Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Variables qualitatives et quantitatives : quelle est la différence ?



En statistiques, il existe deux types de variables :

1. Variables quantitatives : Parfois appelées variables « numériques », ce sont des variables qui représentent une quantité mesurable. Les exemples comprennent:

  • Nombre d’élèves dans une classe
  • Nombre de pieds carrés dans une maison
  • Taille de la population d’une ville
  • Âge d’un individu
  • Taille d’un individu

2. Variables qualitatives : Parfois appelées variables « catégorielles », ce sont des variables qui prennent des noms ou des étiquettes et peuvent entrer dans des catégories. Les exemples comprennent:

  • Couleur des yeux (par exemple « bleu », « vert », « marron »)
  • Sexe (par exemple « homme », « femme »)
  • Race de chien (par exemple « laboratoire », « bouledogue », « caniche »)
  • Niveau d’éducation (par exemple « lycée », « diplôme d’associé », « licence »)
  • État civil (par exemple « marié », « célibataire », « divorcé »)

Variables quantitatives et qualitatives

Chaque variable que vous rencontrerez dans les statistiques peut être classée comme quantitative ou qualitative.

Exemple : Classification des variables quantitatives et qualitatives

Considérez l’ensemble de données suivant contenant des informations sur 10 joueurs de basket-ball différents :

Il y a cinq variables au total dans cet ensemble de données. Deux d’entre elles sont des variables qualitatives et trois d’entre elles sont des variables quantitatives :

Variables qualitatives et quantitatives

Résumer les variables quantitatives et qualitatives

Nous pouvons utiliser de nombreuses mesures différentes pour résumer les variables quantitatives , notamment :

  • Mesures de tendance centrale comme la moyenne, la médiane et le mode.
  • Mesures de dispersion telles que l’intervalle, l’intervalle interquartile et l’écart type.

Cependant, nous ne pouvons utiliser que des tableaux de fréquence et des tableaux de fréquence relative pour résumer les variables qualitatives .

Pour illustrer cela, considérons à nouveau l’ensemble de données de l’exemple précédent :

Variables qualitatives et quantitatives

Pour la variable quantitative Seasons Played , nous pouvons calculer les métriques suivantes :

  • Moyenne : 11,5
  • Médiane : 12
  • Modes : 12
  • Portée : 8
  • Échelle interquartile : 4,5
  • Écart type : 2,915

Ces métriques nous donnent une bonne idée de l’endroit où se trouve la valeur centrale ainsi que de la répartition des valeurs pour cette variable.

Et pour la variable qualitative Position , nous pouvons créer un tableau de fréquence pour décrire la fréquence à laquelle différentes valeurs apparaissent :

Ce tableau nous permet de voir rapidement à quelle fréquence chaque position (G=garde, F=avant, C=centre) s’est produite dans l’ensemble de données.

Ressources additionnelles

Statistiques descriptives ou inférentielles
Statistique vs paramètre
Niveaux de mesure : nominal, ordinal, intervalle et rapport

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *