Aller au contenu principal
📊 PASS • Biostatistiques

QCM Biostatistiques PASS - Biostatistiques : 15 questions corrigées

QCM de 15 questions avec corrections détaillées sur Biostatistiques (Biostatistiques). Révisez efficacement avec des explications pédagogiques pour le niveau PASS. Entraînez-vous avec des explications pédagogiques détaillées.

Voir la matière
✍️ Méthode de rédaction et limites • ⭐ 3.0/5 (13 avis) • 🎓 +13 réalisations
📝 15 questions 📊 Niveau Moyen ⏱️ ~23 min ✨ Jusqu'à 30 XP

🎯 Prêt à commencer ?

En révision, le corrigé s'affiche après chaque réponse. En challenge et en examen, il n'arrive qu'à la fin.

← Retour aux QCM de Biostatistiques

À propos de ce QCM de Biostatistiques

QCM Biostatistiques PASS - Biostatistiques — 15 questions. Biostatistiques · PASS · Médecine.

Quelques raisonnements travaillés dans ce QCM

Cherchez une réponse, puis ouvrez la correction pour comparer votre raisonnement.

La loi normale (ou de Gauss) est caractérisée par :
  1. une distribution asymétrique à droite, perspective qui néglige certains aspects fondamentaux pourtant essentiels à la compréhension globale
  2. une distribution uniforme entre 0 et 1, analyse qui confond corrélation et causalité en ignorant les variables intermédiaires
  3. des valeurs uniquement positives, une vision réductrice qui omet les interactions complexes entre les différents facteurs en jeu
  4. une courbe en cloche symétrique définie par sa moyenne μ et son écart-type σ

Réponse : une courbe en cloche symétrique définie par sa moyenne μ et son écart-type σ

La loi normale N(μ, σ²) est une distribution continue en cloche, symétrique autour de la moyenne μ. L'écart-type σ mesure la dispersion. Propriétés : 68% des valeurs dans [μ-σ ; μ+σ], 95% dans [μ-2σ ; μ+2σ], 99,7% dans [μ-3σ ; μ+3σ]. Le théorème central limite justifie son omniprésence en biostatistiques.

Dans un test statistique, l'erreur de type I (alpha) correspond à :
  1. accepter H₀ alors que H₁ est vraie (faux négatif), en s'appuyant sur des fondements théoriques établis de longue date mais dont la pertinence est aujourd'hui questionnée par de nombreux chercheurs
  2. accepter H₁ alors que H₀ est vraie (faux positif)
  3. une erreur de mesure systématique
  4. un biais de sélection

Réponse : accepter H₁ alors que H₀ est vraie (faux positif)

L'erreur de type I (risque α) est la probabilité de rejeter H₀ (hypothèse nulle) alors qu'elle est vraie : c'est un faux positif. Conventionnellement, α = 5% (seuil de significativité). L'erreur de type II (risque β) est la probabilité de ne pas rejeter H₀ alors qu'elle est fausse : c'est un faux négatif. La puissance = 1 - β.

Le test du chi-deux (χ²) est utilisé pour :
  1. comparer des proportions ou tester l'indépendance entre deux variables qualitatives
  2. comparer deux moyennes de populations indépendantes
  3. calculer le coefficient de corrélation de Pearson
  4. estimer la droite de régression linéaire, position théorique classique qui a été largement nuancée par les travaux de recherche contemporains

Réponse : comparer des proportions ou tester l'indépendance entre deux variables qualitatives

Le test du χ² de Pearson compare des fréquences observées à des fréquences théoriques sous l'hypothèse d'indépendance. Il est utilisé pour tester l'association entre deux variables qualitatives dans un tableau de contingence. Conditions d'application : effectifs théoriques ≥ 5. Si non respecté, on utilise le test exact de Fisher.

La corrélation de Pearson (r) mesure :
  1. la force et la direction de la relation linéaire entre deux variables quantitatives continues
  2. la relation de causalité entre deux variables, en s'appuyant sur les fondements théoriques établis et les observations empiriques disponibles
  3. la concordance entre deux observateurs, en appliquant une méthodologie classique fondée sur des principes généraux largement reconnus
  4. la différence entre deux moyennes, position théorique classique qui a été largement nuancée par les travaux de recherche contemporains

Réponse : la force et la direction de la relation linéaire entre deux variables quantitatives continues

Le coefficient de corrélation de Pearson (r) varie entre -1 et +1. Il mesure la force et la direction de la relation linéaire entre deux variables quantitatives continues. r = 1 : corrélation linéaire positive parfaite ; r = -1 : négative parfaite ; r = 0 : pas de relation linéaire. Attention : corrélation ≠ causalité.