AccueilCoursIntroduction aux statistiques

Visualisation de la dispersion à l'aide des diagrammes en boîte (boxplots)

Chapitre 2 · Statistiques descriptives · leçon 12 sur 57
Réservée aux abonnés — voici son début
Des diagrammes en boîte pour mesurer la dispersion La visualisation des données peut être utile pour mettre en évidence les mesures de dispersion, telles que l'intervalle interquartile (IQR). Vous trouverez ci-dessous un diagramme en boîte affichant le nombre d’infractions dans tous les arrondissements de Londres en février 2021, regroupés par type de crime. Votre tâche consiste à utiliser le graphique pour déterminer quel type de délit avait l'intervalle interquartile le plus élevé pour ce mois. Répondez à la question 0XP Réponses possibles Sélectionnez une seule réponse Possession d'armes Tapez1 Infractions liées aux véhicules Tapez2 Infractions liées à la drogue Tapez3 Vol Tapez4 Indice R
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 inférentiellesabonnés
  • 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)vous êtes ici
  • 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

Étude de cas : Identification des infractions à fort écart-type

Voir le programme Créer un compte pour continuer