Skip to content Skip to sidebar Skip to footer

Quels sont les différents types de statistiques ?

Quels sont les différents types de statistiques ?

Qui est le père de la statistique ? Adolphe Quételet fut certainement le premier à concevoir que la statistique pouvait être fondée sur le calcul des probabilités, et son œuvre extrêmement variée a donné à cette discipline une impulsion considérable. Elle concerne aussi bien l’anthropométrie que l’économie et les sciences sociales. Quels sont les deux sens du mot statistique ? Dans le présent article, les deux sens du mot statistique – recueil de données ou méthodologie de traitement et d’induction – sont présents tour à tour ou simultanément. Pourquoi on étudie la statistique ? Pourquoi étudier la statistique? La statistique est la science de l’information qui permet de dégager des modèles à partir de données. À titre de statisticien, vous savez vous servir de la théorie des probabilités pour prendre des décisions en contexte d’incertitude.22 oct. 2016 Quel est le synonyme de statistique ? Il existe 10 synonymes du mot Statistique : Inventaire. Nomenclature. Récapitulation. Quelle est l’importance de la statistique dans une société ? La statistique utile aux entreprises est précisément celle qui leur permet de ne pas se tromper, c’est celle qui leur permet de bien choisir entre les possibilités qui leur sont offertes pour l’interprétation des données.


Bonjour je suis Léa, étudiante en sciences. Si, comme moi,   tu as besoin de revoir des notions essentielles de physique, de chimie ou encore de biologie,   alors ce programme est fait pour toi. Dans cette vidéo nous te proposons de faire un rapide résumé   des quatre types de variables rencontrés dans l’analyse statistique. Vous verrez que ces quatre   types de variables seront déterminantes dans le choix des outils, notamment dans celui des   lois de probabilité que vous avez sélectionnées pour répondre à des problèmes de statistiques   inférentielle : qu’il s’agisse par exemple d’intervalle de confiance ou encore de test   d’hypothèses. La première chose dont il faut se souvenir est que les variables que nous utilisons   sont soit qualitatives(elles se réfèrent alors à une qualité, par exemple : “couleur des yeux” d’un   individu tiré au hasard d’une population), soit quantitatives (elles décrivent alors une quantité,   par exemple “taille en centimètres des membres d’un club d’athlétisme” ou encore “température en   degrés Celsius relevé un jour d’été en différents endroits d’une ville donnée”. Bien entendu,   ce ne sont pas du tout les mêmes domaines de définition qui sont concernés par ces   deux types de variables. Il vous apparaîtra ainsi facilement que si l’on peut calculer la moyenne de   la taille des membres d’un club d’athlétisme, cela n’a aucun sens d’essayer de calculer la   moyenne des modalités prises par la couleur de leurs yeux ou même d’en faire la somme.   On distingue en fait quatre types de variables : les variables qualitatives sont en fait subdivisée   en deux catégories, elles sont nominales aux bien ordinales. Les variables quantitatives   se subdivisent également en deux types : les variables aléatoires discrètes et les variables   aléatoires continues. Nous pouvons être confrontés à ces quatre types de variables dans les études   statistiques que nous menons. De quelque nature qu’elles soient, les valeurs prises par une   variable sont appelées : “modalités” comme en son temps, nous intéresser aux variables nominales,   également appelée variables catégorielles ou encore variables textuelles. Une variable   nominale est une variable pour laquelle nous ne pouvons que qualifier les modalités   qu’elle peut prendre. Dans des expériences de génétique, dont Mendel fut l’un des fondateurs,   on peut s’intéresser à différents phénotypes comme : “la couleur des fleurs” ou encore “la forme   des graines”. Nous sommes ainsi confrontés à des statistiques menées sur des variables qualitatives   nominales. La couleur qui peut prendre dans ce cas précis trois modalités : “rouge”, “blanc”, “rose”   et la forme des graines qui présente ici deux modalités : “lisse” ou “ridée”. Les deux variables   couleurs et formes ne peuvent être que qualifiées ; il s’agit bien de deux variables nominales. Le   verbe qui peut être associé à ce type de variable est “qualifier”. Calculer une somme ou une moyenne   pour ces variables n’a aucun sens. En effet, comment pourrions-nous donc calculer la somme   des couleurs ? C’est pourquoi on s’intéresse seulement à la fréquence de leurs modalités   par exemple : fréquence des fleurs de couleur blanche à l’issue des croisements réalisés.  Intéressons-nous maintenant au deuxième type de variable qualitative : les variables ordinales.   Prenons, pour l’illustrer, l’exemple de la fréquence de sortie d’un étudiant au   cinéma proposée en 5 catégories : “très souvent”, “souvent”, “parfois”, “rarement” ou “jamais”. Nous   pouvons clairement établir une relation d’ordre s’appliquant aux modalités de la variable. Ce   qui signifie qu’un classement des modalités est possible : “très souvent” est en effet supérieure   en termes de fréquence de sorties à “souvent” qui, elle-même, est supérieure à “parfois” qui   est supérieure à “rarement”; elle même supérieure à “jamais” . Lorsque, comme dans ces exemples,   il existe une relation d’ordre qui s’établit entre les modalités prises par la variable;   cette variable est une variable ordinale. Le verbe que nous associons à ce type de   variables est “ordonner” ou “classer”. Comme pour les variables nominales, les variables   ordinales n’autorisent pas de calculs sur leurs modalités. Parler de moyenne pour ces variables   n’a ainsi aucun sens mais on peut cependant s’intéresser à la médiane. Vous aurez, peut-être,   l’occasion de manipuler des échelles de Likert qui se substituent à ce type de variables ; par   exemple en remplaçant la modalité “jamais” par la valeur 1 et la modalité “très souvent” par   la valeur 5. Il faudra se rappeler que les valeurs chiffrées, associées à chacune des   catégories prises par la variable ordinale, ne la transforment pas en une variable quantitative pour   autant. Elles permettent juste une représentation simplifiée des modalités possibles. Donc le calcul   d’une moyenne des valeurs prises sur une échelle de Likert n’a, là encore, aucun sens. En fait,   ces échelles sont très pratiques à utiliser car elles permettent (en les sommant) de calculer un   score associé à une variable latente, par exemple, lors de l’analyse des réponses à un questionnaire   comportant un grand nombre de questions.Les études statistiques nous donnent   également l’occasion de manipuler des variables quantitatives qui peuvent être discrètes ou bien   continues. Les variables discrètes sont employées dans des décomptes. Elles ne peuvent prendre qu’un   certain nombre de valeurs bien précises. Il existe, dans ce cas, une variable nominale sous   jacente. On peut ainsi, par exemple, s’intéresser au nombre de vélos défectueux dans une station   Vélib’. La variable qualitative sous jacente est alors la présence de défauts qui a deux   modalités “oui” ou “non”. Si nous définissons X comme le nombre de vélos défectueux dans   une station de 20 vélib’, X est une variable discrète qui peut prendre 21 valeur, 0 inclus,   et l’on peut rechercher par exemple la probabilité qu’il y ait plus de deux vélos défectueux dans une   station Vélib’ considérée ; c’est à dire la probabilité que X soit supérieur à 2 qui se   note P(X>2) et est égale à 1 – P(X<=2). Le verbe associés à ce type de variable est : Compter.  Le dernier type que nous décrirons concerne les variables aléatoires continues qui sont,   quant à elles, associées à des mesures. Leur valeur ne peuvent, en effet,   s’obtenir qu’après avoir mesuré la grandeur associée. Intéressons-nous, par exemple,   au temps de vie d’une ampoule Led de 7 watts d’une certaine marque mesurée en heures dans   un laboratoire de contrôle qualité. Admettons que les données sur les ampoules de cette marque   révèlent qu’une autonomie moyenne de 25 mille heures atteignant 31 1500 heures au maximum.  Définissons X : “temps de vie dans pool de la marque testé en heure 30 x est une variable   qui prend ses valeurs dans l’intervalle 0,31 1500 ce qui s’écrit x éléments de l’intervalle   0 point virgule 31500 le tout en chasser entre crochets et exprimé en heure grant x s’exprime   par une valeur réelle par exemple 21250 6,6 1735 heures la précision de la valeur exprimant   la grandeur grand x dépend de la précision et de la fiabilité avec laquelle on a mesuré le   temps de vie des ampoules dépendant de nombreux facteurs dont l’appareillage la personne qui a   effectué la mesure mais également les conditions thermodynamiques où le contexte de la mesure si   la précision n’a pas d’intérêt pour l’étude la valeur de l’antique sera approchée sont   arrondis un certain nombre de chiffres après la virgule suffira ce qui n’empêche que grant x peut   prendre une valeur très précises dans l’intervalle dans lequel elle est définie lorsque nous avons   affaire comme dans cet exemple à des variables qui peuvent potentiellement prendre une infinité   de valeur dans un intervalle donné de m il s’agit de variables à thouars continue nous   pouvons effectuer tous types de calculs sur leurs modalités tel celui d’une somme d’une moyenne ou   bien encore d’un écart type paramètres impossible à déterminer pour une variable qualitative comme   nous sommes conduits à faire des mesures pour évaluer la valeur prise par la grandeur étudier   le verbe associés aux variables quantitatif continue et mesurer ces valeurs sont exprimés   avec une unité dans cet exemple portant sur le temps de vie d’une ampoule led l’unité   considéré et leur apportant une petite précision en marge de cette subdivision variable aléatoire   discrète et continue il est à noter que pour les variables quantitative on peut également faire la   distinction entre les variables d’intervalle quito 6 calais pour lesquels le zéro ne correspond pas à   une absence de la grandeur mesurée c’est le cas par exemple d’une température et en variable de   rapport dit aussi variable métriques pour lesquels le zéro et naturel c’est-à-dire correspondant à   l’absence du phénomène étudié comme c’est le cas pour un temps ou bien encore un volume de ventes   résumons variable nominal nous ne pouvons que qualifier les modalités prise par la variable   variable ordinale il existe une relation d’ordre entre les différentes modalités prise par la   variable variable discrète nous sommes en présence d’une liste fini des valeurs prise par la variable   qui correspond typiquement un décompte et enfin variable continu nous effectuons des mesures et   nous pouvons considérer que la variable prend ses valeurs dans un intervalle continue de   terre et qu’il y a de ce fait une infinité de valeur possible dans cet intervalle qui   est appelé l’ensemble de définition rappelons nous identifier le type des variables est le   préalable au choix des traitements statistiques approprié et que cela permet de savoir comment   interpréter leurs résultats nous avons vu que les échelles de liqueur exprimée sous forme numérique   ne sont pas des variables quantitatif pour autant nous avons également évoqué la différence entre   les variables dites de rapports et celles dites d’échelle alors pour être complet il existe un   5e type de variables constitué des variables dites semi quantitative elle autorise des   calculs sur leurs modalités mais ces calculs ne peuvent être des moyennes st on parlera   plutôt de moyenne pondérée c’est typiquement le cas de la densité de population ou encore de la   concentration de substances chimiques vous l’aurez compris il s’agit d’une notion importante elle est   à l’origine du choix des tests d’hypothèses à considérer dans une étude statistique et   elle détermine la nature des liaisons qui peuvent s’établir entre les informations   d’un jeu de données en analyse multivariée j’espère que cette vidéo a satisfait votre   curiosité et répondu à vos questions en guise d’exercice entraînez-vous à définir le type d   informations que vous pourriez sélectionnés dans votre environnement de travail ou bien de loisirs

Leave a comment