Kutosis : aplatissmeen de la courbe de la question. Estc e que ça suit al loi normal ?
Skewness : symétrie ? Répartition normale ?
Quand les 2 sont dans l’intervalle (-0.2 ;+0.2) ça suit à peu près la loi normal, sinon NON, ça ne la suit pas. Certain test obligent àl’appartenance à al loie normal

On lit l’asymétrie et l’applatissement pour voirsi ils sont comrpis entre -0.2 et +0.2, ainsi on peut dire que cette variable est dans la loi variable

Types de variables
Indicateur de tendances centrale
Indicateur de dispersion
Graphiques appropriés
Tests
Nominales
Mode

Secteur

ordi
Mode + Médiane
Quartiles
Diagrammes à batons

Quanti
Mode
Médiane
Moyenne
Ecart type
Variance
Quartile
Histogramme
Boites à moustcahes
Kurtosis
Skewness

Corrélation = lien 2 quanti / 2 ordi / 2 nomi
Comparaison = 1 nomi, et on comapre des moyennes, des fréquences
Testes paramétriques : compare des moyennes
Teste Non paramètriques : compare des fréquences
II. Tri croisé
2 variables non métriques KHI 2
V de cramer
Pour faire des tri croisés : Analyse  statistiques descriptives  tableaux croisés

III. Test d’hypothèse
Démarche générale
1. Formulation des hypo
2. Choix des teste approprié ( cf tableaux )
3. Choix niveau de signification = marge d’erreur
4. Collecte des donénes et calcul de stat du test
5. Détermination de la proba associé à la stat
6. Comparaison de cette proba avec le niveau de signification donné (du SIG avec le alpha = la marge d’erreur)
7. Décision de rejet ou d’ acceptation de H0
8. Conclu pour l’étude
Si « sig » (p) < 0.05  Rejet H0
Si « sig » (p) > 0.05  acceptation H0 pour n’importe quel test ( avec alpha a 5%)
Corrélation linéaire parfaire = se définit par une droite  R =1 si elle monte ou R = -1 si elle descend.
Plus il y a des points qui sont loibn, plus le R baisse. Si on ne peut pas distinguer de droite , R=0
Etape 1 : On pose les