Glossary/fr

From MM*Stat International

Jump to: navigation, search
English
Português
Français
‎Español
Italiano
Nederlands

A

Propriété de certains estimateurs. Elle est vérifiée lorsque l’espérance de l’estimateur est égale à la vraie valeur du paramètre estimé. Propriété de certains estimateurs, vérifiée lorsqu’en augmentant le nombre d’observations, l’espérance de l’estimateur converge vers la vraie valeur du paramètre estimé. Caractéristique d’échelle d éfinie comme la différence entre l’observation de valeur la plus élevée et l’observation de valeur la plus basse (dans le cas de donn ées groupées, il s’agit de la différence entre la borne de groupe la plus élevée et la borne de groupe la plus basse). Procédé consistant à utiliser une distribution connue et pratique (typiquement, une distribution normale) en lieu et place d’un distribution complexe, dans des calculs probabilistes.

  • Arrangements Toute liste ordonnée de k éléments parmi n est appelé arrangement de k éléments parmi n. On distingue les arrangements avec remise des arrangements sans remise. Voir également combinatoire.

[B]

B

(distribution binômiale) Distribution d’une variable aléatoire discrète définie comme le nombre d’occurences d’un événement en n répétitions de l’expérience suceptible d’y conduire, sa probabilité d’occurence étant égale à p à chaque nouvelle tentative. La distribution binômiale est paramétrée par n et p.

  • Boxplot Représentation graphique de diverses caractéristiques statistiques de la d’une variable métrique. Le boxploy donne une idée de l’allure de la distribution sous-jacente et de la strcture des données.

Une borne d’un groupe de valeurs d’une variable mesurée sur une Glossary/fr#échelle métrique est une valeur qui limite le groupe supérieurement (borne supérieure) ou inférieurement (borne inférieure). L’écart entre la borne supérieure et la borne inférieur est appelé largeur (amplitude) du groupe.

C

Caractéristique à laquelle on s’intéresse dans le cadre d’une enquête statistique et dont les valeurs sont relevées sur les unités statistiques composant notre échantillon. Valeur utilisée pour représenter un groupe, obtenue comme de la borne supérieure et de la borne inférieure du groupe. (distribution du) Distribution de la somme des carrés de n variables indépendantes, identiquement distribuées selon une loi normale standard. Le paramètre n est appelé nombre de degrés de liberté. (test d’ajustement du) Test statistique. L’hypothèse nulle énonce que la vraie distribution des données observées est égale à une distribution fixée. La statistique de test est distribuée selon une loi du chi-deux. (test d’indépendance du). L’hypothèse nulle énonce que deux variables aléatoires sont indépendnates. La statistique de test est distribuée selon une loi du chi-deux. Mesure de l’intensité de la relation entre deux variables aléatoires nominales. Sa détermination fait intervenir le calcul de la contingence quadratique et ses valeurs sont comprises entre 0 et 1, la valeur 0 correspondant à l’indépendance statistique. Le coefficient de contingence ne prend jamais la valeur 1 dans la pratique (dépendance parfaite). C’est la raison pour laquelle on introduit le coefficent de contingence corrigé. Mesure l’intensité et le sens d’une relation de dépendance entre deux variables aléatoires mesurées sur une échelle métrique. Il est obteny comme rapport de la covariance covariance (variabilité partagée) sur le produit des Glossary/fr#écarts-types (variabilités) des variables. Les valeurs du coefficient sont comprises entre -1 et 1.

  • Coefficient de corrélation de Kendall Le coefficient de corrélation de rang de Kendall est basé sur la comparaison des ordres de toutes les paires possibles de valeurs observées. Les paires d’observations satisfaisant les mêmes relations d’ordre (resp. d’ordre opposé) sont dites concordantes (resp. discordantes). Il peut également y avoir des paires ex-aequo. Le coefficient de corrélation de Kendall est égal au à la différence entre le nombre de paire concordantes et le nombre de paires discordantes divisée par la somme des nombres de paires discordantes et concordantes.
  • Coefficient de corrélation de Spearman Mesure de l’intensité de la relation entre deux variables aléatoires ordinales. C’est un cas particulier du et sa valeur est toujours comprise entre -1 et 1.

Le coefficient de détermination mesure la qualité et la pertinence de la fonction de régression pour décrire nos données. Il s’agit du rapport de la variabilité expliquée par la fonction de régression sur la variabilité totale de la variable expliquée. Il peut donc interprété comme la proportion de variabilité expliquée par le modèle de régression. Ses valeurs sont comprises entre 0 et 1. Une valeur élevée du coefficient de détermination signifie que le modèle rend bien compte des données. En régression linéaire, le coefficient de détermination est égal au carré du coefficient de corrélation.

Traite des différentes faç ons d’ordonner ou de regrouper des objets. La combinatoire joue un rôle important en Théorie des probabilité. Voir également permutation, variation, combinaison . On distingue entre composantes systématiques (tendance, saisonnalité) et fluctuations aléatoires résiduelles. (d’un événement) Voir Glossary/fr#événement. Propriété d’un estimateur d’un paramètre inconnu. Lorsque le nombre d’observations croît, l’espérance d’un estimateur consistant tend vers la vraie valeur du paramètre estimé, alors que sa variance tend vers 0. Quantité auxiliaire utilisée lors du calcul du coefficient de contingence de deux variables nominales. C’est la somme des écarts quadratiques entre les fréquences absolues (resp. relatives) observé es et les fréquences absolues (relatives) qui s obtenues sous hypothè se d’indépendance. Mesure de la variabilité partagée par deux variables métriques. Elle reflète à la fois l’intensité et la direction de la relation de dépendance. Le coefficient de corrélation peut être utilisé pour comparer les covariances entre elles.

D

Pour des données groupées : rapport de la fréquence absolue ou de la fréquence relative d’un groupe sur l’amplitude de ce groupe. Représentation semi-graphique des réalisations observées d’une variable métrique.

Dans le contexte d’une distribution de fréquence bidimensionnelle, on appelle ainsi toute distribution de la variable X (resp. Y) à valeur (réalisation) fixée de la variable Y (resp. X).

  • Distribution de fréquence La donnée des résultats ordonnés d’un expérience aléatoire et de leurs fréquences absolues constitue la distribution de fréquence de la variable aléatoire considérée. Selon le nombre de variables considérées, on parle de sistribution de fréquence unidimensionnelle ou multidimensionnelle. La table des fréquences fournit un résumé exhaustif et très lisible des données.

(Loi) Assignement de probabilités aux valeurs (ordonnées) qu’est susceptible de prendre la variable aléatoire étudiée (distribution de probabilité discrète). Distribution d’une fonction d’un échantillon aléatoire. Distribution d’une variable aléatoire continue. De paramètre \lambda , elle est la loi de la durée séparant deux événements subséquents dans un processus de Poisson. Distribution de toute variable aléatoire obtenue comme rapport de deux variables aléatoires indépendantes respectivement distribuées elon des lois du chi-deux à f_{1} et f_{2} degrés de liberté. La distribution admet deux paramètres, les degrés de liberté sus-mentionnés, f_{1}
et f_{2}. Distribution discrète de paramètres M,N, et n. Elle décrit la probabilité d’occurence d’un événement en n répétitions d’une expérience aléatoire sous l’hypothèse d’une probabilité de succés constante d’une expérience à l’autre et d’indépendance des expériences. Dans le cas de la distribution de fréquence bidimensionnelle d’un couple de variables aléatoires (X,Y), on appelle distribution marginale de X (resp. Y) la distribution unidimensionnelle de X (resp. Y) ne contenant aucune information sur Y (resp. X). Distribution en forme de cloche d’une variable aléatoire continue, de paramètres \mu and 
\sigma . Le paramètre \mu est égal à l’espérance de la variable et \sigma à son écart-type. Distribution d’une variable aléatoire normale, d’espérance \mu =0 et d’écart-type \sigma =1. Distribution d’une variable aléatoire discrète décrivant le nombre d’occurences d’un événement se réalisant de façon répétée, al éatoirement et indépendamment du passé dans chaque intervalle de temps. La distribution de Poisson admet un paramètre \lambda . (t de Student) Distribution continue de paramètre f (nombre de degrés de liberté). Une variable al éatoire de distribution t est obtenue comme rapport d’un variable normale standard (numérateur) et d’une variable distribuée selon une loi du Chi-deux (dénominateur), celles-ci étant indépendantes. Cas discret : toutes les valeurs susceptible d’êetre prise par la varaible aléatoire consid érée le sont avec la même probabilité. Cas continu : distribution de densité constante.

  • Dotplot Représentation graphique bidimensionnelle de données en une dimension. Les valeurs observées sont portées sur l’axe horizontal. La valeur portée sur l’axe vertical est arbitraire (usuellement tirée aléatoirement).

[E]

E

Sous-ensemble de l’espace des é chantillons; éléments sélectionnés pour être étudi és statistiquement. Echantillon aléatoire constitué de variables aléatoires indépendnates et identiquement distribuées X_{1},\dots ,X_{n}. ”Identiquement distribu ées” signifie que les variables ont une même fonction de ré partition (distribution) F(x). Echantillon aléatoire 
X_{1},\dots ,X_{n} composé de variables aléatoires identiquement distribuées, non nécessairement indépendantes. Ensemble d’unités statistiques dont l’état n’évolue pas au cours du temps. Méthode de choix d’ éléments dans l’espace des échantillons. Chaque unité statistique a une probabilité non nulle d’être tiré. Les probabilités ne sont pas nécessairement égales d’une unité statistique à l’autre. Mode d’é chantillonnage. Chaque unité statistique a la même probabilité d’ être tiré, et tout tirage est indépendant de ceux qui le préc èdent. (recensement) Sé lection et investigation de toute la population. Mode d’é chantillonnage aléatoire. Chaque élément ne peut apparaître qu’une fois dans l’échantillon. A chaque nouveau tirage, chaque él ément a la même probabilité d’être tiré. Association d’un ensemble de valeurs numé riques à l’ensemble des unités statistiques considérées, de façon à ce que les relations entre celles-ci soit préservé es. Voir également Glossary/fr#échelle nominale, , Glossary/fr#échelle métrique, , Glossary/fr#échelle ratio, et . disposant d’une mesure naturelle de l’unité et d’une valeur nulle naturelle. Voir également Glossary/fr#échelle. Voir . Il est possible de mesurer et d’interpréter les différences entre des variables mesurées sur une échelle intervalle. Par contre, on ne dispose ni de zéro ni d’unité de mesure naturels dans ce cas (voir également Glossary/fr#échelle).

  • Echelle métrique (échelle cardinale). L’échelle utilisée est qualifiée de métrique s’il est possible d’ordonner les réalisations de la variable étudiée et de quantifier leurs différences par soustraction. Voir également Glossary/fr#échelle, Glossary/fr#échelle intervalle, , et Glossary/fr#échelle absolue.
  • Echelle nominale Une échelle est qualifiée de nominale s’il n’est possible d’observer que l’identité ou la différence des réalisation de la variable étudiée, i.e., s’il n’est pas possible de les ordonner. Voir également Glossary/fr#échelle.
  • Echelle ordinale Une variable aléatoire est mesurée sur une échelle ordinale lorsque ses réalisations peuvent être représentées par des entiers, qu’on peut déterminer l’identité de deux réalisations, et que les réalisations peuvent être ordonnées de façon naturelle. Attention : les différences entre les réalisations d’une variable ordinale n’ont aucune signification. Voir également Glossary/fr#échelle .

L’échelle ratio se carcté rise par le fait que les rapports des observations ont une interpré tation naturel. L’échelle ratio admet un élément nul, mais ne fournit pas de mesure naturelle de l’unité. Propriété susceptible d’être vérifiée par un estimateur sans biais. Un estimateur est dit efficace si sa variance est inférieure à la variance de tout autre estimateur sans biais du même paramètre.

  • Equivalence L’équivalence de deux Glossary/fr#événements signifie qu’ils sont égaux. Ceci signifie que lorsqu’on observe A, on observe également B et réciproquement. Dans ce cas, A est un sous-ensemble de B et B est un sous-ensemble de A. Voir également implication.

Rejet de l’hypothèse nulle alors qu’elle est vraie. Acceptation de l’hypothèse nulle alors qu’elle est fausse.

  1. Espérance de l’écart quadratique entre un estimateur et la vraie valeur du paramètre estimé.

Réunion de tous les Glossary/fr#événements associés à une . Tout événement est un sous-ensemble de l’espace des échantillons. L’Glossary/fr#événement impossible correspond à l’ensemble vide, l’Glossary/fr#événement certain correspond à l’espace des échantillons. Valeur de la qu’on s’attend à observer, avant même que l’expérience aléatoire  ne soit effectuée. Elle correspond à la moyenne arithmétique de la distribution de fréquence. Fonction des variables échantillonnales utilisée pour estimer un paramètre inconnu de la distribution étudiée. Réalisation d’un estimateur. Le paramètre inconnu est estimé par un intervalle qui comprend la vraie valeur du paramètre avec une probabilité fixée. Réalisation d’un estimateur d’un paramètre inconnu, calculée à partir de l’é chantillon observé. On appelle événement tout résultat d’une expérience aléatoire. Un événement élémentaire est un événement qui ne peut être décomposé en d’autres événements; les événements élémentaires sont disjoints. L’événement complémentaire d’un événement donné est l’ensemble de tous les événements élémentaires qui ne sont pas contenus dans celui-ci. Les événements sont des sous-ensemble de l’espace des échantillons et, par conséquent, nous pouvons leur appliquer les relations et opérations ensemblistes usuelles. (Voir également implicationequivalence, union, intersection, différence logique.) Voir intersection. Voir Glossary/fr#événement. Voir . Voir . Expérience réelle ou théorique pouvant être répliquée un nombre arbitraire de fois, sous les mêmes conditions, et dont le résultat ne peut ê tre déterminé à l’avance.

F

  • Filtre Ensemble des poids utilisés pour effctuer le lissage par moyenne mobile d’une série temporelle. Le choix du filtre dépend de l’allure des et du degré de lissage souhaité. On utilise souvent des filtres symétriques.

Fonction donnant la probabilité que la variable aléatoire X prenne la valeur x_{j}. Décrit la dé pendance entre la variable expliquée () et uen ou plusieurs variables explicatives (variable indépendantes, régresseurs) via par une fonction (usuallement linéaire) des observations. La fonction de régression associe aux valeurs des variables explicatives une valeur moyenne ( valeur ajustée) qui peut être très différente de la valeur effectivement observée. L’écart entre la valeur ajust ée et la valeur observée est appelé résidu. Variable aléatoire, fonction des variables aléatoires X_{1},\dots ,X_{n} (observations). La fonction de répartition F(x) d’une variable aléatoire X fournit la probabilité que la variable aléatoire prenne une valeur inférieure ou égale à x.

  • Fréquence absolue Nombre d’occurences d’une réalisaton ou d’une combinaison de certaines réalisations de la variable considérée.
  • Fréquence cumulée Fréquence des observations inférieures ou égales à une valeur fixée ou, pour des variables groupées, à la borne supérieure de la classe à laquelle appartient cette valeur.Elle est définie pour des variables au moins ordinales. On distingue entre fréquences cumulées absolues et fréquences cumulées relatives.

Rapport de la fréquence absolue et du nombre d’observations. Moyenne arithm étique d’observations dichotomiques (0-1) X_{1},\dots ,X_{n}.

G

Intervalle de valeurs d’une variable métrique (voir également regroupement).

H

  • Histogramme Représentation graphique des fréquences des valeurs groupées d’une variable aléatoire continue par l’aire de rectangles dont la hauteur correspond à la fréquence relative des groupes. L’histogramme est également utilisé pour représenter les fréquences des discrètes.

Hypothèse opposée à l’hypothèse nulle (test d’hypothèses). Formulation statistique d’une assertion concernant l’espace des échantillons, en vue de la conserver ou de la rejeter par un test statistique.

I

(contrainte) Caractère permettant de définir clairement l’espace des échantillons et les unités statistiques (elle permet de savoir si un individu appartient ou non à l’espace des échantillons). La valeur de la contrainte identifiante est la même pour toutes les unités statistiques et ne varie pas au cours de l’étude effectuée. Majoration de la probabilité qu’une variable aléatoire prenne une valeur à l’ext érieur d’un intervalle centré sur son espérance.

  1. La Théorie des Probabilités permet de quantifier la pré cision (le degré d’incertitude) des résultats ainsi obtenus.

Intervalle aléatoire résultant de l’estimation par intervalle d’un paramètre inconnu. Intervalle de bornes fixes x_{l} et x_{u} (x_{l}\leq x_{u}) dans lequel la variable alé atoire considérée prend ses valeurs avec une probabilité 
1-\alpha . Intervalle de bornes fixes x_{u} et x_{o} (x_{u}\leq x_{o}) dans lequel la variable considérée prend ses valeurs avec une probabilité 1-\alpha et tel que les deux composantes de son complémentaire soient toutes deux de probabilité \alpha /2. Relation entre Glossary/fr#événements : A implique B si lorsque A est réalisé, B est nécessairement également réalisé. Ceci revient à dire que A est un sous-ensemble de B (voir également Glossary/fr#équivalence). Calcul de la valeur prise par une fonction inconnue en un point à partir des valeurs connues prises en des points ”proches” de celui-ci.

  • Intersection (d’événements) Ensemble des événements élémentaires appartenant à tous les événements considérés (i.e. dont on souhaite définir l’intersection). Deux événements d’intersection vide sont dits disjoint.

J

K

L

Voir .

M

  • Matrice de nuages de points Utilisée pour représenter graphiquement les valeurs conjointes de plus de 2 variables métriques. Elle est composée des correspondant à tous les couples possibles de variables considérées. Attention : plus il y a de variables, plus la matrice des nuages de points est difficile à interpréter.
  1. Principe général de construction d’estimateurs d’un paramètre inconnu basé sur la minimisation de la somme des carrés des écarts entre les observations et une fonction du paramètre.

Quantité obtenue en répartissant uniformément la somme de toutes les réalisations observées d’une variable sur toutes les (individus). Le calcul d’une moyenne arithmétique n’a de sens que pour une variable mesurée sur une . Moyenne arithmétique des observations X_{1},\dots ,X_{n}. Utilisée pour calculer la moyenne de variables aléatoires mesurées sur une , au moins, à valeurs positives, vérifiant une relation multiplicative. Le logarithme de la moyenne géométrique est égal à la des logarithmes des valeurs observées.

Principe général de construction d’estimateurs. L’estimateur est la quantité qui maximise la fonction de vraisemblance associée à l’échantillon observé (probabilité ou densité de l’échantillon observé).

  • Médiane Valeurs séparant les réalisations ordonnées d’un variable (au moins) ordinale en deux ensembles de même effectif. La médiane est robuste vis-à-vis des valeurs aberrantes et correspond au quartile d’ordre 2.
  • Mode Réalisation de la variable aléatoire étudiée la plus fréquemment observée. Il est bien défini quelque soit l’échelle de mesure utilisée. Pour les nominales, il s’agit de la seule notion de acceptable. Le mode n’est pas sensible aux valeurs aberrantes.

[N]

N

Probabilité que l’intervalle de confiance déterminé à partir des données comprenne la vraie valeur (inconnue) du paramètre d’intérêt. Probabilité que la statistique de test prenne une valeur se trouvant dans la région critique (et donc de rejeter l’hypothèse nulle) lorsque l’hypothèse nulle est vraie. Représentation graphique des valeurs prises par un couple de variables aléatoires métriques. Les valeurs du couples sont représenté es par des points dans un système de coordonnées cartésiennes. Le nuage de point permet de visualiser la relation de dépendance entre les deux variables. On définit également des nuages de points en 3D, dans le cas de triplets de variables.

O

  • Observation Variable aléatoire X_{i}, d éfinie comme la valeur prise par la variable aléatoire X sur le i- ème élément de l’échantillon tiré.

P

(ou saisonnalité) Intervalles d’occurence régulière d’effets à court-terme dans une série temporelle. Pour des données économiques, la périodicité est souvent égale à 1 an.

  • Permutation On appelle permutation tout ordonnement de n éléments d’un ensemble. On distingue les permutations avec répétitions des permutations sans répétitions. Voir également Combinatoire.

Ensemble de toutes les . Celles-ci sont définies par leurs caracté ristiques spatiales et temporelles, et des critères de sélection additionnels. Voir .

Probabilité d’occurence d’un Glossary/fr#événement donné sous la condition qu’un autre événement se réalise également. Voir . (d’un test) Fonction exprimant la probabilité de rejeter l’hypothèse nulle à partir de la vraie valeur du paramètre testé.

Q

On appelle quantile x_{p} d’une variable al éatoire (au moins ordinale) la valeur qui sépare l’ensemble des observations ordonnées par ordre croîssant, en deux groupes dans le rapport p : (1 - p), ou p est compris entre 0 et 1. Cas particuliers : quartiles, quintiles, et déciles. Quantiles correspondant à p = 0.25, p = 0.5, et p = 0.75. Les quartiles séparent les observations en quatre groupes de tailles égales. Le quartile x_{0,25} est appel é quartile inférieur, x_{0,75} le quartile supérieur, et 
x_{0,5} la médiane. quantiles correspondant à p = 0.2, 0.4, 0.6, et 0.8. Les quintiles séparent les observations en cinq groupes de tailles égales.

R

ensemble des valeurs de la statistique de test conduisant à rejeter l’hypothèse nulle. d’une hypothèse nulle : ensemble des valeurs de la statistique de test ne permettant pas de rejeter l’ypothèse nulle. Affectation de valeurs égales ou similaires d’une variable aléatoire à un groupe ou à une classe. Voir également bornes d’un groupe. Tout variable indépendante dans le modèle de régression. Voir également : variable explicative, fonction de régression.

S

Suite des valeurs observé es (données), qu’elle soit ordonnée ou non. dont les valeurs sont observées en différents instants ou sur différents intervalles de temps. Voir également Composantes d’une série temporelle.

  • Statistique (La) Science dont l’objet est l’étude de l’information empirique objective, obtenue par le moyen d’expériences (al éatoires) et de questionnaire, la construction de modèles thé oriques rendant compote de cette information, l’analyse et l’interpré tation de celle-ci.

(Une) Fonction des observations, utilisée pour effectuer des tests statistiques.

  • Statistique descriptive Ensemble des méthodes statistiques portant sur la collecte des données et leur description simple. Les résultats obtenus ne concernent que les données dont on dispose.

[T]

T

Voir . Voir . Le tableau de contingence bidimensionnel (ou tableau croisé) est utilisé pour représenter la distribution de fréquence  conjointe de deux variables aléatoires nominales ou ordinalesl. Le tableau bidimensionnel des corrélations fournit la conjointe de deux variables aléatoires métriques. Nombre d’élé ments composant l’échantillon. Rapport de la taille de l’ échantillon n et de la taille de la population N.

  • Tendance Evolution à long terme d’une série temporelle observée. La tendance est généralement estimée par la méthode des Moyennes Mobiles ou par celle des Moindres Carrés (voir également filtre).

Méthode permettant d’obtenir des conclusions concernant une distribution inconnue, ou un param ètre d’une distribution inconnue, à partir d’un échantillon al éatoire issu de celle-ci. Test statistique dont l’hypothèse nulle est que la distribution de la variable étudiée est égale à une distribution donnée. Test statistique d’une hypothèse portant sur un paramètre inconnu de l’échantillon. Théorème portant sur l’approximation de la distribution d’une somme d’un grand nombre de variables aléatoires par une distribution normale. Théorie traitant des aspects quantitatifs des expériences à résultat alé atoire (expériences aléatoires). Procédé d’ échantillonnage. Chaque élément sélectionné est revers é dans l’espace des échantillons avant la sélection de tout nouvel élément. La méthode fournit un échantillon alé atoire simple. Procédé d’ échantillonnage. Les éléments sélectionnés sont soustrait de l’espace des échantillons avant la sélection de tout nouvel élément. La méthode fournit un échantillon alé atoire représentatif.

U

(d’événements) L’union de deux Glossary/fr#événements A et B est l’ensemble des événements él émentaires appartenant à A ou à B ou à A et B.

  • Unité statistique Individu (ou objet) sur lequel est reccueillie l’information à laquelle on s’intéresse.

[V]

V

Valeur moyenne de la variable dépendante à valeurs fixées des variables explicatives (regresseurs). Celle-ci se trouve sur la fonction de régression. Voir également . Voir médiane. Caractéristique de location d’une distribution de fréquence. Toute valeur moyenne est une valeur possible de la carctéristique étudiée, i.e., est mesurée sur la même échelle. On utilise couramment comme valeurs moyennes le mode, la médiane, et la moyenne arithmétique. Valeur(s) de la statistique de test séparant la région critique de la région d’acceptation de l’hypothèse nulle. Elle dépend de la distribution de la statistique de test et du niveau de significativité choisi. Réalisations des observations X_{1},\dots ,X_{n} (observées après é chantillonnage de n éléments dans l’espace des échantillons). Application associant à chaque Glossary/fr#événement élémentaire un nombre (réel). (voir également variable dichotomique) Variable aléatoire ne pouvant prendre que deux valeurs, le plus souvent ”0”et ”1” ou ”vrai” et ”faux”. Variable dépendante dans le modèle de régression. On l’appelle également variable expliquée. Voir fonction de régression. Voir .

  • Variable discrète On dit qu’une variable métrique est discrète si l’ensemble des valeurs qu’elle est susceptible de prendre est fini ou dénombrable.
  • Variable continue Variable aléatoire métrique pouvant prendre une infinité de valeurs dans tout intervalle arbitrairement petit.
  • Variable statistique On appelle ainsi les caract éristiques des unités statistiques. On distingue les caractéristiques identifiantes (critères de sélection) des caract éristiques d’intérêt (objets de l’étude).

La variance est l’ entre les observations et leur . Variance empirique des observations X_{1},\dots ,X_{n}. (Saisonnalité) Voir Périodicité. Fonction assignant, pour des observations données, des probabilités (fonction de masse ou densité) aux valeurs possibles du paramètre estimé. [W]

W

X

Y

Z