Variable catégorielle

autonome de votre Thème 2. Afin de réaliser vos exercices, vous aurez besoin de l’énoncé ainsi que du document Excel, également disponibles dans le dossier « Thème 2 ». 2 S4 2011/ Licence 2 Objectifs du Thème 2: apprendre à distinguer les variables quantitatives et qualitatives, discrètes et continues apprendre à calculer des fréquences apprendre à calculer différentes tendances centrales apprendre à calculer la variance et l’écart-type apprendre à construire une courbe de Lorenz et calculer

 Caractère ou variable. Lorsque l’observation est ‘ordre qualitative on parle de caractère et si il est quantitatif, on parle de variable : l’âge est une modalité qui est une valeur que peut prendre une variable ou un caractère. Mesure : Façon dont on détermine les valeurs d’une variable. 4 niveaux de variables selon le type de relation qu’elles établissent avec les individus : -Variable catégorielle : Mesure de niveau nominal qui permet le classement d’individus. Variable nominale qui peut

s’agit d’une étude fictive s’ d’ Formation SMCS : Pratique de la statistique avec SPSS 10 Données Données: Pour chaque athlète, nous avons les informations suivantes : Donné es: athlè Colonne Col1 Col2 Col3 Col4 Nom SPSS V1 V2 V3 V4 Nom de variable Date Identifiant Sexe Vitamine Label Date de la mesure Identifiant de l’athlète Sexe de l’athlète Vitamine prise par l’athlète 1=Homme 2=Femme 1=Vitamine A 2=Vitamine B 3=Vitamine C Values Col5 Col6 Col7 Col8 Col9 Col10 Col11 V5 V6 V7 V8 V9

statistique Observer Décrire Expliquer Confirmer • Décrire de façon précise, organiser et résumer les données d’une étude afin de pouvoir les interpréter et communiquer les résultats aux autres utilisateurs. • Déterminer les relations entre les variables à partir des données de l’échantillon. II - Définitions de base • Population: ensemble de tous les objets ou sujets qui Possèdent une ou plusieurs caractéristiques communes. • Échantillon: sous-ensemble d’une population. • Peut-être plus

Il est facile de représenter graphiquement la répartition des observations suivant une variable qualitative, ordinale ou quantitative codée par valeurs entières. Il existe de nombreuses méthodes, disponibles sur la plupart des tableurs comme Excel, et les erreurs sont dues fréquemment à des choix malheureux. 1.1 Généralités. Diagrammes de base. Dans le cas général des données qualitatives, la variable qualitative est constituée de « modalités » dont le codage peut être effectué par des caractères

donnees utilisees par les auteurs (base de donnees, periode, ...). Les auteurs ont construit une base de donnnes avec des statistiques simples sur un grand nombre des wikis bases sur la plate-forme « MediaWiki » pour pouvoir travailler avec les memes variables pour differents wikis avec les donnees qui sont a chaque fois disponibles. Les donnees pour cette base ont ete collectes a partir d’une autre bse donnees qui est cree par l’utilisateur appele « Mutante » et disponible sur le site http://s23.org/wikistats/largest_html

sélectionner un échantillon pour un pré-test. Age : variable quantitative sexe : qualitative nominale CSP : qualitative norminale classement de foot : qualitative ordinale revenu : quantitative toutes ces infos je les met dans un tableau, colonne : variables ligne : individus quand je travaille sur une variable qualitative je calcule la proportion, (combien d'hommes, de femmes) c'est la fréquence d'apparition. Section 2 : variables dites de tendance centrale (moyenne, mode, médiane)

réponses sérieuses. Thèmes a aborder, focus group, Les methodes combinées On cherche a minimiser le couts alors on tente de reduire le taille de l’échantillon. En mkg b to b , on travaille sur la méthode des fractions sondée variables. On introduit dans les resultats une pondération qui va nous permettre de prendre mieux en compte ceux qui connaissent que ceux qui ne connaissent pas. Le conso qui connait correspond par exemple a 5 conso interogés et celui qui ne connait pas bien

Ils préservent la structure sous-jacente des Modèles Linéaires Généralisés[9] (Generalized Linear Models ou GLMs) car la relation entre la variable réponse et les variables explicatives est modélisée. Mais la différence majeure entre ces deux modèles réside dans le fait que cette relation est paramétrique dans les GLMs alors que la réponse est liée aux variables explicatives par une procédure de lissage non paramétrique dans le cas des GAMs. Ce type de modèle s’adapte formellement à tout triangle de

r-project.org/doc/contrib/Paradis-rdebuts_fr.pdf 1 Table des mati` eres 1 Variables, donn´ ees statistiques, tableaux, effectifs 1.1 D´efinitions fondamentales . . . . . . . . . . . . . . . . 1.1.1 La science statistique . . . . . . . . . . . . . . 1.1.2 Mesure et variable . . . . . . . . . . . . . . . . 1.1.3 Typologie des variables . . . . . . . . . . . . . 1.1.4 S´erie statistique . . . . . . . . . . . . . . . . . . 1.2 Variable qualitative nominale . . . . . . . . . . . . . . 1.2.1 Effectifs, fr´equences