Rangueil 2016

[Sakamain]

Salut, 

 

Est ce que : variable ds un tableau = discrète et sous forme de graphique/ loi de probabilité = continue ?

 

QCM 6 E (vrai ) http://www.noelshack.com/2018-01-1-1546255340-ftgj.png je comprend pas du tout la correction

 

QCM 10 A D E (v f f) http://www.noelshack.com/2018-01-1-1546255401-rtdf.png je comprend pas du tt non plus

 

QCM 12 B (faux) http://www.noelshack.com/2018-01-1-1546255548-gjh.png ici il s'agit bien d'une comparaison de p à alpha ?

 

QCM 13 D E (faux vrai) http://www.noelshack.com/2018-01-1-1546255607-gyu.png pour la D je vois pas du tout, et est ce que pour la E c'est parce que lorsque on ne rejette pas H0 alors le degrés de significativité et supérieur à alpha ou pas du tout ?

 

QCM 16 C (faux) http://www.noelshack.com/2018-01-1-1546255804-ufy.png c'est bien à cause de la clause d'ambivalence ?

 

Un énorme merci à celui qui prendra le temps de répondre, je sais que ça fait pas mal de questions  (et bon courage à tt le monde)

 

[Chat_du_Cheshire]

Hello,

 

Pour ta première question, je ne comprends pas trop... Tu as un QCM qui posait soucis par rapport à ça ?

 

6E : imagine que B = être un garçon, C = être une fille et A = porter des lunettes. Tu peux pas être une fille et un garçon, et donc même raisonnement tu peux pas être une fille à lunettes et un garçon à lunettes (soit l'un soit l'autre car c'est exclusif)

 

10ADE : erreur dans l'énoncé, la courbe va du coin < gauche au coin > droit. A et E sont faux car tu as un modèle aléatoire du test diagnostique, si tu augmentes la sensibilité (ou la spécificité), tu diminues la spécificité (ou la sensibilité). Autrement dit ça se compense et ça reste sans intérêt (= aléatoire) (et pour VPP/VPN la courbe ROC ne permet pas de les étudier). Par contre tu t'es trompée dans la correction c'est pas possible haha, y'a que B et C qui sont vrais normalement !

 

12B : en effet, et si p diminue H0 perd en crédibilité (mais on ne dit pas qu'elle est fausse, tout comme on ne dit pas qu'elle est vraie, il y a un risque)

 

13DE :

• D, l'énoncé te dit que la valeur observée de la statistique de test est inférieure au seuil. Donc tu ne rejettes pas H0, donc tu ne conclus pas une différence significative.
• E, oui puisque si il n'y a pas de différence significative, cela signifie que p > alpha (rappel : si p < alpha on rejette H0)

 

16C : oui pour moi c'est bien ça, les 2 groupes doivent pouvoir recevoir les 2 traitements !

 

 

 

 

[pinba]

Bonjour ! 

Alors, ce n'est pas aussi simple que ça pour les variables. Tu pourrais très bien avoir un tableau où tu mets des variables rangées avec des intervalles, et qui seraient alors continues... 
En fait, il faut que tu retiennes que variable discrète = variable définie pour des valeurs distinctes (dans ). Par exemple : l'âge en années est une variable discrète. 

Et variable continue = variable définie avec des valeurs dans 

 

Pour la 6, j'ai juste un petit schéma pour compléter ! Juste note que quand B et C sont exclusifs, c'est que  vaut 0. http://www.noelshack.com/2018-01-1-1546257431-schema.jpg

 

Pour la 12B, voici une réponse que j'ai trouvée sur le forum, pour compléter !  

Pour la 13 et la 10, merci @Chat_du_Cheshire

C'est exactement ça pour la 16C ! 

 

Bonne journée ! 

[Chat_du_Cheshire]

il y a 12 minutes, pinba a dit :

Par exemple : l'âge en années est une variable discrète.

tu vas énerver @Phil là

 

non en vrai pour l'âge et le temps (fin l'âge c'est du temps) c'est ambigu vu que dire que qqln a 20 ans c'est quantitatif discret mais dire qu'il a 20 ans et demi ça devient continu...

Mais de toute façon la prof piège pas sur ça, elle mettra quantitatif seulement. Par contre elle peut regrouper l'âge sous forme de classes, et du coup créer une relation d'ordre, et là ça devient qualitatif ordinal (c'est ça qu'on appelle discrétiser)

Révélation

Révélation

miaou

 

 

[Sakamain]

@pinba @Chat_du_Cheshire j'ai tt compris, merci beaucoup !

[Chat_du_Cheshire]

il y a 1 minute, Cachka a dit :

@pinba @Chat_du_Cheshire j'ai tt compris, merci beaucoup !

avec plaisir passe en résolu

[Leïlaa]

Le 31/12/2018 à 12:46, Chat_du_Cheshire a dit :

10ADE : erreur dans l'énoncé, la courbe va du coin < gauche au coin > droit. A et E sont faux car tu as un modèle aléatoire du test diagnostique, si tu augmentes la sensibilité (ou la spécificité), tu diminues la spécificité (ou la sensibilité). Autrement dit ça se compense et ça reste sans intérêt (= aléatoire) (et pour VPP/VPN la courbe ROC ne permet pas de les étudier).

Bonjour le chat !

Je ne comprends pas pourquoi la A et la E sont fausses...

[Chat_du_Cheshire]

il y a 6 minutes, Leïlaa a dit :

Bonjour le chat !

Je ne comprends pas pourquoi la A et la E sont fausses...

Hiiii

A et E : faux puisque ça n'apporte aucune information donc augmenter la Sensibilité ou la Spécificité ne changera rien (car les deux se compensent donc on garde la diagonale)

Edited December 26, 2019 by Chat_du_Cheshire

[Leïlaa]

à l’instant, Chat_du_Cheshire a dit :

Hiiii

A et E : faux puisque on vient de dire que ça n'a apporte aucune information donc augmenter la Sensibilité ou la Spécificité de ne changera rien (car les deux se compensent donc on garde la diagonale)

Ok et donc si on avait une courbe non linéaire là ça serait intéressant de vouloir les maximiser c'est ça ?

[Chat_du_Cheshire]

yeppp

il y a 1 minute, Leïlaa a dit :

Ok et donc si on avait une courbe non linéaire là ça serait intéressant de vouloir les maximiser c'est ça ?

 

[Leïlaa]

@Chat_du_Cheshire Ok ça marche merci beaucoup !!