L'information

Types de données


Fondamentalement, les données sont divisées en continu et discret. Le premier est défini comme toute valeur entre deux limites tout, comme un diamètre. C'est donc une valeur à "casser". Ce sont des données continues, des problèmes qui concernent l'âge, le revenu, les dépenses, les ventes, la facturation, entre autres.

Quand on parle de valeurs discrètes, on approche une valeur exacte, comme la quantité de pièces défectueuses. Ce type de variable est couramment utilisé pour traiter le nombre d'enfants, la satisfaction et les échelles nominales globales.

La typologie des données détermine la variable, elle sera donc continue ou discrète. Cela signifie qu'en définissant une variable avec continue ou discrète, à l'avenir, il a déjà été défini quel type de traitement lui sera donné.

Selon ce que nous avons dit précédemment, une analyse statistique distingue essentiellement deux phases:

Une première phase dans laquelle nous cherchons à décrire et étudier l'échantillon (Statistiques descriptives) et une deuxième phase dans laquelle nous cherchons à tirer des conclusions pour la population (Statistiques inductives).

Phase 1 (Statistiques descriptives): nous essayons de décrire l'échantillon, en mettant en évidence les principales caractéristiques et propriétés.

Phase 2 (Statistiques inductives)Certaines propriétés connues (obtenues à partir d'une analyse descriptive de l'échantillon), exprimées à travers des propositions, sont imaginées comme des propositions plus générales qui expriment l'existence de lois (dans la population).

Cependant, contrairement aux propositions inférées, nous ne pouvons pas dire qu'elles sont fausses ou vraies, car elles ont été vérifiées sur un ensemble restreint d'individus, et ne sont donc pas fausses, mais n'ont pas été vérifiées pour tous les individus de la population, donc ni on peut dire qu'ils sont vrais.

Il existe donc un certain degré d'incertitude (pourcentage d'erreur) qui se mesure en termes de probabilité.

Compte tenu de ce qui a été dit précédemment à propos des statistiques inductives, nous avons besoin ici de la notion de probabilité pour mesurer le degré d'incertitude qui existe lorsque nous tirons une conclusion pour la population à partir de l'observation de l'échantillon.

Cliquez ici pour voir l'exemple 4

Suivant: Données, tableaux et graphiques