Loading

Alison's New App is now available on iOS and Android! Download Now

Study Reminders
Support
Text Version

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Statistiques et analyse-Sommaire de la leçon

Les données qualitatives se rapportent à une variable qui ne peut pas assumer une valeur numérique, mais qui peut être classée en deux catégories non numériques ou plus, tandis que les données quantitatives font référence à une variable qui peut être mesurée numériquement.
Les statistiques descriptives se rapportent aux méthodes utilisées pour organiser, afficher, décrire les données au moyen de tableaux, de mesures sommaires et de graphiques.
Les statistiques inférentielles consistent en des méthodes qui utilisent les résultats de l'échantillon pour aider à prendre des décisions ou des prédictions sur une population.
La distribution de fréquence des données qualitatives répertorie toutes les catégories et le nombre d'éléments appartenant à chacune des catégories.
La distribution de fréquence des données quantitatives énumère toutes les classes et le nombre de valeurs qui appartiennent à chaque classe.
Si une variable aléatoire continue a une distribution avec un graphe symétrique et en forme de cloche, elle est classée comme ayant une distribution normale.
Machine Learning fait référence à la programmation d'ordinateurs pour optimiser un certain critère de performance à l'aide d'exemples de données ou d'expérience passée. Il permet de détecter automatiquement les tendances dans les données et de les utiliser pour prédire les résultats futurs de l'intérêt.
L'aspect le plus important à prendre en compte lors de la création d'un modèle est d'avoir une bonne connaissance du problème que vous avez l'intention de résoudre. Cela est essentiel car la qualité de la production dépend de la qualité des intrants.
L'analyse unidimensionnelle des données fait référence aux données qui n'ont qu'une seule variable, et son principal objectif est de décrire, de résumer et de trouver des modèles dans les données.