Inférence causale : concepts et applications

Question 1 sur 10 10:00

[{"id":10343,"question":"Quel est l'objectif principal de l'inférence causale ?","option_a":"Établir une relation de corrélation entre deux variables","option_b":"Déterminer une relation de cause à effet entre deux variables","option_c":"Calculer la moyenne d'un échantillon","option_d":"Visualiser des données sous forme de graphiques","option_e":"","option_f":"","bonne_reponse":"B","explication":"L'inférence causale vise à établir un lien de cause à effet, et non simplement une corrélation.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":10344,"question":"La corrélation implique toujours la causalité.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"B","explication":"La corrélation ne prouve pas la causalité. Par exemple, la consommation de glace et les noyades sont corrélées en été, mais l'une ne cause pas l'autre.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":10345,"question":"Quel modèle est souvent utilisé pour représenter des relations causales sous forme de graphique ?","option_a":"Modèle de régression linéaire","option_b":"Réseau bayésien","option_c":"Test de Student","option_d":"Analyse en composantes principales","option_e":"","option_f":"","bonne_reponse":"B","explication":"Les réseaux bayésiens sont des outils graphiques permettant de représenter des relations causales entre variables.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":10346,"question":"Quelle méthode permet de réduire les biais dans l'estimation d'un effet causal ?","option_a":"L'ajout de variables de contrôle","option_b":"L'utilisation de données manquantes","option_c":"La randomisation","option_d":"L'augmentation de la taille de l'échantillon","option_e":"","option_f":"","bonne_reponse":"C","explication":"La randomisation (expériences contrôlées) permet de réduire les biais en répartissant aléatoirement les individus entre groupes.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":10347,"question":"Le modèle de Rubin est un cadre théorique pour l'inférence causale.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"A","explication":"Le modèle de Rubin (ou modèle des résultats potentiels) est un cadre théorique fondamental en inférence causale.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":10348,"question":"Quelle est la principale limite des études observationnelles en inférence causale ?","option_a":"Elles sont toujours biaisées","option_b":"Elles ne permettent pas d'observer tous les individus","option_c":"Elles ne peuvent pas établir de lien causal","option_d":"Elles nécessitent des données très volumineuses","option_e":"","option_f":"","bonne_reponse":"C","explication":"Les études observationnelles ne permettent pas d'établir de lien causal sans biais, contrairement aux expériences randomisées.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":10349,"question":"Quel outil statistique est couramment utilisé pour estimer l'effet causal dans une régression ?","option_a":"Le coefficient de corrélation","option_b":"Le coefficient de régression","option_c":"Le test du chi-deux","option_d":"L'écart-type","option_e":"","option_f":"","bonne_reponse":"B","explication":"Le coefficient de régression permet d'estimer l'effet d'une variable explicative sur une variable réponse.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":10350,"question":"L'inférence causale est uniquement utile en économie.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"B","explication":"L'inférence causale est utilisée dans de nombreux domaines : santé, sciences sociales, marketing, et même intelligence artificielle.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":10351,"question":"Quelle méthode permet de comparer l'effet d'un traitement entre deux groupes ?","option_a":"L'analyse de variance (ANOVA)","option_b":"Le test de Student","option_c":"La différence de moyennes","option_d":"La régression logistique","option_e":"","option_f":"","bonne_reponse":"C","explication":"La différence de moyennes entre un groupe traité et un groupe témoin permet d'estimer l'effet causal du traitement.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0},{"id":10352,"question":"Quelle affirmation est vraie concernant les expériences randomisées ?","option_a":"Elles sont toujours impossibles à réaliser","option_b":"Elles permettent d'éliminer les biais de confusion","option_c":"Elles nécessitent des données historiques","option_d":"Elles sont réservées aux études médicales","option_e":"","option_f":"","bonne_reponse":"B","explication":"Les expériences randomisées répartissent aléatoirement les individus, ce qui élimine les biais de confusion et permet une estimation valide de l'effet causal.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0}]