Les données jouent un rôle essentiel en statistiques. En termes simples, il s’agit de toutes les informations que vous recueillez pour approfondir vos connaissances, tirer une conclusion et examiner une hypothèse.
Les variables se déclinent en différents types, chacun indiquant certaines informations. Le type d'une information indique ce que vous pouvez en tirer, mais aussi ce que vous ne pouvez pas en déduire. Il est donc important de comprendre les types de données.
Données qualitatives et quantitatives
Avant d'aborder les types de données, vous devez connaître la différence entre données qualitatives et données quantitatives. Les données qualitatives désignent des informations indiquant des propriétés qui ne sont pas mesurables par des nombres. Ces informations sont pour la plupart subjectives. Par exemple, la situation familiale, le style architectural, la couleur des yeux et le goût sont tous des données qualitatives.
En revanche, les données quantitatives désignent des informations documentées sous forme de chiffres. Elles servent à représenter un décompte ou une mesure objective. Par exemple, l'indice de masse corporelle (IMC) et la température sont des exemples de données quantitatives. Ce type de données est également appelé données numériques.
Types de données quantitatives
Lorsque vous souhaitez représenter vos données avec des chiffres, vous pouvez le faire par la collecte de données quantitatives. Cette forme de données se divise en deux catégories.
Données continues
Les variables continues permettent de décomposer des valeurs numériques ; elles peuvent, selon le contexte, être fractionnées en incréments plus petits, y compris des valeurs décimales et fractionnaires. Il existe un nombre incalculable de valeurs numériques possibles entre deux valeurs. En général, une échelle est utilisée pour mesurer les variables continues. Par exemple, la température et la taille peuvent être mesurées à l'aide de données continues.
Les variables continues vous aident également à évaluer des propriétés telles que l'écart-type, l'étendue, la distribution, la médiane et la moyenne.
Un histogramme représente la distribution des valeurs. C'est pourquoi c'est une méthode efficace pour représenter graphiquement des variables continues. Avec les histogrammes, vous pouvez déterminer si les valeurs sont asymétriques ou symétriques, trouver les valeurs les plus courantes et appréhender l'étendue des valeurs.
Vous pouvez utiliser un nuage de points pour représenter graphiquement deux variables continues. L'analyse de régression peut aider à calculer l'équation d'une droite. De même, vous pouvez utiliser la corrélation pour déterminer la force d'une relation.
Si vous avez des variables continues réparties en groupes, utilisez une boîte à moustaches pour représenter la dispersion et la tendance centrale de chaque groupe.
Données discrètes
Les données quantitatives discrètes correspondent au total de l’occupation d’une activité, d’un article, d’un résultat ou d’une propriété. Elles ne peuvent pas être divisées en plus petits incréments. Par exemple, vous pouvez posséder un ou deux smartphones, mais pas 1,5 smartphone. Elles représentent un nombre fini de valeurs possibles pouvant être enregistrées lors d’une observation.
Les variables discrètes peuvent vous aider à calculer et déterminer un résumé de dénombrement, tel que l’écart type, la somme et la moyenne.
Graphiques à barres constituent une méthode efficace pour représenter des variables discrètes. Vous pouvez afficher des valeurs distinctes pour chacune, tandis que la hauteur indique sa proportion par rapport à l'échantillon complet.
Données qualitatives : ordinales, binaires et catégorielles
Lorsque vous notez des informations dans le but de catégoriser vos observations, vous recueillez des données qualitatives. Il existe trois formes de variables qualitatives : ordinales, binaires et catégorielles.
Les graphiques en secteurs et les graphiques à barres sont des outils traditionnels pour représenter des variables qualitatives, car ils permettent efficacement de montrer le pourcentage relatif de tous les groupes par rapport à l'échantillon complet.
S'il existe des cas où vous avez la possibilité d'enregistrer une propriété en tant que variable qualitative ou continue, la méthode la plus efficace consiste à documenter les données continues, ce qui vous permettra de mieux comprendre.
Données ordinales
Les données ordinales correspondent à trois catégories ou plus, chacune marquée par un ordre spécifique. Par exemple, vous pouvez les utiliser pour des avis produits allant de « mauvais » à « excellent ».
Certains experts estiment que les variables ordinales résultent d’une combinaison de caractéristiques quantitatives et qualitatives. Par exemple, l’échelle de Likert est souvent utilisée pour mesurer la satisfaction sur une échelle de 1 à 5. Vous pouvez représenter des données ordinales à l’aide de graphiques à barres.
Données binaires
Comme son nom l'indique, une donnée binaire est constituée de deux valeurs. Cela signifie que si votre observation peut être analysée selon deux catégories, vous travaillez avec des variables binaires. Les experts appellent ces variables à la fois variables indicatrices et variables dichotomiques. Par exemple, le résultat d'un cours est une donnée binaire puisqu'il peut être soit réussi, soit échoué.
Les variables binaires sont idéales pour calculer un pourcentage ou une proportion. Avec le graphique circulaire, vous pouvez représenter les données binaires oui/non sous forme de données continues.
Données catégorielles
Les données catégorielles se composent de valeurs pouvant être classées dans un nombre dénombrable de groupes uniques selon une propriété donnée. Les variables catégorielles peuvent être utilisées pour définir des catégories lorsqu’elles n’ont pas d’ordre naturel.
Les analystes qualifient les variables catégorielles à la fois de variables nominales et de variables d'attribut. Par exemple, vous pouvez choisir un master dans l'un de ces domaines : informatique, génie logiciel, statistiques et science des données. Les graphiques circulaires permettent de représenter des données catégorielles.
Conclusion
Maintenant que vous comprenez les différents types de données, ce que l'on peut en tirer et comment les représenter graphiquement, appliquons ces connaissances à vos processus actuels. Pour améliorer la qualité de votre travail, vous pouvez envisager d'utiliser Image-Charts pour créer un large éventail de graphiques.
