La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

ANALYSE DE DONNÉES APPLIQUÉE AUX APS Pierre MORETTO, Université Paul Sabatier, Toulouse III. UE 45.2CHI.

Présentations similaires


Présentation au sujet: "ANALYSE DE DONNÉES APPLIQUÉE AUX APS Pierre MORETTO, Université Paul Sabatier, Toulouse III. UE 45.2CHI."— Transcription de la présentation:

1 ANALYSE DE DONNÉES APPLIQUÉE AUX APS Pierre MORETTO, Université Paul Sabatier, Toulouse III. UE 45.2CHI

2 Analyse de données Recueil de données Ici … valeurs de détentes verticales 8-[ Analyse : Donner un sens

3 Analyse de données Définitions Statistique: La méthode qui permet de recueillir des données, de les traiter et de les interpréter. Statistiques: Lensemble des données qui permettent de mener une observation

4 Histoire: Les statistiques : Collecte de données sont très anciennes: Statistiques vient de status: létat. Recensements agricoles existent en Chine en 2238 avt JC. Statistique: Premiers statisticiens (1900 ), Analyse uni factorielle, Apparition de linformatique (1950): Analyse multifactorielle. Dans le domaine STAPS ? (Très récent)

5 Utilité en STAPS ? Répondre aux questions: Existe t-il une différence ? Cette différence est-elle « significative » ? Recensement et effets de groupes; Ý Différences entre plusieurs populations, Ý Entraînements, Ý Séances ou cycle, Effets de la pratique sportive Ý Choix dune pratique, déquipements etc.

6 Population (ensemble d'unités statistiques ou d'individus) LE VOCABULAIRE STATISTIQUE Caractères modalités (a, b, c...) Qualitatif Nomenclature avec code discrète (entier) continue (valeurs infinies) Classes Quantitatif Variable (nombre) ou

7 Signification et probabilités La différence est-elle significative ? Objectivité des conclusions: Accepter une marge derreur grâce aux probabilités: La différence est significative à 5% (P<0,05). (Sous entendu: j accepte un risque de 5% de me tromper en affirmant que la différence est significative)

8 L approche scientifique Étapes de la démarche: Ù Identifier la problématique, Ù Organiser et choisir les variables, les tests etc. Ù Protocole (Organisation …populations) Ù Recueil des données (Fc, VO2 etc.) Ù Analyse (Statistique) et présentation des résultats Ù Discussion Ù Conclusion (Limites et portées).

9 Formulation des hypothèses Formulation des hypothèses en termes quantitatifs La Statistique La démarche scientifique générale La démarche des méthodes quantitatives Choix des méthodes Observation Organisation et traitement des données Analyse et interprétation des résultats Choix des méthodes, des variables et de la façon de les mesurer Collecte des données Traitement des données Analyse statistique des données Interprétation statistique des résultats de l'analyse Interprétation qualitative statistique des résultats en fonction des hypothèses de départ

10 La Statistique Descriptive L'Inférence Statistique L'estimationLes tests d'hypothèses Les mesures de tendance centrale (mode, médiane, moyenne) Les mesures de position (quartiles, quintiles,centiles) Les mesures de dispersion (étendue, variance, écart-type) Les mesures Dassociation (co-occurence, co-variation)

11 STATISTIQUES DESCRIPTIVES

12 Variables mesurables

13 Variables Variable nominale Variable ordinale Variable dintervalle Variable numérique (Niveaux de mesure)

14 … Variable nominale Étiquette, Identifier un sujet (un groupe). N° de maillots, Catégories socio-professionnelles, Nationalités, Identification de comportements (motivés, agressifs)

15 … Variable ordinale Étiquette permettant une première classification. Elle possède une échelle, mais pas d origine ni d unité. Elle ne permet pas de quantifier la différence. Degrés de participation: Inoccupé, solitaire, observateur, parallèle, associatif et coopératif.

16 … Variables d intervalles Situer sur une échelle, mais l origine et l unité sont arbitraires. Il est possible d opérer des transferts d une variable d intervalle à l autre. Échelles des températures: C°, K°

17 … Variable numérique Structure optimum de l échelle et de l origine qui permet toutes les opérations arithmétiques. Performance sur 100 m etc.

18 Lanalyse statistique ….. Compare des modèles mathématiques (références) À lévolution des données mesurées (variables expérimentales)

19 Modèle mathématique de référence Le modèle mathématique de référence … le hasard …Les variables aléatoires

20 … Variable aléatoire Elle est due au « hasard ». Elle est liée à la notion de probabilité. Probabilité que l événement apparaisse Pr(A). Pr(A) = Nbre de cas favorables / Nbre de cas possibles: Ex: Au dé, Pr(6)=1/6 Utilité dans la méthode statistique: La différence observée est-elle liée au hasard ou pas ?

21 Probabilité que l événement ne puisse pas être observé: Pr(ä)=1-Pr(a); Au dé: Pr(6)=1-1/6=5/6 Probabilité complémentaire (contraire)

22 à La probabilité d observer 2 évènements en même temps : Pr(A et B) = Pr(A) x Pr(A/B) à Avec Pr(A/B): Probabilité d observer B lorsque A et déjà sorti: Sur 1 dé: Pr(A/B)=Pr(1/6)=0 à D où Pr(1 et 6)= Pr(1) x Pr(1/6)= 1/6 x 0 = 0 Probabilité composée

23 Probabilité d observer les évènements A ou B Pr(A ou B) = Pr(A) + Pr(B) Ex: Pr(1 ou 6) = Pr(1) + Pr(6) = 1/6 + 1/6 = 2/6 Probabilité d observer les évènements A ou B strictement: Pr(A ou B) = Pr(A) + Pr(B) - Pr(A et B) Ex 1 dé: Pr(1 ou 6) = Pr(1) + Pr(6) - Pr(1 et 6) = 1/6 + 1/6 - 0 = 2/6 Ex 2 dés: Pr(1 ou 6) = Pr(1) + Pr(6) - Pr(1 et 6) = 1/6 + 1/6 - (1/6 x 1/6) = 2/6-1/36 = 11/36 Probabilité totale

24 Si A et B sont indépendants; la probabilité de A n est pas affectée par la probabilité de B : Pr(A/B)=Pr(A)=Pr(B). Si plusieurs évènements sont indépendants: Pr(A et B et C)= Pr(A) x Pr(B) x Pr(C) Notion dIndépendance

25 VARIABLES (ASPECTS D UNE VARIABLE) Variable continue Variable discrète Variable indépendante Variable dépendante Variable parasite Variable neutralisée Variable intermédiaire Indicateur Variable opérationnelle

26 … Variable continue Il existe une continuité de l échelle de sorte qu une valeur intermédiaire garde un sens. Ex: entre 1 et 2 m; 1,5m Par contre entre les maillots 1 et 2, le maillot 1,5 n a aucun sens.

27 … Variable discrète Varie de façon progressive mais par bonds: Ex: 1, 2,…10 buts... mais 1,5 but ne veut rien dire

28 … Variables indépendantes V. I Provoquée: L expérimentateur manipule pour observer l effet sur les variables dépendantes Ex: Augmenter la vitesse de course pour voir effet sur VO 2. Ex: Injection Acide Botulinique pour diminuer la spasticité V. I. Invoquée: l expérimentateur peut observer les effets de la variable mais ne peut l influencer: Effet de l âge, implantation géographique de lAS.

29 … Variable dépendante La variable qui varie en fonction de la variable indépendante. C est ce lien de dépendance qui sera comparer au effet du hasard (distribution aléatoire).

30 … Variable parasite Variable indésirable susceptible de perturber une variable dépendante. Ex: Étude de l influence de l âge sur la performance en sprint: Variables parasites: La croissance osseuse; Les tendinites plus fréquente sur système musculo-squelettique immature;

31 … Variable neutralisée Variable parasite dont les effets ont été annulés par précautions expérimentales. Groupe placebo Normalisation Vitesse de sprint rapportée à la longueur segmentaire.

32 MÉTHODOLOGIE EXPÉRIMENTALE (CONCEPTS DE BASE) Groupes et tâches expérimentales Concepts relatifs à la mesure

33 Échantillonnage n Décrire une population (Échantillon) Population: « Ensemble des individus qui relève d une définition donnée ». Ex: La population française Échantillon: « Une fraction de la population » Ex: Les étudiants de la FSSEP n Représentativité de l échantillon

34 … Groupes Groupe expérimental Groupe contrôle (ou témoin) Groupe placebo Groupe appariés Groupes indépendants

35 … Tâches Simple aveugle Le sujet n est pas au courant de l intérêt de l étude. Double aveugle Le sujet et l expérimentateur ne sont pas au courant ….. Double tâche Tâche 1 + 2: Dribble + progression.

36 … Méthodes Méthode longitudinale Étudier les effets dans le temps en observant un même groupe. Ex: effet de l entraînement de 1998 à 2001 Méthode transversale Étudier l effet du temps en comparant des groupes d âges différents. Ex: Comparer les enfants de 10, 11, …15 ans Attention

37 Concepts relatifs à la mesure Mesurer: Établir une correspondance entre les éléments évalués et les résultats qui doivent permettre la distinction. Exigences de la mesure: Validité Fidélité Sensibilité

38 Validité L instrument de mesure permet-il de mesurer ce pour quoi il a été conçu ? Ex: Un mètre peut mesurer une distance … mais le nombre de fautes sur un match permet-il de mesurer lagressivité des joueurs ?

39 Fidélité Un instrument de mesure est dit fidèle lorsquil fournit des résultats identiques dans les mêmes conditions.

40 Sensibilité Fait référence à la finesse de discrimination d un instrument de mesure (épreuve, tests, grille) permettant de distinguer les réponses. Ex: 1) Nbre de passes 2) Nbre de partenaires différents concernés par ces passes Atteste du jeu collectif ???... 3) Sondage


Télécharger ppt "ANALYSE DE DONNÉES APPLIQUÉE AUX APS Pierre MORETTO, Université Paul Sabatier, Toulouse III. UE 45.2CHI."

Présentations similaires


Annonces Google