- Si on veut une variance maximum, il faut que la moitié des scores soit un résultat nul et l'autre moitié maximum.1. Vrai2. Faux
- Pour ajouter une constante, il suffit d'ajouter la constante à l'écart-type.1. Vrai2. Faux
- Si l'ET est de 10, l'amplitude ne pourra pas être plus élevé que 201. Vrai2. Faux
- La somme des différences par rapport à la moyenne est toujours égale à 0.1. Vrai2. Faux
- La corrélation entre les variables X et Y est égale à la covariance entre X et Y si et seulement si les variables X et Y sont toutes les deux standardisées.1. Vrai2. Faux
- Si X est une variable et a une constante non-nulle, alors σ^2(aX) = aσ^2(X)1. Vrai2. Faux
- Le coefficient de variation exprime la variabilité d'une variable sous la forme d'un rapport à la moyenne.1. Vrai 2. Faux
- De par sa définition, une variance égale à 0 est impossible1. Vrai2. Faux
- Si X est une variable et a une constante, alors σ^2(X+a) = σ^2(X)1. Vrai2. Faux
- Pour savoir où se situe un individu, il faut un score de l'indice de tendance centrale et un indice de dispersion1. Vrai 2. Faux
- Dans les échelles ordinales, on peut appliquer la transformation f(x)=1/x sans altérer les propriétés et la signification de l'échelle1. Vrai2. Faux
- La somme des différences par rapport à la moyenne est toujours égale à 1.1. Vrai2. Faux
- L'écart type maximal est toujours égal ou inférieure à la moitié de l'amplitude.1. Vrai2. Faux
- La variance maximale est toujours inférieure à la moitié de l'amplitude.1. Vrai2. Faux
- Dans les échelles ordinales, on peut appliquer la transformation f(x)=x^2 sans altérer les propriétés et la signification de l'échelle1. Vrai2. Faux
- Le théorème de limite centrale et le postulat d'indépendance entre les erreurs de mesure permet de postuler la normalité de l'erreur1. Vrai 2. Faux
- L'option B) n'est pas appropriée pour calculer simplement les moyennes des variables "Cours1" et "Cours2". Placer "Cours1" dans la zone "Variables" et "Cours2" dans "Split by" signifierait que vous souhaitez voir les statistiques descriptives de "Cours1" séparées pour chaque niveau ou catégorie de "Cours2". Cela n'est pas nécessaire si l'objectif est uniquement de calculer les moyennes générales de chacun des cours. Cette option serait utilisée si l'on voulait comparer les moyennes de "Cours1" entre différents groupes définis par "Cours2", ce qui n'est pas la demande ici. La demande est de calculer les moyennes de chaque variable indépendamment l'une de l'autre, et non pas de les calculer en fonction des niveaux de l'autre variable.
- L'option A) est la procédure correcte pour calculer les moyennes des variables "Cours1" et "Cours2" dans Jamovi. En plaçant ces deux variables dans la zone "Variables" du menu "Descriptives", Jamovi va automatiquement calculer et afficher plusieurs statistiques descriptives pour chaque variable, y compris les moyennes. Cette action est directe et répond à l'objectif de déterminer les moyennes pour "Cours1" et "Cours2" sans appliquer de séparation supplémentaire des données ou d'autres calculs statistiques. C'est donc la méthode standard et appropriée pour obtenir les moyennes dans l'analyse descriptive avec Jamovi.
- Pour calculer les moyennes respectives des variables "Cours1" et "Cours2" dans Jamovi, voici la justification pour chaque option :A) Correct. Pour calculer les moyennes des variables, vous devez placer "Cours1" et "Cours2" dans la zone "Variables". Jamovi affichera les statistiques descriptives, y compris la moyenne pour ces variables.B) Incorrect. Placer "Cours1" dans "Variables" et "Cours2" dans "Split by" impliquerait que vous cherchez à obtenir des statistiques descriptives pour "Cours1" séparées par les catégories de "Cours2", ce qui n'est pas la demande.C) Incorrect. C'est l'inverse de B) et comporte la même erreur. Vous auriez des statistiques pour "Cours2" séparées par les catégories de "Cours1".D) Incorrect. Ce menu est exactement où vous devriez être pour calculer des statistiques descriptives comme les moyennes, donc quitter ce menu ne serait pas approprié.term-0
- Quelle est la relation, s'il y en a, entre la distribution normale et la distribution t de Student ? ❑ Une distribution t sans degré de liberté est normale. ❑ Une distribution t avec un degré de liberté est normale. ❑ Une distribution t avec des degrés infinis de liberté est normale. ❑ Il n'existe aucune relation entre ces deux distributions.