Sélection des statistiques pour la fonction Afficher les statistiques descriptives

Utilisez la moyenne pour décrire l'échantillon avec une seule valeur qui représente le centre des données. De nombreuses analyses statistiques utilisent la moyenne en tant que mesure standard pour le centre de la loi des données.

Vous pouvez utiliser l'erreur type de la moyenne pour déterminer avec quelle précision la moyenne de l'échantillon évalue la moyenne de la population. Pour plus d'informations, reportez-vous à la rubrique $$$All statistics and graphs$$$ et cliquez sur "///SE Mean///".

Utilisez l'écart type pour déterminer la dispersion des données par rapport à la moyenne. Pour plus d'informations, reportez-vous à la rubrique Qu'est-ce que l'écart type ?.

Utilisez la variance pour déterminer la dispersion des données par rapport à la moyenne. Elle est égale à l'écart type au carré. Pour plus d'informations, reportez-vous à la rubrique Qu'est-ce que la variance ?.

Le coefficient de variation (appelé CDV) est une mesure de la dispersion qui décrit la variation des données par rapport à la moyenne. Le coefficient de variation est ajusté de façon à ce que les valeurs soient sur une échelle sans unités. C'est pourquoi vous pouvez utiliser le coefficient de variation à la place de l'écart type pour comparer la variation des données ayant des unités ou des moyennes très différentes. Pour plus d'informations, reportez-vous à la rubrique All statistics and graphs et cliquez sur "///CoefVar///".

L'étendue est la différence entre la plus grande valeur des données de l'échantillon et la plus petite. L'étendue représente le plus petit intervalle contenant l'ensemble des valeurs des données.

La somme est le total de toutes les valeurs des données.

Le minimum est la plus petite valeur de données d'un échantillon. Utilisez le minimum pour détecter une éventuelle valeur aberrante ou une erreur d'entrée de données. L'une des manières les plus simples d'estimer la dispersion de vos données consiste à comparer le minimum et le maximum.

25 % des valeurs de données dans l'échantillon sont inférieures à la première valeur de quartile.

La médiane est une autre mesure du centre de la loi. Elle est généralement moins influencée par les valeurs aberrantes que la moyenne. La moitié des valeurs de données est supérieure à la valeur de la médiane, tandis que l'autre moitié des valeurs est inférieure.

25 % des valeurs dans l'échantillon sont supérieures à la troisième valeur de quartile.

Le maximum est la plus grande valeur de données d'un échantillon. Utilisez le minimum pour détecter une éventuelle valeur aberrante ou une erreur d'entrée de données. L'une des manières les plus simples d'estimer la dispersion de vos données consiste à comparer le minimum et le maximum.

L'étendue interquartile (EIQ) est la distance entre le premier quartile (Q1) et le troisième quartile (Q3). Utilisez l'étendue interquartile pour décrire la répartition des données. A mesure que la dispersion des données augmente, l'EIQ devient plus important.

Utilisez le mode pour décrire un ensemble d'observations avec une seule valeur représentant la valeur la plus courante de l'échantillon. Vous pouvez utiliser le mode avec la moyenne et la médiane pour obtenir une caractérisation globale de la distribution des données.

Nombre de valeurs présentes dans votre échantillon. Minitab affiche cette valeur dans le résultat en tant que N.

Nombre de valeurs manquantes dans votre échantillon. Le nombre de valeurs manquantes correspond au nombre de cellules contenant le symbole de valeur manquante *. Minitab affiche cette valeur dans le résultat en tant que N*.

Nombre total d'observations dans la colonne. Sert à représenter le total des valeurs présentes et manquantes. Cette statistique est appelée Dénombrement total dans les résultats de Minitab.

Le pourcentage représente la contribution d'un catégorie à l'ensemble. Le pourcentage correspond à la division de l'effectif de cette catégorie par l'effectif total, multipliée par 100. Par exemple, si vous inspectez 400 pièces et que 21 d'entre elles sont défectueuses, le pourcentage de défauts est le suivant : .

Le pourcentage cumulé est la somme de toutes les valeurs de pourcentage jusqu'à la catégorie concernée, par opposition aux pourcentages individuels de chaque catégorie.

La moyenne tronquée permet d'éliminer l'impact des valeurs très élevées ou très faibles sur la moyenne. Lorsque les données comportent des valeurs aberrantes, la moyenne tronquée peut s'avérer être une meilleure mesure de la tendance centrale que la moyenne.

La somme non corrigée des carrés se calcule en mettant au carré chaque valeur de la colonne, et en calculant la somme de ces valeurs au carré. Par exemple, si la colonne contient x₁, x₂, ... , x_n, puis la somme des carrés est égale à (x₁² + x₂² + ... + x_n²). A la différence de la somme des carrés corrigée, la somme des carrés non corrigée inclut l'erreur. Les valeurs sont élevées au carré sans soustraction préalable de la moyenne.

L'asymétrie permet de déterminer dans quelle mesure vos données ne sont pas symétriques. Pour plus d'informations, reportez-vous à la rubrique Influence de l'asymétrie et de l'aplatissement sur les lois de distribution.

L'aplatissement des données permet de décrire le pic qu'elles présentent par rapport à une courbe normale. Pour plus d'informations, reportez-vous à la rubrique Influence de l'asymétrie et de l'aplatissement sur les lois de distribution.

La moitié de la moyenne du carré des différences successives (MMCDS) est utilisée comme une estimation de la variance. Elle peut être utilisée pour tester si une séquence d'observations est aléatoire. En contrôle qualité, la MMCDS peut être utilisée pour estimer la variance lorsque l'effectif du sous-groupe est égal à 1.