Statistique interactive
Laboratoire des distributions
Collez des mesures ou des comptages, examinez le graphique et comparez des modèles adaptés au type de données. Ou reconnaissez la loi ayant produit un échantillon : un modèle compatible n’est pas une certitude.
Voir les simulations de probabilité Intervalles de confiance
Analyser un échantillon
Saisissez de 5 à 2 000 nombres. Choisissez le séparateur décimal avant l’analyse.
Vos données restent dans votre navigateur et ne sont pas envoyées au serveur.
Résultats
Histogramme et courbes
Les barres représentent une densité, non des effectifs : leur aire totale vaut 1. Affichez ou masquez chaque courbe.
Voir les classes en tableau
| De | À | Effectif | Densité |
|---|
Comparaison des modèles
La distance D compare la distribution empirique à chaque modèle ajusté aux mêmes données. Plus petite signifie seulement plus proche parmi les modèles affichés ; ce n’est pas un test de significativité.
| Modèle | Paramètres estimés | D (descriptive) |
|---|
Intervalle de confiance pour la moyenne
Utilisez l’échantillon que vous venez d’analyser. Le niveau de confiance choisi détermine la largeur de l’intervalle.
Il faut des observations indépendantes et un échantillon représentatif. Pour les petits échantillons, une population approximativement normale est importante ; la comparaison des modèles du laboratoire ne démontre pas cette hypothèse. Une forte asymétrie peut rendre cet intervalle peu fiable.
Analyser des comptages entiers
Saisissez de 5 à 2 000 comptages de 0 à 100, séparés par des virgules, points-virgules ou espaces. Chaque valeur doit concerner le même intervalle ou nombre d’essais.
Vos données restent dans votre navigateur et ne sont pas envoyées au serveur.
Fréquences et probabilités théoriques
Bleu : fréquence relative observée. Rouge : Poisson. Vert : Binomiale, si le nombre d’essais est connu.
| k | Effectif | Observée | Poisson | Binomiale |
|---|
Le tableau s’arrête au plus grand comptage observé ; une loi théorique peut aussi attribuer une probabilité à des valeurs supérieures.
Comparaison des modèles
D est la distance maximale entre les répartitions cumulées discrètes observée et ajustée. Elle est descriptive, non une p-valeur. Ne comparez pas ces chiffres aux résultats des modèles continus.
| Modèle | Paramètres estimés | D (descriptive) |
|---|
Quelle distribution se cache ?
L’ordinateur crée un échantillon aléatoire sans révéler lequel des six modèles l’a produit. Cinq donnent des mesures continues ; Poisson donne des comptages entiers. Observez les données, choisissez une hypothèse, puis découvrez la réponse.
Observer l’échantillon
Afficher les valeurs numériques
Réponse et comparaison
| Modèle | Paramètres estimés | D (descriptive) |
|---|
Calculer à partir des statistiques résumées
Si vous connaissez seulement la taille, la moyenne et l’écart-type, calculez l’intervalle sans saisir chaque observation. Utilisez le point ou la virgule pour les décimales, sans séparateur de milliers ; n de 5 à 2 000.
Il faut des observations indépendantes et un échantillon représentatif. Pour les petits échantillons, une population approximativement normale est importante ; la comparaison des modèles du laboratoire ne démontre pas cette hypothèse. Une forte asymétrie peut rendre cet intervalle peu fiable.
Sept exemples détaillés
Nous commençons par un exemple sur le poids moyen, puis explorons des scénarios montrant l’effet de σ, de la taille de l’échantillon, du niveau de confiance et d’un intervalle comprenant zéro.