Cuestionario: Introduction à l'inférence statistique — 8 preguntas

1. Quel terme désigne la démarche qui consiste à tirer des conclusions sur une population à partir des données observées sur un échantillon ?

A. L’analyse exploratoire

B. La classification des données

C. L’inférence statistique

D. La statistique descriptive

Answer: (C)

Explicación

L’inférence statistique sert précisément à passer des observations d’un échantillon à des conclusions sur une population. La statistique descriptive se contente de résumer les données observées sans généraliser.

2. Comment appelle-t-on l’ensemble plus vaste sur lequel on souhaite conclure à partir d’un échantillon ?

A. Le sous-échantillon

B. La variable d’étude

C. L’unité statistique

D. La population parente

Answer: (D)

Explicación

La population parente est l’ensemble plus large visé par les conclusions de la recherche. L’échantillon n’en est qu’un sous-ensemble utilisé pour collecter les données.

3. Quel principe décrit le mieux l’échantillonnage par quotas ?

A. Choisir uniquement les volontaires disponibles

B. Fixer des proportions pour reproduire celles de la population

C. Tirer chaque individu avec la même probabilité

D. Augmenter la taille de l’échantillon sans contrainte

Answer: (B)

Explicación

L’échantillonnage par quotas consiste à construire l’échantillon pour qu’il reflète les proportions de certaines caractéristiques de la population. Le tirage avec chances identiques correspond plutôt à l’échantillonnage aléatoire.

4. Quel est le principe central de l’échantillonnage probabiliste aléatoire ?

A. Seuls les cas extrêmes sont retenus

B. Les proportions sont fixées à l’avance par catégories

C. Chaque individu a une chance identique d’être sélectionné

D. Les individus les plus faciles à joindre sont privilégiés

Answer: (C)

Explicación

Dans un tirage aléatoire, chaque élément de la population a la même probabilité d’entrer dans l’échantillon. Ce n’est pas une méthode fondée sur des quotas ni sur la facilité d’accès.

5. Que montre la loi des grands nombres concernant la taille de l’échantillon ?

A. La taille de l’échantillon n’a aucun effet sur les résultats

B. Plus l’échantillon est petit, plus il est forcément représentatif

C. Un petit échantillon donne toujours des proportions exactes

D. Plus l’échantillon est grand, plus ses caractéristiques se rapprochent de celles de la population

Answer: (D)

Explicación

La loi des grands nombres indique qu’avec un effectif suffisamment grand, les caractéristiques observées tendent à se rapprocher de celles de la population. À l’inverse, un petit échantillon peut produire des résultats atypiques.

6. Quel énoncé décrit le mieux une erreur d’échantillonnage ?

A. Un changement volontaire des catégories de réponse

B. Une faute de calcul dans un tableau de fréquences

C. Une différence entre deux variables sans lien statistique

D. Un écart entre ce que mesure l’échantillon et ce que refléterait la population

Answer: (D)

Explicación

L’erreur d’échantillonnage est l’écart lié au fait que l’échantillon ne représente qu’une partie de la population. Elle alimente le risque d’inférence, c’est-à-dire la probabilité de conclure à tort lors de la généralisation.

7. Quelle variable est mesurée sur une échelle nominale ?

A. La taille en centimètres

B. Le salaire mensuel

C. Le genre

D. La mention au baccalauréat

Answer: (C)

Explicación

L’échelle nominale classe des catégories sans ordre, comme le genre. La mention au baccalauréat relève d’une échelle ordinale, tandis que le salaire et la taille sont des variables numériques.

8. Quel ensemble de démarches correspond à la statistique descriptive et à l’analyse exploratoire ?

A. Résumer les données par des graphes, des fréquences, des moyennes et la dispersion

B. Attribuer des probabilités égales à chaque individu

C. Classer les variables selon leur représentativité

D. Déduire une loi générale sans observer les données

Answer: (A)

Explicación

La statistique descriptive et l’analyse exploratoire visent à décrire les données avec des graphiques, des fréquences, des moyennes et des mesures de dispersion. Elles servent d’abord à comprendre les observations avant toute généralisation.