Analyse de données appliquée aux APS

1. Analyse de données appliquée aux APS UE 45.2 CHI Pierre MORETTO, Université Paul Sabatier, Toulouse III.

2. Analyse de données Recueil de données Ici ….. 207 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: L’ensemble des données qui permettent de mener une observation

4. Histoire: • Les statistiques : Collecte de données sont très anciennes: • Statistiques vient de “status”: l’état. • Recensements agricoles existent en Chine en 2238 avt JC. • Statistique: • Premiers statisticiens (1900 ), Analyse uni factorielle, • Apparition de l’informatique (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; • Différences entre plusieurs populations, • Entraînements, • Séances ou cycle, Effets de la pratique sportive • Choix d’une pratique, d’équipements etc.

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

7. Signification et probabilités La différence est-elle significative ? • “Objectivité” des conclusions: • Accepter une marge d’erreur 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: • Identifier la problématique, • Organiser et choisir les variables, les tests etc. • Protocole (Organisation …populations) • Recueil des données (Fc, VO2 etc.) • Analyse (Statistique) et présentation des résultats • Discussion • Conclusion (Limites et portées).

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

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

11. Statistiques Descriptives

12. Variables mesurables

13. Variables • Variable nominale • Variable ordinale • Variable d’intervalle • 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. L’analyse statistique ….. • Compare des modèles mathématiques (références) • À l’évolution 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 complémentaire (contraire) • Probabilité que l ’événement ne puisse pas être observé: Pr(ä)=1-Pr(a); Au dé: Pr(6)=1-1/6=5/6

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

23. Probabilité totale • 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

24. Notion d’Indépendance • 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)

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 VO2. • 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 l’AS.

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 • 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 • 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 • 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 l’agressivité des joueurs ?

39. Fidélité • Un instrument de mesure est dit fidèle lorsqu’il 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