Quelques rappels concernant la méthode expérimentale

Dimension: px
Commencer à balayer dès la page:

Download "Quelques rappels concernant la méthode expérimentale"

Transcription

1 Quelques rappels concernant la méthode expérimentale 1. La Méthode expérimentale : Définition. Une définition classique de la méthode expérimentale est qu elle «correspond à la méthode d investigation qui rend possible le contrôle systématique du maximum de sources de variations potentielles». Autrement dit, utiliser la méthode expérimentale va consister à créer une situation particulière qui va permettre de tester une hypothèse causale concernant la mesure d un phénomène précis (VD) en fonction de la manipulation (la variation) d un ou plusieurs facteurs (VI). L objectif de l expérimentation est la comparaison entre groupes équivalents de participants. Si le montage expérimental est bien conçu, seule la variation des modalités des variables indépendantes manipulées par le chercheur va permettre d expliquer les différences observées entre les groupes au niveau de la ou des mesures (c est pourquoi il est possible de tester des relations de causalité grâce à cette méthode). En manipulant une ou plusieurs variable(s) indépendante(s), on va essayer de provoquer une variation des réponses des participants (donc de la VD qui, en psychologie sociale, renvoie à la mesure du comportement, des états mentaux ou des processus mentaux). La variable indépendante est déterminée et construite par le chercheur. Il suppose qu elle et elle seule aura un effet sur le sens de l hypothèse qu il se propose de tester. En résumé : L expérimentation permet de tester, en terme de causalité, l effet (l impact) d une ou plusieurs variable(s) indépendante(s) (VI) sur une ou plusieurs mesure(s) ou variable(s) dépendante(s) (VD). 1

2 2) Les variables (ou facteurs). Dans une démarche causale, comme celle de l application de la méthode expérimentale, il s agit donc de faire varier un facteur ou une combinaison de facteurs et d observer, de mesurer les conséquences de cette variation sur les comportements, les états mentaux et/ou les processus mentaux. Il existe plusieurs types de variables : les Variables Indépendantes (VI), les Variables Dépendantes (VD), les Variables Parasites (VP) et les Variables Contrôlées (VC). 2-1) La variable indépendante. a) Définition. Une variable indépendante est une caractéristique de l individu(ex : homme vs femme, ans vs ans, conducteur expérimenté vs débutant), de l environnement physique ou social (ex : présence/absence d autrui, couleur des murs, environnement bruyant vs calme ), de la tâche (difficile vs facile, familière vs non familière), ou des stimuli présentés (ex : ambigus vs non ambigus ; subliminal vs supra liminal) qui est manipulée par le chercheur dans le but de contrôler ou d analyser son impact sur le comportement, l état mental ou le processus mental étudié. Une VI comporte au minimum 2 modalités (ou états) qui sont choisis par l expérimentateur. Il est possible de classer les variables indépendantes selon qu elles sont extraites de l environnement physique ou social des sujets ou, au contraire qu elles soient extraites de caractéristiques présentes chez le sujet. On parlera de VI provoquée dans le premier cas et de VI invoquée dans le second. b) Un premier type de VI : La variable invoquée ou étiquette. Les variables invoquées ou étiquette sont inhérentes au sujet. De ce fait, l expérimentateur ne peut agir directement sur ces variables (il ne peut pas, par exemple, construire le sexe du participant ou son âge). On peut cependant, parmi les critères existants, sélectionner ceux 2

3 qui nous intéressent, et effectuer des comparaisons selon ces critères (ouvriers vs cadre supérieur, femme vs homme, jeunes vs vieux, experts vs non experts, etc.). Un schéma classique d expérimentation à partir de variables invoquées consiste à appliquer une situation expérimentale identique à plusieurs groupes d individus différents sur la base de certaines caractéristiques intrinsèques (les VI invoquées ; ex : sexe, âge, CSP ) et d évaluer l influence de ces caractéristiques sur les comportements, états mentaux ou processus mentaux mesurés (VD). L utilisation de variables invoquées ou étiquette nécessite d être très rigoureux et prudent. Si l on veut étudier l impact du sexe des participants, il faut faire en sorte que les sujets soient identiques par ailleurs (garantir «le toute chose égale par ailleurs» : même CSP, même tranche d âge ). Le second type de variables indépendantes renvoie à ce que l on nomme les VI «provoquées». c) Un deuxième type de VI : La variable provoquée. Une VI est dite provoquée lorsqu elle est directement manipulée par le chercheur. Les modalités de ce type de VI sont construites de toute pièce par le chercheur. Ce sont des stimulations expérimentales provenant de l environnement, autrement dit une construction particulière de l environnement physique et / ou social (ex : le délai entre 2 tâches : 1 minute vs 10 minutes, la présence vs non présence d autrui, tâche facile vs difficile, etc.). Contrairement à ce qui se passe dans le cas des VI invoquées, le nombre de modalités des VI provoquées est virtuellement infini. 2-2) La variable dépendante. a) Définition. En psychologie, la variable dépendante (VD) correspond à la mesure de la réponse du participant. Cette réponse peut être la performance à une tâche, le nombre d erreurs commises, les réponses à un questionnaire, l occurrence ou la non occurrence d un comportement, un temps de réponse, une opinion... Les VD sont des mesures qui, par hypothèse, sont susceptibles de dépendre du changement de modalité d une ou plusieurs VI. La mesure de la variable dépendante permet, en 3

4 comparant les résultats des différents groupes expérimentaux (ou modalités expérimentales), de tester l effet de l influence de la VI. b) Une bonne variable dépendante. Il faut toujours s assurer que la variable dépendante sélectionnée va bien mesurer ce qu elle est censée mesurer et rien d autre. Il ne faut pas, par exemple, que les termes utilisés dans la formulation de la question que l on pose évoquent autre chose aux participants que ce que l on cherche à mesurer. Il s agit de faire attention aux confusions de mesure possibles. Dans la mesure du possible, on essaiera de répertorier plusieurs mesures possibles du phénomène que l on cherche à étudier (ex : échelles d attitudes + question ouverte + temps de réponse + rappel, etc.). En général, on utilisera plusieurs mesures (VD) complémentaires de manière à augmenter la fiabilité de la recherche. La mise en place d une expérimentation nécessite de tester préalablement le matériel construit (tâche expérimentale+vd) afin de déterminer si oui ou non il permet de mesurer ce que l on s est donné pour objectif de mesurer. 2-3) La variable parasite et la variable contrôlée (ou secondaire). Dans toute expérimentation, on fait une distinction entre les facteurs dont l expérimentateur veut étudier les effets sur les mesures (VI invoquées ou provoquées ayant un effet potentiel sur la ou les VD) et les facteurs secondaires ou parasites que l expérimentateur ne veut pas étudier mais qu il se doit de contrôler du fait de leur impact potentiel sur le phénomène. Il faut donc maintenir constantes les modalités des facteurs secondaires de telle sorte qu ils ne varient pas et n interfèrent pas. En résumé: Une VI : c est ce que l on manipule, ce que l on fait varier dans le cadre de l expérimentation. On identifie la ou les VI en répondant à la question «Qu est- ce qui varie dans l expérience en terme de situation (caractéristiques de l environnement physique ou social) et/ou de caractéristiques des individus?». On pose l hypothèse que les différentes modalités de la VI vont avoir des effets sur la ou les mesure(s) prises en compte dans l étude (VD). 4

5 Une VD : c est ce que l on mesure. Elle reste «formellement» identique (on mesure toujours la même chose, en terme de formulation de question par exemple, quelle que soit la condition expérimentale) mais on s attend à des variations quantitatives de cette mesure en fonction des variations de la VI. On identifie donc les VD en répondant à la question «Qu est- ce qu on mesure?». En général, il est très facile de trouver les VD car elles sont suivies d une unité de mesure ou précédées d un indice de quantification «nombre moyen de bidule, fréquence des machins, etc.». Expérimenter : c est se placer dans une situation qui permette de tester une hypothèse causale. Autrement dit, il s agit de tester l effet de la variation d une (ou plusieurs) VI sur une (ou plusieurs) VD. 3) Le contrôle des différents paramètres La méthode expérimentale repose sur le principe d un contrôle optimal des sources de variations non étudiées par le chercheur (variables parasites) qui seraient susceptibles d interférer dans la situation expérimentale. Ce contrôle de la situation est mis en place afin que la seule explication d une variation au niveau de la VD (donc de la mesure du phénomène étudié) ne soit imputable qu à la seule manipulation de la ou des variables indépendante(s). Les variables parasites doivent être identifiées et contrôlées au mieux par le chercheur. Elles peuvent être causées par : Les caractéristiques des participants (âge, sexe, CSP, expert, novice ). L expérimentateur (sa présence peut être source d influence). Par la situation expérimentale elle- même (matériel non adapté, nécessitant une bonne acuité visuelle, auditive, changement de lieu de passation avec configuration spatiale différente ). Pour éviter au maximum l effet des variables parasites, le chercheur va manipuler un ensemble de paramètres afin de standardiser au maximum les conditions d apparition du phénomène qu il souhaite étudier. En d autres termes, on va provoquer une série de réactions (VD que l on va mesurer) dans des conditions fixées à l avance. 5

6 3-1) Les techniques de contrôle des variables parasites Plusieurs techniques sont utilisées pour éliminer ou diminuer l influence des variables parasites, et ainsi améliorer la [validité interne et externe de la] recherche. Le contrôle pourra porter sur 2 types de variables : celles provenant de l environnement et celles issues des caractéristiques des participants. Nous allons aborder ici les 4 principales techniques de contrôle des variables parasites : Le maintien de la variable parasite à un niveau constant. La variation systématique de la variable parasite. L aléatorisation, randomisation ou contrôle par variation au hasard. Le contre- balancement (effets de rang ou dépendance séquentielle). a) Maintien de la variable parasite à un niveau constant. Il s agit ici de répertorier l ensemble des états (des modalités) qui peuvent être pris par la variable parasite et de contrôler les conditions expérimentales de manière à ne prendre en compte que les observations réalisées alors que la variable parasite se trouve dans un seul de ces états. La variable parasite interviendra ainsi de la même façon (dans les mêmes proportions) dans les différentes conditions expérimentales. Autrement dit, l effet de la variable parasite sur la variable dépendante sera maintenu constant. Ex. : Si l on veut s assurer que la variation du sexe des participants n aura pas d impact sur les mesures qui nous intéressent, un moyen commode consistera à ne considérer que des participants de l un des sexes. Note : le maintien de la variable parasite à un niveau constant peut aussi dans certains cas correspondre à son absence totale. b) Variation systématique de la variable parasite Contrairement à la première technique, on va ici chercher à tenir compte des différents états de la variable parasite (ou tout au moins sélectionner un éventail précis de valeurs possibles) 6

7 et faire en sorte que toutes ces états se trouvent représentés dans chacune des conditions expérimentales produites par la variable indépendante. La représentation de la variable à contrôler étant la même dans les différentes conditions expérimentales (c est à dire pour les différentes modalités de la VI), les résultats collectés ne seront pas influencés par un effet différentiel de l influence de la variable parasite. En d autres termes, la technique de variation systématique de la variable parasite revient à un équilibrage des groupes expérimentaux. Ex. : c est ce que l on fait lorsque l on s assure que les groupes expérimentaux contiennent autant d hommes que de femmes, autant d ouvriers que de cadres supérieurs, d introvertis que d extravertis, etc. c) Aléatorisation, randomisation ou contrôle par variation au hasard On part ici du postulat que si on laisse jouer librement la variable parasite, les valeurs de cette dernière se répartiront selon la même distribution dans les différentes conditions expérimentales. Selon ce postulat, le hasard procède à un «équilibrage naturel» et on peut donc considérer l influence de la variable parasite comme neutralisée. Cette technique, hormis le fait qu elle soit peu intuitive, comporte deux inconvénients majeurs : On ne peut jamais être sûr que la répartition s est réellement réalisée de manière équilibrée ni que le hasard ne favorisera pas l un des degrés de la variable à neutraliser. De plus, il est impossible de le contrôler a posteriori. La probabilité pour qu une répartition du facteur à contrôler soit équilibrée dépend surtout du nombre d occasions qu on laisse à ce facteur de varier. La technique n est donc réellement utilisable que si la taille de l échantillon est importante (ce qui est relativement rare en psychologie). d) Le contre- balancement : effets de rang ou de dépendance séquentielle. Dès lors qu une épreuve se trouve organisée en une séquence d items ou d essais, on doit poser l hypothèse que la performance associée à un essai particulier pourrait, au moins en 7

8 partie, être expliquée par la présence ou le contenu de l item ou de la série d items précédents. D une manière générale, ces effets, que l on appelle effets de transfert, qu ils soient positifs ou négatifs (i.e. : apprentissage / facilitation de la performance ou, au contraire, interférence / diminution de la performance) sont possibles ou probables dans certaines situations expérimentales. Ceci est particulièrement vrai lorsque l application d un plan d expérience s étale dans le temps et laisse ainsi la possibilité à des facteurs d ordre historique ou de maturation (ex : événements d actualité interférant avec l objet de l étude) de s installer. Pour corriger cet effet potentiel de l ordre, il suffit de répéter les essais en les présentant à des groupes de participants différents selon un ordre modifié. C est ce que l on appelle la technique de contre- balancement. Un contre balancement est dit complet lorsque tous les ordres de présentation possibles sont représentés, c est à dire factorielle n (n!) arrangements si n représente le nombre de modalités de notre VI. Ex : Si l on veut contrôler l effet d ordre au sein d un questionnaire composé de trois questions notées Q1, Q2 et Q3 (autrement dit si on veut s assurer que le fait de répondre à une question n a pas d influence sur la réponse à la question suivante) on procèdera à la création de 6 groupes de personnes pour lesquelles les questions apparaîtront à chaque fois dans un ordre différent (ici contrebalancement complet). G1 Q1 Q2 Q3 G2 Q1 Q3 Q2 G3 Q2 Q3 Q1 G4 Q2 Q1 Q3 G5 Q3 Q1 Q2 G6 Q3 Q2 Q1 Note : lorsque le nombre de modalités de la VI à contrebalancer augmente, on arrive vite à un nombre de groupes de sujets qui rend difficile la mise en place de l étude. Par exemple, si on voulait opérer un contre balancement complet sur une VI à 5 modalités, cela nécessiterait la mise en place de 5x4x3x2 groupes soit 120 groupes! C est pourquoi dans ce cas de 8

9 figure on choisira de n utiliser que quelques arrangements particuliers, tirés au hasard, pour minimiser l effet d ordre : on parle alors de contrebalancement partiel. Une dernière source de variables parasites concerne le facteur «sujets» (ou participants). 3-2) Le facteur «sujets» Ce facteur (présent dans la totalité des recherches de psychologie) revêt une importance particulière puisqu il entre largement en cause dans les calculs statistiques d évaluation des hypothèses. De ce fait, il est nécessaire de porter une attention particulière à certains problèmes inhérents au facteur sujets lors de la mise en place de la recherche. Il s agit plus particulièrement des notions d échantillonnage, de groupe de sujets et d équivalence des groupes de sujets. a) L échantillonnage Le problème est ici de construire un échantillon de participants qui sera, dans la mesure du possible, représentatif d une population définie (c est à dire qui possèdera les mêmes caractéristiques que cette population). L échantillon est une population en «miniature». Le critère de représentativité est particulièrement important dans les études de type «questionnaire» (sur les représentations sociales par exemple) ou «sondage d opinion». Tirage aléatoire La méthode la plus simple (et aussi la plus utilisée en psychologie expérimentale) consiste à tirer au hasard, parmi la population, les sujets qui participeront à l étude. Il a été démontré que dans la plupart des cas, un triage au sort correctement réalisé permettait d avoir un échantillon correct. Lorsqu un contrôle plus strict de la représentativité de l échantillon sera nécessaire, on utilisera une technique d échantillonnage dite «des quotas». Méthode des Quotas L application de cette méthode nécessite une connaissance préalable des caractéristiques de la population (par exemple proportion de femmes et d hommes, CSP, niveau culturel, etc.). La méthode des quotas va consister, à partir des informations concernant la population 9

10 d origine (on parle aussi de population parente), à extraire un échantillon en respectant les proportions des différentes caractéristiques de la population d origine que l on soupçonne pouvoir avoir un effet sur le phénomène étudié. Cette technique permet donc d obtenir au final un «modèle réduit» de la population de départ, tout au moins en ce qui concerne les caractéristiques prises en compte. 4) La notion de groupes de sujets (ou groupes de mesures) 4-1) Groupes Indépendants, Appariés et Contrôle. Il existe 2 grands types de groupes de mesures : les groupes indépendants et les groupes appariés. La distinction entre ces types de groupes se fait au niveau du mode de récolte des mesures. A ces 2 types principaux, il est cependant nécessaire d ajouter un troisième : le groupe contrôle. Groupes Indépendants On parle de groupes indépendants lorsqu un groupe de sujets différent est attribué à chaque condition expérimentale (autrement dit à chaque modalité de la VI ou croisement de modalités des VI). Groupes appariés (ou à mesures répétées) Au contraire, on parle de groupes appariés lorsque les mesures sont le résultat de l observation des mêmes sujets passant l ensemble des modalités d une VI particulière. Groupes contrôles On appelle groupe contrôle un groupe de participants affectés à une condition expérimentale où la variable indépendante n intervient pas. La performance (les mesures ; VD) obtenue à partir de ce groupe sert donc de groupe de référence (vous trouverez parfois le terme «niveau de base» ou «ligne de base») et permet (en comparant le groupe contrôle et les groupes expérimentaux) de vérifier l impact occasionné par la VI. 10

11 4-2) Choix du statut des groupes de mesures : avantages et inconvénients D une manière générale, il est toujours préférable de conserver les mêmes participants afin de les observer dans les différentes conditions expérimentales (mesures répétées). Ce procédé de comparaison dit «intra- sujets» permet : D économiser le nombre de sujets lorsque les effectifs sont restreints. Il est cependant nécessaire de recruter des sujets qui ne soient pas trop différents les uns des autres. De réduire les variations inter individuelles non contrôlables, toujours plus importantes que les variations intra individuelles. Chaque sujet étant dans ce cas son propre contrôle, on détecte plus facilement l impact de la variable indépendante sur la mesure. Cependant l usage de groupes indépendants peut se justifier (ou est rendu nécessaire) dans certaines circonstances : Pour éviter les effets d ordre, d apprentissage ou d interférence et, plus généralement lorsque l administration de plusieurs niveaux de la VI risque, par effet résiduel, de produire une modification de la mesure (et donc de diminuer la validité interne de la recherche). Lorsque l on utilise des variables invoquées ou de type «personnalité» (âge, poids, sexe, introversion/extraversion, etc.). La variable dépendante est alors abordée de manière corrélationnelle, l impossibilité est donc ici d ordre technique. 5) Combinaison de plusieurs variables indépendantes : les interactions. Un comportement, un état mental ou un processus mental n est en général pas influencé par une seule composante de l'environnement ou de la personnalité des individus. Nous l avons vu, s il est possible de neutraliser certaines variables par l utilisation des techniques appropriées, mais il est aussi possible (et c est le but de la méthode expérimentale) de manipuler certaines variables : elles prennent alors le statut de variable indépendante. Or, dès que l on manipule plus d une variable indépendante (ce qui est le cas de la plupart des 11

12 recherches en psychologie), il est nécessaire de prévoir des moyens qui nous permettrons d analyser les effets conjoints des VI, autrement dit : les interactions. 5-1) Définition de l interaction On dit qu il y a interaction «lorsque le fait de changer la modalité d une VI modifie l influence de l autre VI sur la VD». 5-2) Et concrètement? : Exemple et représentation graphique. Il est sans doute plus aisé de comprendre la définition de l interaction à partir de la représentation graphique «type» d une interaction : l interaction dite «croisée». Admettons que l on cherche à évaluer, chez le pingouin, l impact de la présence ou l absence du jogging matinal (lorsque l ours blanc a faim ) et du nombre de sardines ingérées (3 vs 15) sur la vitesse de nage de la grande course du samedi. Les résultats sont les suivants: Vitese de nage du pingouin en fonction de l'activité physique matinale et du nombre de sardine ingérées Vitesse de nage en m/s 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 Pas T1 Jogging Jogging T2 M1 15 S M2 3 S. Activité matinale Si L on regarde ce graphique on peut extraire plusieurs informations : Le sens de l effet principal de l activité matinale : les pingouins nagent aussi vite lorsqu ils font de l exercice le matin que lorsqu ils n en font pas (on considère ici les moyennes relatives à la VI «Activité matinale» en comparant la moyenne de la modalité jogging à celle de la modalité pas de jogging). Le sens de l effet principal du nombre de sardines ingérées : les pingouins nagent aussi vite lorsqu ils ont ingéré 3 sardines que lorsqu ils en ont ingéré 15 (on ne 12

13 s intéresse cette fois- ci qu aux moyennes qui concernent la VI «Nombre de sardines»). Le sens de l interaction de l activité matinale et du nombre de sardines ingérées : alors que les pingouins qui ne font pas de jogging le matin nagent plus vite lorsqu ils ont le ventre plein (15 sardines) que lorsqu ils ont le ventre vide (3 sardines), les pingouins qui font de l activité le matin, eux, sont plus performants lorsqu ils n ont mangé que 3 sardines que lorsqu ils en ont mangé 15. NB : le fait de prendre en compte plusieurs VI dans une recherche ne signifie pas forcément qu il y ait interaction. Cela signifie seulement qu une interaction est possible, envisageable, et qu il faut donc se poser la question de sa présence éventuelle. La seule manière de répondre de manière définitive à la question de la présence d une interaction passe par l utilisation de méthodes statistiques (en particulier l analyse de variance, qui va permettre de définir si une interaction est significative ou non). 5-3) Les différents types d effetss Pour aborder cette partie, il est nécessaire d avoir une représentation claire de ce que sont un effet principal et un effet d interaction. Effet principal : On entend par effet principal, l effet d une VI sur une VD. Autrement dit, on s attend à ce que les résultats obtenus sur la mesure (VD) soient différents en fonction des modalités de la VI. Effet d interaction : Nous l avons dit, il y a interaction entre 2 VI (ou plus) lorsque le fait de changer la modalité de l une des VI modifie l effet de(s) l autre(s) VI sur la VD. Cet effet d interaction des VI sur la VD peut- être de type additif ou non additif. Pour illustrer les différentes possibilités, nous considèrerons 2 VI à 2 modalités : VI1 : Type de truc (T1 et T2) VI2 : Type de machin (M1 et M2) VD : Nombre moyen de bidules 13

14 a) Action d une seule variable (Fig. A) Ici seul le type de machin a un effet : le nombre de bidules est plus élevé en modalité M1 qu en modalité M2 (M1>M2) alors que le type de truc n a pas d effet (T1=T2). Fig. A: Nombre de bidules en fonction du type de truc et du type de machin NOmbre moyen de bidules 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 T1 Type de truc T2 M1 M2 b) Action séparée de chaque variable (Effet additif ; Fig. B) L action combinée des deux VI correspond à la somme de l effet séparé de chaque variable. C est en condition machin M1 et truc T2 que le nombre de bidules est le plus élevé, par addition de l action de chaque variable. Fig. B: Nombre de bidules en fonction du type de truc et du type de machin Nombre moyen de bidules T1 Type de truc T2 M1 M2 c) Interaction des deux variables (Effet non additif ; Fig. C, D & E) * L action d une variable est inversée par les modalités de l autre (Fig. C). Le machin M1 engendre un nombre supérieur de bidules avec le truc T1 que le truc T2. Inversement, le 14

15 machin M2 entraînera un nombre plus important de bidules avec le truc T2 qu avec le truc T1. Fig. C: Nombre de bidules en fonction du type de truc et du type de machin Nombre moyen de bidules 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 T1 Type de truc T2 M1 M2 * L action d une variable est annulée par l une des modalités de l autre (Fig. D). L action du type de truc est nulle pour le machin M2, mais le truc T2 combiné au machin M1 engendre un nombre de bidules plus important que le truc T1 combiné au machin M1. Fig. D: Nombre de bidules en fonction du type de truc et du type de machin Nombre moyen de bidules 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 T1 Type de truc T2 M1 M2 * Une variable a plus ou moins d effet selon la modalité de l autre variable (Fig. E). 15

16 La différence entre les machins M1 et M2, en terme de bidules, sera plus importante dans la condition truc T2 que dans la condition truc T1. Fig. E: Nombre de bidules en fonction du type de truc et du type de machin Nombre moyen de bidules T1 Type de truc T2 M1 M2 6) Les plans d expérience. Construire un plan d expérience équivaut à la mise en place d une stratégie qui va permettre de maximiser la probabilité de détecter les effets réels des VI sur la ou les VD, mais aussi de minimiser la probabilité que les conclusions tirées puissent être dues à l influence de variables non contrôlées. On peut classer les types de plans en fonction de 2 facteurs : le degré de contrôle des situations considérées et les caractéristiques techniques. 6-1) Degré de contrôle des situations: Distinction plan expérimental et plans quasi- expérimental On parle de plan expérimental au sens strict lorsque toutes les VI qui composent le plan d'expérience sont provoquées, donc lorsque l on a un contrôle maximal sur les sources de variation. Lorsque le plan comporte au moins une VI de type invoqué (sur laquelle on ne dispose que d un contrôle limité), le plan est alors dit quasi- expérimental. 6-2) Les principaux types de plans en fonction des caractéristiques techniques A partir des caractéristiques techniques, on peut classer les plans expérimentaux en 2 grandes catégories : Les plans à une variable indépendante, à groupes indépendants ou appariés. Les plans à plusieurs VI, à groupes indépendants, appariés ou mixtes. 16

17 Les plans à plusieurs VI peuvent eux même être subdivisés en plans dits factoriels, en carré latin ou encore en carré gréco latin. Nous nous limiterons ici aux plans factoriels, qui sont les plans que vous rencontrerez le plus souvent. A) Les plans à une variable indépendante Les plans à une variable indépendante sont les plans les plus simples. Ils font intervenir une seule VI ayant au minimum 2 modalités. Il existe deux types de plans à une variable indépendante : les plans à une VI à groupes indépendants et les plans à une VI à groupes appariés. 1) Les plans à groupes indépendants (ou plans inter- sujets). Définition. Un plan d expérience est dit à groupes indépendants lorsque les mesures sont prises sur autant de groupes qu il y a de modalités à la variable. Autrement dit, dans un plan à groupes indépendants un groupe de sujets ne passe qu une des modalités de la variable indépendante. Ils ne passent ainsi «qu une partie» de l expérience. Dans ce type de plans les comparaisons portent sur la performance moyenne des differents groupes (donc entre les résultats obtenus au niveau de chaque modalité de la VI, autrement dit de chaque condition expérimentale). 2. Les plans à mesures répétées (ou plans à groupes appariés ou intra- sujets). Définition. On parle de groupes appariés lorsque tous les sujets passent par toutes les conditions expérimentales. La comparaison s effectue sur un même groupe de participants qui se prête à toutes les modalités de la VI. Autrement dit, lorsque tous les sujets subissent toutes les modalités de la VI. Dans ce cas, l impact de la VI pour un sujet n est plus mesuré par rapport à la performance moyenne du groupe (comme dans les plans à groupes indépendants) mais relativement à sa performance moyenne, calculée en sommant l influence de tous les traitements. Ainsi, il est possible d observer la performance de chaque sujet dans chacune des conditions expérimentales. B) Les plans à plusieurs VI. 1) Définition. 17

18 Dans un contexte naturel un comportement, un état mental ou un processus mental est rarement le produit d une seule cause, mais plutôt celui de la combinaison, de l interaction de plusieurs causes ou facteurs ou variables. Le chercheur se doit donc de tenir compte de ces éventuelles interactions dans son expérimental. On parle alors de plan factoriel (ou fischérien). Les plans factoriels sont destinés à mettre en évidence d une part les effets respectifs de chaque VI sur la VD : on parle alors d effets simples ou d effets principaux et d autre part leurs éventuelles combinaisons en fonction des différentes valeurs ou modalités des VI : on parle alors d effet d interaction 1. Un plan factoriel permet donc de représenter et de tester toutes les combinaisons possibles entre les différentes modalités des VI. Un plan factoriel étant caractérisé par la présence d au moins deux VI, il peut se décliner selon trois formes en fonction du type des groupes de mesures. Un plan factoriel peut donc être à groupes indépendants (composé uniquement de groupes de mesures indépendants), à groupes appariés (ou à mesures répétées), ou encore mixte (lorsque le plan combine des groupes indépendants et des mesures répétées). 2) Petite parenthèse concernant le plan mixte Ce type de plan combine des groupes indépendants (VI inter sujets) et des mesures appareillées (VI intra sujets). Il comprend au moins quatre conditions expérimentales issues du croisement de 2VI à deux modalités. Dans ce plan minimal, deux groupes indépendants de sujets sont soumis à deux conditions de mesures répétées (2 conditions expérimentales). Dans ce type de plan, comme dans les plans à mesures répétées, il va falloir porter une attention particulière aux éventuels effets d ordre ou de séquence. 3) Retour au plan factoriel : un exemple concret. Le principe du plan factoriel consiste à associer toutes les modalités d un facteur aux autres modalités des autres facteurs. Chacune des ces associations définit une condition expérimentale avec un certain effectif de sujets ou participants. Autrement dit, le plan factoriel permet de constituer autant de conditions expérimentales qu il y a de combinaison possible entre toutes les modalités des VI. 1 Cf. partie du cours consacrée aux differents types d interactions. 18

19 Avantages du plan factoriel Le plan factoriel a pour principal intérêt de permettre de tester les effets d interactions des variables indépendantes sur la VD. Détermination du nombre de conditions expérimentales Lorsque l on connaît le nombre total de participants ainsi que le type de plan utilisé, il est alors très facile de déterminer le nombre de sujets par situations expérimentales : Dans notre exemple, il s agit d un plan à groupes indépendants, cela signifie que chaque sujet ne passe que par une condition expérimentale et une seule. Nous avons deux VI à deux modalités chacune (T2*D2), on calcule alors le nombre de conditions expérimentales en effectuant le produit du nombre de modalités de chaque VI. Ainsi donc cette expérience comporte 2*2=4 conditions expérimentales. Si par contre nous avions un plan comportant deux VI à trois modalités chacune, nous aurions alors un plan de type 3*3=9 conditions expérimentales. Si nous avions un plan comportant trois VI à trois modalités chacune, nous aurions alors un plan de type 3*3*3=27 conditions expérimentales. Si nous avions un plan comportant trois VI dont deux à deux modalités et une à trois modalités, nous aurions alors un plan de type 2*2*3=12 conditions expérimentales. Quand il y a deux VI à deux modalités (plan 2x2), un simple tableau à double entrée permet de visualiser les différentes situations expérimentales, c est à dire les différents croisements des modalités des VI. Prenons l exemple d une recherche sur la mémoire dans laquelle on s intéresse à la performance en terme de rappel en fonction du type de matériel appris (Facterur T provoqué à 2 modalités : verbal vs imagé) et de la durée de l intervalle de rétention (Facteur D, provoqué, à 2 modalités : 3 minutes vs 12 minutes). 19

20 Durée de l intervalle de rétention D1 : durée de 3 minutes D2 :durée de 12 minutes T1 : matériel verbal M1 (n=30 sujets) M3 (n=30 sujets) Type de matériel T2 : matériel imagé M2 (n=30 sujets) M4 (n=30 sujets) Ce tableau permet de récapituler les différentes situations expérimentales. M=valeur prise par la VD (ici la performance de rappel), le plus souvent, cette valeur est une moyenne de groupe. n= entre () correspond au nombre de participants par condition expérimentale. Ce type de plan permet de répondre à trois questions en même temps : La VD, ici la performance de rappel, dépend- elle uniquement de la VI1, ici le type de matériel? Comparaison statistique entre M1 et M3/ M2 et M4 La VD dépend- elle uniquement de la VI2, ici la durée? Comparaison statistique entre M1 et M2/ M3 et M4 Ici calcul statistique des effets principaux. La VD dépend- elle de l interaction entre ces deux facteurs? ex : M1 fonction de l interaction entre D1 et T1 et M2 fonction de l interaction entre D1 et T2. Ici calcul statistique des effets d interaction. Représentation des plans expérimentaux Un plan expérimental est généralement représenté sous la forme d un tableau à entrées multiples et/ou d une écriture formalisée. Une représentation sous forme d un arbre de répartition des effectifs par condition est aussi parfois utilisée, mais plus rarement. Nous ne nous attarderons pas sur la représentation sous forme de tableau, qui ne présente pas de difficultés particulières, pour passer directement à l écriture formalisée. 20

MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE

MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE Annexe MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE L enseignement des mathématiques au collège et au lycée a pour but de donner à chaque

Plus en détail

I - Introduction à La psychologie Expérimentale

I - Introduction à La psychologie Expérimentale LA METHODE EXPERIMENTALE I - Introduction à La psychologie Expérimentale I.1. Introduction I.2. Critiques concernant l utilisation de la méthode expérimentale en psychologie I.2.A. Critiques morales I.2.A.

Plus en détail

Méthodes d investigation

Méthodes d investigation Méthodes d investigation 1 LE QUESTIONNAIRE LE questionnaire 1. l économie générale du questionnaire : 2. L avant questionnaire 3. la construction du questionnaire 4. Le choix de l échantillon 2 1. Le

Plus en détail

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7 Table des matières Préface Public 1 Structure de l ouvrage 1 Caractéristiques de l ouvrage 3 Contenu 3 Pédagogie 4 Remarques sur l adaptation française 4 Ressources numériques 5 Biographie 6 PREMIÈRE PARTIE

Plus en détail

LES STATISTIQUES. Valérie Bougault, PhD. valerie.bougault@univ-lille2.fr

LES STATISTIQUES. Valérie Bougault, PhD. valerie.bougault@univ-lille2.fr LES STATISTIQUES Valérie Bougault, PhD. valerie.bougault@univ-lille2.fr Référence: S. Champely. «Statistique vraiment appliquée au sport». Ed de Boeck université (Bruxelles), Coll Sciences et pratiques

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

Relation entre deux variables : estimation de la corrélation linéaire CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence

Plus en détail

CONSEILS POUR LA REDACTION DU RAPPORT DE RECHERCHE. Information importante : Ces conseils ne sont pas exhaustifs!

CONSEILS POUR LA REDACTION DU RAPPORT DE RECHERCHE. Information importante : Ces conseils ne sont pas exhaustifs! CONSEILS POUR LA REDACTION DU RAPPORT DE RECHERCHE Information importante : Ces conseils ne sont pas exhaustifs! Conseils généraux : Entre 25 et 60 pages (hormis références, annexes, résumé) Format d un

Plus en détail

Master 1 de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( 2014/2015) -

Master 1 de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( 2014/2015) - Dominique Ferrieux - Université Paul Valéry - Montpellier III Master de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( /) - Deuxième partie : Plans :

Plus en détail

Chacune des valeurs d une variable en est une modalité particulière.

Chacune des valeurs d une variable en est une modalité particulière. Psychologie générale Jean Paschoud STATISTIQUE Sommaire Rôle de la statistique Variables Échelles de mesure Résumer, décrire Comparer Rôle de la statistique La statistique est avant tout un outil permettant

Plus en détail

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème.

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème. Mathématiques - classe de 1ère des séries STI2D et STL. 1. Analyse On dote les élèves d outils mathématiques permettant de traiter des problèmes relevant de la modélisation de phénomènes continus ou discrets.

Plus en détail

TABLEAU 5 Nombre moyen (et écarts types) de mots produits selon le niveau scolaire et les trois conditions de révision

TABLEAU 5 Nombre moyen (et écarts types) de mots produits selon le niveau scolaire et les trois conditions de révision Dans ce tableau, si le chercheur ne s intéresse pas aux notes item par item mais simplement à la note globale, alors il conservera seulement les première et dernière colonnes et calculera des statistiques

Plus en détail

11. Evaluation de la qualité des essais

11. Evaluation de la qualité des essais 11. Evaluation de la qualité des essais L évaluation de la qualité méthodologique d un essai thérapeutique est une tâche difficile [117]. L essai thérapeutique contrôlé randomisé est considéré comme étant

Plus en détail

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION

Plus en détail

Collecte de données. Laurent Dorey

Collecte de données. Laurent Dorey Laurent Dorey Mercredi 16 Décembre 2014 Programme : Recensement & Echantillonnage Étapes pour sélectionner un échantillon La population observée La base de sondage Les unités d enquête La taille de l échantillon

Plus en détail

Enquête consommation - Tableaux croisés dynamiques

Enquête consommation - Tableaux croisés dynamiques Enquête consommation Tableaux croisés dynamiques 1. Chargement des données dans Excel Souvent les données collectées sont stockées dans un fichier au format texte, dont les informations sont séparées par

Plus en détail

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3

Plus en détail

SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique

SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des

Plus en détail

EXCEL Tableau croisé dynamique

EXCEL Tableau croisé dynamique Chapitre 0 EXCEL Tableau croisé dynamique Organisation des données But: Je souhaite organiser mes données brutes (recueillies). Cours réalisé par Benjamin Putois. 1 Excel recueillir les étapes 1. Quelles

Plus en détail

Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie

Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même

Plus en détail

3. COMPARAISON DE PLUS DE DEUX GROUPES

3. COMPARAISON DE PLUS DE DEUX GROUPES 3. COMPARAISON DE PLUS DE DEUX GROUPES La comparaison de moyennes de plus de deux échantillons se fait généralement par une analyse de variance (ANOVA) L analyse de variance suppose l homogénéité des variances

Plus en détail

Le programme de mathématiques Classes de première STI2D STL

Le programme de mathématiques Classes de première STI2D STL Journée de l inspection 15 avril 2011 - Lycée F. BUISSON 18 avril 2011 - Lycée J. ALGOUD 21 avril 2011 - Lycée L. ARMAND Le programme de mathématiques Classes de première STI2D STL Déroulement de la journée

Plus en détail

La méthode des quotas

La méthode des quotas La méthode des quotas Oliviero Marchese, décembre 2006 1 La méthode des quotas Principe de la méthode Point de départ et but recherché Caractère «intuitif» de la méthode A quoi ressemble une feuille de

Plus en détail

ANALYSE BIVARIÉE DE VARIABLES QUALITATIVE ET QUANTITAVIE Analyse de Variance (ANOVA)

ANALYSE BIVARIÉE DE VARIABLES QUALITATIVE ET QUANTITAVIE Analyse de Variance (ANOVA) ANALYSE BIVARIÉE DE VARIABLES QUALITATIVE ET QUANTITAVIE Analyse de Variance (ANOVA) Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS

Plus en détail

Introduction à l expérimentation en marketing

Introduction à l expérimentation en marketing Romain Cadario romain.cadario@dauphine.fr Séminaire, Master 102 Université Paris Dauphine, Octobre 2014 1 Zlatan et le beau temps 63% des individus préfèrent un temps chaud vs. froid, alors que cette proportion

Plus en détail

La recherche en soins infirmiers

La recherche en soins infirmiers La recherche en soins infirmiers 3 e module : la planification 1 re partie Devis, buts, méthodes et concepts reliés à la recherche Margot Phaneuf, inf. PhD. Révision 2013 Ce texte fait partie d un didacticiel

Plus en détail

ÉCOLE SUPERIEURE D ÉDUCATRICES ET D EDUCATEURS DE L ENFANCE (ESEDE- CFPS)

ÉCOLE SUPERIEURE D ÉDUCATRICES ET D EDUCATEURS DE L ENFANCE (ESEDE- CFPS) ÉCOLE SUPERIEURE D ÉDUCATRICES ET D EDUCATEURS DE L ENFANCE (ESEDE- CFPS) ÉPREUVES DE SELECTION INFORMATIONS AUX CANDIDAT- S- ES* *Afin de faciliter la lecture, les termes désignant les personnes s appliquent

Plus en détail

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 I1 Connaissances préalables : Buts spécifiques : Outils nécessaires: Consignes générales : Test t de comparaison de moyennes pour

Plus en détail

Laurence Touré Juin 2010

Laurence Touré Juin 2010 Laurence Touré Juin 2010 Introduction Enquêtes quantitatives, quantitatives, mixtes Protocole d une recherche qualitative Définition de la population d enquête Méthodes d enquête qualitatives La technique

Plus en détail

Sondage stratifié. Myriam Maumy-Bertrand. Master 2ème Année 12-10-2011. Strasbourg, France

Sondage stratifié. Myriam Maumy-Bertrand. Master 2ème Année 12-10-2011. Strasbourg, France 1 1 IRMA, Université de Strasbourg Strasbourg, France Master 2ème Année 12-10-2011 Ce chapitre s appuie essentiellement sur deux ouvrages : «Les sondages : Principes et méthodes» de Anne-Marie Dussaix

Plus en détail

Optimisation de la performance. d un processus d usinage à commande numérique

Optimisation de la performance. d un processus d usinage à commande numérique Jacques ALEXIS 20 Novembre 2001 Optimisation de la performance d un processus d usinage à commande numérique 1 Exposé du problème à résoudre L exemple utilisé pour cette présentation a été présenté par

Plus en détail

Arbres binaires. Hélène Milhem. Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012

Arbres binaires. Hélène Milhem. Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 Arbres binaires Hélène Milhem Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 H. Milhem (IMT, INSA Toulouse) Arbres binaires IUP SID 2011-2012 1 / 35 PLAN Introduction Construction

Plus en détail

Programme de Première

Programme de Première BAC TECHNO STAV 66 I. Algèbre Programme de Première Objectif 1 - Effectuer de manière autonome des calculs numériques ou algébriques, résoudre des équations ou inéquations en vue de résoudre des problèmes

Plus en détail

REPÈRES 15. Violences physiques ou sexuelles au sein du ménage*

REPÈRES 15. Violences physiques ou sexuelles au sein du ménage* REPÈRES 15 Juillet 2011 n Directeur de la publication : André-Michel VENTRE, Directeur de l INHESJ Rédacteur en chef : Christophe SOULLEZ, chef du département de l ONDRP Violences physiques ou sexuelles

Plus en détail

Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr

Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr Dominique Muller Laboratoire Inter-universitaire de Psychologie Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr Supports de cours : webcom.upmf-grenoble.fr/lip/perso/dmuller/m2r/acm/

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2 UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 Master d économie Cours de M. Desgraupes MATHS/STATS Document 4 : Les tests statistiques 1 Généralités sur les tests

Plus en détail

Composition d Informatique (2 heures), Filière MP (XC)

Composition d Informatique (2 heures), Filière MP (XC) école polytechnique concours d admission 2014 ens : cachan Composition d Informatique (2 heures), Filière MP (XC) Rapport de M. Didier CASSEREAU, correcteur. 1. Bilan général A titre de rappel, cette épreuve

Plus en détail

Item 169 : Évaluation thérapeutique et niveau de preuve

Item 169 : Évaluation thérapeutique et niveau de preuve Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes

Plus en détail

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Le Data Mining au service du Scoring ou notation statistique des emprunteurs! France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative

Plus en détail

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be

Plus en détail

MASTER «Sciences de la Vie et de la Santé» Mention «Santé Publique»

MASTER «Sciences de la Vie et de la Santé» Mention «Santé Publique» M1_presentation_generale_4juil05.doc 1/11 MASTER «Sciences de la Vie et de la Santé» Mention «Santé Publique» La mention s articule autour de 6 spécialités : Recherche en éthique : Pr Christian HERVE (herve@necker.fr)

Plus en détail

T de Student Khi-deux Corrélation

T de Student Khi-deux Corrélation Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes

Plus en détail

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques.

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques. L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques 1 BUTS DU COURS : se familiariser avec le vocabulaire statistique o variable dépendante, variable indépendante o statistique descriptive,

Plus en détail

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population.

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population. Première STMG1 2014-2015 progression. - 1 Table des matières Fil rouge. 3 Axes du programme. 3 Séquence : Proportion d une sous population dans une population. 3 Information chiffrée : connaître et exploiter

Plus en détail

NORME INTERNATIONALE D AUDIT 530 SONDAGES EN AUDIT

NORME INTERNATIONALE D AUDIT 530 SONDAGES EN AUDIT Introduction NORME INTERNATIONALE D AUDIT 530 SONDAGES EN AUDIT (Applicable aux audits d états financiers pour les périodes ouvertes à compter du 15 décembre 2009) SOMMAIRE Paragraphe Champ d application

Plus en détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction

Plus en détail

Principe d un test statistique

Principe d un test statistique Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre

Plus en détail

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Département Universitaire de Recherche et d Enseignement en Médecine Générale GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Enseignants : Esther GUERY, Julien LE BRETON, Emilie FERRAT, Jacques

Plus en détail

CHAMPION Matthieu Modèles de Marché en Visual Basic ESILV S04 S6. Sommaire... 1. Introduction... 2

CHAMPION Matthieu Modèles de Marché en Visual Basic ESILV S04 S6. Sommaire... 1. Introduction... 2 Sommaire Sommaire... 1 Introduction... 2 1 Trois différentes techniques de pricing... 3 1.1 Le modèle de Cox Ross Rubinstein... 3 1.2 Le modèle de Black & Scholes... 8 1.3 Méthode de Monte Carlo.... 1

Plus en détail

23. Interprétation clinique des mesures de l effet traitement

23. Interprétation clinique des mesures de l effet traitement 23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d

Plus en détail

La Menace du Stéréotype

La Menace du Stéréotype La Menace du Stéréotype Fabrice GABARROT Bureau M6158 - Uni Mail Université de Genève 40, Bld du Pont d'arve CH-1205 Genève SUISSE Courriel : Fabrice.Gabarrot@pse.unige.ch Les stéréotypes sont, pour simplifier,

Plus en détail

LES GENERATEURS DE NOMBRES ALEATOIRES

LES GENERATEURS DE NOMBRES ALEATOIRES LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires

Plus en détail

Le bootstrap expliqué par l exemple

Le bootstrap expliqué par l exemple Le bootstrap expliqué par l exemple 1 Le bootstrap expliqué par l exemple 1. Les concepts du bootstrap 2. Des variantes adaptées au contexte 3. Comparaison des différentes méthodes 4. Les cas sensibles

Plus en détail

SCI03 - Analyse de données expérimentales

SCI03 - Analyse de données expérimentales SCI03 - Analyse de données expérimentales Introduction à la statistique Thierry Denœux 1 1 Université de Technologie de Compiègne tél : 44 96 tdenoeux@hds.utc.fr Automne 2014 Qu est ce que la statistique?

Plus en détail

Chapitre 1. L algorithme génétique

Chapitre 1. L algorithme génétique Chapitre 1 L algorithme génétique L algorithme génétique (AG) est un algorithme de recherche basé sur les mécanismes de la sélection naturelle et de la génétique. Il combine une stratégie de survie des

Plus en détail

Recommandations pour la rédaction du mémoire de MASTER 1 ère année en psychologie sociale, du travail et ressources humaines

Recommandations pour la rédaction du mémoire de MASTER 1 ère année en psychologie sociale, du travail et ressources humaines Recommandations pour la rédaction du mémoire de MASTER 1 ère année en psychologie sociale, du travail et ressources humaines Isabel Urdapilleta Responsable Pédagogique du Master 1 psychologie sociale,

Plus en détail

Ch.12 : Loi binomiale

Ch.12 : Loi binomiale 4 e - programme 2007 - mathématiques ch.12 - cours Page 1 sur 5 1 RÉPÉTITION D'EXPÉRIENCES INDÉPENDANTES Lancer plusieurs fois un dé et noter les résultats successifs. Ch.12 : Loi binomiale Prélever des

Plus en détail

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014 Télécom Physique Strasbourg Module 2101 STATISTIQUES Cours I : Test d hypothèses Fabrice Heitz Octobre 2014 Fabrice Heitz (Télécom PS) Statistiques 2014 1 / 75 Cours I TESTS D HYPOTHÈSES Fabrice Heitz

Plus en détail

Principe des tests statistiques

Principe des tests statistiques Principe des tests statistiques Jean Vaillant Un test de signification est une procédure permettant de choisir parmi deux hypothèses celles la plus probable au vu des observations effectuées à partir d

Plus en détail

Activité 1 : échantillonnage

Activité 1 : échantillonnage Activité échantillonnage, intervalle de fluctuation, prise de décision (à partir d un même thème) Les trois activités qui suivent s inspirent du document «ressources pour la classe de première générale

Plus en détail

NOM DU PROJET. Contrat de projet commenté

NOM DU PROJET. Contrat de projet commenté Commentaire général préalable: Le «contrat de projet» présenté ci-après fait suite à la lettre de mission envoyée par le Directeur Général au Maître d Ouvrage d un projet. Il a 3 objectifs majeurs : -

Plus en détail

Méthodologie des essais cliniques de phase III

Méthodologie des essais cliniques de phase III Méthodologie des essais cliniques de phase III Dr Patrick Rossignol p.rossignol@chu-nancy.fr Centre d Investigation Clinique & consultation multidisciplinaire d HTA du CHU de Nancy & INSERM 961 Phases

Plus en détail

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2 Test du Khi 2 Le test du Khi 2 (khi deux ou khi carré) fournit une méthode pour déterminer la nature d'une répartition, qui peut être continue ou discrète. Domaine d application du test : Données qualitatives

Plus en détail

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail

IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD

IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD Université de Perpignan - IUT de Carcassonne Vivien ROSSI Année 2006/2007 IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD Ce document est tiré du site : http ://www.stat.ucl.ac.be/ispersonnel/lecoutre/stats/spad/

Plus en détail

Réalisation d une étude épidémiologique

Réalisation d une étude épidémiologique Réalisation d une étude épidémiologique Dr A.TIBICHE, Médecin Epidémiologiste, Service d Epidémiologie et de Médecine Préventive, CHU de Tizi-Ouzou. Introduction La réalisation d une étude épidémiologique

Plus en détail

I n t r o d u c t i o n Les étapes de la recherche à l a r e c h e r c h e

I n t r o d u c t i o n Les étapes de la recherche à l a r e c h e r c h e I n t r o d u c t i o n Les étapes de la recherche à l a r e c h e r c h e Les objectifs pédagogiques Savoir délimiter les trois phases distinctes de la recherche Savoir identifier, pour chacune des trois

Plus en détail

T.P. 8 - Exercice 1 Khi-Carré d ajustement (Corrigé)

T.P. 8 - Exercice 1 Khi-Carré d ajustement (Corrigé) T.P. 8 - Exercice 1 Khi-Carré d ajustement (Corrigé) Connaissances préalables : Buts spécifiques : Outils nécessaires : Consignes générales : Distribution de fréquences, proportions. Test d ajustement.

Plus en détail

TECHNIQUES D ENQUETE

TECHNIQUES D ENQUETE TECHNIQUES D ENQUETE Le Système d Information Marketing L étude de marché Les différentes sources d informations Méthodologie d enquête BENSGHIR AFAF ESTO 1 Plan d'apprentissage du cours " Méthodologie

Plus en détail

Savoir Faire Excel Niveau 2. 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr

Savoir Faire Excel Niveau 2. 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr Savoir Faire Excel Niveau 2 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr Ce qu on sait faire Entrer et recopier des données numériques Les fonctions de base (somme, moyenne, nb, si) Faire

Plus en détail

Introduction à l'analyse statistique des données

Introduction à l'analyse statistique des données INTRODUCTION À L'ANALYSE STATISTIQUE DES DONNÉES CONCEPTS DE BASE Un certain nombre de concepts, préalables indispensables à la compréhension des analyses présentées, sont définis ici. De même pour quelques

Plus en détail

DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES

DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application

Plus en détail

Chapitre 3 : INFERENCE

Chapitre 3 : INFERENCE Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage

Plus en détail

Simulation Examen de Statistique Approfondie II **Corrigé **

Simulation Examen de Statistique Approfondie II **Corrigé ** Simulation Examen de Statistique Approfondie II **Corrigé ** Ces quatre exercices sont issus du livre d exercices de François Husson et de Jérôme Pagès intitulé Statistiques générales pour utilisateurs,

Plus en détail

Fondements de Finance

Fondements de Finance Programme Grande Ecole Fondements de Finance Chapitre 7. : Risque, rentabilité et diversification Cours proposé par Fahmi Ben Abdelkader Version Etudiants Mars 2012 Préambule Fig. 10.1 (p.294) : Evolution

Plus en détail

Guide francophone d analyse systématique des articles scientifiques (GFASAS) S. Tétreault 1, E. Sorita, A. Ryan & A. Ledoux (2013)

Guide francophone d analyse systématique des articles scientifiques (GFASAS) S. Tétreault 1, E. Sorita, A. Ryan & A. Ledoux (2013) Guide francophone d analyse systématique des articles scientifiques (GFASAS) S. Tétreault 1, E. Sorita, A. Ryan & A. Ledoux (2013) Considérant le nombre d articles scientifiques disponibles, il est essentiel

Plus en détail

Séance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03

Séance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03 Gestion des opérations et de la logistique Séance 4 4-530-03 Gestion de la capacité Points importants présentés au dernier cours Les principaux types d aménagement Étude du travail et l amélioration des

Plus en détail

Les plateformes collaboratives au service de l individualisation «Regards croisés» Expérience n 2

Les plateformes collaboratives au service de l individualisation «Regards croisés» Expérience n 2 Les plateformes collaboratives au service de l individualisation «Regards croisés» Expérience n 2 Qui? Chantal Boitel, professeur en économie gestion option comptabilité Où? Au lycée Paul Émile Victor

Plus en détail

Examen de Statistique Appliquée I

Examen de Statistique Appliquée I Université de Strasbourg Master Éthologie-Écophysiologie 1ère année Examen de Statistique Appliquée I ************************************************************** Le cours, les exercices de travaux dirigés,

Plus en détail

La mémoire (en bref)

La mémoire (en bref) Lamémoire(enbref) Les modèles développés en psychologie cognitive conçoivent l individu comme une «entité»quitraitedel information.danscestraitements,lamémorisationtientuneplace particulièrement importante

Plus en détail

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent

Plus en détail

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE Forum HH 05.02.2013 Ghislaine Gagnon Unité HPCI Qualitatif ou quantitatif? Les 2 méthodes peuvent être utilisées séparément ou en conjonction - le qualitatif

Plus en détail

COMPARAISON GRAHPIQUE DE DEUX VALEURS AVEC INCERTITUDE

COMPARAISON GRAHPIQUE DE DEUX VALEURS AVEC INCERTITUDE COMPARAISON GRAHPIQUE DE DEUX VALEURS AVEC INCERTITUDE Le but d une expérience de laboratoire est souvent de vérifier un résultat théorique à l aide d un montage. Puisqu il est impossible (sinon très rare)

Plus en détail

TD «Enquête par questionnaire» 2008 / 2009

TD «Enquête par questionnaire» 2008 / 2009 TD «Enquête par questionnaire» 2008 / 2009 5 ème séance leroy.jeanne@gmail.com Bureau C310 Les 12 étapes de la construction d un questionnaire 1) Définition de l objet d enquête et analyse des moyens matériels

Plus en détail

Tableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1

Tableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1 UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés

Plus en détail

Chapitre VI Échantillonages et simulations

Chapitre VI Échantillonages et simulations Chapitre VI Commentaires : Récursivement, les commentaires ne sont pas à l attention des élèves.. Fluctuation d échantillonnage Définition : En statistiques, un échantillon de taille n est la liste des

Plus en détail

IUT de Colmar - Département RT 1ière année. Numération

IUT de Colmar - Département RT 1ière année. Numération IUT de Colmar - Département RT 1ière année. Numération 1 Laurent MURA. SOMMAIRE 1. Les différents systèmes 2. Les différentes conversions 3. Quelques systèmes de codage 4. L arithmétique binaire 2 IUT

Plus en détail

A propos du calcul des rentabilités des actions et des rentabilités moyennes

A propos du calcul des rentabilités des actions et des rentabilités moyennes A propos du calcul des rentabilités des actions et des rentabilités moyennes On peut calculer les rentabilités de différentes façons, sous différentes hypothèses. Cette note n a d autre prétention que

Plus en détail

LA MÉTHODE D ENQUÊTE. Section Méthodologie LES CARACTÉRISTIQUES DE L ÉCHANTILLON SÉLECTIONNÉ

LA MÉTHODE D ENQUÊTE. Section Méthodologie LES CARACTÉRISTIQUES DE L ÉCHANTILLON SÉLECTIONNÉ Section Méthodologie Cette section provient intégralement du rapport Sécurité ou insécurité routière dans la culture populaire Enquête sur la tolérance à l insécurité routière détenteurs de permis de conduire

Plus en détail

2 Probabilités conditionnelles. Événements indépendants

2 Probabilités conditionnelles. Événements indépendants 2 Probabilités conditionnelles. Événements indépendants 2.1 Probabilité conditionnelle Soient A et B deux événements tels que P(B) > 0. Soit alors P(A B), la probabilité que A se réalise, B étant réalisé.

Plus en détail

1. Les types d enquêtes

1. Les types d enquêtes La conduite d une enquête par questionnaire La conception d un questionnaire ne doit pas être réalisée de façon hasardeuse. Elle suit une méthodologie stricte qui permet d atteindre des résultats utilisables

Plus en détail

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs

Plus en détail

Cours IFT6266, Exemple d application: Data-Mining

Cours IFT6266, Exemple d application: Data-Mining Cours IFT6266, Exemple d application: Data-Mining Voici un exemple du processus d application des algorithmes d apprentissage statistique dans un contexte d affaire, qu on appelle aussi data-mining. 1.

Plus en détail

LES DECIMALES DE π BERNARD EGGER

LES DECIMALES DE π BERNARD EGGER LES DECIMALES DE π BERNARD EGGER La génération de suites de nombres pseudo aléatoires est un enjeu essentiel pour la simulation. Si comme le dit B Ycard dans le cours écrit pour le logiciel SEL, «Paradoxalement,

Plus en détail

partie a Introduction à la statistique 1

partie a Introduction à la statistique 1 table des matières F AVANT-PROPOS À L ÉDITION AMÉRICAINE Abréviations viii xiv partie a Introduction à la statistique 1 1. Statistique et probabilité ne sont pas intuitives 3 Nous avons tendance à passer

Plus en détail

Le management des risques de l entreprise Cadre de Référence. Synthèse

Le management des risques de l entreprise Cadre de Référence. Synthèse Le management des risques de l entreprise Cadre de Référence Synthèse SYNTHESE L incertitude est une donnée intrinsèque à la vie de toute organisation. Aussi l un des principaux défis pour la direction

Plus en détail

Initiation à la théorie de l échantillonnage

Initiation à la théorie de l échantillonnage Initiation à la théorie de l échantillonnage Jean VAILLANT Octobre 2005 1 Notions de base en échantillonnage L étude de propriétés caractéristiques d un ensemble, quand on ne dispose pas encore de données,

Plus en détail

LES MÉTHODES D INVESTIGATION

LES MÉTHODES D INVESTIGATION LES MÉTHODES D INVESTIGATION Une méthode d investigation est une procédure définie qui permet d interroger scientifiquement une certaine réalité. Pour appréhender un phénomène, tout chercheur doit faire

Plus en détail

Cours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions

Cours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental

Plus en détail

Le management des risques de l entreprise

Le management des risques de l entreprise présentent Le management des risques de l entreprise Cadre de Référence Techniques d application COSO II Report Préface de PHILIPPE CHRISTELLE Président de l Institut de l Audit Interne et de SERGE VILLEPELET

Plus en détail

LES OUTILS D ENQUÊTE: LE

LES OUTILS D ENQUÊTE: LE LES OUTILS D ENQUÊTE: LE QUESTIONNAIRE ET L ENTRETIEN DUT 1A - Méthodo Gilles Droniou droniou@jeudevi.org Chargé de recherches, JEUDEVI www.jeudevi.org 2015/2016 DATES À RETENIR, ET AUTRES JOYEUSETÉS Achetez

Plus en détail