Revision sheet: Introduction à la statistique biomédicale

• La statistique décrit, analyse et interprète les données biomédicales.
• Variables : caractéristiques mesurables ou comptables, variables continues ou discrètes.
• Indicateurs de tendance centrale : moyenne, médiane, mode.
• Indicateurs de dispersion : étendue, écart interquartile, écart-type, variance.
• La distribution normale est symétrique, avec majorité des valeurs autour du centre.
• Représentations graphiques : histogrammes, boxplots, violin plot, diagrammes bâtons, secteurs.
• Analyse bivariée : mesure d’association entre deux variables.
• Intervalle de confiance (IC) : plage estimée pour une statistique avec un niveau de confiance (ex : 95%).
• La fluctuation d’échantillonnage diminue avec la taille de l’échantillon.
• La statistique inférentielle permet de généraliser à la population.

2. 🧩 Structures & Composants clés

• Variable quantitative — caractéristique mesurable (ex : taille, poids).
• Variable qualitative — caractéristique catégorielle (ex : sexe, groupe).
• Moyenne — somme des valeurs / nombre d’observations.
• Médiane — valeur centrale séparant en deux groupes égaux.
• Écart-type — racine carrée de la variance, mesure la dispersion.
• Distribution normale — courbe en cloche, symétrique.
• Histogramme — représentation de la fréquence des valeurs.
• Boxplot (boîte à moustaches) — visualise dispersion et valeurs extrêmes.
• Intervalle de confiance — estimation de la plage probable d’une statistique.
• Analyse bivariée — étudie la relation entre deux variables.

3. 🔬 Fonctions, Mécanismes & Relations

• Les indicateurs de tendance centrale résument la position centrale des données.
• La dispersion indique la variabilité des données autour de la moyenne.
• Distribution normale : majorité des valeurs proches de la moyenne, décroissance symétrique.
• Graphiques : permettent de visualiser la forme, la dispersion, et détecter les valeurs aberrantes.
• Analyse bivariée : mesure d’association (corrélation, différence de moyennes).
• L’IC fournit une estimation de la précision d’une statistique dans la population.
• La fluctuation d’échantillonnage diminue avec la taille de l’échantillon.
• La distribution normale influence le choix des tests statistiques paramétriques.
• La relation entre variables peut être causale ou corrélative.

4. Tableau comparatif : Indicateurs de tendance centrale et dispersion

5. 🗂️ Diagramme Hiérarchique (ASCII)

Statistiques
 ├─ Description des données
 │   ├─ Variables
 │   ├─ Indicateurs (centrale, dispersion)
 │   └─ Distribution normale
 ├─ Représentations graphiques
 │   ├─ Histogrammes
 │   ├─ Boxplot
 │   └─ Diagrammes bâtons/secteurs
 ├─ Analyse bivariée
 │   └─ Mesures d’association
 └─ Estimation de l’incertitude
     └─ Intervalle de confiance

6. ⚠️ Pièges & Confusions fréquentes

• Confondre moyenne et médiane en distributions asymétriques.
• Utiliser des tests paramétriques sans vérifier la normalité.
• Confondre dispersion (écart-type) et tendance centrale.
• Ignorer l’impact des valeurs extrêmes sur la moyenne.
• Interpréter à tort un intervalle de confiance comme une probabilité.
• Confondre corrélation et causalité.
• Négliger la taille d’échantillon dans l’interprétation des IC.
• Utiliser des représentations graphiques inadéquates pour la nature des données.

7. ✅ Checklist Examen Final

• Définir une variable quantitative et qualitative.
• Expliquer la différence entre moyenne, médiane, mode.
• Savoir calculer et interpréter un écart-type.
• Reconnaître une distribution normale sur un graphique.
• Savoir lire un boxplot et un histogramme.
• Expliquer le concept d’intervalle de confiance.
• Comprendre la relation entre taille d’échantillon et fluctuation.
• Identifier la différence entre dispersion et tendance centrale.
• Connaître les principaux indicateurs de dispersion.
• Savoir différencier une analyse univariée d’une analyse bivariée.
• Interpréter une courbe en cloche.
• Savoir quand utiliser un test paramétrique ou non paramétrique.
• Comprendre la notion de relation corrélationnelle.
• Être capable d’interpréter un graphique de dispersion.
• Maîtriser la lecture d’un tableau comparatif.
• Connaître les pièges fréquents en statistique biomédicale.