Analyse de Données et Statistiques Appliquées

1. La moyenne est la somme des valeurs divisée par l'effectif. Elle est sensible aux valeurs extrêmes.
2. La médiane est la valeur qui partage la série en deux parties égales. Elle est plus robuste face aux valeurs aberrantes.

💡 À retenir : Utilisez la médiane si vos données contiennent des valeurs très grandes ou très petites qui faussent la moyenne.

1. Hseb l'mou3adal (moyenne).
2. Hseb l'farq bin koul valeur o l'mou3adal, o rfe3 had l'farq l'ous 2 (carré).
3. Hseb l'mou3adal dyal had l'mouraba3at (hadchi houwa l'variance).
4. Dir l'jdr l'mouraba3 (racine) l'dakchi li lqiti.

💡 À retenir : L'écart-type mesure la dispersion réelle des données autour de la moyenne.

Non, le coefficient de corrélation de Pearson ($r$) est toujours compris entre -1 et 1.

1. Si $r = 1$ : Corrélation positive parfaite.
2. Si $r = -1$ : Corrélation négative parfaite.
3. Si $r = 0$ : Aucune corrélation linéaire.

💡 À retenir : Si vous trouvez un résultat hors de [-1, 1], vérifiez vos calculs de covariance ou d'écarts-types.

Elle sert à prévoir des résultats futurs basés sur des données passées. Par exemple, prédire le chiffre d'affaires en fonction des dépenses publicitaires.

💡 À retenir : La régression permet de modéliser une relation mathématique entre deux variables.

Un écart-type élevé signifie que les données sont très dispersées autour de la moyenne. Les valeurs sont éloignées les unes des autres.

💡 À retenir : Plus l'écart-type est faible, plus la série est homogène.

1. Si la distribution est symétrique, la moyenne est excellente.
2. Si la distribution est asymétrique ou contient des valeurs extrêmes, la médiane est préférable.

💡 À retenir : Ne vous fiez jamais uniquement à la moyenne sans regarder la dispersion.

La covariance mesure la tendance de deux variables à varier ensemble.

1. Positive : elles augmentent ensemble.
2. Négative : quand l'une augmente, l'autre diminue.

💡 À retenir : La covariance est l'étape intermédiaire pour calculer le coefficient de corrélation.

Oui, absolument. La somme des fréquences ($f_i = n_i / N$) est toujours égale à 1 (ou 100%).

💡 À retenir : Si votre somme est différente de 1, vous avez une erreur de calcul dans vos effectifs.

Pour éliminer les signes négatifs des écarts à la moyenne. Si on ne mettait pas au carré, la somme des écarts serait toujours égale à zéro.

💡 À retenir : Le carré permet de rendre tous les écarts positifs pour mesurer la distance réelle.

Non, c'est une droite d'ajustement. Elle passe par le point moyen $(\bar{x}, \bar{y})$ et minimise la somme des carrés des distances des points à la droite.

💡 À retenir : C'est une approximation, pas une courbe qui relie tous les points.

Non, une série peut être bimodale (deux modes) ou multimodale si plusieurs valeurs ont la même fréquence maximale.

💡 À retenir : Le mode est la valeur la plus fréquente, il peut y en avoir plusieurs.

1. Calculez la moyenne pondérée $\bar{x} = \sum (n_i x_i) / \sum n_i$.
2. Calculez la variance : $V = \sum [n_i (x_i - \bar{x})^2] / \sum n_i$.

💡 À retenir : N'oubliez jamais d'inclure les effectifs ($n_i$) dans chaque étape du calcul.