Articles

📊 𝑷𝒐𝒖𝒓𝒒𝒖𝒐𝒊 𝒆𝒙𝒊𝒔𝒕𝒆-𝒕-𝒊𝒍 𝒂𝒖𝒕𝒂𝒏𝒕 𝒅𝒆 𝒍𝒐𝒊𝒔 𝒅𝒆 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒕𝒆́ 𝒆𝒏 𝒔𝒕𝒂𝒕𝒊𝒔𝒕𝒊𝒒𝒖𝒆 ?

Image
Quand on débute en statistique, on pense souvent que tout tourne autour de la 𝒍𝒐𝒊 𝒏𝒐𝒓𝒎𝒂𝒍𝒆. Mais très vite, on découvre qu’il existe plusieurs lois de probabilité, chacune adaptée à un type de données précis. La vraie idée à retenir est simple : 👉 𝒍𝒆𝒔 𝒅𝒐𝒏𝒏𝒆́𝒆𝒔 𝒏𝒆 𝒔𝒆 𝒄𝒐𝒎𝒑𝒐𝒓𝒕𝒆𝒏𝒕 𝒑𝒂𝒔 𝒕𝒐𝒖𝒕𝒆𝒔 𝒅𝒆 𝒍𝒂 𝒎𝒆̂𝒎𝒆 𝒎𝒂𝒏𝒊𝒆̀𝒓𝒆. 🔹 𝑩𝒆𝒓𝒏𝒐𝒖𝒍𝒍𝒊 → résultat oui/non, succès/échec 🔹 𝑩𝒊𝒏𝒐𝒎𝒊𝒂𝒍𝒆 → nombre de succès sur plusieurs essais 🔹 𝑷𝒐𝒊𝒔𝒔𝒐𝒏 → nombre d’événements dans le temps ou l’espace 🔹 𝑮𝒆́𝒐𝒎𝒆́𝒕𝒓𝒊𝒒𝒖𝒆 → nombre d’essais avant un premier succès 🔹 𝑼𝒏𝒊𝒇𝒐𝒓𝒎𝒆 → résultats ayant la même probabilité 🔹 𝑵𝒐𝒓𝒎𝒂𝒍𝒆 → tailles, moyennes, erreurs de mesure 🔹 𝑬𝒙𝒑𝒐𝒏𝒆𝒏𝒕𝒊𝒆𝒍𝒍𝒆 / 𝑮𝒂𝒎𝒎𝒂 → temps d’attente entre événements 🔹 𝑾𝒆𝒊𝒃𝒖𝒍𝒍 → durée de vie, pannes, fiabilité 🔹 𝑩𝒆̂𝒕𝒂 → proportions, probabilités, taux de conversion 🔹 𝑷𝒂𝒓𝒆𝒕𝒐 → inégalités, richesse, règle des 80/20 🔹 𝑳𝒐𝒈-𝒏𝒐𝒓...

📊 𝑺𝒌𝒆𝒘𝒏𝒆𝒔𝒔 & 𝑲𝒖𝒓𝒕𝒐𝒔𝒊𝒔 : 𝒄𝒐𝒎𝒑𝒓𝒆𝒏𝒅𝒓𝒆 𝒍𝒂 𝒇𝒐𝒓𝒎𝒆 𝒅𝒆 𝒗𝒐𝒔 𝒅𝒐𝒏𝒏𝒆́𝒆𝒔

Image
En statistique, la moyenne ne suffit pas toujours pour comprendre une variable. Deux distributions peuvent avoir la même moyenne, mais des formes totalement différentes. C’est là que deux notions deviennent essentielles : 𝒍’𝒂𝒔𝒚𝒎𝒆́𝒕𝒓𝒊𝒆 et 𝒍’𝒂𝒑𝒍𝒂𝒕𝒊𝒔𝒔𝒆𝒎𝒆𝒏𝒕. 𝟏. 𝑺𝒌𝒆𝒘𝒏𝒆𝒔𝒔 : 𝒍’𝒂𝒔𝒚𝒎𝒆́𝒕𝒓𝒊𝒆 𝒅𝒆𝒔 𝒅𝒐𝒏𝒏𝒆́𝒆𝒔 Le skewness indique si la distribution penche vers la gauche ou vers la droite. Skewness négatif : la queue est plus longue à gauche. Skewness nul : la distribution est presque symétrique. Skewness positif : la queue est plus longue à droite. Exemple simple : les revenus ont souvent une asymétrie positive, car une minorité gagne beaucoup plus que la majorité. 𝟐. 𝑲𝒖𝒓𝒕𝒐𝒔𝒊𝒔 : 𝒍𝒆 𝒏𝒊𝒗𝒆𝒂𝒖 𝒅𝒆 𝒑𝒊𝒄 𝒆𝒕 𝒅𝒆 𝒒𝒖𝒆𝒖𝒆𝒔 Le kurtosis montre si une distribution est plus pointue, normale ou plus plate. Leptokurtique : pic élevé, queues lourdes, plus de valeurs extrêmes. Mésokurtique : forme proche de la loi normale. Platykurti...

📊 𝑻𝒆𝒔𝒕 𝒅’𝑯𝒚𝒑𝒐𝒕𝒉𝒆̀𝒔𝒆 : 𝒄𝒐𝒎𝒎𝒆𝒏𝒕 𝒑𝒓𝒆𝒏𝒅𝒓𝒆 𝒖𝒏𝒆 𝒅𝒆́𝒄𝒊𝒔𝒊𝒐𝒏 𝒂̀ 𝒑𝒂𝒓𝒕𝒊𝒓 𝒅𝒆𝒔 𝒅𝒐𝒏𝒏𝒆́𝒆𝒔 ?

Image
En statistique, on ne se contente pas d’observer les chiffres. On cherche surtout à savoir si une différence, une relation ou un effet observé est 𝒓𝒆́𝒆𝒍𝒍𝒆𝒎𝒆𝒏𝒕 𝒔𝒊𝒈𝒏𝒊𝒇𝒊𝒄𝒂𝒕𝒊𝒇 ou simplement dû au hasard. C’est exactement le rôle du 𝒕𝒆𝒔𝒕 𝒅’𝒉𝒚𝒑𝒐𝒕𝒉𝒆̀𝒔𝒆. On part généralement de deux idées : 𝑯𝟎 : 𝒍’𝒉𝒚𝒑𝒐𝒕𝒉𝒆̀𝒔𝒆 𝒏𝒖𝒍𝒍𝒆 Elle suppose qu’il n’y a 𝒑𝒂𝒔 𝒅’𝒆𝒇𝒇𝒆𝒕, pas de différence ou pas de relation. 𝑯𝟏 : 𝒍’𝒉𝒚𝒑𝒐𝒕𝒉𝒆̀𝒔𝒆 𝒂𝒍𝒕𝒆𝒓𝒏𝒂𝒕𝒊𝒗𝒆 Elle correspond à ce que l’on cherche à démontrer : une différence, un effet ou une relation. Le principe est simple : on calcule une 𝒔𝒕𝒂𝒕𝒊𝒔𝒕𝒊𝒒𝒖𝒆 𝒅𝒆 𝒕𝒆𝒔𝒕, on obtient une 𝒑-𝒗𝒂𝒍𝒆𝒖𝒓, puis on compare cette p-valeur au seuil de signification, souvent 𝜶 = 𝟓%. Si la 𝒑-𝒗𝒂𝒍𝒆𝒖𝒓 < 𝜶, on rejette 𝑯𝟎. Si la 𝒑-𝒗𝒂𝒍𝒆𝒖𝒓 ≥ 𝜶, on ne rejette pas 𝑯𝟎. Quelques tests très utilisés : 𝒁-𝒕𝒆𝒔𝒕 : comparer une moyenne lorsque l’écart-type de la population est connu. ...

𝑪𝒉𝒐𝒊𝒔𝒊𝒓 𝒍𝒆 𝒃𝒐𝒏 𝒍𝒐𝒈𝒊𝒄𝒊𝒆𝒍 𝒔𝒕𝒂𝒕𝒊𝒔𝒕𝒊𝒒𝒖𝒆 : 𝒖𝒏𝒆 𝒅𝒆́𝒄𝒊𝒔𝒊𝒐𝒏 𝒒𝒖𝒊 𝒑𝒆𝒖𝒕 𝒄𝒉𝒂𝒏𝒈𝒆𝒓 𝒗𝒐𝒕𝒓𝒆 𝒆́𝒕𝒖𝒅𝒆

Image
En statistique, en économétrie ou en data science, le choix du logiciel n’est pas un simple détail technique. Un bon outil peut vous faire gagner du temps, améliorer la qualité de vos résultats et rendre vos analyses plus fiables. Mais chaque logiciel a ses forces, ses limites et son domaine d’utilisation. 𝑼𝒏 𝒍𝒊𝒌𝒆 𝒆𝒕 𝒖𝒏 𝒑𝒂𝒓𝒕𝒂𝒈𝒆 𝒔𝒊 𝒄𝒆 𝒑𝒐𝒔𝒕 𝒑𝒆𝒖𝒕 𝒂𝒊𝒅𝒆𝒓 𝒒𝒖𝒆𝒍𝒒𝒖’𝒖𝒏. 𝟏. 𝑬𝒙𝒄𝒆𝒍 Simple, accessible et très pratique pour organiser les données, faire des tableaux, des graphiques et quelques analyses de base. Mais pour des modèles statistiques avancés, ses limites apparaissent rapidement. 𝟐. 𝑺𝑷𝑺𝑺 Très utilisé en sciences sociales, santé, éducation et gestion. Il est apprécié pour son interface intuitive et ses menus simples. Idéal pour les enquêtes, les tests statistiques et les analyses descriptives ou multivariées. 𝟑. 𝑹 𝒆𝒕 𝑹𝑺𝒕𝒖𝒅𝒊𝒐 Un outil puissant, gratuit et très flexible. R est excellent pour les statistiques avancées, les grap...