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

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

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

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

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

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

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

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

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

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

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

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

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

GUIDE METHODOLOGIQUE POUR REALISER UNE THESE QUALITATIVE. I. La démarche pas à pas. Lire la bibliographie : thèses, articles

GUIDE METHODOLOGIQUE POUR REALISER UNE THESE QUALITATIVE. I. La démarche pas à pas. Lire la bibliographie : thèses, articles GUIDE METHODOLOGIQUE POUR REALISER UNE THESE QUALITATIVE I. La démarche pas à pas Date Démarche Trouver un sujet qui vous intéresse Lire la bibliographie : thèses, articles Participer au séminaire «thèse»

Plus en détail

données en connaissance et en actions?

données en connaissance et en actions? 1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)

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

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

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

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

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

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

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

Analyse de la variance Comparaison de plusieurs moyennes

Analyse de la variance Comparaison de plusieurs moyennes Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction

Plus en détail

1. Les tests passés lors de la Journée Défense et Citoyenneté (JDC)

1. Les tests passés lors de la Journée Défense et Citoyenneté (JDC) LES JEUNES FACE A L ECRIT UN NOUVEAU DISPOSITIF D EVALUATION MASSIVE DE LEURS PERFORMANCES EN LECTURE Thierry Rocher* * DEPP, thierry.rocher@education.gouv.fr Mots-clés : illettrisme, test automatisé,

Plus en détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

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

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

METHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES

METHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES Enseignement du Deuxième Cycle des Etudes Médicales Faculté de Médecine de Toulouse Purpan et Toulouse Rangueil Module I «Apprentissage de l exercice médical» Coordonnateurs Pr Alain Grand Pr Daniel Rougé

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

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

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,

Plus en détail

LA PROCEDURE D'EVALUATION A.NA.PSY.p.e. EST LE RESULTAT D'UNE RECHERCHE

LA PROCEDURE D'EVALUATION A.NA.PSY.p.e. EST LE RESULTAT D'UNE RECHERCHE LA PROCEDURE D'EVALUATION A.NA.PSY.p.e. EST LE RESULTAT D'UNE RECHERCHE CETTE RECHERCHE A ETE FINANCEE PAR Le Ministère des Affaires Sociales et de l'emploi, Direction Générale de la Santé,Sous- Direction

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

LE PROBLÈME DE RECHERCHE ET LA PROBLÉMATIQUE

LE PROBLÈME DE RECHERCHE ET LA PROBLÉMATIQUE LE PROBLÈME DE RECHERCHE ET LA PROBLÉMATIQUE Un problème de recherche est l écart qui existe entre ce que nous savons et ce que nous voudrions savoir à propos d un phénomène donné. Tout problème de recherche

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

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

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

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

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI 1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage

Plus en détail

L analyse de la gestion de la clientèle

L analyse de la gestion de la clientèle chapitre 1 - La connaissance du client * Techniques utilisées : observation, recherche documentaire, études de cas, études qualitatives (entretiens de groupes ou individuels, tests projectifs, analyses

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

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

Points méthodologiques Adapter les méthodes statistiques aux Big Data

Points méthodologiques Adapter les méthodes statistiques aux Big Data Points méthodologiques Adapter les méthodes statistiques aux Big Data I. Répétition de tests et inflation du risque alpha II. Significativité ou taille de l effet? 2012-12-03 Biomédecine quantitative 36

Plus en détail

Marketing quantitatif M2-MASS

Marketing quantitatif M2-MASS Marketing quantitatif M2-MASS Francois.Kauffmann@unicaen.fr UCBN 2 décembre 2012 Francois.Kauffmann@unicaen.fr UCBN Marketing quantitatif M2-MASS 2 décembre 2012 1 / 61 Première partie I Analyse Analyse

Plus en détail

Simulations de Monte Carlo en finance : Pricer d option

Simulations de Monte Carlo en finance : Pricer d option Emma Alfonsi, Xavier Milhaud - M2R SAF Simulations de Monte Carlo en finance : Pricer d option Sous la direction de M. Pierre Alain Patard ISFA - Mars 2008 . 1 Table des matières 1 Introduction 4 2 Un

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

Statistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier

Statistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................

Plus en détail

NORME INTERNATIONALE D AUDIT 330 REPONSES DE L AUDITEUR AUX RISQUES EVALUES

NORME INTERNATIONALE D AUDIT 330 REPONSES DE L AUDITEUR AUX RISQUES EVALUES NORME INTERNATIONALE D AUDIT 330 REPONSES DE L AUDITEUR AUX RISQUES EVALUES Introduction (Applicable aux audits d états financiers pour les périodes ouvertes à compter du 15 décembre 2009) SOMMAIRE Paragraphe

Plus en détail

Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques

Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques Fiche TD avec le logiciel : a2-1-c Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques Sylvain Mousset Rappels de probabilités / statistiques Table des matières 1 Probabilités

Plus en détail

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences

Plus en détail

Université de Lorraine Licence AES LIVRET DE STAGE LICENCE 2014-2015

Université de Lorraine Licence AES LIVRET DE STAGE LICENCE 2014-2015 Université de Lorraine Licence AES LIVRET DE STAGE LICENCE 2014-2015 1 LA REDACTION DU RAPPORT DE STAGE Le mémoire ne doit pas consister à reprendre tels quels des documents internes de l entreprise ou

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

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation Programme des épreuves des concours externes de recrutement des personnels E1 RECRUTEMENT DES ASSISTANTS INGENIEURS DE RECHERCHE ET DE FORMATION...2 E1.1 Gestionnaire de base de données...2 E1.2 Développeur

Plus en détail

Etude de marché. Idée de depart. Etude de l environnement et des offres existantes. Clients. actuels. Choix de la cible précise

Etude de marché. Idée de depart. Etude de l environnement et des offres existantes. Clients. actuels. Choix de la cible précise Etude de marché Selon l Agence Pour la Création d Entreprise (APCE), 70% des cas de défaillance ont pour origine la mauvaise qualité des études de marché, que celles-ci soient mal réalisées ou de manière

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

Terminale STMG Lycée Jean Vilar 2013/2014. Terminale STMG. O. Lader

Terminale STMG Lycée Jean Vilar 2013/2014. Terminale STMG. O. Lader Terminale STMG O. Lader Table des matières 1 Information chiffrée (4s) 4 1.1 Taux d évolution....................................... 6 1.2 indices............................................. 6 1.3 Racine

Plus en détail

«LE COMPORTEMENT DE L INVESTISSEUR TUNISIEN»

«LE COMPORTEMENT DE L INVESTISSEUR TUNISIEN» CONSEIL DU MARCHE FINANCIER DEPARTEMENT DES ETUDES ET DES STATISTIQUES «LE COMPORTEMENT DE L INVESTISSEUR TUNISIEN» SONDAGE REALISE AUPRES DES SOUSCRIPTEURS A L OCCASION DE L OPV SOTRAPIL Etude menée par

Plus en détail

Cours 9 : Plans à plusieurs facteurs

Cours 9 : Plans à plusieurs facteurs Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section

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

Simulation d un système d assurance automobile

Simulation d un système d assurance automobile Simulation d un système d assurance automobile DESSOUT / PLESEL / DACHI Plan 1 Introduction... 2 Méthodes et outils utilisés... 2.1 Chaines de Markov... 2.2 Méthode de Monte Carlo... 2.3 Méthode de rejet...

Plus en détail

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage

Plus en détail

PRÉPARER LA PREMIÈRE ÉPREUVE ORALE D ADMISSION OPTION EPS. DEVOIRS SUPPLÉMENTAIRES 1 et 2

PRÉPARER LA PREMIÈRE ÉPREUVE ORALE D ADMISSION OPTION EPS. DEVOIRS SUPPLÉMENTAIRES 1 et 2 CONCOURS DE RECRUTEMENT DE PROFESSEURS DES ÉCOLES PRÉPARER LA PREMIÈRE ÉPREUVE ORALE D ADMISSION OPTION EPS DEVOIRS SUPPLÉMENTAIRES 1 et 2 Rédaction Jean-Pierre GUICHARD Conseiller pédagogique en EPS Ministère

Plus en détail

Génie logiciel. Concepts fondamentaux. Bruno MERMET, Université du Havre 1

Génie logiciel. Concepts fondamentaux. Bruno MERMET, Université du Havre 1 Génie logiciel Concepts fondamentaux Bruno MERMET, Université du Havre 1 Nécessité du Génie Logiciel Bruno MERMET, Université du Havre 2 Développement d un logiciel Caractéristiques souhaitées : Adéquation

Plus en détail

Le scoring est-il la nouvelle révolution du microcrédit?

Le scoring est-il la nouvelle révolution du microcrédit? Retour au sommaire Le scoring est-il la nouvelle révolution du microcrédit? BIM n 32-01 octobre 2002 Frédéric DE SOUSA-SANTOS Le BIM de cette semaine se propose de vous présenter un ouvrage de Mark Schreiner

Plus en détail

CONSEIL NATIONAL DE LA COMPTABILITÉ. 1.4 - Remplacement d instruments

CONSEIL NATIONAL DE LA COMPTABILITÉ. 1.4 - Remplacement d instruments CONSEIL NATIONAL DE LA COMPTABILITÉ Réponse aux questions pratiques liées à l application du règlement CRC n 2002-09 relatif à la comptabilisation des instruments financiers à terme par les entreprises

Plus en détail

Introduction aux Statistiques et à l utilisation du logiciel R

Introduction aux Statistiques et à l utilisation du logiciel R Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil

Plus en détail

NORME INTERNATIONALE D AUDIT 620 UTILISATION DES TRAVAUX D UN EXPERT DESIGNE PAR L AUDITEUR

NORME INTERNATIONALE D AUDIT 620 UTILISATION DES TRAVAUX D UN EXPERT DESIGNE PAR L AUDITEUR NORME INTERNATIONALE D AUDIT 620 UTILISATION DES TRAVAUX D UN EXPERT DESIGNE PAR L AUDITEUR Introduction (Applicable aux audits d états financiers pour les périodes ouvertes à compter du 15 décembre 2009)

Plus en détail

REEDUCATION DES TROUBLES APHASIQUES. Introduction Historique Principes Généraux

REEDUCATION DES TROUBLES APHASIQUES. Introduction Historique Principes Généraux REEDUCATION DES TROUBLES APHASIQUES Introduction Historique Principes Généraux La réhabilitation du langage : un désir ancien, une pratique récente Aphasie comme «réversion de l évolution» (Jackson 1915)

Plus en détail

Evaluation de la variabilité d'un système de mesure

Evaluation de la variabilité d'un système de mesure Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les

Plus en détail

Convention de «management fees»: qu en est-il aujourd hui?

Convention de «management fees»: qu en est-il aujourd hui? 81 rue du pré Catelan 59110 La Madeleine Tél : 03 20 39 33 47 Fax : 03 20 63 92 21 lille@valoxy.fr www.valoxy.fr Convention de «management fees»: qu en est-il aujourd hui? Attention aux prestations de

Plus en détail

La crise économique vue par les salariés français

La crise économique vue par les salariés français La crise économique vue par les salariés français Étude du lien entre la performance sociale et le contexte socioéconomique Baggio, S. et Sutter, P.-E. La présente étude s intéresse au lien entre cette

Plus en détail

CHAPITRE 5. Stratégies Mixtes

CHAPITRE 5. Stratégies Mixtes CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,

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

Rédiger et administrer un questionnaire

Rédiger et administrer un questionnaire Rédiger et administrer un questionnaire Ce document constitue une adaptation, en traduction libre, de deux brochures distinctes : l une produite par l American Statistical Association (Designing a Questionnaire),

Plus en détail

L influence de la musique sur les capacités cognitives et les apprentissages des élèves en maternelle et au cours préparatoire

L influence de la musique sur les capacités cognitives et les apprentissages des élèves en maternelle et au cours préparatoire L influence de la musique sur les capacités cognitives et les apprentissages des élèves en maternelle et au cours préparatoire Note de synthèse Juillet 2012 Aurélie Lecoq et Bruno Suchaut IREDU-CNRS et

Plus en détail

FOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS

FOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS FOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS 550, RUE SHERBROOKE OUEST MONTRÉAL (QUÉBEC) H3A 1B9 BUREAU 900 TOUR EST T 514 849-8086, POSTE 3064 Réflexions méthodologiques Depuis des années,

Plus en détail

Formation PME Etude de marché

Formation PME Etude de marché Formation PME Etude de marché Fit for Business (PME)? Pour plus de détails sur les cycles de formation PME et sur les business-tools, aller sous www.banquecoop.ch/business L étude de marché ou étude marketing

Plus en détail

Méthode d extraction des signaux faibles

Méthode d extraction des signaux faibles Méthode d extraction des signaux faibles Cristelle ROUX GFI Bénélux, Luxembourg cristelle.roux@gfi.be 1. Introduction Au début d une analyse stratégique, la première question posée est très souvent la

Plus en détail

La fonction d audit interne garantit la correcte application des procédures en vigueur et la fiabilité des informations remontées par les filiales.

La fonction d audit interne garantit la correcte application des procédures en vigueur et la fiabilité des informations remontées par les filiales. Chapitre 11 LA FONCTION CONTRÔLE DE GESTION REPORTING AUDIT INTERNE Un système de reporting homogène dans toutes les filiales permet un contrôle de gestion efficace et la production d un tableau de bord

Plus en détail

Normes de référence. Comparaison. Commande cognitive Sentiments épistémiques Incarnés dépendants de l activité

Normes de référence. Comparaison. Commande cognitive Sentiments épistémiques Incarnés dépendants de l activité Séminaire Sciences Cognitives et Education 20 Novembre 2012 Collège de France L importance de la Métacognition: Joëlle Proust Institut Jean-Nicod, Paris jproust@ehess.fr http://joelleproust.org.fr Plan

Plus en détail

CE QU IL FAUT SAVOIR PARTICIPATION À UN ESSAI CLINIQUE SUR UN MÉDICAMENT

CE QU IL FAUT SAVOIR PARTICIPATION À UN ESSAI CLINIQUE SUR UN MÉDICAMENT CE QU IL FAUT SAVOIR PARTICIPATION À UN ESSAI CLINIQUE SUR UN MÉDICAMENT Sommaire Comment se fait la recherche sur un nouveau médicament? (page 1) A quoi sert la recherche sur un nouveau médicament? (page

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

Extraction d informations stratégiques par Analyse en Composantes Principales

Extraction d informations stratégiques par Analyse en Composantes Principales Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction

Plus en détail

Études épidémiologiques analytiques et biais

Études épidémiologiques analytiques et biais Master 1 «Conception, évaluation et gestion des essais thérapeutiques» Études épidémiologiques analytiques et biais Roxane Schaub Médecin de santé publique Octobre 2013 1 Objectifs pédagogiques Connaitre

Plus en détail

d évaluation Objectifs Processus d élaboration

d évaluation Objectifs Processus d élaboration Présentation du Programme pancanadien d évaluation Le Programme pancanadien d évaluation (PPCE) représente le plus récent engagement du Conseil des ministres de l Éducation du Canada (CMEC) pour renseigner

Plus en détail

Lecture critique et pratique de la médecine

Lecture critique et pratique de la médecine 1-00.qxp 24/04/2006 11:23 Page 13 Lecture critique appliquée à la médecine vasculaireecture critique et pratique de la médecine Lecture critique et pratique de la médecine Introduction Si la médecine ne

Plus en détail

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités

Plus en détail

Format de l avis d efficience

Format de l avis d efficience AVIS D EFFICIENCE Format de l avis d efficience Juillet 2013 Commission évaluation économique et de santé publique Ce document est téléchargeable sur www.has-sante.fr Haute Autorité de santé Service documentation

Plus en détail

Les Français et le chauffage. Résultats de l étude menée

Les Français et le chauffage. Résultats de l étude menée Les Français et le chauffage Résultats de l étude menée par IPSOS pour Via sèva Méthodologie et échantillon METHODOLOGIE : Cette étude a été réalisée en adhoc online, auprès d un échantillon issu de l

Plus en détail

Projetde SériesTemporelles

Projetde SériesTemporelles COMMUNAUTE ECONOMIQU E ET MONETAIRE DE L AFRIQUE CENTRALE (CEMAC) INSTITUT SOUS REGIONAL DE STATISTIQUES ET D ECONOMIE APPLIQUEE (ISSEA) Projetde SériesTemporelles MODELISATION DE LA RENTABILITE DE L INDICE

Plus en détail

Statistiques Descriptives à une dimension

Statistiques Descriptives à une dimension I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des

Plus en détail

Les méthodes potentiométriques

Les méthodes potentiométriques Le ph-mètre (réf :Skoog, West, Holler, Section 19-A. p 412) Les méthodes potentiométriques 2 e partie Erreur dans la mesure d une tension à l aide d un ph-mètre (ionomètre) Maintenant que nous avons explorés

Plus en détail

Test d Indépendance au Contexte (TIC) et Structure des Représentations Sociales

Test d Indépendance au Contexte (TIC) et Structure des Représentations Sociales Swiss Journal of Psychology 67 (2), 2008, 119 123 Short Research Note Test d Indépendance au Contexte (TIC) et Structure des Représentations Sociales [Test of Context Independence (TCI) and Structure of

Plus en détail

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Gilbert Saporta Chaire de Statistique Appliquée, CNAM ActuariaCnam, 31 mai 2012 1 L approche statistique

Plus en détail

Poker. A rendre pour le 25 avril

Poker. A rendre pour le 25 avril Poker A rendre pour le 25 avril 0 Avant propos 0.1 Notation Les parties sans * sont obligatoires (ne rendez pas un projet qui ne contient pas toutes les fonctions sans *). Celles avec (*) sont moins faciles

Plus en détail

RAPPORT SYNTHÈSE. En santé après 50 ans. Évaluation des effets du programme Les médicaments :

RAPPORT SYNTHÈSE. En santé après 50 ans. Évaluation des effets du programme Les médicaments : S A N T É P U B L I Q U E RAPPORT SYNTHÈSE Évaluation des effets du programme Les médicaments : Oui Non Mais! En santé après 50 ans Depuis janvier 1997, la Direction de santé publique s est associée à

Plus en détail

La construction du temps et de. Construction du temps et de l'espace au cycle 2, F. Pollard, CPC Bièvre-Valloire

La construction du temps et de. Construction du temps et de l'espace au cycle 2, F. Pollard, CPC Bièvre-Valloire La construction du temps et de l espace au cycle 2 Rappel de la conférence de Pierre Hess -Démarche de recherche: importance de se poser des questions, de chercher, -Envisager la démarche mentale qui permet

Plus en détail

La nouvelle planification de l échantillonnage

La nouvelle planification de l échantillonnage La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage

Plus en détail

Modalités d interprétation des dispositions particulières applicables aux veilleurs, surveillants et encadrants de nuit «Statut des veilleurs»

Modalités d interprétation des dispositions particulières applicables aux veilleurs, surveillants et encadrants de nuit «Statut des veilleurs» Modalités d interprétation des dispositions particulières applicables aux veilleurs, surveillants et encadrants de nuit «Statut des veilleurs» Les présentes modalités ont pour objectif d interpréter les

Plus en détail

VI. Tests non paramétriques sur un échantillon

VI. Tests non paramétriques sur un échantillon VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes

Plus en détail

REGARDS SUR L ÉDUCATION 2013 : POINTS SAILLANTS POUR LE CANADA

REGARDS SUR L ÉDUCATION 2013 : POINTS SAILLANTS POUR LE CANADA REGARDS SUR L ÉDUCATION 2013 : POINTS SAILLANTS POUR LE CANADA Regards sur l éducation est un rapport annuel publié par l Organisation de coopération et de développement économiques (OCDE) et portant sur

Plus en détail