Cuestionario: Tests de Signification en Régression Linéaire — 9 preguntas

1. En quoi une hypothèse nulle et une contrainte dans un modèle statistique diffèrent-elles ou se ressemblent-elles ?

A. Une hypothèse nulle représente une restriction imposée au modèle, alors qu'une contrainte est une affirmation que l'on cherche à tester dans le cadre d'une hypothèse.

B. Une hypothèse nulle est une affirmation à tester, souvent sous forme de paramètres égaux à zéro, tandis qu'une contrainte est une condition imposée au modèle, généralement exprimée par une matrice Qβ=0.

C. Une hypothèse nulle est une hypothèse que l'on accepte par défaut, tandis qu'une contrainte est une condition que l'on impose pour simplifier le modèle.

D. Une hypothèse nulle est toujours une contrainte linéaire sur les paramètres, alors qu'une contrainte peut être une hypothèse à tester ou une restriction.

Answer: (B)

Explicación

La bonne réponse précise que l'hypothèse nulle est une affirmation à tester, souvent sous forme de paramètres nuls, alors qu'une contrainte est une condition imposée au modèle, généralement exprimée par une matrice Qβ=0. Cela montre leur lien étroit mais leur différence dans leur rôle : l'une est une hypothèse à tester, l'autre une restriction imposée.

2. Quelle est la fonction principale du test de Fisher en régression linéaire ?

A. Comparer l'adéquation de modèles emboîtés pour déterminer si l'ajout de paramètres est significatif

B. Tester la normalité des résidus

C. Évaluer la corrélation entre deux variables

D. Calculer la pente d'une droite de régression

Answer: (A)

Explicación

Le test de Fisher compare la variance expliquée par des modèles emboîtés pour voir si l'ajout de paramètres améliore significativement le modèle, ce qui est sa fonction principale.

3. Quelle est la définition du test de Fisher dans le contexte des modèles emboîtés ?

A. Un test statistique permettant de comparer des modèles emboîtés en utilisant la distribution F pour évaluer si l'ajout de paramètres améliore significativement le modèle.

B. Un test utilisé uniquement pour vérifier la normalité des résidus dans un modèle linéaire.

C. Un test qui compare la moyenne de deux échantillons indépendants.

D. Un test statistique basé sur la distribution t pour comparer deux paramètres individuels.

Answer: (A)

Explicación

Le test de Fisher est une méthode statistique qui compare des modèles emboîtés en utilisant la distribution F. Il permet de déterminer si l'ajout de paramètres dans un modèle améliore de manière significative l'ajustement, en comparant la variance expliquée par le modèle contraint à celle du modèle complet.

4. Dans un modèle de régression, que représente une matrice Q dans le contexte des contrôles linéaires ?

A. Une matrice de contraintes représentant des hypothèses nulles sur des combinaisons linéaires de paramètres

B. Une matrice de variables explicatives

C. Une matrice de covariance des résidus

D. La matrice de conception du modèle

Answer: (A)

Explicación

Q est une matrice de contraintes qui permet de formuler des hypothèses nulles sur des combinaisons linéaires de paramètres dans le modèle linéaire.

5. Quel est le rôle principal des contrôles linéaires représentés par la matrice Q dans le cadre des tests sur les modèles linéaires ?

A. Ils sont utilisés pour estimer la variance des erreurs dans le modèle.

B. Ils servent uniquement à calculer la somme des carrés des résidus.

C. Ils permettent de formuler des hypothèses nulles concernant des combinaisons linéaires de paramètres.

D. Ils déterminent la structure de la matrice de design X dans le modèle.

Answer: (C)

Explicación

Les contrôles linéaires Qβ=0 permettent de formuler et de tester des hypothèses nulles concernant des combinaisons linéaires de paramètres dans le modèle, en utilisant la statistique F pour vérifier si ces contraintes sont satisfaites ou non.

6. Quel est l'équivalent du test de Fisher pour un seul paramètre βj ?

A. Le test t

B. Le test F avec q=1, équivalent à t²

C. Le test chi²

D. Le test de Wald

Answer: (B)

Explicación

Pour q=1, le test de Fisher est équivalent au test t² du fait de la relation entre ces deux statistiques dans le contexte des modèles linéaires.

7. Quelle hypothèse est testée par le contrôle linéaire Qβ = 0 ?

A. Que la combinaison linéaire des paramètres est nulle

B. Que le vecteur β est nul

C. Que la variance des résidus est nulle

D. Que la variable dépendante a une moyenne nulle

Answer: (A)

Explicación

Qβ=0 permet de tester si une certaine combinaison linéaire de paramètres β est nulle, ce qui constitue une hypothèse nulle dans le cadre du contrôle linéaire.

8. Quelle est la distribution de la statistique F utilisée dans le test de Fisher ?

A. Distribution Fisher avec q et n - p degrés de liberté

B. Distribution Chi²

C. Distribution Student

D. Distribution normale

Answer: (A)

Explicación

La statistique F suit une loi de Fisher avec q (le nombre de contraintes) et n - p (les degrés de liberté residuels) dans le test.

9. Quel est l'objectif principal du test global en régression linéaire ?

A. Tester si tous les paramètres du modèle sont nuls

B. Tester la significativité de l'ensemble du modèle par rapport à un modèle nul

C. Tester la normalité des résidus

D. Tester la multicolinéarité entre variables

Answer: (B)

Explicación

Le test global évalue si le modèle dans son ensemble apporte une contribution significative par rapport à un modèle sans variables explicatives.