Statistique descriptive
- Moyenne
- x̄ = Σx/n
- Écart-type d’échantillon
- s = √(Σ(x − x̄)²/(n − 1))
- Médiane
- valeur du milieu des données triées
- Score z
- z = (x − μ)/σ
- Loi normale
- 68% dans ±1σ, 95% dans ±2σ
Formulaires, étapes clés de la méthode pour chaque thème et 16 exercices, avec les corrigés complets à la fin.
Le biais de publication désigne :
Un chercheur veut montrer qu'une nouvelle échelle d'anxiété mesure autre chose que la dépression. De faibles corrélations avec une échelle de dépression appuieraient :
Trouve l'écart-type d'échantillon s des données : 29, 28, 45, 55, 10, 19, 10.
Les notes d'un examen suivent une loi normale de moyenne 50 et d'écart-type 20. Trouve le score z z d'une note de 10.
On lance un dé équilibré 5 fois. Quelle est la probabilité P d'obtenir au moins un six ?
X a la loi indiquée, et Y = 3X − 3. Trouvez l’écart-type σY de Y.
Faites glisser z pour que l’aire colorée entre −z et z sous la courbe normale centrée réduite soit 0,4515. Trouvez z avec deux décimales.
On suppose que les masses des sachets suivent une loi normale de moyenne 250 g et d’écart-type 5 g. Trouvez la valeur x en dessous de laquelle se situent 10 % des valeurs (le 10e centile).
Un échantillon de 21 éléments a une moyenne de 25 et un écart-type s = 18. La population est approximativement normale. Trouvez la borne inférieure de l’intervalle de confiance à 99 % pour la moyenne.
L’écart-type de la population est 28. Quelle taille d’échantillon n faut-il pour qu’un intervalle de confiance à 95 % pour la moyenne ait une marge d’erreur d’au plus 1 ?
Un échantillon de 36 étudiants a une note moyenne de 54,8 et un écart-type d'échantillon de 12. Calcule la statistique de test t pour H₀ : μ = 50.
Un échantillon de 100 mesures a une moyenne de 49,8. L'écart-type de la population est 4. Trouve la borne supérieure U de l'intervalle de confiance à 90 % pour la moyenne.
Le tableau donne 6 observations appariées de x = âge de la voiture en années et y = prix en k€. Trouvez le coefficient de corrélation de Pearson r.
Le tableau donne 5 observations appariées de x = heures de révision et y = note à l’examen. Utilisez la droite des moindres carrés ŷ = a + b·x. On fait une nouvelle observation (3,5, 50). Trouvez son résidu e = y − ŷ.
Le tableau de contingence indique les effectifs observés. Calculez la statistique du khi-deux χ² du test d’indépendance entre la variable en ligne et la variable en colonne. N’utilisez pas de correction de continuité.
Le tableau indique les effectifs observés. Testez au seuil α = 0,01 si les deux variables sont indépendantes (sans correction de continuité). Calculez la statistique de test χ², puis comparez-la à la valeur critique de la table.
Réponse: B · Le fait que les études aux résultats significatifs soient plus susceptibles d'être publiées que les résultats nuls
Lorsque les études non significatives restent dans les tiroirs, la littérature publiée surestime les tailles d'effet, ce qui fausse les méta-analyses.
Réponse: A · La validité discriminante
La validité discriminante (divergente) est démontrée lorsqu'une mesure est faiblement corrélée à des mesures de construits différents. La validité convergente correspond à une forte corrélation avec des mesures du même construit.
Réponse: s = 17,07
Statistique descriptive : la moyenne est la somme divisée par n ; la médiane est la valeur du milieu des données triées (la moyenne des deux valeurs du milieu si n est pair). L'écart-type d'échantillon est s = √(Σ(x − x̄)²/(n − 1)). Un score z = (x − μ)/σ indique à combien d'écarts-types une valeur se trouve de la moyenne.
Réponse: z = −2
Statistique descriptive : la moyenne est la somme divisée par n ; la médiane est la valeur du milieu des données triées (la moyenne des deux valeurs du milieu si n est pair). L'écart-type d'échantillon est s = √(Σ(x − x̄)²/(n − 1)). Un score z = (x − μ)/σ indique à combien d'écarts-types une valeur se trouve de la moyenne.
Réponse: P = 0,5981
Probabilités : avec des issues équiprobables, P(A) = cas favorables/cas possibles. Pour des événements indépendants, on multiplie : P(A et B) = P(A)·P(B). Le complémentaire aide souvent : P(au moins un) = 1 − P(aucun). Loi binomiale : pour n épreuves indépendantes de probabilité de succès p, P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ.
Réponse: σY = 4,477
Variables aléatoires discrètes : une loi de probabilité énumère chaque valeur x que peut prendre la variable avec sa probabilité p(x) ; les probabilités sont comprises entre 0 et 1 et leur somme vaut 1. L’espérance (moyenne) est E(X) = Σx·p(x), la moyenne à long terme. La variance est Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ², et l’écart-type σ = √Var(X). Pour un changement linéaire Y = aX + b : E(Y) = a·E(X) + b, Var(Y) = a²·Var(X) et σY = |a|·σX ; ajouter une constante ne change pas la dispersion.
La moyenne, elle, se déplace : E(Y) = 3·1,85 − 3 = 2,55.
Réponse: z = 0,6
D’une aire à z : Φ(z) est l’aire à gauche de z. Pour une aire A de la queue gauche, trouvez dans la table le z tel que Φ(z) = A. Une aire A de la queue droite signifie Φ(z) = 1 − A. Une aire centrale A entre −z et z laisse (1 − A)/2 dans chaque queue, donc Φ(z) = (1 + A)/2. Pour une valeur x, utilisez x = μ + zσ.
Trouvez 0,7257 dans la table et lisez z.
Réponse: x = 243,6 g
Loi normale : transformez une valeur x en score z, z = (x − μ)/σ, qui compte le nombre d’écarts-types par rapport à la moyenne. Une table de z (ou Φ(z)) donne l’aire à gauche de z, c’est-à-dire P(X < x). L’aire à droite vaut 1 − Φ(z), et l’aire entre deux valeurs est la différence de leurs deux aires.
Réponse: borne inférieure = 13,83
Intervalle de confiance pour une moyenne : x̄ ± marge d’erreur. Si l’écart-type σ de la population est connu, la marge vaut z·σ/√n ; si l’on ne dispose que de l’écart-type de l’échantillon s, utilisez t à n − 1 degrés de liberté : t·s/√n. Valeurs critiques : z = 1,645 (90 %), 1,96 (95 %), 2,576 (99 %). Pour obtenir une marge E ou moins, il faut n ≥ (z·σ/E)², arrondi à l’entier supérieur.
Réponse: n = 3012
Intervalle de confiance pour une moyenne : x̄ ± marge d’erreur. Si l’écart-type σ de la population est connu, la marge vaut z·σ/√n ; si l’on ne dispose que de l’écart-type de l’échantillon s, utilisez t à n − 1 degrés de liberté : t·s/√n. Valeurs critiques : z = 1,645 (90 %), 1,96 (95 %), 2,576 (99 %). Pour obtenir une marge E ou moins, il faut n ≥ (z·σ/E)², arrondi à l’entier supérieur.
Une taille d’échantillon est un nombre entier, et arrondir vers le bas rendrait la marge trop grande.
Réponse: t = 2,4
Test sur une moyenne : la statistique de test mesure à combien d'erreurs types la moyenne de l'échantillon se trouve de la valeur affirmée dans H₀ : z = (x̄ − μ₀)/(σ/√n) quand σ est connu, t = (x̄ − μ₀)/(s/√n) quand il est estimé sur l'échantillon. Un intervalle de confiance vaut x̄ ± (valeur critique)·(erreur type).
|t| > 2,03, donc H₀ est rejetée au seuil de 5 % (bilatéral).
Réponse: U = 50,46
Test sur une moyenne : la statistique de test mesure à combien d'erreurs types la moyenne de l'échantillon se trouve de la valeur affirmée dans H₀ : z = (x̄ − μ₀)/(σ/√n) quand σ est connu, t = (x̄ − μ₀)/(s/√n) quand il est estimé sur l'échantillon. Un intervalle de confiance vaut x̄ ± (valeur critique)·(erreur type).
Réponse: r = −0,9735
Régression par les moindres carrés : avec x̄ et ȳ les moyennes, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² et Sxy = Σ(x − x̄)(y − ȳ), la droite ŷ = a + b·x a pour pente b = Sxy/Sxx et pour ordonnée à l’origine a = ȳ − b·x̄ ; elle passe donc toujours par (x̄, ȳ). Le coefficient de corrélation de Pearson r = Sxy/√(Sxx·Syy) est compris entre −1 et 1 ; r² est la part de la variation de y expliquée par la droite.
Réponse: e = 4,95
Régression par les moindres carrés : avec x̄ et ȳ les moyennes, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² et Sxy = Σ(x − x̄)(y − ȳ), la droite ŷ = a + b·x a pour pente b = Sxy/Sxx et pour ordonnée à l’origine a = ȳ − b·x̄ ; elle passe donc toujours par (x̄, ȳ). Le coefficient de corrélation de Pearson r = Sxy/√(Sxx·Syy) est compris entre −1 et 1 ; r² est la part de la variation de y expliquée par la droite.
Le point se trouve au-dessus de la droite.
Réponse: χ² = 3,573
Tests du khi-deux : comparez les effectifs observés O aux effectifs E attendus sous H₀ avec χ² = Σ(O − E)²/E. Ajustement : E = n·p pour chaque catégorie, df = k − 1 (moins un de plus pour chaque paramètre estimé à partir des données). Indépendance dans un tableau r × c : E = total de la ligne × total de la colonne / total général, df = (r − 1)(c − 1). Rejetez H₀ lorsque χ² dépasse la valeur critique pour le α choisi.
df = 2. Pour α = 0,05, la valeur critique vaut 5,991 ; H₀ (indépendance) est donc non rejetée.
Réponse: χ² = 1,094
Tests du khi-deux : comparez les effectifs observés O aux effectifs E attendus sous H₀ avec χ² = Σ(O − E)²/E. Ajustement : E = n·p pour chaque catégorie, df = k − 1 (moins un de plus pour chaque paramètre estimé à partir des données). Indépendance dans un tableau r × c : E = total de la ligne × total de la colonne / total général, df = (r − 1)(c − 1). Rejetez H₀ lorsque χ² dépasse la valeur critique pour le α choisi.
χ² est inférieur à la valeur critique, donc H₀ n’est pas rejetée : il n’y a pas de preuve significative d’une relation.
ExamProblems · examproblems.com/courses/research-methods-psychology