introduction

Chapitre 1 : Prologue
1.
La signification des statistiques
2.
Le rôle des statistiques
3.
Signification des variables
4.
Classification des mesures
4.1 Échelle nominale
4.2 Échelle ordinale
4.3 Échelle d'intervalle
4.4 Échelle de rapport
5.
Œuvres complètes et spécimens
6.
Statistiques descriptives et inférentielles
7.
Statistiques paramétriques et non paramétriques


Chapitre 2 : Organisation des données
1.
distribution de fréquence
1.1 Plage de scores
1.2 Taille de l'intervalle
1.3 Limite de score pour chaque niveau
1.4 Limites précises
2.
Exemple de graphique de distribution de fréquence
2.1 Histogramme
2.2 Polygone de fréquence
2.3 Distribution des fréquences cumulatives
2.4 Courbe de pourcentage cumulatif
2,5 percentiles et scores de percentile
■ Exercices pratiques


Chapitre 3 : Tendance centrale
1.
Choi Bin-chi
2.
médian
3.
moyenne
3.1 Propriétés mathématiques de la moyenne
3.2 Comparaison des mesures de tendance centrale
3.3 Fusion des moyennes
■ Exercices pratiques


Chapitre 4 : Byeonsando
1.
gamme
2.
écart interquartile
3.
dispersion
4.
écart type
5.
coefficient de variation
■ Exercices pratiques


Chapitre 5 : Scores standardisés et distribution normale
1.
score standard
1.1 Caractéristiques des scores standardisés
1.2 Scores standard convertis
1.3 Moyenne pondérée des inspecteurs
2.
distribution normale
2.1 Courbe normale unitaire
2.2 Utilisation de la courbe de distribution normale
3.
Probabilité et distributions de probabilité
3.1 Quelques lois de la théorie des probabilités
3.2 Distribution de probabilité
3.3 Distribution de probabilité et courbe de distribution normale
■ Exercices pratiques


Chapitre 6 Corrélation
1.
Le concept de coefficient de corrélation
2.
échelle de mesure
2.1 Échelle nominale : variables discontinues à 2 catégories (dichotomie nominale-discrète)
2.2 Échelle nominale : variable continue à 2 catégories (dichotomie nominale-continue)
2.3 Échelle ordinale
2.4 Échelle d'intervalle/de rapport
3.
coefficient de corrélation de Pearson
3.1 Calcul du coefficient de corrélation
3.2 Facteurs influençant l'ampleur du coefficient de corrélation
3.3 Interprétation des coefficients de corrélation
4.
Coefficient de corrélation de rang de Spearman
5.
Coefficient de corrélation de Kendall
6.
Coefficient de corrélation inter-évaluateurs
7.
Coefficient Pi
8.
Coefficient de corrélation
9.
Coefficient de corrélation bivariée
10.
Coefficient de corrélation bivariée
11.
Coefficient de corrélation orthographique
12.
Rapport de correspondance
■ Exercices pratiques


Chapitre 7 Statistiques inférentielles
1.
Méthode d'échantillonnage
1.1 Échantillonnage aléatoire simple
1.2 Échantillonnage systématique
1.3 Échantillonnage stratifié
1.4 Échantillonnage par grappes
1.5 Échantillonnage à plusieurs étapes
1.6 Échantillonnage par quotas
1.7 Échantillonnage raisonné
1.8 Échantillonnage aléatoire
1.9 Échantillonnage mixte
2.
Procédures de réalisation d'une enquête par sondage et de détermination de la taille de l'échantillon
3.
Distribution d'échantillonnage
3.1 Propriétés de la distribution d'échantillonnage
3.2 Distribution
3.3 Degrés de liberté
3.4 Degrés de liberté et distribution
4.
test d'hypothèse
4.1 Tests d'hypothèses lorsque les caractéristiques de l'ensemble de la collection sont inconnues
Distribution d'échantillonnage de la moyenne de l'échantillon lorsque 4,2 est inconnu
4.3 Exemple de test d'hypothèse
4.4 Niveau de signification (niveau)
5.
Estimation des valeurs des paramètres
5.1 Estimation par valeur unique (estimation ponctuelle)
5.2 Estimation par définition d'intervalles de confiance (estimation par intervalle)
■ Exercices pratiques


Chapitre 8 Statistiques inférentielles
1.
Énoncé de l'hypothèse
2.
Erreurs pouvant être commises lors des tests d'hypothèses
3.
Niveau de signification
4.
Domaines où l'hypothèse nulle est rejetée : vérification bilatérale
5.
Domaines où l'hypothèse nulle est rejetée : tests unilatéraux
■ Exercices pratiques


Chapitre 9 Tests d'hypothèses pour des échantillons uniques
1.
Test d'hypothèse pour la moyenne de l'ensemble de la collection ()
2.
Vérification du coefficient de corrélation complet ()
3.
Vérification de l'hypothèse selon laquelle le coefficient de corrélation de l'ensemble de la collection est égal à 0
4.
Vérification du ratio de la collection complète ()
5.
Test d'hypothèse sur la variance totale ()
6.
précision statistique
7.
Signification statistique et signification pratique
■ Exercices pratiques


Chapitre 10 : Tester la différence entre deux statistiques d’échantillon
1.
Hypothèses pour tester la différence entre deux statistiques d'échantillon
1.1 Hypothèse d'indépendance des échantillons
1.2 Hypothèse d'homogénéité des variances
1.3 Hypothèse de normalité de la distribution des données collectées
2.
Test de différence entre deux moyennes dans le cas d'échantillons indépendants
2.1 Compréhension précise de la méthode de test d'hypothèse nulle : cas d'échantillons indépendants
2.2 Test de différence entre les moyennes d'échantillons indépendants
2.3 Test de différence des moyennes dans des échantillons indépendants
3.
Pour des échantillons appariés, tester la différence entre deux moyennes
4.
Test de différence entre deux proportions pour échantillons indépendants
5.
Pour un échantillon dépendant, le test de la différence entre deux proportions
6.
Test de différence entre deux coefficients de corrélation pour échantillons indépendants
7.
Dans le cas d'échantillons dépendants, le test de différence entre deux coefficients de corrélation
8.
Dans le cas d'échantillons indépendants, tester la différence entre deux variances.
9.
Pour les échantillons dépendants, tester les différences entre deux variances.
10.
puissance statistique
10.1 Facteurs affectant la puissance statistique
10.2 Calcul de la puissance statistique
11.
taille de l'effet
11.1 Ampleur de la différence entre les moyennes
11.2 Force de l'association
12.
Estimation de la taille de l'échantillon
12.1 Dans le cas des tests d'hypothèses
12.2 Pour la définition des intervalles de confiance
13.
Estimation de la puissance statistique et de la taille de l'échantillon à l'aide de G*Power
13.1 Comment utiliser G*Power
addition
■ Exercices pratiques


Chapitre 11 : Analyse de variance à un facteur
1.
Variables indépendantes et dépendantes dans l'ANOVA
2.
Concepts de base de l'analyse de la variance
3.
Modèle mathématique de l'ANOVA à un facteur
4.
Division de la racine carrée
5.
Estimation de la variance totale
6.
Tests d'hypothèse nulle
7.
Hypothèses fondamentales de l'analyse de la variance
7.1 Vérification de l'homoscédasticité pour trois groupes ou plus
7.2 Problèmes survenant lorsque les hypothèses de base sont violées
8.
Relation entre l'ANOVA et la validation
9.
Force des relations
■ Exercices pratiques


Chapitre 12 Comparaison individuelle des moyennes
1.
comparaison post hoc
1.1 Méthode de Tukey
1.2 Méthode de Newman-Keuls
1.3 Méthode de Scheff
1.4 Méthode de Bonferroni
2.
comparaisons a priori
2.1 Contrastes orthogonaux planifiés
2.2 Analyse des tendances
addition
■ Exercices pratiques


Chapitre 13 : ANOVA à deux facteurs
1.
Signification de l'ANOVA à deux facteurs
2.
Structure des données pour l'ANOVA à deux facteurs
3.
Partitionnement de la variance dans l'ANOVA à deux facteurs
4.
Division de la racine carrée
5.
Tester l'hypothèse nulle
6.
Formule de calcul et exemples d'application
7.
Effet d'interaction
8.
Réduction de la variance d'erreur dans l'analyse de variance à deux facteurs
9.
Hypothèses de base de l'ANOVA à deux facteurs
10.
Modèle mathématique d'analyse de variance à deux facteurs
11.
Modèle spécial d'ANOVA à deux facteurs
12.
Comparaison individuelle des moyennes dans une ANOVA à deux facteurs
13.
Force des relations
14.
Lorsque la taille de l'échantillon de chaque groupe n'est pas la même
15.
Plan en blocs aléatoires
16.
Conception à mesures répétées
addition
■ Exercices pratiques


Chapitre 14 Analyse de covariance
1.
Comprendre l'ANCOVA à l'aide de graphiques
2. Avantages et inconvénients de l'ANCOVA
3.
Méthode de sélection des covariables
4. Quelle méthode est préférable lorsque l'ANCOVA n'est pas possible ?
5. Éléments à vérifier au préalable pour l'ANCOVA
5.1 Cas inégaux et données manquantes
5.2 Valeurs aberrantes
6. Hypothèses fondamentales de l'ANCOVA
6.1 Multicolinéarité et singularité
6.2 Normalité de la distribution
6.3 Homogénéité de la variance
6.4 Linéarité
6.5 Homogénéité des droites de régression
6.6 Fiabilité des covariables
7.
Formule de calcul et exemples d'application
8.
Force des relations
9.
moyenne ajustée
10. Exemple de description des résultats d'une ANCOVA
addition
■ Exercices pratiques


Chapitre 15 Tests non paramétriques
1.
distribution
2.
Vérification des dates nominales
2.1 Validation sur un seul échantillon : validation de la qualité de l’ajustement
2.2 Comparaison de deux échantillons indépendants : test d’indépendance
2.3 Comparaison d'échantillons indépendants : test d'indépendance
2.4 Comparaison de deux échantillons dépendants : test de McNemar
3.
Vérification des données ordinales
3.1 Comparaison de deux échantillons indépendants : test de la médiane
3.2 Comparaison de deux échantillons indépendants : test de Mann-Whitney
3.3 Comparaison d'échantillons indépendants : ANOVA à un facteur de Kruskal-Wallis
3.4 Comparaison d'échantillons indépendants : test de la médiane
3.5 Comparaison de deux échantillons dépendants : test de Wilcoxon
3.6 Comparaison d'échantillons dépendants : ANOVA à deux facteurs de Friedman
addition
■ Exercices pratiques


Chapitre 16 : Régression linéaire : prédictions et équations de régression

1.
Prophétie et Prophétie
2.
droite de régression
3.
Équation de régression
3.1 Dérivation de l'équation de régression
3.2 Dérivation d'équations de régression à partir de données brutes
3.3 Scores de prophétie et leur distribution
4.
Erreur prophétique
4.1 Erreur type d'estimation
4.2 Variance d'erreur
4.3 Correction de l'erreur type d'estimation
4.4 Précision des coefficients de régression
4.5 Interprétation de l'erreur type de l'estimation
4.6 Hypothèses fondamentales des droites de régression
5.
Exactitude des prophéties
5.1 Coefficient d'aliénation
5.2 Indice d'efficacité des prévisions
5.3 Coefficient de détermination
6.
La relation entre corrélation et prophétie
6.1 Partitionnement de la variance des variables prédictives ()
6.2 Coefficients de corrélation et coefficients de régression
6.3 Prédiction des scores standardisés à partir des scores standardisés
6.4 Probabilité de régression et de prédiction
addition
■ Exercices pratiques


Chapitre 17 : Polycorrélation et prophétie
1.
Le concept de prophéties multiples
1.1 Prédictions multiples basées sur les scores standardisés
1.2 Coefficient de corrélation multiple
1.3 Erreur type de l'estimation
2.
Objectif de l'application de l'analyse de régression multiple
2.1 Analyse de régression standard
2.2 Analyse de régression hiérarchique
2.3 Analyse de régression statistique
3.
Sélection des variables indépendantes dans l'analyse de régression statistique
3.1 Méthodes de sélection des variables indépendantes dans l'analyse de régression statistique
3.2 Variable du suppresseur
3.3 Nombre de variables indépendantes
4.
Éléments à vérifier pour une analyse de régression multiple
4.1 Rapport du nombre de cas au nombre de variables indépendantes
4.2 Valeurs aberrantes
5.
Hypothèses fondamentales de l'analyse de régression multiple
5.1 Multicolinéarité et singularité
5.2 Normalité, linéarité, homoscédasticité et indépendance des résidus
6.
Analyse de régression multiple utilisant la méthode de Doolittle
7.
Test de différence entre deux coefficients de corrélation multiple
8.
Relation entre l'analyse de régression multiple et l'ANOVA
9.
Corrélation partielle et corrélation semi-partielle
10.
Relation entre les coefficients de corrélation, les coefficients de corrélation partielle et les coefficients de corrélation semi-partielle par la méthode d'analyse de régression multiple
■ Exercices pratiques


Consultez l'annexe

Références

Recherche

Aujourd’hui, avec les progrès rapides de l’intelligence artificielle (IA) et de la science des données, les statistiques ne sont plus seulement un outil de recherche, mais un langage de recherche essentiel.
Cependant, si les chercheurs se contentent d'accepter les résultats présentés par l'ordinateur, ils ne pourront pas exercer la puissance de la pensée statistique.
L'ouvrage « Statistiques sportives » présente de manière systématique tout ce qui concerne les procédures de calcul de base jusqu'aux cas d'analyse concrets, en mettant l'accent sur le développement de la capacité des chercheurs à comprendre et à interpréter correctement les résultats.

Cette édition révisée ira au-delà du simple manuel d'éducation physique ; elle constituera un guide fiable pour tous les chercheurs, étudiants de premier cycle et de cycles supérieurs souhaitant mener des recherches empiriques dans divers domaines universitaires.