Nom

: n°

1. Si x est une variable aléatoire, l’intervalle de confiance à 95% de la moyenne de x est

a) □ l’intervalle en dehors duquel on a une probabilité de 0.95 de trouver cette moyenne
b) □ l’intervalle dans lequel se trouve 95% des valeurs de x
c) ■ l’intervalle dans lequel on a une probabilité de 0.95 de trouver cette moyenne
d) □ l’intervalle dans lequel on a une probabilité de 0.05 de trouver cette moyenne


2. Soient une variable aléatoire x et 2 populations dans lesquelles x a comme moyennes
respectives µ1 et µ2. Ces moyennes sont estimées par les moyennes m1 et m2 de deux
échantillons tirés des 2 populations. On évalue la différence entre les moyennes par un test
d’hypothèse. S’il s’agit d’un test bilatéral, comment s’exprime l’hypothèse alternative (H1) :
a) □ m1>m2
b) □ µ1>µ2
c) □ m1≠m2
d) ■ µ1≠µ2

Les hypothèses H0 et H1 impliquent toujours les « vraies » moyennes et non pas les
estimateurs de ces moyennes. Comme il s’agit d’un test bilatéral, on considère H0 : µ1=µ2 et
H1 : µ1≠µ2. L’hypothèse µ1>µ2 correspond à un test unilatéral (comme µ2>µ1).

3. Soit m la moyenne de la variable aléatoire x mesurée sur un échantillon. L’erreur standard de
la moyenne est :
a) □ l’écart-type de la distribution de x
b) ■ l’écart-type de la distribution échantillonnée de m
c) □ l’erreur sur la mesure de m
d) □ l’erreur sur l’écart-type de x

4. La distribution normale standard (réduite) d’une variable aléatoire
a) □ dépend de la moyenne et de l’écart-type de la variable
b) □ dépend uniquement de la moyenne de la variable
c) ■ ne dépend ni de la moyenne ni de l’écart-type de la variable
d) □ dépend de l’erreur standard de la moyenne de la variable

La distribution normale standard ne dépend, par définition, pas d’une moyenne et d’un
écart-type puisqu’elle est de moyenne=0 et d’écart-type=1.

5. Soient une variable aléatoire x et 2 populations dans lesquelles x a comme écarts-type σ1 et
σ2. Ces écarts-type sont estimées par les écarts-type s1 et s2 de deux échantillons tirés des 2
populations. Que veut dire que l’on a homoscédasticité ? :
a) ■ σ1=σ2
b) □ s1≠s2
c) □ s1=s2
d) □ σ1>σ2


6. Dans cadre d’une analyse de la variance à une cause de variation, si l’hypothèse nulle est
vraie :
a) □ La variance « within » et la variance « between » sont nulles
b) □ La variance « within » est nulle
c) □ La variance « between » est nulle

Préparation au TFE – rappels statistiques (MEDI-G-55920)

25 Janvier 2017
Page 1

 Nom : n°

d) ■ Les variances « within » et « between » sont des estimateurs d’une même variance

C’est pourquoi l’hypothèse nulle est σ between/σ within = 1.

2 2

7. Quand on ajuste un modèle sur un ensemble de valeurs de la variable aléatoire y, le

coefficient de détermination (R2)
a) □ ne s’applique qu’à un modèle linéaire
b) ■ donne le pourcentage de la variabilité totale de y expliquée par le modèle
c) □ est la variance des résidus
d) □ est la variance totale de y

8. Si on veut comparer 2 modèles ajustés sur le même ensemble de variables par le critère AIC
(Aikike information criterion), il faut tenir compte de :
a) □ la variance des résidus seulement
b) □ le nombre de paramètres ajustés seulement
c) □ la log-vraisemblance maximale et la variance des résidus
d) ■ la log-vraisemblance maximale et le nombre de paramètres ajustés

9. Si l’odds d’une probabilité est de 4, cette probabilité vaut
a) ■ 0.8
b) □ 0.25
c) □ 0.75
d) □ 0.2

O=p/(1-p) à p=O/(1+O) à p=4/5=0.8

10. Si l’aire en dessous de la courbe (« area under the curve » : AUC) d’une courbe ROC évaluant
l’aptitude d’un test à distinguer 2 états (ex : pathologique/non pathologique) est égale à 0.5,
a) □ le test a une aptitude élevée
b) □ le test a une aptitude moyenne
c) ■ le test ne sert à rien
d) □ la sensibilité égale la spécificité quelle que soit le seuil envisagé

AUC=0.5 correspond à une courbe ROC sur la 1ère bissectrice c’est-à-dire la ligne sur laquelle
la réponse du test est purement aléatoire (sans rapport avec la pathologie), donc le test ne
sert à rien.
11. Si une courbe de survie est une courbe exponentielle décroissante,
a) □ le hazard décroît exponentiellement
b) □ le hazard est nul
c) □ le hazard décroît linéairement
d) ■ le hazard est indépendant du temps

12. Si la probabilité d’observer un évènement est de 1/1000 et que l’on effectue 3000
observations,
a) □ on a une probabilité de 95% de ne pas observer l’évènement
b) ■ on a une probabilité de 5% de ne pas observer l’évènement
c) □ on a une probabilité de 50% d’observer l’évènement
d) □ on a une probabilité de 25% d’observer l’évènement

Pour n=3/p (p=1/1000 à n=3000), on ramène la probabilité de rater l’évènement à 5%.

Préparation au TFE – rappels statistiques (MEDI-G-55920)

25 Janvier 2017
Page 2

 Nom : n°

13. Si on veut évaluer l’influence du sexe, de l’âge et de la VO2max sur le taux de décès après une
intervention chirurgicale, on effectue :
a) □ une régression logistique
b) □ une analyse de variance
c) ■ une régression de Cox
d) □ un log-rank test

14. Si le taux de survenue d’un évènement est égal à 12/(100 patients à risque . année) et qu’ on
a 150 patients à risque au départ, combien de nouveaux évènements s’attend-on à observer
en 6mois ?
a) □ 12
b) ■ 9
c) □ 6
d) □ 18

Taux = 12/(100.annnée) à 12 pour 100 patients en 1 an à 18 pour 150 patients en 1 an à 9
pour 150 patients en 0.5 année.

15. Si la puissance d’un test d’hypothèse est de 85%, cela veut dire que
a) ■ le risque de commettre l’erreur de type II est de 15%
b) □ le risque de commettre l’erreur de type I est de 15%
c) □ le risque de commettre l’erreur de type I est de 85%
d) □ le risque de commettre l’erreur de type II est de 85%

16. La valeur prédictive positive d’un test détectant une pathologie est
a) □ la probabilité que le test soit positif si la pathologie est présente
b) □ la probabilité que le test soit négatif si la pathologie n’est pas présente
c) ■ la probabilité que la pathologie soit présente si le test est positif
d) □ la probabilité que la pathologie ne soit pas présente si le test est négatif

La réponse (a) correspond à la sensibilité, la réponse (b) à la spécificité et la réponse (d) à la
valeur prédictive négative.

17. Quelle proposition est vraie ?
a) □ Une méta-analyse n’a rien à voir avec une revue systématique de la littérature
b) □ Une méta-analyse est un autre nom pour une revue systématique de la littérature
c) □ Une revue systématique de la littérature implique une méta-analyse
d) ■ Une méta-analyse implique une revue systématique de la littérature

La revue systématique est distincte est distincte de la méta-analyse. Une revue systématique
n’implique pas forcément de faire une méta-analyse (on peut s’arrêter là) mais une méta-
analyse implique que l’on fasse d’abord une revue systématique.

18. Le test Kappa
a) □ estime l’égalité des variances de 2 populations
b) ■ estime l’agrément qualitatif entre 2 évaluations
c) □ estime l’agrément quantitatif entre 2 méthodes
d) □ estime l’agrément entre paires non-ordonnées

19. L’équivalent paramétrique du test non-paramétrique de Kruskal-Wallis est :

Préparation au TFE – rappels statistiques (MEDI-G-55920)

25 Janvier 2017
Page 3

 Nom : n°

a) ■ l’ANOVA à une cause de variation

b) □ le test t de Student non-pairé
c) □ le test t de Student pairé
d) □ le test de Fisher

20. Dans une étude de type cas-contrôle,
a) □ on randomise 2 groupes, l’un placebo, l’autre produit actif
b) □ on suit prospectivement 2 groupes, l’un exposé, l’autre non-exposé
c) □ on compare transversalement (à un moment donné) 2 groupes
d) ■ on évalue l’exposition rétrospectivement

On construit 2 groupes en se basant sur la présence (cas) ou non (contrôles) de la

pathologie, puis on évalue (donc rétrospectivement) leurs expositions respectives.

Préparation au TFE – rappels statistiques (MEDI-G-55920)

25 Janvier 2017
Page 4