Guide des méthodes statistiques

Choisissez la méthode adaptée à votre question. Chaque fiche explique quand l'utiliser, ses conditions d'application, les résultats fournis et un exemple concret d'interprétation.

Toutes les méthodes

• Statistiques descriptives — Résumez et explorez vos données en quelques secondes.
• Test de normalité — Vérifiez si vos données suivent une distribution normale.
• Homogénéité des variances — Testez l'égalité des variances entre vos groupes.
• Test t de Student — Comparez des moyennes entre un ou deux groupes.
• ANOVA — Comparez les moyennes de trois groupes ou plus.
• Test du Chi-deux — Analysez les associations entre variables catégorielles.
• Test de McNemar — Comparez des proportions sur données appariées.
• Corrélation — Mesurez la force et la direction d'une relation linéaire.
• Coefficient de Corrélation Intraclasse (ICC) — Évaluez la fiabilité et la reproductibilité des mesures.
• Régression linéaire multiple — Prédisez une variable continue à partir de plusieurs prédicteurs.
• Régression logistique — Prédisez un résultat binaire et calculez les odds ratios.
• Analyse en Composantes Principales (ACP) — Réduisez la dimensionnalité et visualisez vos données.
• Clustering K-means — Identifiez des groupes naturels dans vos données.
• Clustering Hiérarchique — Visualisez la structure hiérarchique de vos données.
• PLS-DA (Partial Least Squares Discriminant Analysis) — Discriminez des groupes dans des données omiques ou haute dimension.
• Forêt aléatoire (Random Forest) — Prédisez et identifiez les variables les plus importantes.