Tests Inférentiels

Allez au-delà des descriptions : testez des hypothèses avec les statistiques inférentielles.

Tests disponibles

Test T de Student / Welch

Quand l'utiliser : Comparer la moyenne de deux groupes.

Exemple : "Le score de satisfaction est-il différent entre les hommes et les femmes ?"

Variable dépendante : score_satisfaction (numérique)
Variable de groupement : genre (2 groupes)

Résultat :
━━━━━━━━━━━━━━━━━━━━━━━
t = 2.45, p = 0.015 *
Moyenne Hommes : 7.2
Moyenne Femmes : 8.1
Différence significative ✅

ANOVA

Quand l'utiliser : Comparer la moyenne de 3 groupes ou plus.

Exemple : "Le revenu moyen diffère-t-il selon le niveau d'éducation ?"

Test du Khi²

Quand l'utiliser : Tester l'association entre deux variables catégorielles.

Exemple : "Y a-t-il un lien entre le genre et la préférence de produit ?"

Régression Linéaire

Quand l'utiliser : Prédire une variable numérique à partir d'autres variables.

Exemple : "Quel est l'impact de l'âge et du revenu sur le score de satisfaction ?"

Régression Logistique

Quand l'utiliser : Prédire une variable binaire (oui/non).

Exemple : "Quels facteurs prédisent l'adoption d'un produit ?"

Analyse en Composantes Principales (ACP)

Quand l'utiliser : Réduire la dimensionnalité, identifier des patterns.

Tableau récapitulatif

Interprétation des résultats

• p < 0.05 → Significatif (*)
• p < 0.01 → Très significatif (**)
• p < 0.001 → Hautement significatif (***)
• p ≥ 0.05 → Non significatif (ns)