Les statistiques inférentielles permettent de faire des déductions basées sur les relations trouvées dans l'échantillon et les relations dans la population. Les statistiques inférentielles nous aident à décider, par exemple, si les différences entre les groupes que nous observons dans nos données sont suffisamment fortes pour étayer notre hypothèse selon laquelle les différences entre les groupes existent en général, dans l'ensemble de la population. Nous commencerons par examiner les principes de base des tests de signification : l'échantillonnage et la distribution des statistiques de test, la valeur p, le niveau de signification, la puissance et les erreurs de type I et de type II. Nous examinerons ensuite un grand nombre de tests statistiques et de techniques qui nous aident à faire des déductions pour différents types de données et différents types de modèles de recherche. Pour chaque test statistique, nous examinerons comment il fonctionne, pour quelles données et quel modèle il est approprié et comment les résultats doivent être interprétés. Vous apprendrez également à effectuer ces tests à l'aide d'un logiciel disponible gratuitement.
Pour ceux qui sont déjà familiarisés avec les tests statistiques : Nous examinerons les tests z pour 1 et 2 proportions, le test de McNemar pour les proportions dépendantes, les tests t pour 1 moyenne (différences appariées) et 2 moyennes, le test du chi carré pour l'indépendance, le test exact de Fisher, la régression simple (linéaire et exponentielle) et la régression multiple (linéaire et logistique), l'analyse de la variance à sens unique et factorielle, et les tests non paramétriques (Wilcoxon, Kruskal-Wallis, le test des signes, le test du rang signé, le test des runs).