EnglishCommencer

Les bibliothèques d'analyse statistique

Faire en Python les calculs du parcours : scipy.stats (quantiles, t.interval, tests de Student, khi-deux), statsmodels pour l'intervalle d'une proportion, pandas pour le tableau croisé ; les équivalents R sont nommés.

  • 22 cartes
  • 5 thèmes
  • Gratuit
Réviser ce deck

Le programme, thème par thème

Le poids de chaque thème suit celui que lui donne l'examen.

  1. Notions
  2. Questions
  3. Ranger et relier
  4. Mises en situation
  5. Comprendre

Quelques cartes du deck

  • scipy.stats : de quoi s'agit-il ?

    Voir la réponse

    Module Python de calcul scientifique qui fournit les lois de probabilité (norm, t, chi2) et les tests statistiques (ttest_1samp, ttest_ind, ttest_rel, chisquare, chi2_contingency).

    Chaque loi offre ppf (quantile), cdf (probabilité cumulée) et sf (queue). Chaque test renvoie la statistique et la valeur p.

  • Qu'affiche ce programme ?

    ```python
    from scipy import stats
    print(round(stats.norm.ppf(0.975), 2))
    `

    • 1.96
    • 1.64
    • 0.98
    • 2.58
    Voir la réponse

    1.96

    ppf(0.975) laisse 2,5 % de la loi normale à droite : c'est le quantile de l'intervalle à 95 % bilatéral. 1.64 est ppf(0.95) et 2.58 est ppf(0.995).

  • En R, la fonction … fait les tests de Student, … le khi-deux et … teste une proportion.

    Voir la réponse

    En R, la fonction t.test fait les tests de Student, chisq.test le khi-deux et prop.test teste une proportion.

    t.test(x, y, paired = TRUE) correspond à ttest_rel de scipy. R regroupe sous un seul nom ce que scipy sépare en plusieurs fonctions.

  • statsmodels : de quoi s'agit-il ?

    Voir la réponse

    Bibliothèque Python d'analyse statistique, qui propose notamment l'intervalle de confiance d'une proportion avec proportion_confint.

    proportion_confint(succès, total, alpha=0.05, method='normal') renvoie les deux bornes. L'option method choisit la formule, 'normal' étant celle du cours.

  • Les mêmes 30 pages sont mesurées avant et après une optimisation, et le script lance stats.ttest_ind(avant, apres). Quelle réparation est la bonne ?

    • stats.ttest_1samp(avant, apres)
    • stats.chisquare(avant, apres)
    • stats.ttest_rel(avant, apres), séries appariées
    • stats.ttest_ind(avant, apres, equal_var=False)
    Voir la réponse

    stats.ttest_rel(avant, apres), séries appariées

    ttest_rel teste les différences page par page. equal_var=False règle un autre problème (variances inégales entre deux groupes distincts). ttest_1samp attend une valeur, pas une seconde série.

Réviser ce deck