Les types principaux : modèle linéaire, modèle linéaire généralisé, modèle multi-niveau (en), modèle d'équation structurelle, modèle mixte.
Les différents aspects de la statistique sont regroupés en différents domaines ou concepts : la statistique descriptive, plus couramment appelée aujourd'hui statistique exploratoire, l'inférence statistique, la statistique mathématique, l'analyse des données, l'apprentissage statistique, etc.
Les plus populaires sont l'AIC (Akaike's Information Criterion) et le BIC (ou SBC, Bayesian Information Criterion). Lorsque différents modèles paramétriques sont comparés, le modèle associé à l'AIC ou au BIC le plus faible a la meilleure qualité parmi les modèles comparés.
Test unilatéral : test statistique pour lequel on prend comme hypothèse alternative l'existence d'une différence dont le sens est connu. Test bilatérale : test statistique pour lequel on prend, comme hypothèse alternative, l'existence d'une différence, dans un sens ou l'autre.
La valeur de p du test exact de Fisher est exacte pour tous les effectifs de l'échantillon, tandis que les résultats issus du test du Khi deux qui examine les mêmes hypothèses peuvent être inexacts si les dénombrements de cellules aboutissent à des valeurs petites.
Mieux vaut choisir un modèle à qui vous pouvez vous identifier et qui doit sa réussite à son travail et à sa détermination. Souvent, les personnes qui ont réussi de manière spectaculaire sont celles qui ont pris de gros risques et qui ont eu de la chance et pas ceux qui ont le plus de talent.
Il s'agit du test de Kruskal-Wallis, mesure de l'association entre deux variables qualitatives. Le croisement de deux questions qualitatives produit un tableau que l'on désigne généralement par « tableau de contingence ».
Pour ce faire, il faut prendre 50 vis de chaque ligne de production et de chaque équipe et en mesurer le poids. L'ANOVA à deux facteurs permet de déterminer si le poids moyen des vis des trois lignes de production et des deux équipes est significativement différent l'un de l'autre.
On peut classer la plupart des méthodes d'échantillonnage en deux grandes catégories : l'échantillonnage aléatoire et l'échantillonnage représentatif. Un échantillon aléatoire est, comme son nom l'indique, un échantillon d'individus sélectionnés au hasard, conçu pour représenter l'ensemble de la population.
Et vous devrez déterminer le type de données dont il s'agit: nominales, ordinales, discrètes ou continues.
Modalité : Les modalités d'une variable qualitative sont les différentes valeurs que peut prendre celle-ci. Par exemple les modalités de la variable "situation familiale" sont : célibataire, marié, veuf, divorcé. Les modalités de la variable "sexe" sont : féminin, masculin (pouvant être codées par exemple 0 et 1).
Dans cet objectif, plusieurs outils numériques (ex : moyenne, mode, variance…) et graphiques (ex : histogramme, boîte à moustaches) existent qui permettent de résumer un ensemble de données et d'étudier ses caractéristiques comme la tendance centrale et la dispersion.
Le test t est utilisé lorsque vous devez trouver la moyenne de la population entre deux groupes, tandis que lorsqu'il y a trois groupes ou plus, vous optez pour le test ANOVA. Le test t et l'ANOVA sont tous deux des méthodes statistiques permettant de tester une hypothèse.
Les variables quantitatives correspondent à des informations que l'on peut mesurer, compter. Cela peut être par exemple : la taille, le poids, l'âge, le nombre d'enfants, etc. Les variables qualitatives correspondent à des informations que l'on ne peut pas mesurer, comme le sexe ou la couleur des cheveux.
L'analyse de la variance (ANOVA) est très utilisée en statistique et dans le domaine des études marketing. Cette méthode analytique puissante sert à mettre en avant des différences ou des dépendances entre plusieurs groupes statistiques.
L'intérêt du rôle modèle, c'est qu'il porte un message fort et démontre qu'il est possible de réussir. « Les jeunes ont besoin de quelqu'un qui leur donne envie. La culture et les valeurs d'une entreprise doivent exister par des exemples.
Un modèle que vous connaissez peut vous aider à mûrir et à grandir en tant que personne. Cette personne peut donner des conseils et donner des exemples concrets sur la façon dont vous pouvez atteindre vos objectifs.
Lorsque Y et les Xi sont quantitatives, le modèle le plus simple, le plus connu et le plus étudié est nommé régression linéaire, en anglais linear regression. Si Y est qualitative, le modèle est nommé régression logistique, logistic regression en anglais.
Vous utilisez un test du khi-deux pour tester des hypothèses afin de déterminer si les données sont conformes aux attentes. L'idée de base qui sous-tend le test est de comparer les valeurs observées dans vos données aux valeurs attendues si l'hypothèse nulle est vraie.
Le test du Khi2 peut être employé si tous les effectifs théoriques sont >5. Si au moins un effectif théorique est <5 alors, le test du Khi2 avec correction de Yates, ou bien le test exact de Fisher doivent être employés.
Le test de Bartlett peut être utilisé pour comparer deux variances ou plus. Ce test est sensible à la normalité des données. Autrement dit, si l'hypothèse de normalité des données semble fragile, on utilisera plutôt le test de Levene ou de Fisher.