AccueilCoursIntroduction aux statistiques

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

Chapitre 2 · Statistiques descriptives · leçon 12 sur 57
Reserved for subscribers — here is the beginning
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
The rest of this lesson is reserved for subscribers Create your free account to try the sample exercises, then upgrade to full access whenever you like.

Create your free account

No credit card required, in thirty seconds.
Continue with Google
or
Sign up with an e-mail
Already registered? Log in
By continuing, you agree to the terms of use and the privacy policy. Your data is hosted in the European Union.

Full access DATAGOZ

19 €/ month — or 190 € / year
  • All published courses and career paths
  • Exercises and quizzes with automatic grading
  • Practice, exam and certificate of completion
  • No commitment, cancel online
See the plans
This lesson is part of the course

Introduction aux statistiques

long_training6 chapitres · 57 leçons
  • The training platformsubscribers
  • 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
  • Conclusionsubscribers
Next lesson

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

View the programme Create an account to continue