Trouver des contenus d'apprentissage
Resumes Fonctionnalités
Flashcards 
StudySmarter IA 
Notes de cours 
Planning de révision 
Dossiers 
Examens Découvrir
Trouver des contenus d'apprentissage
Fonctionnalités
Découvrir
Photosynthesis is the process by which plants, algae, and some bacteria convert light energy into chemical energy stored as glucose. Investigating photosynthesis helps us understand how organisms produce oxygen and food, supporting nearly all life on Earth.
Get started for freeContent creation by StudySmarter Biology Team.
Sources verified by Gabriel Freitas.
Quality reviewed by Gabriel Freitas.
Published: 26.06.2024.
Last updated: 01.01.1970.
As-tu déjà pensé à trouver le nombre d'étudiants et d'étudiantes dans ton collège ?
Ou as-tu déjà pensé à mesurer le poids ou la taille de tes camarades de classe, ou à noter l'âge de tes camarades pour déterminer qui est le plus jeune ou le plus âgé de ta classe ?
Ce sont toutes des formes de données qui peuvent être comptées et/ou mesurées et représentées sous une forme numérique. En statistiques, ces données sont appelées variables quantitatives .
Dans cet article, nous allons étudier plus en profondeur les variables quantitatives et les comparer à un autre type de variables, les variables qualitatives.
Les variables quantitatives sont des variables dont les valeurs sont comptées.
Des exemples de variables quantitatives sont la taille, le poids, le nombre de buts marqués lors d'un match de football, l'âge, la durée, le temps, la température, la note d'un examen, etc.
Les variables qualitatives (également appelées variables catégorielles) sont des variables qui correspondent à des catégories et à des descriptions plutôt qu'à des nombres et à des mesures. Leurs valeurs ne résultent pas d'un comptage.
Parmi les exemples de variables qualitatives, on peut citer la couleur des cheveux, la couleur des yeux, la religion, l'affiliation politique, les préférences, les sentiments, les croyances, etc.
Lesvariables quantit atives sont divisées en deux types : les variables quantitatives discrètes et les variables quantitatives continues. Les détails et les différences entre ces deux types de variables quantitatives sont expliqués ci-après.
Les variables quantitativesdiscrètes sont des variables quantitatives qui prennent des valeurs qui sont dénombrables et qui ont un nombre fini de valeurs. Les valeurs sont souvent, mais pas toujours, des nombres entiers.
La meilleure façon de savoir si un ensemble de données représente des variables quantitatives discrètes est lorsque les variables sont dénombrables et que le nombre de possibilités est fini.
Les variables quantitativescontinues sont des variables quantitatives dont les valeurs ne sont pas dénombrables.
Le meilleur moyen de savoir si un ensemble de données représente des variables quantitatives continues est de savoir si les variables se trouvent dans un intervalle.
Une variable quantitative discrète est une variable dont les valeurs sont obtenues par comptage.
Une variable quantitative continue est une variable dont les valeurs sont obtenues en mesurant.
Lorsque tu comptes le nombre de buts marqués lors d'un match sportif ou le nombre de fois qu'un téléphone sonne, il s'agit d'une variable quantitative discrète.
Lorsque tu mesures le volume d'eau dans un réservoir ou la température d'un patient, il s'agit d'une variable quantitative continue.
Le tableau ci-dessous contient des exemples de variables quantitatives discrètes et de variables quantitatives continues,
| Variables quantitatives discrètes | Variables quantitatives continues |
Nombre d'enfants par foyer | Poids |
Nombre d'étudiants dans un collège | Vitesse des voitures dans une course |
Nombre de buts marqués lors d'un match de football | Taille |
Nombre de questions correctes répondues aux examens | Température |
Nombre de personnes ayant participé à une élection | Temps |
Nombre d'élèves dans une école | Densité |
Distingue les types des variables suivantes entre discrètes et continues.
Solution
Variables continues.
Variables discrètes.
Les données primaires sont les données collectées par un chercheur pour répondre à un problème donné ; elles sont classées en données qualitatives et en données quantitatives.
Les variables qualitatives traitent de descriptions qui peuvent être remarquées mais pas calculées.
Les variables quantitatives se concentrent sur des montants/chiffres qui peuvent être calculés.
✓ Les données quantitatives et qualitatives sont toutes deux utilisées dans la recherche et l'analyse.
✓ Les deux sont utilisées conjointement pour s'assurer que les données recueillies sont exemptes d'erreurs.
✓Les deux peuvent être obtenues à partir de la même unité de données. Seules leurs variables sont différentes, c'est-à-dire les variables numériques dans le cas des données quantitatives et les variables catégorielles dans le cas des données qualitatives.
| Variablequantitative | Variable qualitative |
Peut être comptée et exprimée en nombres et en valeurs. | Ne peut pas être comptée mais contient une classification des objets basée sur des attributs, des caractéristiques et des particularités. |
La méthodologie de recherche est concluante par nature et vise à tester une hypothèse spécifique pour déterminer les relations. | La méthodologie de recherche est exploratoire, c'est-à-dire qu'elle permet d'obtenir des informations et de comprendre. |
Elle a une approche ciblée et est objective. | L'approche de la recherche est subjective. |
Utilise des méthodes d'analyse statistique. | L'analyse est non statistique. |
Détermine le niveau d'occurrence. | Détermine la profondeur de la compréhension. |
La taille de l'échantillon est importante et provient de l'échantillon représentatif. | La taille de l'échantillon est généralement petite et provient d'échantillons non représentatifs. |
Les méthodes de collecte de données comprennent les expériences, les enquêtes et les mesures. | Les méthodes de collecte de données comprennent les entretiens, les groupes de discussion, l'observation et les documents d'archives tels que les journaux. |
Les exemples incluent la taille, le poids, l'âge, les résultats d'examens, etc. | Les exemples incluent les opinions, les croyances, la couleur des yeux, la description, etc. |
Détermine si les variables suivantes sont des variables quantitatives ou qualitatives,
Solution
Variables qualitatives.
Variables quantitatives.
Ce sont les variables qui peuvent être comptées ou mesurées.
Note que la distance, en tant que variable quantitative, est exprimée en kilomètres ou en unités mesurables. Sinon, la distance peut être décrite comme courte, longue ou très longue, ce qui rend la variable qualitative/catégorielle.
Les variables quantitatives peuvent généralement être représentées par des graphiques. Il existe de nombreux types de graphiques qui peuvent être utilisés pour présenter des distributions de variables quantitatives.
✓ Affichages/graphes à tiges et à feuilles . Un type d'affichage graphique utilisé pour visualiser des données quantitatives. Les diagrammes à tiges et à feuilles organisent les données quantitatives et permettent de déterminer plus facilement la fréquence des différents types de valeurs.
✓ Histogrammes . Un type de graphique qui résume les données quantitatives qui sont continues, c'est-à-dire qu'elles un ensemble de données quantitatives qui sont mesurées sur un intervalle. Les histogrammes représentent les caractéristiques distinctives des données de manière conviviale et compréhensible.
✓ Polygones de fréquence. Un graphique linéaire utilisé pour une représentation visuelle de variables quantitatives. Les polygones de fréquence indiquent les formes des distributions et sont utiles pour comparer des ensembles de données. Dans ce type de visualisation des données, les données sont reportées sur un graphique et une ligne est tracée pour relier les points entre eux afin de comprendre la forme des variables.
✓ Box plots . Méthode de représentation graphique des données quantitatives qui indique la dispersion, l'asymétrie et la localité des données par le biais des quartiles. Les diagrammes en boîte sont également connus sous le nom de diagrammes à moustaches, et ils montrent la distribution des données numériques par le biais des centiles et des quartiles.
✓ Graphiques en barres . Un graphique sous forme de rectangles de largeurs égales dont les hauteurs/longueurs représentent les valeurs des données quantitatives. Un diagramme à barres/graphique facilite la lecture des données quantitatives car ils transmettent des informations sur les données de manière compréhensible et comparable. L'axe horizontal d'un diagramme à barres est appelé axe des y, tandis que l'axe vertical est l'axe des x. Les diagrammes à barres facilitent la comparaison entre les données et les rendent plus compréhensibles.
✓ Graphiques linéaires . Il s'agit d'une ligne ou d'une courbe qui relie une série de points de données quantitatives appelés " marqueurs " sur un graphique. Semblables aux diagrammes en boîte et aux polygones de fréquence, les graphiques linéaires indiquent un changement continu dans les données quantitatives et permettent de suivre les changements sur des périodes courtes et longues.
✓ Diagrammes de dispersion. Les diagrammes de dispersion utilisent les coordonnées cartésiennes pour montrer les valeurs de deux variables pour un ensemble de données. Les diagrammes de dispersion montrent essentiellement s'il existe une corrélation ou une relation entre les ensembles de données.
Note que certains types de graphiques, tels que les diagrammes à tiges et à feuilles, conviennent pour des quantités de données faibles à modérées, tandis que d'autres, tels que les histogrammes et les diagrammes en bâtons, conviennent pour de grandes quantités de données. Les types de graphiques tels que les diagrammes en boîte sont utiles pour montrer les différences entre les distributions. Les diagrammes de dispersion sont utilisés pour montrer la relation ou la corrélation entre deux variables.
At StudySmarter, we have created a learning platform that serves millions of students. Meet the people who work hard to deliver fact based content as well as making sure it is verified.
Gabriel Freitas is an AI Engineer with a solid experience in software development, machine learning algorithms, and generative AI, including large language models' (LLMs) applications. Graduated in Electrical Engineering at the University of São Paulo, he is currently pursuing an MSc in Computer Engineering at the University of Campinas, specializing in machine learning topics. Gabriel has a strong background in software engineering and has worked on projects involving computer vision, embedded AI, and LLM applications.
StudySmarter is a global EdTech platform helping millions of students learn faster and succeed in exams like GCSE, A Level, SAT, ACT, and Abitur. Our expert-reviewed content, interactive flashcards, and AI-powered tools support learners across STEM, Social Sciences, Languages, and more.
Access subjects, mock exams, and features to revise more efficiently. All 100% free!
Get your free account!
Magazine 
Faire carrière 
App mobile 