or
Cette activité fait partie du cours
Dans ce chapitre, nous explorerons le lien entre les échantillons et les conclusions statistiquement défendables. Le choix d'un échantillon est à la base de décisions statistiques solides, et nous verrons comment ce choix influence le résultat de votre inférence.
Apprenez à appliquer des tests de normalité, des tests de corrélation, ainsi que des tests paramétriques et non paramétriques pour une inférence fiable. Les tests d'hypothèses sont des outils, et choisir le bon outil pour la tâche est essentiel à la prise de décisions statistiques. Même si vous connaissez certains de ces tests grâce à des cours d'introduction, vous irez plus loin pour enrichir votre trousse d'outils d'inférence dans ce chapitre.
Dans ce chapitre, vous mesurerez et interpréterez la taille d'effet dans diverses situations, vous aborderez le problème des comparaisons multiples et explorerez en profondeur la puissance d'un test. Bien que les valeurs p indiquent si un effet significatif est présent, elles ne disent pas à quel point cet effet est fort. La taille d'effet mesure l'ampleur de l'effet d'un traitement. Maîtrisez les facteurs qui sous-tendent la taille d'effet dans ce chapitre.
Vous élargirez davantage votre trousse d'outils en statistiques inférentielles en explorant le bootstrap, les tests de permutation et les méthodes de combinaison des preuves issues des valeurs p. Le bootstrap vous offrira une première incursion dans la simulation statistique. Dans la leçon sur la méta-analyse, vous apprendrez à combiner les résultats de plusieurs études. Vous terminerez par un aperçu des tests de permutation, un outil statistique non paramétrique puissant et flexible.
Exercice en cours