Untitled Quiz

Introduction aux Tests Statistiques

• Les tests statistiques permettent de tirer des conclusions sur une population à partir d'un échantillon observé.
• Les paramètres d'intérêt sont estimés à partir des données de l'échantillon.
• L'inférence statistique relie l'échantillon à la population.

Rappel sur l'Inference Statistique

• Les paramètres d'étude sont définis et peuvent être : prévalence, risque, effet d'une intervention, différence de moyennes...
• L'échantillonnage (recrutement des participants) collecte les données observées.
• L'inférence statistique utilise les données observées pour tirer des conclusions sur les paramètres de la population

Intervalles de Confiance (à 95%)

• L'intervalle de confiance définit les valeurs possibles du paramètre.
• Plus l'intervalle est étroit, plus l'estimation est précise.
• La taille de l'échantillon influence l'intervalle de confiance. Plus la taille est grande, plus l'intervalle est petit.
• 95% des intervalles de confiance contiennent la vraie valeur du paramètre.

Différence Observée vs Différence Réelle

• Il existe une différence observée entre les groupes dans l'échantillon.
• Il faut déterminer s'il y a vraiment une différence dans la population.
• L'estimation du risque de nausées/vomissements peut varier selon les interventions.

Objectifs des Tests Statistiques

• Comprendre la différence observée vs différence réelle.
• Maîtriser le concept de test statistique.
• Analyser les hypothèses nulle et alternative.
• Identifier les erreurs de type I et II.
• Déterminer la puissance d'un test.
• Estimer la taille d'échantillon.

Principe du Test Statistique (1)

• Si la probabilité d'obtenir un certain résultat est faible, cela remet en question l'hypothèse initiale.
• 10 lancers de pièces et observation des résultats.

Principe du Test Statistique (2)

• Supposons une hypothèse vraie (Ho), collecter des données.
• Si ces données sont peu compatibles avec Ho, rejeter Ho.

Principe du Test Statistique (3)

• En recherche clinique, l'hypothèse nulle (Ho) est généralement l'absence d'effet.
• L'hypothèse alternative (H1) est l'existence d'un effet.

Question de Recherche et Hypothèses (1) / (2)/ (3)

• Présentation de problématiques de recherche, hypothèses nulles et alternatives à tester.
• Exemple : acupuncture, arrêt du tabac, qualité de vie.

Test Statistique: Généralités

• La population correspond aux données complètes (ensemble des individus).
• L'échantillon correspond à une partie des données.
• Les résultats du test sur l'échantillon peuvent conduire à rejeter ou ne pas rejeter l'hypothèse nulle.

Erreur de type 1 du Test Statistique

• Probabilité de rejeter l'hypothèse nulle alors qu'elle est vraie.
• Représentée par le seuil alpha (α), par exemple, 5% ou 0.05 (significativité).

Erreur de type 2 du Test Statistique

• Probabilité d'accepter l'hypothèse nulle alors que l'hypothèse alternative est vraie.
• Représentée par le seuil béta (β), par exemple, 20%.

Valeur p

• La valeur p mesure la compatibilité des observations avec l'hypothèse nulle.
• Une valeur p faible (<0,05) suggère une incompatibilité forte.

Calcul de Taille d'échantillon

• Déterminer la taille adéquate de l'échantillon pour obtenir une puissance statistique suffisante.
• Prise de décision à la phase de planification.

Asymétrie du Test d'Hypothèse

• Les hypothèses Ho et H1 ne sont pas traitées de la même manière.

Puissance

• Plus la vraie différence est grande et l'écart type dans la population est petit plus la puissance sera grande.

Prochaine Séance - Objectifs

• Présentation des tests statistiques à venir (ex : Test de Student, Test du Chi-deux, ANOVA).