Biostatistiques (2) – Notions de base

1. Types de variables

Type de variable	Définition	Exemples
Continue	Peut prendre une infinité de valeurs avec intervalles égaux	Poids, taille, pression artérielle
Discontinue	Valeurs dénombrables, souvent entières, non continues	Nombre de doses, score de douleur
Ordinale	Modalités ordonnées sans intervalles fixes	Stades de cancer, score ASA
Nominale	Modalités sans ordre	Sexe, groupe sanguin, type d’acte

2. Paramètres qu’on peut calculer

Paramètre	Définition
Moyenne	Somme des valeurs divisée par le nombre total
Écart-type	Dispersion des valeurs autour de la moyenne
Variance	Moyenne des carrés des écarts à la moyenne (écart-type²)
Médiane	Valeur qui divise la population en deux parties égales
Intervalle interquartile (IQR)	Différence entre le 3ᵉ et le 1er quartile (Q3 – Q1), robuste aux valeurs extrêmes
Mode	Valeur la plus fréquente dans la distribution
Fréquence absolue	Nombre d’occurrences d’une modalité
Fréquence relative (%)	Pourcentage d’une modalité par rapport au total
Étendue (Max – Min)	Différence entre la valeur maximale et minimale

3. Loi normale

La loi normale (ou loi de Gauss) est la loi de probabilité la plus utilisée en statistique. Une variable suit cette loi si sa densité de probabilité forme une courbe en cloche, avec mode ≈ moyenne ≈ médiane.

Tests de normalité courants :

·         Shapiro-Wilk

·         Kolmogorov-Smirnov

·         Anderson-Darling (plus sensible aux extrêmes)

Interprétation :

·         p > 0,05 → variable suit une loi normale

·         p ≤ 0,05 → variable ne suit pas une loi normale

Vérification sous SPSS :

·         Analyse → Statistiques descriptives → Explorer

·         Sélectionner la variable quantitative (et facteur qualitatif si besoin)

·         Cliquer sur Tracés → cocher “Tracés de répartition Gaussiens avec test”

·         Valider par OK

4. Intervalle de confiance (IC) – Intervalle de fluctuation (IF)

·         IC : Estimation de la valeur vraie dans la population à partir d’un échantillon, avec un niveau de confiance (ex. 95 %).

·         IF : Variabilité attendue d’une statistique entre différents échantillons issus d’une même population.