Cette section regroupe un ensemble de méthodes statistiques fondamentales permettant d’analyser des données à plusieurs variables, de comprendre les relations entre celles-ci et de comparer différents groupes. Elle constitue une base essentielle en statistique appliquée, notamment en biostatistique, économie et sciences expérimentales.
Elle commence par l’étude des données bivariées, où deux variables sont analysées simultanément. On y utilise des représentations graphiques comme le nuage de points, ainsi que des outils numériques tels que les tableaux de contingence, les distributions marginales et conditionnelles. Ces outils permettent de décrire la structure des données et de mettre en évidence les relations ou dépendances entre variables.
Ensuite, la régression linéaire simple et multiple permet de modéliser la relation entre une variable dépendante et une ou plusieurs variables explicatives. Elle sert à expliquer, quantifier et prédire le comportement d’un phénomène en fonction de facteurs explicatifs.
Enfin, l’analyse de variance (ANOVA), à un ou deux facteurs, est utilisée pour comparer des moyennes entre plusieurs groupes. L’ANOVA à un facteur permet d’étudier l’effet d’un seul facteur sur une variable quantitative, tandis que l’ANOVA à deux facteurs permet d’analyser simultanément deux facteurs ainsi que leur interaction.
Ainsi, cette section regroupe des outils complémentaires permettant à la fois de décrire, expliquer, modéliser et comparer des données statistiques, offrant une vision complète de l’analyse des relations entre variables.
- Enseignant: SAMI SEGNI