marginaux • Dans le cas d’un tableau d’effectifs c")
54. Détail source à réviser : 0 2 4 6 8 10 12 14 16 18 Psycho Lettres modernes Droit Histoire Licence Master Doctorat Comment présenter des données statistiques dans une recherche aux normes APA ? • Présentation de type rédaction • Exemple de descrip (Source: "0 2 4 6 8 10 12 14 16 18 Psycho Lettres modernes Droit Histoire Licence Master Doctorat Comment présenter des données statistiques dans une recherche aux normes APA ? • Présentation de type rédaction • Exemple de description simple d’une variable nominale • L’échantillon de notre")
55. Détail source à réviser : • Exemple de description simple d’une variable d’intervalle (chiffrée) • L’âge moyen de l’échantillon est de 29,61 ans (ET = 3,81) • Exemple de description de deux variables croisées • L’échantillon de notre étude se com (Source: "• Exemple de description simple d’une variable d’intervalle (chiffrée) • L’âge moyen de l’échantillon est de 29,61 ans (ET = 3,81) • Exemple de description de deux variables croisées • L’échantillon de notre étude se compose de 117 répondants, dont 83 femmes avec un âge moyen de 27,66 (ET = 5,97) et 34 hommes avec un âge moyen de 31,98 (ET = 1,88)")
56. Détail source à réviser : autre variable de l'expérience et n'est pas affectée par aucune autre. Egalement appelée "variable contrôlée" car c'est celle qui est modifiable; manipulable. A ne pas confondre avec "variable de contrôle", qui est une v (Source: "autre variable de l'expérience et n'est pas affectée par aucune autre. Egalement appelée "variable contrôlée" car c'est celle qui est modifiable; manipulable. A ne pas confondre avec "variable de contrôle", qui est une variable délibérément maintenue constante afin qu'")
57. Détail source à réviser : e vous pouvez la considérer comme dépendante. Parfois, la variable dépendante est appelée "variable répondante". CAUSE EFFET Manipulée Mesurée Les variables en statistique : la méthode DRYMIX • Pour résumer, il existe di (Source: "e vous pouvez la considérer comme dépendante. Parfois, la variable dépendante est appelée "variable répondante". CAUSE EFFET Manipulée Mesurée Les variables en statistique : la méthode DRYMIX • Pour résumer, il existe différents types de variables: • Variable indépendant")
58. Détail source à réviser : VI) ; la durée des révisions (intervalle - VD) • H2 : Genre (nominale – VI); les notes à l’examen (intervalle - VD) NOTA : En psychologie expérimentale, des hypothèses (phrases affirmatives) ou QDR sont présentes pour st (Source: "VI) ; la durée des révisions (intervalle - VD) • H2 : Genre (nominale – VI); les notes à l’examen (intervalle - VD) NOTA : En psychologie expérimentale, des hypothèses (phrases affirmatives) ou QDR sont présentes pour structurer l’organisation logique des données, et permettre de répondre à la problématique Exemples 2 : trouvez la nature et la fonction (V...")
59. Détail source à réviser : VI. La santé du rat (s'il vit et peut se reproduire) est la VD (Source: "VI. La santé du rat (s'il vit et peut se reproduire) est la VD")
60. Détail source à réviser : Changement vers une autre variable chiffrée • Changement vers une variable nominale • Changement d’une variable non-chiffrée (nominale ou ordinale qualitative) • Comment ? Par Excel (ou tableur) Changement vers une autre (Source: "Changement vers une autre variable chiffrée • Changement vers une variable nominale • Changement d’une variable non-chiffrée (nominale ou ordinale qualitative) • Comment ? Par Excel (ou tableur) Changement vers une autre variable chiffrée • Exemple avec la variable « taille » • V")
61. Détail source à réviser : 3) • Trier la colonne de la variable par ordre croissant • Sélectionner le code de la variable et l’appliquer à la case (jeu de couleurs) • Option 2 : utiliser la fonction « SI » Changement d’une variable non-chiffrée (n (Source: "3) • Trier la colonne de la variable par ordre croissant • Sélectionner le code de la variable et l’appliquer à la case (jeu de couleurs) • Option 2 : utiliser la fonction « SI » Changement d’une variable non-chiffrée (nominale ou ordinale qualitative) • Exemple avec la variable « couleur de cheveux » • Objectif : simplifier les différentes couleurs de ch...")
62. Détail source à réviser : » Les effectifs en statistiques • Définition : l’effectif total est le nombre de valeurs dans une série statistique (Source: "» Les effectifs en statistiques • Définition : l’effectif total est le nombre de valeurs dans une série statistique")
63. Détail source à réviser : " • Ainsi, pour reprendre l’exemple de la modalité « châtain », 𝑓1 = #% &'( = 0,45 xi ni fi Pourcentag es Châtain 305 0,45 44,98 % Blond 272 0,40 40,11 % … …")_
64. Détail source à réviser : • Caractéristiques • Pour les variables nominales ou ordinales • Très rarement utilisé • Exemple : le mode de la série « 4 ; 2 ; 4 ; 3 ; 2 ; 2 » est 2 car il apparaît trois fois (Source: "• Caractéristiques • Pour les variables nominales ou ordinales • Très rarement utilisé • Exemple : le mode de la série « 4 ; 2 ; 4 ; 3 ; 2 ; 2 » est 2 car il apparaît trois fois")
65. Détail source à réviser : 12) • Je calcule la moyenne (7+12)/2 = 9,5 • La médiane ici est de 9,5 Exercice 2 • Calculer la médiane des séries suivantes : 17 63 30 20 33 34 30 22 40 60 21 43 56 35 48 44 30 23 4 3 4 9 9 14 10 9 9 17 16 17 20 21 22 2 (Source: "12) • Je calcule la moyenne (7+12)/2 = 9,5 • La médiane ici est de 9,5 Exercice 2 • Calculer la médiane des séries suivantes : 17 63 30 20 33 34 30 22 40 60 21 43 56 35 48 44 30 23 4 3 4 9 9 14 10 9 9 17 16 17 20 21 22 23 30 30 30 33 34 35 40 43 44 48 56 60 63 3 4 4 9 9 9 9 10 14 16 17 33,5 4 9,5 Corrigé : Les quartiles et les déciles • Il s’agit d’une mé...")
66. Détail source à réviser : aque ensemble de donnée • Il y aura quartile 1 (25%), quartile 2 (identique à la médiane) et quartile 3 (75%) La moyenne • Définition : La moyenne d'une variable quantitative X est la somme des valeurs prises par X divis (Source: "aque ensemble de donnée • Il y aura quartile 1 (25%), quartile 2 (identique à la médiane) et quartile 3 (75%) La moyenne • Définition : La moyenne d'une variable quantitative X est la somme des valeurs prises par X divisée par la taille de la population (notée N) • Notation : • Exemple : avec la série de chiffres suivante (N = 8), la moyenne est de : • 5;...")
67. Détail source à réviser : 29. L’étendue est donc 29 – 17 = 12 • Parmi toutes les réponses de la pop (Source: "29. L’étendue est donc 29 – 17 = 12 • Parmi toutes les réponses de la pop")
68. Détail source à réviser : la somme des écarts quadratiques ? • Séverine • Delphine Donnée 3 18 4 19 12 10 5 17 D - "𝑚 -8 7 -7 8 1 -1 -6 6 (D - "𝑚)2 64 49 49 64 1 1 36 36 Donnée 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 (D - "𝑚)2 0 0 4 0 (Source: "la somme des écarts quadratiques ? • Séverine • Delphine Donnée 3 18 4 19 12 10 5 17 D - "𝑚 -8 7 -7 8 1 -1 -6 6 (D - "𝑚)2 64 49 49 64 1 1 36 36 Donnée 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 (D - "𝑚)2 0 0 4 0 1 1 4 4 SOMME : 300 SOMME : 14 Somme des écarts quadratique")
69. Détail source à réviser : 1688 1164 1150 1801 619 F 2537 1829 0 1495 1940 0 1778 MH 1300,86 Var H 367645,81 MF 1368,43 Var F 972223,62 De la variance… à l’écart-type (Source: "1688 1164 1150 1801 619 F 2537 1829 0 1495 1940 0 1778 MH 1300,86 Var H 367645,81 MF 1368,43 Var F 972223,62 De la variance… à l’écart-type")
70. Détail source à réviser : Soit mise en évidence d’une différence entre les groupes (différence de moyennes entre des groupes qui sont en fait des modalités d’une VN) Qu’est ce qu’un test d’hypothèse ? • Test d’hypothèse : procédé d’inférence visa (Source: "Soit mise en évidence d’une différence entre les groupes (différence de moyennes entre des groupes qui sont en fait des modalités d’une VN) Qu’est ce qu’un test d’hypothèse ? • Test d’hypothèse : procédé d’inférence visant à contrôler (accepter ou rejeter) la validité d’hypothèse")
71. Détail source à réviser : Comment retenir telle ou telle hypothèse ? • p observé • Marge d’erreur : 5% • Donc .05 (ou 0,05) • Décision : • Si p > .05 : On ne rejette H0 pas ( = on « retient » H0) • Si p < .05 : On rejette H0 en faveur de H1 • Tou (Source: "Comment retenir telle ou telle hypothèse ? • p observé • Marge d’erreur : 5% • Donc .05 (ou 0,05) • Décision : • Si p > .05 : On ne rejette H0 pas ( = on « retient » H0) • Si p < .05 : On rejette H0 en faveur de H1 • Tout dépend de ce que l’on veut chercher à démontrer… • H0 : me")
72. Détail source à réviser : N) • Notation : • Exemple : avec la série de chiffres suivante (N = 8), la moyenne est de : • 5; 9; 3; 8; 7; 7; 4; 7 • M = (5 + 9 + 3 + 8 + 7 + 7 + 4 + 7) / 8 = 6,37 Quelle est la différence entre moyenne et médiane (Source: "N) • Notation : • Exemple : avec la série de chiffres suivante (N = 8), la moyenne est de : • 5; 9; 3; 8; 7; 7; 4; 7 • M = (5 + 9 + 3 + 8 + 7 + 7 + 4 + 7) / 8 = 6,37 Quelle est la différence entre moyenne et médiane")
73. Détail source à réviser : 32. L’étendue est donc 32 – 11 = 21 • Définition : L'étendue est la différence entre la valeur maximum observée (plus grande donnée xmax) et la valeur minimum observée (plus petite donnée xmin) • Nota : plus l’étendue es (Source: "32. L’étendue est donc 32 – 11 = 21 • Définition : L'étendue est la différence entre la valeur maximum observée (plus grande donnée xmax) et la valeur minimum observée (plus petite donnée xmin) • Nota : plus l’étendue est « petite », plus les choix de réponses de mon échantillon A a été « similaire »")
74. Détail source à réviser : 50. 50 - 10 = 40 (€ théorique) • Parmi toutes les réponses de la pop (Source: "50. 50 - 10 = 40 (€ théorique) • Parmi toutes les réponses de la pop")
75. Détail source à réviser : 5 ; 17 • Delphine : 11 ; 11 ; 9 ; 11 ; 12 ; 12 ; 9 ; 13 • Calculons ensemble le mode, la moyenne, la médiane, l’étendue Séverine Delphine Mode Aucun 11 Moyenne 11 11 Médiane 11 11 Etendue 16 4 Vers un début de solution ? (Source: "5 ; 17 • Delphine : 11 ; 11 ; 9 ; 11 ; 12 ; 12 ; 9 ; 13 • Calculons ensemble le mode, la moyenne, la médiane, l’étendue Séverine Delphine Mode Aucun 11 Moyenne 11 11 Médiane 11 11 Etendue 16 4 Vers un début de solution ? • Calculer la somme des écarts algébriques ? • Séverine : 3")
76. Détail source à réviser : Calculer la somme des écarts algébriques ? • Séverine : 3 ; 18 ; 4 ; 19 ; 12; 10 ; 5 ; 17 • Delphine : 11 ; 11 ; 9 ; 11 ; 12 ; 12 ; 9 ; 13 • !𝑚 de Séverine & de Delphine : 11 • Calcul • Séverine : • Delphine : Donnée 3 (Source: "Calculer la somme des écarts algébriques ? • Séverine : 3 ; 18 ; 4 ; 19 ; 12; 10 ; 5 ; 17 • Delphine : 11 ; 11 ; 9 ; 11 ; 12 ; 12 ; 9 ; 13 • !𝑚 de Séverine & de Delphine : 11 • Calcul • Séverine : • Delphine : Donnée 3 18 4 19 12 10 5 17 D - "𝑚 -8 7 -7 8 1 -1 -6 6 Donnée 11 11")
77. Détail source à réviser : 0 -2 0 1 1 -2 2 Somme des écarts algébriques Conclusion : la somme d écarts algébriques ne per pas de traduire la dispers des données Contournons le problème des soustractions… • Calculer la somme des écarts quadratiques (Source: "0 -2 0 1 1 -2 2 Somme des écarts algébriques Conclusion : la somme d écarts algébriques ne per pas de traduire la dispers des données Contournons le problème des soustractions… • Calculer la somme des écarts quadratiques ? • Séverine • Delphine Donnée 3 18 4 19 12 10 5 17 D - "𝑚")
78. Détail source à réviser : ASEdeLaNvlVariable = / < / > ; ValeurSiVrai ; ValeurSiFaux ; SI(…))) En résumé : pourquoi « simplifier » des variables ? • Pour des raisons techniques • Pour des raisons éthiques • Pour des raisons méthodologiques • Pour (Source: "ASEdeLaNvlVariable = / < / > ; ValeurSiVrai ; ValeurSiFaux ; SI(…))) En résumé : pourquoi « simplifier » des variables ? • Pour des raisons techniques • Pour des raisons éthiques • Pour des raisons méthodologiques • Pour des raisons statistiques Sous Excel : Fonct")
79. Détail source à réviser : 1 Une variance a forcément une valeur positive Exemple de calcul de la variance • Les femmes gagnent-elles un salaire similaire à celui des hommes ? • Pour répondre à cette question, voici une distribution de salaires, e (Source: "1 Une variance a forcément une valeur positive Exemple de calcul de la variance • Les femmes gagnent-elles un salaire similaire à celui des hommes ? • Pour répondre à cette question, voici une distribution de salaires, en fonction du genre • Calcul de la moyenne et de la variance")
80. Détail source à réviser : ine & de Delphine : 11 • Calcul • Séverine : • Delphine : Donnée 3 18 4 19 12 10 5 17 D - "𝑚 -8 7 -7 8 1 -1 -6 6 Donnée 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 Somme des écarts algébriques Conclusion : la somme (Source: "ine & de Delphine : 11 • Calcul • Séverine : • Delphine : Donnée 3 18 4 19 12 10 5 17 D - "𝑚 -8 7 -7 8 1 -1 -6 6 Donnée 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 Somme des écarts algébriques Conclusion : la somme d écarts algébriques ne per pas de traduire la dispers des données Contournons le problè")
81. Détail source à réviser : "𝑚 -8 7 -7 8 1 -1 -6 6 (D - "𝑚)2 64 49 49 64 1 1 36 36 Donnée 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 (D - "𝑚)2 0 0 4 0 1 1 4 4 SOMME : 300 SOMME : 14 Somme des écarts quadratiques Conclusion : la somme des éc (Source: ""𝑚 -8 7 -7 8 1 -1 -6 6 (D - "𝑚)2 64 49 49 64 1 1 36 36 Donnée 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 (D - "𝑚)2 0 0 4 0 1 1 4 4 SOMME : 300 SOMME : 14 Somme des écarts quadratiques Conclusion : la somme des écarts quadratiques permet de traduire la dispersion des don")
82. Détail source à réviser : dratiques par le nombre de données • Séverine • Delphine Donné e 3 18 4 19 12 10 5 17 D - "𝑚 -8 7 -7 8 1 -1 -6 6 (D - "𝑚)2 64 49 49 64 1 1 36 36 Donné e 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 (D - "𝑚)2 0 0 4 (Source: "dratiques par le nombre de données • Séverine • Delphine Donné e 3 18 4 19 12 10 5 17 D - "𝑚 -8 7 -7 8 1 -1 -6 6 (D - "𝑚)2 64 49 49 64 1 1 36 36 Donné e 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 (D - "𝑚)2 0 0 4 0 1 1 4 4 SOMME : 300 SOMME : 14 Nous venons de calculer la")
83. Détail source à réviser : 𝑚 -8 7 -7 8 1 -1 -6 6 (D - "𝑚)2 64 49 49 64 1 1 36 36 Donné e 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 (D - "𝑚)2 0 0 4 0 1 1 4 4 SOMME : 300 SOMME : 14 Nous venons de calculer la moyenne des écarts quadratiques (Source: "𝑚 -8 7 -7 8 1 -1 -6 6 (D - "𝑚)2 64 49 49 64 1 1 36 36 Donné e 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 (D - "𝑚)2 0 0 4 0 1 1 4 4 SOMME : 300 SOMME : 14 Nous venons de calculer la moyenne des écarts quadratiques de ces 2 séries de données ! On appelle cela la variance")
84. Détail source à réviser : ’erreur : 5% • Donc .05 (ou 0,05) • Décision : • Si p > .05 : On ne rejette H0 pas ( = on « retient » H0) • Si p < .05 : On rejette H0 en faveur de H1 • Tout dépend de ce que l’on veut chercher à démontrer… • H0 : met en (Source: "’erreur : 5% • Donc .05 (ou 0,05) • Décision : • Si p > .05 : On ne rejette H0 pas ( = on « retient » H0) • Si p < .05 : On rejette H0 en faveur de H1 • Tout dépend de ce que l’on veut chercher à démontrer… • H0 : met en évidence une absence de lien ou une abse")
85. Détail source à réviser : centration et le genre • Retour sur la nature et la fonction des variables • Traduction : « Le niveau de concentration diffère en fonction de si on est une fille ou un garçon » • Hypothèses statistiques : • H0 : le nivea (Source: "centration et le genre • Retour sur la nature et la fonction des variables • Traduction : « Le niveau de concentration diffère en fonction de si on est une fille ou un garçon » • Hypothèses statistiques : • H0 : le niveau de concentration n’est pas différent entre celui des filles et celui des garçons • H1 : le niveau de concentration")
86. Détail source à réviser : Tests d’hypothèse et statistiques inférentielles : Tester des hypothèses Modalité de contrôle : 1 partiel Introduction générale aux statistiques • Objectif des statistiques ? • Description de données • Évaluation d’hypot (Source: "Tests d’hypothèse et statistiques inférentielles : Tester des hypothèses Modalité de contrôle : 1 partiel Introduction générale aux statistiques • Objectif des statistiques ? • Description de données • Évaluation d’hypothèses (selon logique de décision) • Généralisation de résult")
87. Détail source à réviser : Dans le domaine de la recherche • Dans une démarche évaluative thérapeutique • Pourquoi ? • Pour pouvoir analyser correctement des données • Etre capable de comprendre et savoir lire un article scientifique Les étapes d’ (Source: "Dans le domaine de la recherche • Dans une démarche évaluative thérapeutique • Pourquoi ? • Pour pouvoir analyser correctement des données • Etre capable de comprendre et savoir lire un article scientifique Les étapes d’une étude statistique • Le recueil de données : collecter de")
88. Détail source à réviser : Recueillir des données afin d’établir des conclusions générales, voire universelles (ie valables en tout temps, en tout lieu, sur une vaste population d’éléments) • Recueillir des données sur qui ? • Population statistiq (Source: "Recueillir des données afin d’établir des conclusions générales, voire universelles (ie valables en tout temps, en tout lieu, sur une vaste population d’éléments) • Recueillir des données sur qui ? • Population statistique ou parente : population cible • Échantillon : fragment de")
89. Détail source à réviser : Une variable (ou une modalité de cette variable) ne peut pas se retrouver ailleurs, par exemple dans une autre variable Comment recueillir des informations ? • Les informations sont recueillies à partir « d’observations (Source: "Une variable (ou une modalité de cette variable) ne peut pas se retrouver ailleurs, par exemple dans une autre variable Comment recueillir des informations ? • Les informations sont recueillies à partir « d’observations » • 1 observation : • Ensemble des réponses d’un participant")
90. Détail source à réviser : CSP, la taille, le poids, le moyen de déplacement, etc • L’observation #1 : un individu de tel genre, âgé de X années, pratiquant telle activité professionnelle, etc… Comment recueille t-on des informations ? Variable Ge (Source: "CSP, la taille, le poids, le moyen de déplacement, etc • L’observation #1 : un individu de tel genre, âgé de X années, pratiquant telle activité professionnelle, etc… Comment recueille t-on des informations ? Variable Genre Age CSP Taille Poid s Voiture Observation 1 (i1) H 19 Et")
91. Détail source à réviser : SI(CASEdeLaNvlVariable = / < / > ; ValeurSiVrai ; ValeurSiFaux) • Fonction imbriquée : =SI(CASEdeLaNvlVariable = / < / > ; ValeurSiVrai ; ValeurSiFaux ; SI(…))) En résumé : pourquoi « simplifier » des variables ? • Pour (Source: "SI(CASEdeLaNvlVariable = / < / > ; ValeurSiVrai ; ValeurSiFaux) • Fonction imbriquée : =SI(CASEdeLaNvlVariable = / < / > ; ValeurSiVrai ; ValeurSiFaux ; SI(…))) En résumé : pourquoi « simplifier » des variables ? • Pour des raisons techniques • Pour des raisons éthiques • Pour de")
92. Détail source à réviser : 18 • Le calcul de la moyenne l’est aussi : 18 • Soit la distribution suivante : 17 ; 18 ; 0 ; 19 • Le calcul de la médiane est facile : 17,5 • Le calcul de la moyenne l’est aussi : 13,5 • Conclusion ? • Notion de robuste (Source: "18 • Le calcul de la moyenne l’est aussi : 18 • Soit la distribution suivante : 17 ; 18 ; 0 ; 19 • Le calcul de la médiane est facile : 17,5 • Le calcul de la moyenne l’est aussi : 13,5 • Conclusion ? • Notion de robustesse • Début d’introduction à la distribution normale ( = par")
93. Détail source à réviser : • Séverine • Delphine Donnée 3 18 4 19 12 10 5 17 D - "𝑚 -8 7 -7 8 1 -1 -6 6 (D - "𝑚)2 64 49 49 64 1 1 36 36 Donnée 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 (D - "𝑚)2 0 0 4 0 1 1 4 4 SOMME : 300 SOMME : 14 Somm (Source: "• Séverine • Delphine Donnée 3 18 4 19 12 10 5 17 D - "𝑚 -8 7 -7 8 1 -1 -6 6 (D - "𝑚)2 64 49 49 64 1 1 36 36 Donnée 11 11 9 11 12 12 9 13 D - "𝑚 0 0 -2 0 1 1 -2 2 (D - "𝑚)2 0 0 4 0 1 1 4 4 SOMME : 300 SOMME : 14 Somme des écarts quadratiques Conclusion : la somme des écarts quadratiques permet de traduire la dispersion des données Prenons en compte le...")
94. Détail source à réviser : • Test d’hypothèse : procédé d’inférence visant à contrôler (accepter ou rejeter) la validité d’hypothèses relatives à une ou plusieurs populations (Source: "• Test d’hypothèse : procédé d’inférence visant à contrôler (accepter ou rejeter) la validité d’hypothèses relatives à une ou plusieurs populations")
95. Détail source à réviser : l’étude (échantillon) par rapport à la population. Exemple : si l’on prend les variables « genre ; couleur de cheveux ; CSP ; et situation matrimoniale », il faudra qu’il y ait dans l’échantillon autant : • D’hommes blon (Source: "l’étude (échantillon) par rapport à la population. Exemple : si l’on prend les variables « genre ; couleur de cheveux ; CSP ; et situation matrimoniale », il faudra qu’il y ait dans l’échantillon autant : • D’hommes blonds, artisans, célibataires que • D’hommes bruns, artisans, célibataires que • D’hommes châtai")
96. Détail source à réviser : s deux modalités de la variable « genre » • Les contraintes • Exhaustivité : tout élément « mesuré » doit se retrouver au moins dans une modalité possible de la variable à laquelle on s’intéresse. • Ex : étude sur le ni (Source: "s deux modalités de la variable « genre » • Les contraintes • Exhaustivité : tout élément « mesuré » doit se retrouver au moins dans une modalité possible de la variable à laquelle on s’intéresse. • Ex : étude sur le niveau de stress des européens. On prend l")

📅 Repères chronologiques

Date	Événement
1829	Introduction générale aux statistiques
1495	Vocabulaire statistique
1940	Les statistiques descriptives et graphiques
1778	Indices de tendance centrale et de dispersion
1300	Tests d’hypothèse et statistiques inférentielles
1368	Introduction à la distribution normale et mesures centrales

📊 Tableaux de Synthèse

Tableau comparatif des variables

Type de variable	Exemples	Fonctions principales
Qualitative	Nominales, ordinales	Classification, organisation
Quantitative	Intervalle	Mesure, comparaison

⚠️ Pièges & Confusions Fréquentes

1. Confusion entre variables indépendantes et dépendantes lors de l’analyse
2. Erreur dans la sélection des tests statistiques appropriés
3. Mauvaise interprétation de la valeur p
4. Utilisation incorrecte des tableaux croisés pour variables qualitatives
5. Transformation inadéquate des variables qualitatives en variables numériques
6. Calcul erroné de la moyenne ou de la médiane
7. Confusion entre étendue et variance

✅ Checklist Examen

1. Vérifier la représentativité de l’échantillon
2. Identifier la nature des variables (qualitatives ou quantitatives)
3. Choisir la bonne échelle de mesure
4. Utiliser les tableaux croisés pour analyser la relation entre variables qualitatives
5. Appliquer la fonction SI pour transformer variables qualitatives dans Excel
6. Calculer la moyenne, médiane, mode et étendue correctement
7. Interpréter la valeur p dans le contexte du test d’hypothèse
8. Comparer les moyennes entre groupes pour détecter des différences significatives