click below
click below
Normal Size Small Size show me how
ROBUST
| Question | Answer |
|---|---|
| misleading graphs | - scale distortion - wrong type of visualization - 3D distortion - missing information - cherry picking - graph not properly labelled |
| Scale Distortion | L’échelle est manipulée pour exagérer ou minimiser une différence. (ne commence pas à 0) |
| Wrong Type of Visualization | Mauvais choix de graphique. |
| 3D Distortion | Les graphiques en 3D déforment les proportions. |
| Missing Information | Informations absentes : - source - unité - période - taille de l’échantillon Sans contexte : les conclusions peuvent être fausses. |
| Cherry Picking | On sélectionne uniquement les données qui arrangent. Exemple : Montrer uniquement les années où les ventes augmentent. |
| Graph Not Properly Labelled | Manque : - titre - axes - unités Le lecteur ne comprend pas ce qui est représenté. |
| misleading calculations | average vs median |
| si présence d'outliers = | mediane |
| average (mean) | somme de x / n Très sensible aux valeurs extrêmes. |
| median | Valeur située au milieu de la distribution. Très peu sensible aux valeurs extrêmes. |
| def outliers | valeur tres eloignee de reste des observations |
| dangereux ? | modifient : - moyenne - variance - écart-type - intervalles de confiance |
| calcul mediane | chiffre milieu deux chiffres du milieu /2 |
| boxplot | - minimum - Q1 - médiane - Q3 - maximum |
| Interquartile Range` | IQR = Q3 - Q1 |
| outilier si | x<Q1 - 1,5 x IQR ou x> Q3 - 1,5 x IQR |
| Moyenne arithmétique | Utilisée pour des niveaux. |
| Moyenne géométrique | - rendements - investissements - croissance |
| Moyenne géométrique | (somme(1 +r)^1/n - 1 |
| Corrélation | Deux variables évoluent ensemble. |
| Causalité | Une variable provoque réellement l’autre. |
| Corrélation fallacieuse | Spurious Correlation |
| REGLE IMPORTANTE | Correlation does not imply causation. |
| CENTRAL LIMIT THEOREM (CLT) | Même si la population n’est pas normale : les moyennes d’échantillons deviennent normales lorsque n est suffisamment grand. |
| We draw 1000 samples and compute the mean each time. | Sampling Distribution of the Mean |
| STANDARD ERROR | Mesure la précision de l’estimation. SE = standard deviation/ racine de n |
| STANDARD ERROR retenir | Si n augmente : SE diminue. Donc : plus l’échantillon est grand, plus l’estimation est précise. |
| INTERVALLE DE CONFIANCE 95 % | 95 % des estimations se trouvent à environ 2 erreurs standards de la vraie moyenne. x barre + - 2SE |
| RANDOM SAMPLING | 1. Simple Random Sample 2. Systematic Random Sample 3. Stratified Random Sample |
| 1. Simple Random Sample | Chaque individu a la même probabilité d’être sélectionné. Meilleure base statistique. |
| 2. Systematic Random Sample | Choisir : 1 observation sur n. |
| 3. Stratified Random Sample | Population divisée en groupes : - homme/femme - âge - région Puis tirage aléatoire dans chaque groupe. ➡️ Meilleure méthode selon le cours. |
| SELECTION BIAS def | L’échantillon n’est pas représentatif de la population. Les résultats sont biaisés. |
| SELECTION BIAS type | Undercoverage Bias Self-Selection Bias Nonresponse Bias Survivorship Bias Attrition Bias |
| Undercoverage Bias | Une partie de la population n’est pas représentée. |
| Self-Selection Bias | Participation volontaire. Les répondants sont différents des non-répondants. |
| Nonresponse Bias | Certaines personnes ne répondent pas. |
| Survivorship Bias | On regarde seulement les survivants. On oublie les échecs. |
| Attrition Bias | Des participants quittent l’étude. Les restants deviennent non représentatifs. |