Quiz: Principes des tests statistiques — 20 Fragen

1. Quel est l’objectif principal d’un test statistique ?

A. Calculer uniquement la moyenne d’un échantillon

B. Remplacer les observations par une hypothèse théorique

C. Étudier une ou plusieurs populations à partir d’échantillons représentatifs

D. Observer exhaustivement tous les individus d’une population

Answer: (C)

Erklärung

Un test statistique utilise un ou plusieurs échantillons représentatifs pour répondre à une question concernant les populations étudiées. L’observation exhaustive n’est pas le principe général du test.

2. Pourquoi utilise-t-on un échantillon représentatif dans une démarche de test statistique ?

A. Pour remplacer toute analyse par une simple description

B. Pour garantir que chaque individu sera observé plusieurs fois

C. Pour tirer des conclusions sur une population trop nombreuse à observer entièrement

D. Pour éviter de définir la population étudiée

Answer: (C)

Erklärung

Un échantillon représentatif permet d’étudier une population lorsque l’observation de tous ses individus est impossible ou trop importante. Les observations recueillies servent ensuite à répondre à la question étudiée.

3. Dans un test comparant deux populations, que représente généralement l’hypothèse nulle H0 ?

A. L’égalité entre les populations

B. Le rejet automatique du test

C. La différence entre les populations

D. Le choix du seuil de signification

Answer: (A)

Erklärung

H0 est l’hypothèse initialement évaluée par le test et correspond, dans cet exemple, à l’égalité entre les populations. La différence entre les populations relève plutôt de H1.

4. Que se passe-t-il lorsque l’hypothèse nulle H0 est rejetée ?

A. L’hypothèse alternative H1 est retenue

B. Le seuil de signification est supprimé

C. Les populations sont considérées comme identiques

D. L’hypothèse nulle H0 devient certaine

Answer: (A)

Erklärung

H1 est la nouvelle hypothèse retenue lorsque H0 est considérée comme fausse et rejetée. Elle peut notamment exprimer l’existence d’une différence entre les populations.

5. Que représente généralement un seuil de signification α fixé à 5 % ?

A. La probabilité que les deux populations soient différentes

B. La proportion obligatoire d’individus dans l’échantillon

C. Le risque maximal autorisé de rejeter H0

D. La probabilité que H0 soit vraie

Answer: (C)

Erklärung

Le seuil α, généralement fixé à 5 %, représente le risque maximal accepté lorsqu’on rejette l’hypothèse nulle H0. Il ne correspond pas directement à la probabilité que H0 soit vraie.

6. Quelle démarche intervient dans la définition du paramètre d’un test statistique ?

A. Choisir le paramètre uniquement à partir du seuil de signification

B. Calculer le paramètre sans tenir compte des observations

C. Trouver la loi de probabilité correspondante puis choisir un paramètre lié à la différence observée

D. Déterminer la région critique avant de choisir la loi de probabilité

Answer: (C)

Erklärung

La définition du paramètre commence par la recherche de la loi de probabilité correspondante, puis par le choix d’un paramètre mettant en jeu la différence observée. La région critique est ensuite déterminée à partir de cette loi.

7. Quel élément faut-il notamment examiner avant de choisir une loi de probabilité pour un test ?

A. La date de collecte des données uniquement

B. Le nom des personnes incluses dans l’échantillon

C. La valeur du résultat que l’on souhaite obtenir

D. La nature des variables et la taille des échantillons

Answer: (D)

Erklärung

Le choix de la loi dépend notamment du caractère qualitatif ou quantitatif des variables et du fait que les échantillons soient petits ou grands. Ces caractéristiques orientent le choix du test approprié.

8. Quelle caractéristique définit la région critique dans un test d’hypothèse lorsque H0 est vraie ?

A. Elle contient toutes les valeurs compatibles avec H0

B. Elle contient les valeurs calculées uniquement à partir des données observées

C. Elle contient les valeurs ayant une probabilité 1 − α d’être observées

D. Elle contient les valeurs ayant une probabilité α d’être observées

Answer: (D)

Erklärung

La région critique est définie de sorte qu’elle ait α chances de contenir la valeur du paramètre lorsque H0 est vraie. Son complément regroupe les valeurs compatibles avec H0.

9. Dans quelle séquence un test d’hypothèse permet-il de prendre une décision à partir d’un échantillon ?

A. Comparer directement les individus de l’échantillon sans calculer de paramètre

B. Fixer la population, puis remplacer H0 par l’hypothèse observée

C. Déterminer la p-value, puis choisir l’échantillon à analyser

D. Calculer le paramètre observé, puis le comparer à la région critique

Answer: (D)

Erklärung

Le paramètre est d’abord calculé à partir de la région observée dans l’échantillon, puis comparé à la région critique afin de prendre la décision.

10. Que conclut-on lorsqu’un paramètre observé appartient à la région critique ?

A. H0 est rejetée et la différence est déclarée significative

B. H0 est conservée et la différence est déclarée significative

C. H0 est rejetée, mais la différence est nécessairement due au hasard

D. H0 est conservée, car la région critique contient des valeurs compatibles

Answer: (A)

Erklärung

L’appartenance du paramètre à la région critique conduit à rejeter H0 avec un risque d’erreur de première espèce inférieur ou égal à α; la différence est alors significative.

11. Un paramètre observé n’appartient pas à la région critique au seuil α. Quelle décision est correcte ?

A. La région critique doit être redéfinie à partir du paramètre observé

B. H0 est forcément fausse, mais le test manque de puissance

C. H0 ne peut pas être rejetée et la différence n’est pas significative à ce seuil

D. H0 doit être rejetée et la différence est significative à ce seuil

Answer: (C)

Erklärung

Si le paramètre n’appartient pas à la région critique, H0 ne peut pas être rejetée au risque α et la différence observée n’est pas significative à ce seuil.

12. Quelle situation correspond à une erreur de première espèce ?

A. Accepter H0 alors qu’elle est vraie

B. Rejeter H0 alors qu’elle est fausse

C. Accepter H0 alors qu’elle est fausse

D. Rejeter H0 alors qu’elle est vraie

Answer: (D)

Erklärung

L’erreur de première espèce consiste à rejeter une hypothèse nulle vraie. À l’inverse, accepter H0 alors qu’elle est fausse correspond à une erreur de seconde espèce.

13. Quelles lettres désignent respectivement les risques d’erreur de première et de seconde espèce ?

A. β pour les deux types d’erreur

B. α pour la première et β pour la seconde

C. α pour les deux types d’erreur

D. β pour la première et α pour la seconde

Answer: (B)

Erklärung

Le risque d’erreur de première espèce est noté α, tandis que le risque d’erreur de seconde espèce est noté β.

14. Que représente la p-value dans un test d’hypothèse ?

A. La probabilité d’obtenir exactement la différence observée si H0 est fausse

B. La probabilité que H0 soit vraie après observation des données

C. La probabilité de commettre une erreur de seconde espèce

D. La probabilité d’obtenir au moins la différence observée si H0 est vraie

Answer: (D)

Erklärung

La p-value est la probabilité d’obtenir une différence au moins aussi grande que celle observée en supposant H0 vraie. Elle ne représente pas directement la probabilité que H0 soit vraie.

15. Une p-value vaut 0,03. Quelle décision est justifiée au seuil de signification de 5 % ?

A. Ne pas rejeter H0, car la p-value doit être exactement égale à 0,05

B. Ne pas rejeter H0, car toute p-value inférieure à 0,05 indique une erreur

C. Rejeter H0 uniquement si la p-value dépasse 0,05

D. Rejeter H0, car 0,03 est inférieur ou égal à 0,05

Answer: (D)

Erklärung

Comme p = 0,03 est inférieur ou égal à 5 %, H0 est rejetée au seuil de 5 %. La différence observée est donc considérée comme significative à ce seuil.

16. Comment évalue-t-on la représentativité d’un échantillon tiré au sort pour une maladie donnée ?

A. En comparant l’échantillon à la population avec H0 : l’échantillon est représentatif

B. En comparant deux variables avec H0 : elles sont associées

C. En comparant uniquement les effectifs malades avec H0 : la maladie est absente

D. En calculant la p-value sans formuler d’hypothèse sur l’échantillon

Answer: (A)

Erklärung

L’évaluation de la représentativité compare l’échantillon à la population et pose H0 selon laquelle l’échantillon est représentatif de la population pour la maladie étudiée. L’association concerne, elle, la relation entre deux variables.

17. Quelle condition favorise l’approximation d’une loi connue lors d’un test statistique ?

A. Le remplacement de l’échantillon par une population théorique

B. Une taille d’échantillon suffisamment grande

C. Une taille d’échantillon aussi petite que possible

D. L’absence de toute variabilité dans l’échantillon

Answer: (B)

Erklärung

La taille des échantillons est la principale condition d’approximation d’une loi connue : les grands échantillons permettent cette approximation, contrairement aux petits échantillons.

18. Dans quelle situation la loi normale peut-elle être utilisée pour étudier une moyenne ?

A. Lorsque l’effectif est inférieur à 30

B. Lorsque les effectifs théoriques sont tous inférieurs à 5

C. Lorsque np et n(1-p) sont tous deux inférieurs à 5

D. Lorsque l’effectif est supérieur ou égal à 30

Answer: (D)

Erklärung

Pour l’étude des moyennes, la loi normale peut être utilisée lorsque l’effectif N est supérieur ou égal à 30. Les conditions portant sur np et n(1-p) concernent l’étude des proportions.

19. Une étude porte sur une proportion dans un échantillon de taille 40, avec np = 8 et n(1-p) = 32. Quelle conclusion est correcte concernant l’utilisation de la loi normale ?

A. Elle peut être utilisée, car N ≥ 30, np ≥ 5 et n(1-p) ≥ 5

B. Elle ne peut pas être utilisée, car n(1-p) est supérieur à 5

C. Elle ne peut pas être utilisée, car np est supérieur à 5

D. Elle peut être utilisée uniquement parce que l’étude porte sur une moyenne

Answer: (A)

Erklärung

Pour une proportion, les trois conditions sont réunies : N ≥ 30, np ≥ 5 et n(1-p) ≥ 5. La condition N ≥ 30 seule ne suffit pas pour une étude de proportion.

20. Pour tester l’indépendance entre le niveau d’études et le type d’emploi, quelle condition permet d’utiliser la loi du χ² ?

A. Les effectifs observés doivent tous être inférieurs à 5

B. La loi de probabilité du paramètre doit être inconnue

C. L’effectif total doit être inférieur à 30

D. Les effectifs théoriques doivent tous être supérieurs ou égaux à 5

Answer: (D)

Erklärung

Pour tester l’indépendance de deux variables qualitatives avec la loi du χ², tous les effectifs théoriques doivent être supérieurs ou égaux à 5. Les autres conditions correspondent à d’autres situations ou sont inadaptées.