Au cours de la deuxième semaine de ce cours, nous étudierons les interprétations graphiques et numériques d'une variable (données univariées). En particulier, nous créerons et analyserons des histogrammes, des diagrammes en boîte et des résumés numériques de nos données afin de fournir une base d'analyse pour les données quantitatives et des diagrammes en barres et des diagrammes circulaires pour les données catégorielles. Quelques interprétations clés seront faites à propos de nos résumés numériques tels que la moyenne, l'IQR et l'écart-type. Une évaluation est prévue à la fin de la semaine concernant les résumés numériques et les interprétations de ces résumés.

Dans la troisième semaine de ce cours sur l'étude des données, nous présenterons des idées clés pour examiner les questions de recherche qui nécessitent l'étude de plus d'une variable. En particulier, nous examinerons à la fois numériquement et visuellement comment les différentes variables interagissent, comment les résumés peuvent paraître trompeurs si vous ne tenez pas correctement compte des interactions, et les différences entre les variables quantitatives et catégorielles. Le travail de cette semaine consistera en un travail de rédaction et en l'examen des travaux de vos pairs.

Cette semaine, vous passerez plus de temps à réfléchir à l'origine des données. Les analyses statistiques de données de la plus haute qualité intègrent toujours des informations sur le processus utilisé pour générer les données ou sur les caractéristiques de la conception de la collecte des données. Vous serez exposé à des concepts importants liés à l'échantillonnage de grandes populations, y compris l'échantillonnage probabiliste et non probabiliste, et à la façon dont nous pouvons faire des déductions sur de grandes populations à partir d'échantillons bien conçus. Vous apprendrez également le concept de distribution d'échantillonnage et comment l'estimation de la variance de cette distribution joue un rôle essentiel dans la formulation d'affirmations sur les populations. Enfin, vous apprendrez qu'il est important de lire la documentation relative à un ensemble de données donné ; une étape clé de l'examen des données consiste à consulter la documentation disponible pour cet ensemble de données, qui décrit la manière dont les données ont été générées