Eclairages sur quelques points svp

Hello !

Qqn pourrait-il m'aider sur ces quelques points svp ?

Dans le concours blanc de cette année, QCM 58, on nous donne la moyenne (127 mmHg) et l'écart type (23 mmHg) de la tension artérielle dans la population. On tire un échantillon comprenant des non cardiaques. Leur tension artérielle moyenne vaut 118 (écart type 23).
Une des propositions est « les non cardiaques ne sont pas différents de la population car 118 est dans l'intervalle de confiance de la moyenne de la population. »
Pourquoi cette proposition est elle fausse ?

Dans le concours 2010 2011 (QCM 5): la proposition "la moyenne calculée sur l'échantillon donne une bonne approximation de la moyenne de la population si la distribution des valeurs est gaussienne dans l'échantillon" est elle exacte ? Pourquoi ?

Peut on utiliser Bonferroni pour les quantitatifs ?

Pourquoi y a t il une formule sur la variance dans la population puisqu'il n'y a pas de parametre de forme dans la population ?

Les risques alpha et beta sont ils liés ?

Pour comparer l'efficacité de deux méthodes statistiques ; on utilise le chi 2 ou bien la concordance ?

Le coefficient r quantifie la dispersion des points autour de quelle droite ?

Merci infiniment !!

Salut !

Alors pareil, numérotons des questions de 1 à 7

1) Une des propositions est « les non cardiaques ne sont pas différents de la population car 118 est dans l'intervalle de confiance de la moyenne de la population. »
Pourquoi cette proposition est elle fausse ?

Parce que 118 n'est pas compris dans l'intervalle 127 +/- 23/(Racine de 78)


2) Dans le concours 2010 2011 (QCM 5): la proposition "la moyenne calculée sur l'échantillon donne une bonne approximation de la moyenne de la population si la distribution des valeurs est gaussienne dans l'échantillon" est elle exacte ? Pourquoi ?

Je dirai que oui à condition que l'échantillon soit tiré au sort mais je pense que c'est implicite.
Dans la population le paramètre à une répartition gaussienne avec un pic de densité au niveau de la moyenne. Si on tire un échantillon au sort et qu'il a une répartition gaussienne, alors statistiquement parlant c'est très peu probable que son pic de densité (en l’occurrence sa moyenne) soit distinct de la moyenne de la population. On admettra donc que les deux courbes se calquent sur le même modèle et donc que la moyenne de l'échantillon est proche de la moyenne de la population (donc que c'est une bonne estimation).


3) Peut on utiliser Bonferroni pour les quantitatifs ?

Non c'est que pour les chi2 (donc données qualitatives). Pour les quantitatifs on fait ce la méthode Schwartz ce qui revient exactement au même mais porte un nom différent


4) Pourquoi y a t il une formule sur la variance dans la population puisqu'il n'y a pas de parametre de forme dans la population ?

Je comprend pas trop ta question. Je sais plus ce que c'est qu'un paramètre de forme. MAIS dans une population, pour une paramètre donné tout le monde a des valeurs différentes (je te parie tout ce que tu veux que nous faisons ni le même poids ni la même taille). Qui dit valeurs différentes dit dispersion des valeurs donc variance pour mesure cette dispersion.


5) Les risques alpha et beta sont ils liés ?

Oui mais non mais oui mais non ^^. Il faut retenir que pour n constant si alpha diminue alors beta augmente. Donc alpha et bêta sont (inversement) liés.


6) Pour comparer l'efficacité de deux méthodes statistiques ; on utilise le chi 2 ou bien la concordance ?

Ni l'un ni l'autre on fait une évaluation de méthode diagnostic. Ave cette méthode tu calcules les indices Se, Sp, VPP, VPN, ... Soit la différence entre les deux méthodes est probante auquel cas tu conclues directement. Soit il n'y a que des toutes petites différences alors tu peux faire un chi2 pour comparer Se et Sp notamment (mais on aurait pu faire aussi un test de l'écart réduit).


7) Le coefficient r quantifie la dispersion des points autour de quelle droite ?

La droite de y en fonction de x (= droite de x en fonction de y car même si les pentes changent, la dispersion ne change pas)



Voilà j'espère avoir répondu à tes questions

Bonne chance !

Bonsoir !

ça me manque alors je saisis l'occasion :

4) Pourquoi y a t il une formule sur la variance dans la population puisqu'il n'y a pas de parametre de forme dans la population ?


La variance est un indice mathématique/statistique inventé par les statisticiens défini comme la somme des carrés des écarts à la moyenne divisé par le degré de liberté (N dans la population, N-1 dans un échantillon). Sous forme de formule, ça donne la formule qui est dans ton cours.
C'est la solution la plus "simple" qu'ils aient trouvé pour standardiser la notion de dispersion.

Le calcul de cette variance est indépendant de la distribution (= du paramètre de forme) de tes données dans l'échantillon/dans la population. Tu peux la calculer pour des paramètres qui ont une dispersion gaussienne, inverse, logarithmique, ou même anarchique. Peu importe, elle est toujours calculable. C'est une sorte de "dispersion moyenne". (Je ne rentre pas dans le détail)



Par contre, dans le cas particulier de la distribution gaussienne, on a la formule ecart = (ecart réduit) * (ecart-type).
Cela ne fonctionne pas pour les autres distributions.

Merci les tuteurs vous gérez trop !!

Mais en cours Forzy nous a fait vérifier sur des quantitatifs la distribution Gaussienne des valeurs de x, on a conclu à un test écart réduit significatif, distribution non Gaussienne; et après il nous pose des questions auxquelles ont est censés répondre avec ecart reduit = ecart / ecart type ... C'est pas justifié du coup ?

Hello, encore quelques ultimes questions :

1) Est ce que dans un QCM au concours : si on a un Chi² significatif, on peut directement dire dans quel groupe la répartition est plus élevée rien qu'au vu du tableau ?

2) Comment la prévalence peut-elle dépendre de l'échantillon ??

3) Lors de la comparaison de plusieurs groupes, données quantitatives non appariées, faut-il systématiquement faire une comparaison des moyennes (Scwhartz et Bonferroni, je sais que vous m'avez dit que Bonferroni etait pour les qualitatifs seulement, mais Forzy nous a confirmé deux fois que ça marchait aussi pour les quantitatifs) après l'analyse de variance ? ou seulement si l'analyse de variance se révèle significative ? Parce que je vois pas en quoi si la différence entre les variances est non significative, les moyennes sont les même !!

4) M. Forzy nous a dit qu'on ne posait pas alpha dans une evaluation de methodes diagnostiques, que alpha c'etait les FP et beta les FN, pourquoi alors 1-alpha c'est les VN et pas les VP ?? et de meme pourquoi 1-beta sont les VP et pas les VN ?

5) La puissance d'un test c'est 1- alpha ou 1-beta ?

merci !!

Alors ... ^^


1) Est ce que dans un QCM au concours : si on a un Chi² significatif, on peut directement dire dans quel groupe la répartition est plus élevée rien qu'au vu du tableau ?

S'il n'y a que deux groupes oui bien évidemment. S'il y a plus de deux groupes alors on peut le supposer mais pas l'affirmer. Pour l'affirmer il faut faire un Bonferroni


2) Comment la prévalence peut-elle dépendre de l'échantillon ??

Je pense que tu sors cette phrase d'un contexte bien particulier du coup c'est un peu dur de te répondre sans avoir le contexte.

Si on augmente n, alors la prévalence se rapproche de celle de la population
Selon que l'on tire au sort ou non l'échantillon alors la prévalence sera différente
Enfin pour un même n et pour une même modalité de sélection, la prévalence varie selon les échantillons

Pour moi ces trois illustrations nous montrent bien que la prévalence (de l'échantillon et pas de la population) dépend de l'échantillon

3) Lors de la comparaison de plusieurs groupes, données quantitatives non appariées, faut-il systématiquement faire une comparaison des moyennes (Scwhartz et Bonferroni, je sais que vous m'avez dit que Bonferroni etait pour les qualitatifs seulement, mais Forzy nous a confirmé deux fois que ça marchait aussi pour les quantitatifs) après l'analyse de variance ? ou seulement si l'analyse de variance se révèle significative ? Parce que je vois pas en quoi si la différence entre les variances est non significative, les moyennes sont les même !!


L'analyse de Schwartz (ou Bonferroni) sert à savoir quel groupe créé la significativité. Si ton résultat est non significatif cette méthode ne te sers donc à rien. On l'utilise donc uniquement quand le résultat est significatif.

Et attention à l'erreur, quand on parle de l'analyse de variance on ne parle pas de la variance des groupes mais des variances communes et intergroupes qui elles, sont en mesure de faire office de comparaison de moyenne.


4) M. Forzy nous a dit qu'on ne posait pas alpha dans une evaluation de methodes diagnostiques, que alpha c'etait les FP et beta les FN, pourquoi alors 1-alpha c'est les VN et pas les VP ?? et de meme pourquoi 1-beta sont les VP et pas les VN ?

h0 = la personne n'est pas malade
h1 = la personne est malade

alpha : risque de rejeter l'hyp nulle alors qu'elle est vraie = dire à un non malade qu'il est malade = FP
beta : risque de rejeter h1 alors qu'elle est vraie = dire à un malade qu'il est non malade = FN
1- alpha : risque d'accepter h0 alors qu'elle est vraie = dire à un non malade qu'il est non malade = VN
1- bêta : risque d'accepter h1 alors qu'elle est vraie = dire à un malade qu'il est malade = VP (c'est ce que l'on cherche principalement dans un test, c'est entre autre pour cela qu'on l'appelle puissance du test)

5) La puissance d'un test c'est 1- alpha ou 1-beta ?

1-bêta du coup




Eh voilà =)