Introduction à l'analyse statistique des données

Dimension: px
Commencer à balayer dès la page:

Download "Introduction à l'analyse statistique des données"

Transcription

1 INTRODUCTION À L'ANALYSE STATISTIQUE DES DONNÉES CONCEPTS DE BASE Un certain nombre de concepts, préalables indispensables à la compréhension des analyses présentées, sont définis ici. De même pour quelques termes usuels de la Statistique. A ce propos, une des difficultés rencontrées fréquemment par l utilisateur est qu une même statistique peut être dénommée différemment selon les manuels, les articles, les disciplines, etc. C est la raison pour laquelle les différents synonymes existant (incluant l anglais) sont présentés systématiquement avec, en gras, le terme utilisé le plus souvent dans ces documents. Individus et variables Des informations ou variables ont été recueillies sur un certain nombre d unités ou individus. Les individus peuvent être des enfants, des pensionnaires d une maison de retraite, des fleurs, des pays, des catégories professionnelles, des termites Les variables peuvent être, un âge, un poids, une couleur, une note, un sexe, un salaire, un temps de résolution d une tâche, un département de naissance, un nombre d enfants, un parti politique préféré, un QI individu / personne / unité / sujet variable / caractère / information / attribut Un tableau de données Pour être analysé par un logiciel d analyse statistique des données, le tableau de données devra se présenter sous cette forme (cf. Tableau 1) que l on désigne par Tableau Individus Variables En lignes, les individus. La première colonne du tableau indique les identifiants des individus. En colonnes, les variables. La première ligne indique les identifiants des variables. Tableau 1 : Structure d un tableau de données individuelles INDIV ( ) AGE NOTE ( ) SEX ( ) QI DEPT ( ) i G i G i F i G i F i F i G i8 9 7 G ( ) ( ) ( ) ( ) ( ) ( ) Les données se présentent parfois sous une autre forme (un tableau de contingence par exemple). Nous verrons lorsque le cas se présentera, comment saisir les données pour les mettre sous cette forme. 1/6

2 Les types de variables Il existe deux grands types de variables : les variables quantitatives : un âge en années ou mois, un effectif (population, nombre d enfants), un QI, un salaire, une note, un temps de réponse, un poids, une température les variables qualitatives : un sexe, un état-civil, un département, une profession, une couleur A l intérieur de chacune de ces deux grandes catégories il existe des distinctions importantes. Parmi les variables qualitatives, on peut distinguer : les variables qualitatives à deux modalités seulement ou variable binaire. Typiquement le sexe. Ces variables seront traitées à part parmi les variables qualitatives. les variables ordinales. Typiquement la réponse à la question : «Aimez-vous Brahms? pas du tout? un peu? beaucoup? passionnément?» Ces variables seront, la plupart du temps, traitées comme des variables qualitatives. Toutefois, elles pourront parfois être considérées comme des variables quantitatives et analysées comme tel. De même, parmi les variables quantitatives, on peut distinguer : les variables d intervalles : un QI, une température en C ou F les variables de rapport (pour lesquelles en particulier, le zéro n est pas arbitraire) : un nombre d'enfants, un poids, un âge en années ou mois, un temps de réponse Variable quantitative / numérique Variable qualitative / nominale / catégorisée / catégorielle / polytomique Variable binaire / dichotomique Notons qu une variable qualitative (sexe, département ) même codée numériquement (1 pour Garçon, 2 pour Fille, 76 pour Seine-Maritime ) reste une variable qualitative. On ne calculera pas la moyenne des départements! La première question que l utilisateur aura à se poser devant ses données est «quel est le type de/des variable(s) que je souhaite analyser?». La réponse à cette question conditionne les procédures qui seront mises en œuvre. Le statut des variables Dans certains cas l analyse consistera, à propos d un groupe d individus, à décrire la ou les variables observées, et à décrire les relations entre ces variables. Dans d autres cas (les plus nombreux?) on cherchera dans quelle mesure les valeurs observées pour certaines variables dépendent, au moins en partie, des valeurs d autres variables. Il est alors d usage de distinguer les variables indépendantes (VI) et les variables dépendantes (VD). Dans la pratique 1, l expression VI est souvent utilisée pour désigner toute variable prédictrice d une autre variable. L expression VD désigne la variable susceptible de varier en fonction des valeurs de la VI. variable dépendante (VD) / variable à analyser / variable à prédire / variable à expliquer variable indépendante (VI) / variable prédictrice / prédicteur / facteur (données expérimentales) 1 Strictement, une VI est une variable dont les valeurs ont été fixées avant de commencer à recueillir des données, alors qu une VD est une variable dont les valeurs ont été recueillies pendant l observation, l expérimentation ou l enquête. S il a été décidé, lors qu une enquête, d interroger 10 garçons et 10 filles, la variable Sexe a le statut de VI. Si lors d une enquête on a demandé aux personnes interrogées, parmi d autres questions, de préciser leur sexe, la variable Sexe a alors le statut de VD. 2/6

3 MÉTHODOLOGIE Des questions aux procédures Les données ont été recueillies pour répondre à des questions ou tester des hypothèses. Ces questions ou hypothèses peuvent concerner une partie des données recueillies (une ou deux variables, une partie des individus) ou la totalité des données. Quelles procédures mettre en œuvre pour répondre à une question? Cela dépend du type des variables sur lesquelles porte la question. Ainsi, lorsque l on cherche à décrire un groupe d individus selon une variable, des procédures différentes seront utilisées selon que la variable est une variable quantitative (le poids par exemple) ou une variable qualitative (la profession par exemple). Dans le premier cas on pourra calculer une moyenne, mais pas dans le second cas. De même si on cherche à étudier la force de la liaison entre deux variables, on pourra calculer la valeur du coefficient de corrélation si on s intéresse à la liaison linéaire entre des variables quantitatives, mais un V² de Cramér si on s intéresse à la liaison entre des variables qualitatives. En bref : TYPE et STATUT DES VARIABLES + PROCEDURES QUESTION L inférence Population et Échantillon L ensemble des individus auxquels on s intéresse constitue la population. Dans de nombreuses situations on ne dispose pas des données pour tous les individus de la population, mais seulement pour une partie d entre eux. Cette partie constitue un échantillon de la population ou population parente. Par exemple on s intéresse au revenu moyen des médecins de la ville de Marseille (population) et on ne dispose que des revenus de 20 médecins de cette ville (échantillon). La statistique propose des méthodes pour estimer le revenu moyen dans la population alors qu on ne dispose que des données de l échantillon. Les sondages sont une des procédures utilisées pour avoir une idée de la valeur d'une statistique dans la population à partir d un échantillon. La description d abord, l inférence ensuite Lorsque l on vise à connaitre une population à partir d un échantillon, la première étape consiste en la description des caractéristiques de l échantillon : c est la description ou étape descriptive. La seconde étape consiste à estimer ces caractéristiques dans la population : c est l inférence ou étape inférentielle. Ces deux étapes de l analyse doivent se dérouler nécessairement dans cet ordre. On ne cherche à connaître les caractéristiques de la population que si l on a déjà une vue claire des caractéristiques de l échantillon. Ce principe méthodologique, souvent mis en avant par Rouanet et ses collaborateurs, est valable quel que soit le type des données analysées et le type de question posée. Trop souvent l analyse de données se réduit à la mise en œuvre d un test (t de Student, F de l ANOVA, Khi ). On prendra donc le temps de mettre en œuvre les procédures descriptives (moyennes, graphiques, etc.) avant ces (trop?) fameux tests. Réf. Rouanet, H., Bernard, J.-M., & Le Roux, B. (1990) Conditions préalables aux procédures inférentielles Il existe des conditions spécifiques à l utilisation de chaque procédure inférentielle. Ces conditions particulières seront présentées au fur et à mesure, lorsque les procédures seront présentées dans un exemple. Il existe toutefois une condition commune à toutes les procédures inférentielles : l échantillon doit être avoir été tiré au hasard parmi la population que l on vise à connaître. L univarié avant le multivarié Parmi les principes généraux qu il faut garder à l esprit en procédant à une analyse statistique, il en est un valable pour toutes les analyses qui mettent en relation plusieurs variables : avant de chercher à étudier la relation entre les variables, il est indispensable d analyser chacune des variables isolément, indépendamment des autres. Par exemple, avant le calcul d un coefficient de corrélation entre deux variables quantitatives, l analyse consistera d abord, pour 3/6

4 chacune des deux variables, à visualiser la distribution des valeurs, à noter ses minimum et maximum observés, à calculer la moyenne La taille des effets La méthodologie traditionnelle se centrait trop exclusivement sur la question de l existence d un effet (d une différence, d une liaison ) et sur les tests de signification. De plus en plus de statisticiens s accordent à souligner la nécessité de s intéresser aussi à la taille des effets, c est-à-dire, par exemple, à l ampleur (valeur numérique) et l importance (faible/modéré/fort) des écarts entre les groupes, à la force des liaisons entre les variables, etc. En psychologie, l American Psychological Association (APA) dont le Publication Manual (2000) fait référence, y compris en France, présente un ensemble de recommandations allant dans ce sens (cf. par exemple p , 34). Cette méthodologie étant encore trop peu connue, les documents présentés ici y font une large place. Pour décrire l'échantillon, il existe un grand nombre d'indices qui visent à évaluer la taille des effets. Le tableau cidessous en présente quelques exemples. A l'étape inférentielle, la méthode privilégiée est le calcul d'intervalles de confiance (IC) sur ces différents indices. Des valeurs repères Pour interpréter les différents indices statistiques, il est souvent nécessaire de s appuyer sur des valeurs repères. Par exemple la valeur p des tests statistiques est comparée à la valeur repère.05 pour qualifier le résultat du test de significatif (si p inférieur à.05) ou non significatif (si p supérieur à.05). Il s agit d une valeur conventionnelle (c est-àdire arbitraire, définie par accord tacite entre usagers de la statistique). Pour évaluer l importance des écarts entre groupes ou des liaisons entre variables, on utilise de plus en plus des indices statistiques pour lesquels des valeurs repères conventionnelles ne sont pas encore stabilisées. Nous utiliserons les valeurs repères suivantes : Tableau 2 : Valeurs repères pour quelques indices de taille d effet Indices Limite supérieure Limite inférieure d un effet faible d un effet fort r, R, V de Cramer Eta² / R² / V² de Cramer 4% 16% d de Cohen Ainsi une liaison linéaire entre deux variables quantitatives, sera qualifiée de faible, modérée ou forte selon la valeur du coefficient de corrélation linéaire de Bravais-Pearson (r) : - «faible» si r est inférieur à.20 - «modérée» si.20 < r <.40 - «forte» si r >.40. Ces valeurs repères seront utilisées à la fois pour commenter la valeur obtenue dans l'échantillon (étape descriptive) et dans la population (étape inférentielle). Les risques de surinterprétation des tests statistiques Faute d'utiliser les procédures qui permettent de répondre à la question de la taille de l'effet (d'une liaison, d'une différence ), les résultats des tests statistiques sont souvent surinterprétés : on leur fait dire plus qu'ils ne peuvent! 1. Un test significatif risque d'être interprété comme la preuve d'un effet important. En fait, il ne permet que de rejeter l'hypothèse nulle d'une absence d'effet et donc de conclure à la simple EXISTENCE d'un effet 2. Il ne permet pas de se prononcer sur l'ampleur de cet effet. En particulier, un test significatif est compatible avec un effet faible. 2. Un test non significatif risque d'être interprété comme la preuve de l'absence d'effet. Pourtant il doit conduire à conclure qu'on ne peut pas conclure! Il existe peut-être un effet ou peut-être pas! Il ne permet pas plus de conclure à l'existence d'un effet faible : un test non significatif est compatible avec un effet important. 2 et, au mieux, sur le signe de cet effet dans le cas d'une comparaison à un degré de liberté 4/6

5 Rédiger un compte rendu des analyses La dernière édition du manuel de publication de l American Psychological Association (APA (2010), p.29-30, 34) insiste sur plusieurs points : la nécessité de décrire, le plus précisément possible, les différentes caractéristiques de l échantillon et de la population : âge, sexe, origine géographique (y compris l origine ethnique, ce qui est interdit en France). la nécessité de prendre en compte la taille des effets (l ampleur de la différence entre deux moyennes, entre deux pourcentages, la force d une corrélation, etc.) et ne pas s interroger uniquement sur l existence d une différence ou d une corrélation non nulles. Ainsi, à une conclusion du type "l effet du Sexe est significatif", on préfèrera une conclusion comme celle-ci : "On s'est intéressé à l'effet du sexe sur les performances en orientation spatiale. La tâche d'orientation spatiale utilisée est le test ORSP-4. On a étudié cet effet chez des enfants scolarisés en école primaire. On a fait l'hypothèse que, en moyenne, les garçons ont de meilleurs scores que les filles et que l'écart entre ces deux groupes est important. On a constaté, sur un échantillon de 382 enfants de 10 ans scolarisés en en CM2 dans la ville de Rouen, que, conformément à l hypothèse, la tâche d orientation spatiale, est mieux réussie par les garçons (m = 13) que par les filles (m = 12). Toutefois l'écart observé apparaît faible que l'on considère la différence des moyennes ( d = 1 pt < 2) ou la proportion de variance prédite par le sexe (Eta² = 1%). Il semble que, il existe bien une différence, de même sens, pour l ensemble des enfants de 10 ans scolarisés en CM2 dans la ville de Rouen, (test t [380] = 1.98, p <.05) Toutefois, l écart serait faible, que l'on considère la différence des moyennes (IC 95% sur d = [0.01 ; 1.99] < 2) ou la proportion de variance prédite par le sexe (IC 95% sur Eta² = [0.0% ; 3.9%] < 4%)." On a distingué ici trois parties : - la problématique générale de la recherche, - la conclusion descriptive (qui ne concerne que l'échantillon) - la conclusion inférentielle (qui porte sur la population). Dans la partie qui concerne la problématique de la recherche, on mentionne : - la nature de la tâche proposée (la ou les variable(s) observée(s) ou VD), - la nature du/des facteurs/vi étudié(s), - la référence à l hypothèse ou, à défaut d'hypothèse précise, à la question posée. Et, pour chacune des deux parties, descriptive et inférentielle, - la portée de la conclusion (la description précise de l'échantillon observé et de la population visée à travers cet échantillon), - le sens de l'effet (ordre des moyennes, signe d'une corrélation ) - la taille de l'effet avec, en général, un indice brut (par exemple la différence des moyennes) et un indice calibré (par exemple la proportion de variance prédite par la VI). On y rappelle aussi que la conclusion descriptive rapporte des faits avérés (on constate que ) alors que la conclusion inférentielle doit laisser une place au doute (il semble que ) Enfin, ces conclusions mentionneront toujours les valeurs repères utilisées : - pour les tests (p <.05 le plus souvent) - pour la taille des effets : ici d < 2 et Eta² < 4% pour qualifier la taille des effets de faible. 5/6

6 On peut résumer dans un tableau ces différentes informations devant figurer dans une conclusion : Tableau 3 : Les éléments devant apparaître dans une conclusion détaillée Problématique de la recherche Nature de/des VD (tâches proposées, scores relevés, questionnaire ) Nature du/des facteur(s)/vi dont on étudie l'effet Hypothèse(s) ou questions posée(s) Description Description de l'échantillon Portée (effectif, lieu, âge, sexe ) Existence et sens de l'effet Taille de l'effet ordre des moyennes, signe de la corrélation, signe du coefficient de régression ( ) différence des moyennes, différence des pourcentages, oddsratio, corrélation, R², Eta² Inférence La nature de la population visée à travers l'échantillon test statistique (t, F, Khi² ) intervalle de confiance (IC) sur les différents indices, bruts et calibrés ampleur / taille / grandeur (d une différence, d une liaison...) fort / notable / important / grand faible / négligeable / petit LES OUTILS INFORMATIQUES C est la méthodologie qui doit guider l analyse, pas le logiciel Deux remarques à propos des logiciels : - La présence d une procédure dans un logiciel n est pas une preuve de sa pertinence. La logique commerciale des logiciels les conduit à proposer le plus grand nombre de procédures possibles, y compris celles dont on sait depuis longtemps qu elles ne devraient pas être utilisées. - Le logiciel statistique idéal -qui permet de faire tous les traitements statistiques possibles- n existe pas. Il faudra faire souvent appel à plusieurs logiciels (celui-ci pour une classification automatique, celui-ci pour les graphiques, celui-ci pour l analyse des questions ouvertes, celui-ci pour une analyse de la variance et celui-ci pour connaître la taille des effets). Préparer et vérifier la base de données avec soin On est toujours pressé de voir le résultat des analyses après une très longue période de préparation de l expérience, de recherche du terrain, de recueil des données. Pourtant, avant de commencer la moindre analyse, au moment de saisir les données, il faut être -ou devenir- obsessionnel. Il faut prendre le temps de vérifier les données. Combien d heures perdues à commencer trop rapidement les analyses statistiques pour s apercevoir au bout de quelques heures, jours ou semaines, d un résultat bizarre, symptôme d une erreur de saisie qui nécessite de corriger l erreur et recommencer les analyses! Et encore s agit-il de la situation la plus favorable où on s est aperçu, à temps, qu on travaillait sur des données fausses! Saisir les données et métadonnées avec un tableur On sera souvent amené à utiliser plusieurs logiciels. Or (presque) tous les logiciels sont capables d'importer rapidement les données depuis un tableur (type Excel). Il est donc conseillé de 1/ saisir ces données sous un tableur, indépendamment d'un logiciel statistique particulier, puis 2/ d'importer ces données sous les différents logiciels statistiques, selon les besoins. 6/6

Tableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1

Tableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1 UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés

Plus en détail

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques.

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques. L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques 1 BUTS DU COURS : se familiariser avec le vocabulaire statistique o variable dépendante, variable indépendante o statistique descriptive,

Plus en détail

SCI03 - Analyse de données expérimentales

SCI03 - Analyse de données expérimentales SCI03 - Analyse de données expérimentales Introduction à la statistique Thierry Denœux 1 1 Université de Technologie de Compiègne tél : 44 96 tdenoeux@hds.utc.fr Automne 2014 Qu est ce que la statistique?

Plus en détail

Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données. Premiers pas avec SES-Pegase 1

Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données. Premiers pas avec SES-Pegase 1 Premiers pas avec SES-Pegase 1 Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données www.delta-expert.com Mise à jour : Premiers pas avec SES-Pegase

Plus en détail

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2 Test du Khi 2 Le test du Khi 2 (khi deux ou khi carré) fournit une méthode pour déterminer la nature d'une répartition, qui peut être continue ou discrète. Domaine d application du test : Données qualitatives

Plus en détail

UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans sa documentation) est autorisée.

UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans sa documentation) est autorisée. Université René Descartes- Paris V Licence de Psychologie Année L1, Semestre S1-2005 /2006 Page 1/5 UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans

Plus en détail

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Département Universitaire de Recherche et d Enseignement en Médecine Générale GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Enseignants : Esther GUERY, Julien LE BRETON, Emilie FERRAT, Jacques

Plus en détail

Les variables indépendantes catégorielles

Les variables indépendantes catégorielles Les variables indépendantes catégorielles Jean-François Bickel Statistique II SP08 Jusqu à maintenant, nous avons considéré comme variables indépendantes uniquement des variables intervalles (âge) ou traitées

Plus en détail

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 I1 Connaissances préalables : Buts spécifiques : Outils nécessaires: Consignes générales : Test t de comparaison de moyennes pour

Plus en détail

Module 2 29 Décembre 2009 Intervenant: Dhuin STATISTIQUES

Module 2 29 Décembre 2009 Intervenant: Dhuin STATISTIQUES STATISTIQUES I. Séries statistiques simples... 1 A. Définitions... 1 1. Population... 1 2. Caractère statistique... 1 B. Séries classées / représentations graphiques.... 2 1. Séries classées... 2 2. Représentations

Plus en détail

Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire?

Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire? Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire? Cyril Ferdynus, USM, CHU RECUEIL DE DONNEES Recueil hors ligne Epidata (http://www.epiconcept.fr/html/epidata.html)

Plus en détail

Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)

Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse

Plus en détail

T de Student Khi-deux Corrélation

T de Student Khi-deux Corrélation Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes

Plus en détail

Chacune des valeurs d une variable en est une modalité particulière.

Chacune des valeurs d une variable en est une modalité particulière. Psychologie générale Jean Paschoud STATISTIQUE Sommaire Rôle de la statistique Variables Échelles de mesure Résumer, décrire Comparer Rôle de la statistique La statistique est avant tout un outil permettant

Plus en détail

SES-Colibri. (Version 2.0)

SES-Colibri. (Version 2.0) SES-Colibri.doc 19/09/2013 1/9 SES-Colibri (Version 2.0) Vous vous intéressez à la taille des effets : - lors d une recherche personnelle, - lors de la lecture d un article, Mais vous ne disposez que du

Plus en détail

Introduction à Rcommander

Introduction à Rcommander Introduction à Rcommander Pauline Scherdel Septembre 2014 Table des matières 1 Introduction à Rcmdr sous R 2 2 Interagir avec R 3 3 Installer et charger le package Rcmdr sous R 3 4 Importation des données

Plus en détail

Activité 1 : échantillonnage

Activité 1 : échantillonnage Activité échantillonnage, intervalle de fluctuation, prise de décision (à partir d un même thème) Les trois activités qui suivent s inspirent du document «ressources pour la classe de première générale

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

Relation entre deux variables : estimation de la corrélation linéaire CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence

Plus en détail

Cours de statistique descriptive

Cours de statistique descriptive Cours de statistique descriptive Séance 1 : Les caractères et la mise en forme des données Lætitia Perrier Bruslé Cours de statistique descriptive Les statistiques et la géographie La géographie est une

Plus en détail

(Statistical Package for the Social Sciences)

(Statistical Package for the Social Sciences) Initiation à l utilisation de SPSS (Statistical Package for the Social Sciences) 1 SPSS 2 3 Plan de l exposé Faire une recherche (bibliographique) sur le test; Définir le test à mesurer; Expliquer les

Plus en détail

Master 1 de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( 2014/2015) -

Master 1 de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( 2014/2015) - Dominique Ferrieux - Université Paul Valéry - Montpellier III Master de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( /) - Deuxième partie : Plans :

Plus en détail

11. Tests d hypothèses (partie 1/2)

11. Tests d hypothèses (partie 1/2) 11. Tests d hypothèses (partie 1/2) MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v1) MTH2302D: tests d hypothèses 1/30 Plan 1. Introduction 2. Hypothèses et erreurs 3. Tests d hypothèses

Plus en détail

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,

Plus en détail

Résultats d Etude. L étude de marché. Résultats d Etude. Testez la fiabilité de votre projet. Juin 2013. N 1674 : Transactions Paypal

Résultats d Etude. L étude de marché. Résultats d Etude. Testez la fiabilité de votre projet. Juin 2013. N 1674 : Transactions Paypal Résultats d Etude N 1674 : Transactions Paypal L étude de marché Testez la fiabilité de votre projet 1 Sommaire : Introduction... 3 Synthèse... 5 PAGE 3 :... 6 Question 3/7... 6 Quel(s) type(s) de vente(s)

Plus en détail

L analyse en composantes principales en pratique

L analyse en composantes principales en pratique L analyse en composantes principales en pratique Après avoir vu sa formalisation mathématique dans le module précédent, on s intéresse ici à l utilisation pratique de l ACP. 1 Objectifs L objectif de l

Plus en détail

Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages

Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages S. Winandy, R. Palm OCA GxABT/ULg oca.gembloux@ulg.ac.be décembre 2011 1 Introduction La Direction Générale Statistique

Plus en détail

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION

Plus en détail

La méthode des quotas

La méthode des quotas La méthode des quotas Oliviero Marchese, décembre 2006 1 La méthode des quotas Principe de la méthode Point de départ et but recherché Caractère «intuitif» de la méthode A quoi ressemble une feuille de

Plus en détail

COURS DE STATISTIQUES (24h)

COURS DE STATISTIQUES (24h) COURS DE STATISTIQUES (24h) Introduction Statistiques descriptives (4 h) Rappels de Probabilités (4 h) Echantillonnage(4 h) Estimation ponctuelle (6 h) Introduction aux tests (6 h) Qu est-ce que la statistique?

Plus en détail

Examen de Logiciels Statistiques

Examen de Logiciels Statistiques G. Hunault Angers, mai 2011 Licence MEF Examen de Logiciels Statistiques On s intéresse ici au dossier EAEF01 qui contient un extrait des données du recensement américain. On trouvera ces données et leur

Plus en détail

Introduction à l analyse quantitative

Introduction à l analyse quantitative Introduction à l analyse quantitative Vue d ensemble du webinaire Le webinaire sera enregistré. Les diapositives et tous les autres documents seront envoyés aux participants après la séance. La séance

Plus en détail

Principes et outils de gestion des données

Principes et outils de gestion des données 1-B.1 ANNEXE 1-B Principes et outils de gestion des données 1. Types de données de gestion de données 5. Aspects géographiques/spatiaux 2 1. Types de données Données primaires ex. : Enquête dans le cadre

Plus en détail

23. Interprétation clinique des mesures de l effet traitement

23. Interprétation clinique des mesures de l effet traitement 23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d

Plus en détail

TABLEAU 5 Nombre moyen (et écarts types) de mots produits selon le niveau scolaire et les trois conditions de révision

TABLEAU 5 Nombre moyen (et écarts types) de mots produits selon le niveau scolaire et les trois conditions de révision Dans ce tableau, si le chercheur ne s intéresse pas aux notes item par item mais simplement à la note globale, alors il conservera seulement les première et dernière colonnes et calculera des statistiques

Plus en détail

IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD

IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD Université de Perpignan - IUT de Carcassonne Vivien ROSSI Année 2006/2007 IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD Ce document est tiré du site : http ://www.stat.ucl.ac.be/ispersonnel/lecoutre/stats/spad/

Plus en détail

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail

Traitement des données avec Microsoft EXCEL 2010

Traitement des données avec Microsoft EXCEL 2010 Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation

Plus en détail

Cours international d initiation à la recherche : de la méthode à la publication

Cours international d initiation à la recherche : de la méthode à la publication Cours international d initiation à la recherche : de la méthode à la publication Tunis, les 19, 20 et 21 janvier 2016 PRÉSENTATION GÉNÉRALE Il s agit d une formation organisée sous l égide de l Association

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

Plus en détail

Christophe Fournier. Clinique de Thuys. Aunége - Christophe Fournier

Christophe Fournier. Clinique de Thuys. Aunége - Christophe Fournier Christophe Fournier Clinique de Thuys Aunége - Christophe Fournier 2 Table des matières Information sur l'échantillon 3 Structure de l'échantillon...4 Point méthodologique 6 Point méthodologique...7 Représentativité

Plus en détail

Comprendre, construire et interpréter les statistiques

Comprendre, construire et interpréter les statistiques Comprendre, construire et interpréter les statistiques Petit précis d usage des statistiques à l attention des non statisticiens NOTE METHODOLOGIQUE Note méthodologique réalisée par Léo Mignot, sociologue,

Plus en détail

Odesi - Guide de l usager UdeM

Odesi - Guide de l usager UdeM Odesi - Guide de l usager UdeM Table des matières 1. Présentation... 2 1.1 Le système Odesi... 2 1.2 Les collections disponibles... 2 1.3 Langue... 3 2 La recherche de données... 3 2.1 Boite de recherche...

Plus en détail

ANALYSE DES DONNÉES TEXTUELLES

ANALYSE DES DONNÉES TEXTUELLES Université Paris Dauphine Ecole Doctorale de Gestion M. Gettler Summa, C. Pardoux ANALYSE DES DONNÉES TEXTUELLES Traitement automatique des questions ouvertes Question ouverte Souhaitez-vous ajouter des

Plus en détail

Statistiques Descriptives à une dimension

Statistiques Descriptives à une dimension I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des

Plus en détail

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE Forum HH 05.02.2013 Ghislaine Gagnon Unité HPCI Qualitatif ou quantitatif? Les 2 méthodes peuvent être utilisées séparément ou en conjonction - le qualitatif

Plus en détail

Support di cours disponible à l adresse suivante http://sspsd.u-strasbg.fr/mdem22e-statistiques-cours-td.html

Support di cours disponible à l adresse suivante http://sspsd.u-strasbg.fr/mdem22e-statistiques-cours-td.html MDEM22E - Cours et TD de statistiques descriptives à partir de données d enquête Support di cours disponible à l adresse suivante http://sspsd.u-strasbg.fr/mdem22e-statistiques-cours-td.html Objectif du

Plus en détail

Evaluation d un test diagnostique - Concordance

Evaluation d un test diagnostique - Concordance Evaluation d un test diagnostique - Concordance Michaël Genin Université de Lille 2 EA 2694 - Santé Publique : Epidémiologie et Qualité des soins michaelgenin@univ-lille2fr Plan 1 Introduction 2 Evaluation

Plus en détail

Réalisation d une étude épidémiologique

Réalisation d une étude épidémiologique Réalisation d une étude épidémiologique Dr A.TIBICHE, Médecin Epidémiologiste, Service d Epidémiologie et de Médecine Préventive, CHU de Tizi-Ouzou. Introduction La réalisation d une étude épidémiologique

Plus en détail

Chapitre 3 : INFERENCE

Chapitre 3 : INFERENCE Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage

Plus en détail

Statistique Descriptive I (M1102)

Statistique Descriptive I (M1102) Illustration du cours de Statistique Descriptive I (M1102) Année scolaire 2013/2014 Université de Perpignan Via Domitia, IUT STatistique et Informatique Décisionnelle (STID) Table des matières 1 Généralités

Plus en détail

La régression logistique

La régression logistique La régression logistique Présentation pour le cours SOL6210, Analyse quantitative avancée Claire Durand, 2015 1 Utilisation PQuand la variable dépendante est nominale ou ordinale < Deux types selon la

Plus en détail

Why Software Projects Escalate: The Importance of Project Management Constructs

Why Software Projects Escalate: The Importance of Project Management Constructs Why Software Projects Escalate: The Importance of Project Management Constructs Why Software Projects Escalate: The Importance of Project Management Constructs 1. Introduction 2. Concepts de la gestion

Plus en détail

Recensement de la population

Recensement de la population Recensement de la population Ménages et familles 1. Définition des concepts Un ménage Un ménage regroupe l ensemble des occupants d une résidence principale, qu ils aient ou non des liens de parenté. Un

Plus en détail

Les indices anthropométriques

Les indices anthropométriques Les indices anthropométriques Construction, enjeux et analyse statistique Gilles CAPON UR 106 - «Nutrition, Alimentation, Sociétés» Institut de recherche pour le développement Plan Concepts Calcul des

Plus en détail

Exercice 2. Population de Bruxelles de 18 à 65 ans selon le sexe et le statut d occupation - 2010

Exercice 2. Population de Bruxelles de 18 à 65 ans selon le sexe et le statut d occupation - 2010 Chapitre 1. Tableau à double entrée Exercices : solutions Texte provisoire. Merci pour les remarques, commentaires, suggestions Exercice 1 1.a. Population de Bruxelles selon le sexe et la nationalité Hommes

Plus en détail

LES DIFFERENTS TYPES DE MESURE

LES DIFFERENTS TYPES DE MESURE LES DIFFERENTS TYPES DE MESURE Licence - Statistiques 2004/2005 REALITE ET DONNEES CHIFFREES Recherche = - mesure. - traduction d une réalité en chiffre - abouti à des tableaux, des calculs 1) Qu est-ce

Plus en détail

Traitement des données avec EXCEL 2007

Traitement des données avec EXCEL 2007 Traitement des données avec EXCEL 2007 Vincent Jalby Octobre 2010 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation (questionnaire),

Plus en détail

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7 Table des matières Préface Public 1 Structure de l ouvrage 1 Caractéristiques de l ouvrage 3 Contenu 3 Pédagogie 4 Remarques sur l adaptation française 4 Ressources numériques 5 Biographie 6 PREMIÈRE PARTIE

Plus en détail

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs

Plus en détail

Outils Statistiques du Data Mining

Outils Statistiques du Data Mining Outils Statistiques du Data Mining Pr Roch Giorgi roch.giorgi@univ-amu.fr SESSTIM, Faculté de Médecine, Aix-Marseille Université, Marseille, France http://sesstim-orspaca.org http://optim-sesstim.univ-amu.fr

Plus en détail

I n t r o d u c t i o n Les étapes de la recherche à l a r e c h e r c h e

I n t r o d u c t i o n Les étapes de la recherche à l a r e c h e r c h e I n t r o d u c t i o n Les étapes de la recherche à l a r e c h e r c h e Les objectifs pédagogiques Savoir délimiter les trois phases distinctes de la recherche Savoir identifier, pour chacune des trois

Plus en détail

Enquête mensuelle de conjoncture auprès des ménages

Enquête mensuelle de conjoncture auprès des ménages Note Méthodologique Dernière mise à jour : 27-1-214 Enquête mensuelle de conjoncture auprès des ménages Présentation de l enquête L Insee réalise depuis janvier 1987 l enquête mensuelle de conjoncture

Plus en détail

Conditions d application des méthodes statistiques paramétriques :

Conditions d application des méthodes statistiques paramétriques : Conditions d application des méthodes statistiques paramétriques : applications sur ordinateur GLELE KAKAÏ R., SODJINOU E., FONTON N. Cotonou, Décembre 006 Conditions d application des méthodes statistiques

Plus en détail

ECHANTILLONNAGES Fiche de repérage

ECHANTILLONNAGES Fiche de repérage M Objectifs pédagogiques généraux : Fiche de repérage Type : Activité d approche de la notion de fluctuation d échantillonnage et d intervalle de confiance à travers quelques simulations. Niveau : Lycée

Plus en détail

Mémoire de n d'étude: Etudes statistiques. Mémoire de n d'étude: Etudes statistiques. Nicolas Sutton-Charani. Université Montpellier 1 1/31

Mémoire de n d'étude: Etudes statistiques. Mémoire de n d'étude: Etudes statistiques. Nicolas Sutton-Charani. Université Montpellier 1 1/31 1/31 Mémoire de n d'étude: Etudes statistiques Nicolas Sutton-Charani Université Montpellier 1 Plan Rappels de cours La base La Statistique Types des variables Outils mathématiques Statistiques descriptives

Plus en détail

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent

Plus en détail

Collecte de données. Laurent Dorey

Collecte de données. Laurent Dorey Laurent Dorey Mercredi 16 Décembre 2014 Programme : Recensement & Echantillonnage Étapes pour sélectionner un échantillon La population observée La base de sondage Les unités d enquête La taille de l échantillon

Plus en détail

Dossier PSYCHO Analyse

Dossier PSYCHO Analyse Dossier PSYCHO Analyse Type des variables 1/ Indiquer le type de chacune des variables du dossier PSYCHO, (Nominale / Ordinale / Numérique) : - Nombre d'années d'études de psychologie (ANPSY) : Numérique

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 3. Les distributions à deux variables Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles

Plus en détail

Principe d un test statistique

Principe d un test statistique Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre

Plus en détail

TECHNIQUES D ENQUETE

TECHNIQUES D ENQUETE TECHNIQUES D ENQUETE Le Système d Information Marketing L étude de marché Les différentes sources d informations Méthodologie d enquête BENSGHIR AFAF ESTO 1 Plan d'apprentissage du cours " Méthodologie

Plus en détail

AVANT-PROPOS L analyse des données

AVANT-PROPOS L analyse des données AVANT-PROPOS L analyse des données Godelieve MASUY-STROOBANT Nos «sociétés de l information» voient se multiplier les bases de données administratives et les enquêtes ad hoc le plus souvent destinées à

Plus en détail

Analyse factorielle des correspondances de Benzécri

Analyse factorielle des correspondances de Benzécri Analyse factorielle des correspondances de Benzécri One Pager Décembre 2013 Vol. 8 Num. 011 Copyright Laréq 2013 http://www.lareq.com Analyse Factorielle des Correspondances de Benzécri Une illustration

Plus en détail

en Mauricie et au Centre-du-Québec, ESCC cycle 1.1 (2000-2001)

en Mauricie et au Centre-du-Québec, ESCC cycle 1.1 (2000-2001) Analyse des données de santé mentale -, ESCC cycle 1.1 (2000-) Avant-propos Ce document traite des principaux résultats régionaux de l ESCC 1.1 portant sur la santé mentale. Les indicateurs présentés ici

Plus en détail

MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE

MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE [Prénom Nom] Rapport sur le stage effectué du [date] au [date] Dans la Société : [NOM DE LA SOCIETE : Logo de la société] à [Ville] [Intitulé du

Plus en détail

Chapitre 4. Impacts sur les personnes admissibles de l assuranceemploi

Chapitre 4. Impacts sur les personnes admissibles de l assuranceemploi Chapitre 4 Impacts sur les personnes admissibles de l assuranceemploi 4.1 Ensemble des participants Parmi les 3 347 personnes interrogées dans le cadre de cette étude, 616 (18 %) étaient des personnes

Plus en détail

FICHE N 11 : ANALYSER LA COMPOSITION ET LA SÉLECTION DES CANDIDATURES REÇUES

FICHE N 11 : ANALYSER LA COMPOSITION ET LA SÉLECTION DES CANDIDATURES REÇUES FICHE N 11 : ANALYSER LA COMPOSITION ET LA SÉLECTION DES CANDIDATURES REÇUES De quoi s agit-il? L examen d un CV, un entretien téléphonique ou en face à face, constituent autant d étapes qui peuvent donner

Plus en détail

Titre de la leçon Canada 2026 : changements démographiques Analyse de l évolution de la population et problèmes démographiques potentiels

Titre de la leçon Canada 2026 : changements démographiques Analyse de l évolution de la population et problèmes démographiques potentiels Qui nous sommes Titre de la leçon Canada 2026 : changements démographiques Analyse de l évolution de la population et problèmes démographiques potentiels Aperçu général À l aide de données démographiques,

Plus en détail

Analyse de la variance (ANOVA)

Analyse de la variance (ANOVA) Chapitre 7 Analyse de la variance (ANOVA) Introduction L analyse de la variance (ANOVA) a pour objectif d étudier l influence d un ou plusieurs facteurs sur une variable quantitative. Nous nous intéresserons

Plus en détail

Méthodologie d échantillonnage et Échantillonneur ASDE

Méthodologie d échantillonnage et Échantillonneur ASDE Méthodologie d échantillonnage et Échantillonneur ASDE Par Michel Rochon L énoncé suivant définit de façon générale la méthodologie utilisée par Échantillonneur ASDE pour tirer des échantillons téléphoniques.

Plus en détail

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités

Plus en détail

Intérêt et limites des estimations sur petits domaines HID «Petits domaines», une opération inhabituelle :

Intérêt et limites des estimations sur petits domaines HID «Petits domaines», une opération inhabituelle : Intérêt et limites des estimations sur petits domaines HID «Petits domaines», une opération inhabituelle : a. Une opération de «production» b. Visant l ensemble des variables d une enquête c. Recherchant

Plus en détail

PSY C3 Eléments de statistique

PSY C3 Eléments de statistique PSY C3 Eléments de statistique Responsables : Amandine Penel & Fabrice Guillaume Maîtres de conférence en Psychologie Cognitive penel@up.univ-mrs.fr guillaume@isc.cnrs.fr semaine du 4 Sept semaine du oct

Plus en détail

Saisir dans EXCEL les résultats du bac comme dans le tableau suivant (cf. figure n 1).

Saisir dans EXCEL les résultats du bac comme dans le tableau suivant (cf. figure n 1). TP n 2 - Calcul du Khi2 Le but de ce TP est de réaliser, à l'aide d'excel, un modèle réutilisable d'analyse bivarié entre des variables qualitatives. Ce modèle permet d aller de la saisie dans un tableau

Plus en détail

SOL1020- Hiver 2016 INTRODUCTION À LA STATISTIQUE SOCIALE El Hadj Touré, Ph. D. Sociologie

SOL1020- Hiver 2016 INTRODUCTION À LA STATISTIQUE SOCIALE El Hadj Touré, Ph. D. Sociologie Faculté des arts et des sciences Département de sociologie SOL1020- Hiver 2016 INTRODUCTION À LA STATISTIQUE SOCIALE El Hadj Touré, Ph. D. Sociologie Horaire du cours : Théorie :, 13:00-15:00 (B-3325 Pav.

Plus en détail

2 Moodle Guide 2c : banque de questions et activité Test. Version du service

2 Moodle Guide 2c : banque de questions et activité Test. Version du service 2 Moodle Guide 2c : banque de questions et activité Test Résumé de la fonctionnalité Une question est un type d exercice qui peut être évalué. La banque de questions permet de gérer, de regrouper ou de

Plus en détail

EVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO

EVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO EVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO Auteur Baguinébié Bazongo 1 Ingénieur Statisticien Economiste Chef de l Unité de recherche à l Institut national

Plus en détail

ENQUETE SUR LES BESOINS INFORMATIQUES DES STRUCTURES DE L'ECONOMIE SOCIALE ET SOLIDAIRE

ENQUETE SUR LES BESOINS INFORMATIQUES DES STRUCTURES DE L'ECONOMIE SOCIALE ET SOLIDAIRE ENQUETE SUR LES BESOINS INFORMATIQUES DES STRUCTURES DE L'ECONOMIE SOCIALE ET SOLIDAIRE URL d origine du document : http://talcod.net/?q=node/59 Juillet 2011 - version 1.0 Licence Creative Commons BY-SA

Plus en détail

Test de Poisson à 1 échantillon et à 2 échantillons

Test de Poisson à 1 échantillon et à 2 échantillons Test de Poisson à 1 échantillon et à 2 échantillons Sous-menus de Minitab 15 : Stat>Statistiques élémentaires>test de Poisson à 1 échantillon Stat>Statistiques élémentaires>test de Poisson à 2 échantillons

Plus en détail