Distributions (Psychologie)

Définition de la psychologie de la distribution

Lorsque les chercheurs collectent des données, la majorité du temps, ils visent à utiliser des tests statistiques pour vérifier empiriquement si les résultats de leurs données soutiennent ou rejettent les hypothèses qu'ils ont proposées au début de l'étude.

Cependant, il existe deux types de tests paramétriques :

1. Les tests paramétriques
2. Tests non paramétriques

Mais comment les chercheurs savent-ils quand utiliser quel test ? L'une des réponses est la distribution. Lorsque les données ont une distribution normale, on utilise un test paramétrique, et lorsque les données ont une distribution asymétrique, on utilise des tests non paramétriques.

Maintenant que nous avons compris les utilisations des distributions en psychologie, comprenons ce que signifie la méthode d'analyse des données.

Caractéristiques de la distribution

Les graphiques de distribution portent de nombreux noms, tels que le graphique de la courbe en cloche ou le graphique de la distribution gaussienne. Examinons les caractéristiques d'un graphique de distribution :

• Forme - Les graphiques de distribution doivent ressembler à une cloche dont la queue s'étend de chaque côté du graphique. Le point le plus élevé du graphique est celui où la probabilité que le phénomène se produise est la plus forte.

• Tendance centrale - La moyenne, la médiane et le mode sont des chiffres importants utilisés pour comprendre et interpréter les graphiques de distribution. Le graphique peut être utilisé pour identifier à quel point chaque valeur diffère de la moyenne. Les valeurs de la moyenne, de la médiane et du mode sont généralement les mêmes dans un graphique à distribution normale.

• Variabilité - À partir des graphiques de distribution, les chercheurs peuvent calculer à quel point chaque point de données varie par rapport à la moyenne.

Types de distributions en psychologie

Maintenant que nous savons ce que signifient les distributions, examinons les différents types et la façon dont nous pouvons les identifier.

• Distribution normale - le graphique ressemble à une forme de cloche ; le point le plus élevé du graphique doit se trouver au centre du graphique, les côtés gauche et droit du graphique doivent être symétriques, et la queue doit s'étendre de chaque côté du graphique.

• Distribution positivement asymétrique - la moyenne, la médiane et le mode de distribution sont positifs, le graphique a donc une longue queue qui s'étend vers la droite, et le point le plus élevé du graphique est décalé vers la gauche.

• Distribution asymétrique négative - la moyenne, la médiane et le mode de distribution sont négatifs, le graphique a donc une longue queue qui s'étend vers la gauche et le point le plus élevé du graphique est décalé vers la droite.

Distribution des fréquences Psychologie

En psychologie, les distributions peuvent avoir plusieurs significations. Les types de distribution sur lesquels nous nous concentrons sont basés sur la probabilité. Cependant, les distributions de fréquence sont utilisées pour comprendre les données. Par exemple, la fréquence à laquelle une chose est observée.

Imagine un projet de recherche portant sur 100 personnes d'âges différents. Le chercheur ne peut pas comprendre la fréquence de certains âges en examinant chaque cas. Au lieu de cela, les données sont organisées à l'aide d'une distribution de fréquences.

Le tableau ci-dessous donne un exemple de distribution de fréquences en psychologie.

Les distributions de fréquences sont liées à la distribution des probabilités. À partir des distributions de fréquences, le chercheur peut identifier les valeurs aberrantes et déterminer si les données sont centrées autour des moyennes (valeurs de tendance centrale) ; ces facteurs contribuent à déterminer si les données sont normalement distribuées.

Distribution normale

Voyons à quoi ressemble un graphique de distribution normale afin d'interpréter ce qu'il montre.

Figure 1 - Graphique représentant une distribution normale.

Le graphique montre que le point le plus élevé de la courbe se trouve au milieu du graphique, et que les deux côtés du graphique sont symétriques. Mais qu'est-ce que cela signifie ?

La moyenne, la médiane et le mode sont identiques, car la distribution est symétrique : la moitié des notes est supérieure à la moyenne, et l'autre moitié est inférieure à la moyenne. La moyenne est égale à 0 et l'écart type à 1.

Dans les distributions normales :

• 99,7 % des observations se situent à + ou - 3 DS de la moyenne.
• 95,4 % des observations se situent à + ou - 2 ET de la moyenne.
• 68,2 % des observations se situent à + ou - 1 écart-type de la moyenne.

Un écart-type plus petit signifie que les données sont moins variées et qu'elles sont donc moins susceptibles de présenter des valeurs aberrantes affectant la fiabilité et la validité des résultats.

Exemple de distribution normale en psychologie

Supposons qu'il s'agisse d'un test de psychologie. Voici les résultats moyens de la classe :

Ces résultats suggèrent une distribution normale parce que la moyenne, la médiane et le mode sont approximativement les mêmes. Par conséquent, si ces données étaient représentées sur un graphique, elles prendraient probablement la forme d'une courbe en cloche.

Lorsque la moyenne, la médiane et le mode sont à peu près identiques, cela signifie que l'ensemble des données ne comporte pas beaucoup de valeurs aberrantes.

Psychologie des distributions asymétriques

Les deux types de diagrammes de distribution asymétrique que nous allons aborder sont les diagrammes positifs et les diagrammes négatifs.

Figure 2 - Exemples d'un graphique de distribution asymétrique négatif et positif.

Commençons par comprendre les graphiques à asymétrie négative.

En règle générale, les résultats sont constitués d'un plus grand nombre de chiffres et d'un moins grand nombre de petits chiffres. Et la moyenne tombera à gauche de la médiane, ce qui fera que la queue s'étendra vers la gauche. Les données sont asymétriques lorsque toutes les valeurs de tendance centrale ne sont pas égales à 0.

En revanche, les données positivement asymétriques sont le contraire. La majorité des nombres seront plus petits que grands. La moyenne tombe à la droite de la médiane, ce qui fait que la queue du graphique s'étend vers la droite. Les résultats suggèrent une plus faible probabilité d'occurrence du phénomène étudié.

Exemples de distribution asymétrique positive et de distribution asymétrique négative

Voyons un exemple de graphique de distribution positivement asymétrique sortie moyenne des données :

Le mode et la médiane sont inférieurs à la moyenne.

Qu'en est-il de ces résultats?

Ces résultats suggèrent une asymétrie négative puisque la plupart des personnes ont obtenu un score élevé, le mode et la médiane étant plus élevés ici.

Ces résultats indiquent-ils quelque chose ?

Si nous regardons les exemples ci-dessus, la forme positivement asymétrique indique que les participants ont obtenu des scores plus faibles en moyenne, donc peut-être que le test était trop difficile. De même, le graphique à asymétrie négative montre des scores plus élevés, donc peut-être que le test était trop facile. Le mode est le point le plus élevé qui illustre la distribution.

Nous pouvons alors suggérer de rendre le test plus difficile ou plus facile, en fonction des distributions ci-dessus.