AccueilCoursIntroduction aux statistiques

Statistiques descriptives vs statistiques inférentielles

Chapitre 2 · Statistiques descriptives · leçon 5 sur 57
Réservée aux abonnés — voici son début
Descriptives ou Statistiques inférentielles Rappelez-vous qu'il existe deux branches principales de la statistique : la statistique descriptive et la statistique inférentielle. Comprendre quel type de statistiques est nécessaire pour une situation donnée est une compétence essentielle pour tirer des conclusions précises. Vous avez maintenant l'occasion de vérifier vos connaissances sur la façon dont ces deux branches des statistiques sont utilisées dans la pratique. Vous classerez chaque scénario dans la catégorie des statistiques descriptives ou inférentielles. Instructions 0XP Choisissez le type de statistiques à utiliser pour chaque scénario. Indice Les statistiques descriptives vous perm
La suite de cette leçon est réservée aux abonnés Créez votre compte gratuit pour tester les exercices d’exemple, puis passez à l'accès complet quand vous le souhaitez.

Créez votre compte gratuit

Sans carte bancaire, en trente secondes.
Continuer avec Google
ou
S'inscrire avec un e-mail
Déjà inscrit ? Se connecter
En continuant, vous acceptez les conditions d'utilisation et la politique de confidentialité. Vos données sont hébergées dans l'Union européenne.

Accès complet DATAGOZ

19 €/ mois — ou 190 € / an
  • Tous les cours publiés et les parcours métier
  • Exercices et quiz corrigés automatiquement
  • Entraînement, examen et attestation de suivi
  • Sans engagement, résiliable en ligne
Voir les formules
Cette leçon fait partie du cours

Introduction aux statistiques

long_training6 chapitres · 57 leçons
  • La plateforme de formationabonnés
  • Définition et rôle des statistiquesabonnés
  • Applications concrètes des statistiques dans le monde réelabonnés
  • Typologie et identification des donnéesabonnés
  • Statistiques descriptives vs statistiques inférentiellesvous êtes ici
  • Mesures de tendance centraleabonnés
  • Étude de cas : Analyse du nombre de délits par arrondissement à Londresabonnés
  • Critères de sélection d'une mesure centraleabonnés
  • Analyse des arrondissements londoniens à forte criminalitéabonnés
  • Mesures de dispersion et de variabilitéabonnés
  • Définition des indicateurs de dispersionabonnés
  • Visualisation de la dispersion à l'aide des diagrammes en boîte (boxplots)abonnés
  • Étude de cas : Identification des infractions à fort écart-typeabonnés
  • Principes fondamentaux du calcul des probabilitésabonnés
  • Comparaison et hiérarchisation des probabilitésabonnés
  • Cas pratique : Probabilité d'une vente supérieure à la moyenneabonnés
  • Notion de probabilité conditionnelleabonnés
  • Événements dépendants vs événements indépendantsabonnés
  • Cas pratique : Analyse probabiliste d'un panier d'achat supérieur à 10 articlesabonnés
  • Introduction aux distributions discrètesabonnés
  • Identification et classification des distributionsabonnés
  • Moyenne empirique (échantillon) vs moyenne théorique (population)abonnés
  • Introduction aux distributions continuesabonnés
  • Comparaison : Distributions discrètes vs distributions continuesabonnés
  • Détection et propriétés de la distribution normaleabonnés
  • Calcul de probabilités sous une distribution uniformeabonnés
  • La distribution binomialeabonnés
  • Identification d'une loi binomialeabonnés
  • Influence des probabilités sur la forme binomialeabonnés
  • Détermination des paramètres nn et ppabonnés
  • La distribution normale (loi gaussienne)abonnés
  • Caractéristiques d'une distribution normaleabonnés
  • Propriétés et spécificités de la loi normaleabonnés
  • Détection de l'asymétrie d'une distribution (skewness)abonnés
  • Caractérisation de l'aplatissement d'une distribution (kurtosis)abonnés
  • Le Théorème Central Limite (TCL)abonnés
  • Visualisation et comportement des distributions d'échantillonnageabonnés
  • Théorème Central Limite vs Loi des grands nombresabonnés
  • Conditions d'application du Théorème Central Limiteabonnés
  • La distribution de Poissonabonnés
  • Modélisation et reconnaissance des processus de Poissonabonnés
  • Interprétation du paramètre lambda (λλ)abonnés
  • Fondements des tests d'hypothèsesabonnés
  • Étude de cas : Relation entre ensoleillement et sommeilabonnés
  • Démarche méthodologique d'un test d'hypothèseabonnés
  • Distinction entre variables indépendantes et dépendantesabonnés
  • Démarche expérimentaleabonnés
  • Principes et identification des essais contrôlésabonnés
  • Justification et importance de la randomisationabonnés
  • Notion de corrélationabonnés
  • Mesure de la corrélation entre plusieurs variablesabonnés
  • Interprétation et limites de la corrélation (causalité)abonnés
  • Identification des facteurs de confusion (variables confondantes)abonnés
  • Analyse et interprétation des résultats d'un testabonnés
  • Seuils de significativité (αα) et p-valeursabonnés
  • Risques statistiques : Erreurs de Type I (αα) et de Type II (ββ)abonnés
  • Conclusionabonnés
Leçon suivante

Mesures de tendance centrale

Voir le programme Créer un compte pour continuer