Entraînement

Q1. Vous dosez deux fois de suite le même tube de sérum et trouvez 4,9 puis 5,1 mmol/L. À quelle source de variabilité attribuez-vous surtout cet écart ?

Q2. Quelle phrase décrit le mieux le rôle de la statistique en biologie ?

Q1. Dans le vocabulaire statistique, la vraie proportion de porteurs d'un gène dans toute la population française est :

Q2. Pourquoi le tirage au sort de l'échantillon est-il si important ?

Q1. Dans un test statistique, l'hypothèse nulle H0 énonce en général :

Q2. Un test ne montre pas de différence significative (p = 0,30). Que peut-on conclure ?

Q1. Un traitement est en réalité efficace, mais le test conclut « pas de différence significative ». De quelle erreur s'agit-il ?

Q2. À seuil α fixé, quel est le moyen le plus direct d'augmenter la puissance d'un test ?

Q1. Pour une proportion vraie p et un échantillon de taille n, l'écart-type de la fréquence observée f vaut :

Q2. On calcule un écart-réduit z = 2,6. Au repère habituel de 1,96, on retient l'idée que :

Q3. Si l'on multiplie la taille de l'échantillon par 4, l'écart-type de f est :

Q1. Que suppose exactement l'hypothèse nulle H0 quand on compare un pourcentage observé à une valeur théorique p0 ?

Q2. Le degré de signification p d'un test représente :

Q3. On trouve z = 1,4, donc p ≈ 0,16, au seuil α = 5 %. La bonne conclusion est :

Q1. L'intervalle de confiance à 95 % d'un pourcentage f observé sur n sujets est environ :

Q2. Un IC à 95 % de [11 % ; 19 %] signifie que :

Q3. Pour diviser par deux la largeur d'un intervalle de confiance, il faut environ :

Q1. Sous H0 (les deux groupes ont la même proportion), quelle valeur utilise-t-on pour calculer l'écart-type de la différence ?

Q2. Deux groupes de tailles n1 et n2. L'erreur-standard de la différence fait intervenir le terme :

Q3. On compare 30 % (traité) à 18 % (placebo) et l'on trouve z = 2,8. On conclut :

Q1. La statistique du χ² d'ajustement se calcule par :

Q2. Pour un ajustement à k catégories dont les proportions théoriques sont fixées d'avance, le nombre de degrés de liberté est :

Q3. Le χ² calculé est plus petit que la valeur seuil de la table. On conclut :

Q1. Dans un tableau de contingence, l'effectif attendu d'une case sous l'hypothèse d'indépendance vaut :

Q2. Pour un tableau à l lignes et c colonnes, le nombre de degrés de liberté est :

Q3. Un χ² d'indépendance significatif signifie que :

Q1. Le χ² d'un tableau 2 × 2 possède combien de degrés de liberté ?

Q2. Quel lien existe entre l'écart-réduit z de deux pourcentages (A-4) et le χ² du tableau 2 × 2 correspondant ?

Q3. La correction de continuité (Yates) sur un tableau 2 × 2 a pour effet de :

Q1. Quand préfère-t-on le test exact de Fisher au χ² sur un tableau 2 × 2 ?

Q2. Sur quoi repose le calcul du test exact de Fisher ?

Q3. Pour obtenir le degré de signification, le test de Fisher additionne :

Q1. La glycémie à jeun d'une population a un écart-type de 0,12 g/L. Quelle est l'erreur-standard de la moyenne pour un échantillon de 36 sujets ?

Q2. Que dit, en substance, le théorème central limite ?

Q1. Pourquoi divise-t-on la somme des carrés des écarts par (n−1) et non par n pour estimer la variance d'une population ?

Q2. Un estimateur est dit sans biais lorsque :

Q1. Un intervalle de confiance à 95 % d'une moyenne vaut [4,3 ; 4,9] mmol/L. Interprétation correcte ?

Q2. Pour diviser par deux la largeur d'un intervalle de confiance d'une moyenne, il faut :

Q1. Dans le test t de comparaison de deux moyennes, que représente le dénominateur s_d ?

Q2. Parmi ces conditions, laquelle N'EST PAS requise pour appliquer le test t classique à deux échantillons ?

Q1. Quel est l'avantage décisif d'un plan apparié (avant/après chez les mêmes sujets) par rapport à deux groupes indépendants ?

Q2. Sur quelle grandeur porte réellement le calcul dans un test t apparié ?

Q1. Comment construit-on la statistique F pour comparer deux variances ?

Q2. À quoi sert le plus souvent le test F dans la comparaison de deux moyennes ?

Q1. Pourquoi ne pas comparer 4 moyennes en faisant tous les tests t deux à deux ?

Q2. Sur quoi repose la décision dans une analyse de la variance ?

Q1. Qu'est-ce qu'une interaction entre deux facteurs ?

Q2. Quel est l'avantage d'un plan factoriel (croiser les facteurs) par rapport à l'étude d'un seul facteur à la fois ?

Q1. Pourquoi la normalité des données est-elle plus critique sur un petit échantillon que sur un grand ?

Q2. À quoi sert la loi de Student, avec ses queues plus épaisses que la loi normale ?

Q1. Vous voulez estimer la pression artérielle d'un patient à partir de son âge. De quel outil relève cette question ?

Q2. Qu'est-ce qui distingue fondamentalement la corrélation de la régression ?

Q1. Une étude trouve r = 0,70 entre deux dosages. Quelle part de la variance de l'un est « liée » à l'autre ?

Q2. Deux études trouvent le même r = 0,45, l'une sur 8 individus, l'autre sur 200. Que peut-on dire ?

Q1. La droite de régression de la PAS sur l'âge est y = 0,80 x + 97 (x en années, y en mmHg). Comment interpréter la pente 0,80 ?

Q2. Pourquoi la méthode s'appelle-t-elle « moindres carrés » ?

Q1. Dans une régression, la variance totale de y se décompose en :

Q2. Quelle est la relation entre r² et la décomposition de variance ?

Q1. On observe une corrélation r = 0,50 entre café et risque cardiovasculaire. Après avoir tenu compte du tabac, la corrélation partielle chute à 0,02. Que conclure ?

Q2. À quoi sert une corrélation partielle entre x et y ?

Q1. Dans quelle situation un test non paramétrique fondé sur les rangs est-il particulièrement indiqué ?

Q2. Quel est le principal « prix à payer » des tests sur les rangs quand les données sont réellement gaussiennes ?

Q1. Pour le test de Mann-Whitney, sur quel ensemble effectue-t-on le classement des observations ?

Q2. Avec une table de Mann-Whitney, on rejette l'hypothèse nulle d'égalité des deux groupes lorsque :

Q1. Dans le test T de Wilcoxon pour séries appariées, sur quoi porte le classement en rangs ?

Q2. Que fait-on d'une paire dont la différence avant/après est exactement nulle ?

Q1. Le test de Kruskal-Wallis est l'équivalent non paramétrique de quel test paramétrique ?

Q2. À quelle loi compare-t-on la statistique H pour décider, et avec combien de degrés de liberté (K groupes) ?

Q1. Quel type de liaison le coefficient de Spearman rₛ est-il capable de détecter ?

Q2. Comment calcule-t-on le coefficient de Spearman ?

Q1. Vous comparez la pression artérielle moyenne (quantitative) entre trois groupes de traitement indépendants, avec des effectifs suffisants et des distributions à peu près normales. Quel test choisir ?

Q2. Deux groupes indépendants, variable quantitative, mais petits effectifs et distributions nettement asymétriques. Le bon réflexe est :

Q1. On code le groupe sanguin en 1 (O), 2 (A), 3 (B), 4 (AB). Peut-on calculer une « moyenne » de groupe sanguin ?

Q2. Un expérimentateur fixe lui-même les doses testées (10, 20, 40 mg) et mesure la réponse. Pour modéliser réponse en fonction de la dose, il utilise :

Q1. Sur une droite de Henry, les points s'alignent bien sur la droite. Qu'en concluez-vous ?

Q2. Vos données donnent une droite de Henry nettement incurvée (en forme de S ou d'arc). Le réflexe pratique le plus prudent est :

Q1. Le risque β (deuxième espèce) dépend de plusieurs facteurs. Lequel N'influence PAS β ?

Q2. Un essai ne trouve pas de différence significative (p > 0,05) entre deux traitements, mais n'incluait que 12 patients. La conclusion correcte est :

Q1. Un sondage donne 52 % sur 1 000 personnes, « marge d'erreur ± 3 points ». Cela signifie que :

Q2. Pour diviser par deux la marge d'erreur d'un sondage, il faut environ :

Q3. Un sondage en ligne recueille 50 000 réponses spontanées. Sa principale faiblesse est :

Q1. Un traitement fait passer le risque d'événement de 12 % à 8 %. La réduction relative du risque (RRR) est de :

Q2. Le nombre de sujets à traiter (NNT) se calcule comme :

Q3. L'odds ratio est une bonne approximation du risque relatif surtout quand :

Q1. La sensibilité d'un test est la probabilité que :

Q2. À sensibilité et spécificité fixées, si la prévalence de la maladie diminue, la valeur prédictive positive (VPP) :

Q3. Un rapport de vraisemblance positif (LR+) élevé indique qu'un test positif :

Q1. Sur une échelle continue, abaisser le seuil de positivité a pour effet de :

Q2. Une aire sous la courbe ROC (AUC) de 0,5 correspond à :

Q3. Pour un test de dépistage d'une maladie grave et curable, on choisira plutôt un seuil qui privilégie :

Q1. Dans une étude cas-témoins, on part :

Q2. La mesure de risque directement accessible dans une étude de cohorte est :

Q3. Ce qui distingue fondamentalement l'essai randomisé des études observationnelles est :

Q1. Quelle est la différence fondamentale entre un biais et un manque de puissance ?

Q2. Dans l'exemple « café et cancer du poumon », le tabac agit comme :

Q3. Quel dispositif permet, en moyenne, de neutraliser aussi les facteurs de confusion inconnus ?

Q1. Qu'appelle-t-on « temps immortel » dans une étude de survie ?

Q2. Dans quel sens le biais de temps immortel fausse-t-il le résultat ?

Q3. Quelle solution corrige ce biais ?

Q1. Qu'appelle-t-on « censure » en analyse de survie ?

Q2. Pourquoi la survie ne se résume-t-elle pas à un simple pourcentage de survivants ?

Q3. Que compare le test du log-rank ?

Q1. Un hazard ratio de 0,70 signifie que le groupe exposé a, à chaque instant :

Q2. Que suppose l'hypothèse des risques proportionnels ?

Q3. Quel avantage majeur le modèle de Cox offre-t-il par rapport au test du log-rank ?

Q1. Pourquoi ne pas utiliser une régression linéaire ordinaire pour prédire une variable binaire (malade / sain) ?

Q2. Dans une régression logistique, un coefficient s'interprète, après exponentiation, comme :

Q3. Que vaut le logit d'une probabilité ?