Dans notre société, le citoyen responsable, doit être capables de lire, comprendre, commenter et critiquer toute information à caractère statistique.
La représentation par un nuage de points de données relatives à deux variables statistiques concernant une même population peut suggérer l’existence d’une relation entre celles-ci. Ce module a pour but de modéliser le lien entre les deux variables sous la forme d’une relation linéaire (droite de Mayer, droite des moindres carrés) et de mesurer la pertinence d’une telle relation par le calcul d'un nombre (coefficient).
Corrélation ne signifiant pas causalité, nous proposons des exemples qui illustrent cette différence de sens.
Ce module présente les différents types de graphiques, leurs avantages et inconvénients ainsi que des conseils pour un choix du graphique le plus adapté à chaque situation. L'apprentissage de la construction proprement dite se déroule en e-learning : des tutoriels reprennent les différentes étapes importantes pour arriver à un graphique de qualité avec un tableur. À partir de quelques tableaux de données, l’étudiant est progressivement amené à réaliser des graphiques, la connaissance des principes se faisant ainsi pas à pas et à son propre rythme. Chaque partie se clôture par un questionnaire interactif ou par une activité collaborative autour de l'interprétation et de la critique de graphiques.
Cette séquence vient se placer juste après avoir traité les données statistiques à l’aide de paramètres tels que les paramètres centraux et de dispersion et ce à partir d’un logiciel adéquat, en l’occurrence ici Microsoft Excel (en présentiel). Ce module insiste sur la présentation de données par un aspect graphique. La technique est développée de façon mathématique mais est également axée sur l’importance de la visualisation et la communication qu’apportent un graphique .
Niveau C1 du point 1.2 du DigComp 2.0
Niveau C1 du point 1.2 du DigComp 2.0
Dans notre société, le citoyen responsable, doit être capables de lire, comprendre, commenter et critiquer toute information à caractère statistique.
La représentation par un nuage de points de données relatives à deux variables statistiques concernant une même population peut suggérer l’existence d’une relation entre celles-ci. Ce module a pour but de modéliser le lien entre les deux variables sous la forme d’une relation linéaire (droite de Mayer).
Corrélation ne signifiant pas causalité, nous proposons des exemples qui illustrent cette différence de sens.
Dans notre société, le citoyen responsable, doit être capables de lire, comprendre, commenter et critiquer toute information à caractère statistique.
La représentation par un nuage de points de données relatives à deux variables statistiques concernant une même population peut suggérer l’existence d’une relation entre celles-ci. Ce module a pour but de modéliser le lien entre les deux variables sous la forme d’une relation linéaire (droite de Mayer, droite des moindres carrés) et de mesurer la pertinence d’une telle relation par le calcul d'un nombre (coefficient).
Corrélation ne signifiant pas causalité, nous proposons des exemples qui illustrent cette différence de sens.
Dans notre société, le citoyen responsable, doit être capables de lire, comprendre, commenter et critiquer toute information à caractère statistique.
La représentation par un nuage de points de données relatives à deux variables statistiques concernant une même population peut suggérer l’existence d’une relation entre celles-ci. Ce module a pour but de modéliser le lien entre les deux variables sous la forme d’une relation linéaire (droite de Mayer, droite des moindres carrés) et de mesurer la pertinence d’une telle relation par le calcul d'un nombre (coefficient).
Corrélation ne signifiant pas causalité, nous proposons des exemples qui illustrent cette différence de sens.