Fiche de révision : Introduction à l'Analyse Quantitative

📋 Plan du Cours

1. Analyse quantitative et démarche scientifique
2. Types de recherches et collecte de données
3. Éthique en recherche et consentement
4. Question de recherche et critères de qualité
5. Concepts, variables, indicateurs et échelles
6. Échantillonnage et taux de sondage
7. Organisation et graphiques des données
8. Mesures statistiques de tendance et dispersion
9. Loi normale et cote z
10. Estimation, intervalles de confiance et paramètres

📖 1. Analyse quantitative et démarche scientifique

🔑 Notions clés & Définitions

• Analyse quantitative : Approche qui évalue une réalité humaine à partir de données chiffrées pour réduire l’intuition et la subjectivité.
• Données probantes : Données issues de recensements, sondages et statistiques utilisées pour fonder les conclusions sur des éléments vérifiables.
• Virage informatique : Transformation liée aux outils numériques qui facilite l’exploitation des données et des traces numériques.
• Démarche scientifique : Enchaînement structuré d’étapes utilisé pour produire des connaissances à partir d’observations et de données.

📝 Points essentiels

• L’analyse quantitative cherche à contrer l’intuition et la subjectivité grâce à des données chiffrées.
• La démarche scientifique comprend généralement 5 étapes.
• Les recensements, sondages et statistiques sont des sources typiques de données probantes.
• L’essor des outils (ex. Excel) et l’exploitation des traces numériques renforcent l’approche quantitative.
• Les limites possibles incluent la surinterprétation des statistiques, la désinformation, les biais et la difficulté à quantifier certains phénomènes.

💡 Astuce mémo

Quantitatif = chiffres pour réduire l’intuition (et attention aux biais).

📖 2. Types de recherches et collecte de données

🔑 Notions clés & Définitions

• Recherche exploratoire : Type de recherche visant à étudier un sujet peu connu afin de mieux le cerner.
• Recherche descriptive : Type de recherche qui décrit précisément un phénomène à partir de données.
• Recherche explicative : Type de recherche qui cherche à expliquer les causes d’un phénomène (le pourquoi).
• Recherche longitudinale : Type de recherche qui suit l’évolution d’un phénomène dans le temps.
• Analyse descriptive : Approche quantitative qui synthétise les données observées.

📝 Points essentiels

• Les recherches exploratoires servent à traiter des sujets peu étudiés.
• Les recherches descriptives visent une description précise d’un phénomène.
• Les recherches explicatives cherchent à répondre à la question des causes.
• Les recherches longitudinales suivent l’évolution d’un phénomène au fil du temps.
• L’analyse inférentielle sert à généraliser des résultats d’un échantillon à une population.
• L’analyse descriptive et l’analyse inférentielle correspondent à deux niveaux d’exploitation des données.

💡 Astuce mémo

Exploratoire→cerner, Descriptive→décrire, Explicative→expliquer, Longitudinale→suivre dans le temps.

📖 3. Éthique en recherche et consentement

🔑 Notions clés & Définitions

• Consentement libre et éclairé : Principe selon lequel les participants acceptent volontairement après avoir reçu une information suffisante.
• Anonymat : Principe de protection qui empêche d’identifier directement les personnes dans les données.
• Confidentialité : Principe qui garantit que les informations recueillies ne seront pas divulguées de façon inappropriée.
• Intégrité physique et morale : Principe éthique qui impose de ne pas nuire aux participants sur le plan physique et psychologique.
• Principe de justice : Principe éthique qui vise un traitement équitable des participants et des bénéfices/charges de la recherche.

📝 Points essentiels

• L’intégrité physique et morale des participants doit être respectée.
• Le consentement doit être libre et éclairé.
• Le respect de la vie privée inclut anonymat et confidentialité.
• L’honnêteté intellectuelle implique notamment la lutte contre le plagiat.
• Le principe de justice fait partie des principes éthiques fondamentaux à respecter.

💡 Astuce mémo

Éthique = Intégrité + Consentement + Vie privée + Honnêteté + Justice.

📖 4. Question de recherche et critères de qualité

🔑 Notions clés & Définitions

• Question de recherche : Question formulée pour guider une étude et orienter la collecte et l’analyse des données.
• Question ouverte : Question qui permet des réponses non limitées à une seule catégorie fermée.
• Question neutre : Question formulée sans biais de formulation qui orienterait la réponse.
• Question claire et univoque : Question compréhensible de la même façon par tous, sans ambiguïté.

📝 Points essentiels

• Une question de recherche doit être ouverte, neutre, claire et univoque.
• Elle doit être formulée sous forme interrogative.
• Elle doit être directement liée au sujet étudié.
• Elle doit s’appuyer sur des réalités concrètes.
• L’importance de la question doit être justifiée par sa nouveauté, son caractère partiellement connu, ses conséquences sociales considérables ou son caractère controversé.

💡 Astuce mémo

Qualité = Ouverte + Neutre + Claire + Univoque (et liée à du concret).

📖 5. Concepts, variables, indicateurs et échelles

🔑 Notions clés & Définitions

• Concepts : Idées abstraites qui doivent être définies clairement pour assurer une compréhension commune.
• Dimensions : Facettes mesurables et quantifiables d’un concept.
• Indicateurs : Mesures concrètes qui traduisent les dimensions d’un concept.
• Variable : Caractéristique mesurable et observable qui varie d’une unité statistique à l’autre.
• Échelles de mesure : Systèmes de classement qui organisent les variables selon le type de distances et de zéros.

📝 Points essentiels

• Les concepts doivent être définis pour garantir une compréhension partagée.
• Les dimensions sont les parties d’un concept qui deviennent mesurables.
• Les indicateurs sont évalués via validité, fidélité, précision et comparabilité.
• Une variable qualitative n’est pas numérique (nominale ou ordinale).
• Une variable quantitative est numérique (discrète ou continue).
• Les échelles nominale, ordinale, intervalles et ratios se distinguent par l’ordre et la signification du zéro.

💡 Astuce mémo

Concept → Dimension → Indicateur ; Variable qualitative ≠ numérique ; Quantitative = numérique.

📖 6. Échantillonnage et taux de sondage

🔑 Notions clés & Définitions

• Population : Ensemble des individus concernés par le phénomène étudié.
• Échantillon : Sous-ensemble de la population sélectionné pour réaliser l’étude.
• Unité statistique : Élément individuel appartenant à la population et pouvant être inclus dans l’échantillon.
• Taux de sondage : Proportion de la population constituant l’échantillon, calculée par n/N × 100.
• Échantillonnage aléatoire : Méthode où chaque individu a une chance de sélection, permettant l’inférence.

📝 Points essentiels

• La population correspond à l’ensemble des individus concernés par le phénomène.
• L’échantillon est un sous-ensemble effectivement sélectionné pour l’étude.
• L’unité statistique est l’élément de base de la population.
• Le taux de sondage se calcule par n/N × 100.
• L’échantillonnage aléatoire permet l’inférence.
• L’échantillonnage non aléatoire ne permet pas l’inférence et est souvent plus faisable.

💡 Astuce mémo

n/N × 100 = taux de sondage ; Aléatoire = inférence ; Non aléatoire = pas d’inférence.

📖 7. Organisation et graphiques des données

🔑 Notions clés & Définitions

• Visualisation des données : Représentation graphique des statistiques pour faciliter la vulgarisation et l’interprétation.
• Diagramme à secteurs : Graphique adapté aux variables qualitatives pour représenter des parts par catégories.
• Histogramme : Graphique utilisé pour des variables quantitatives regroupées en classes.
• Ogive : Courbe graphique associée à des données quantitatives regroupées en classes.
• Série chronologique : Suite de valeurs ordonnées dans le temps, représentée par un graphique spécifique.

📝 Points essentiels

• La visualisation sert à représenter graphiquement des statistiques pour une lecture rapide.
• Pour les variables qualitatives : diagrammes à secteurs, en anneau, à barres ou à colonnes.
• Pour les variables quantitatives avec valeurs discrètes : diagramme à bâtons.
• Pour les variables quantitatives regroupées en classes : histogramme, polygone de fréquences et ogive.
• Pour les séries chronologiques : graphiques spécifiques pour suivre l’évolution dans le temps.
• Le choix du graphique dépend du type de variable et du nombre de modalités.

💡 Astuce mémo

Qualitatif = secteurs/barres ; Quantitatif discret = bâtons ; Quantitatif en classes = histogramme/ogive ; Temps = série chronologique.

📖 8. Mesures statistiques de tendance et dispersion

🔑 Notions clés & Définitions

• Moyenne : Mesure de tendance centrale obtenue en divisant la somme des valeurs par leur nombre.
• Mode : Valeur la plus fréquente dans un ensemble de données.
• Médiane : Valeur centrale d’un ensemble de données une fois triées.
• Étendue : Mesure de dispersion égale à la différence entre la valeur maximale et la valeur minimale.
• Écart-type : Mesure de l’étalement des données autour de la moyenne.

📝 Points essentiels

• La moyenne est sensible aux valeurs extrêmes.
• Le mode est utile pour les variables qualitatives nominales.
• La médiane n’est pas sensible aux valeurs extrêmes.
• L’étendue correspond à max − min.
• L’écart-type augmente quand les données sont plus dispersées.
• Le coefficient de variation compare la dispersion de distributions via le rapport écart-type/moyenne.

💡 Astuce mémo

Moyenne = sensible aux extrêmes ; Médiane = robuste ; Dispersion : étendue (max-min) et écart-type (autour de la moyenne).

📖 9. Loi normale et cote z

🔑 Notions clés & Définitions

• Loi normale : Distribution théorique symétrique en forme de cloche caractérisée par sa moyenne et son écart-type.
• Écart-type : Paramètre de dispersion utilisé aussi pour caractériser la loi normale.
• Moyenne : Paramètre central de la loi normale qui situe le sommet de la distribution.
• Cote z : Mesure de la distance d’une donnée à la moyenne exprimée en nombre d’écarts-types.

📝 Points essentiels

• La loi normale est symétrique et en forme de cloche.
• La loi normale est définie par la moyenne et l’écart-type.
• La cote z exprime combien d’écarts-types sépare une donnée de la moyenne.
• Une cote z permet de standardiser une position par rapport à la distribution.
• La cote z est exprimée en unités d’écarts-types (pas en unités brutes).

💡 Astuce mémo

z = position standardisée : distance à la moyenne en écarts-types.

📖 10. Estimation, intervalles de confiance et paramètres

🔑 Notions clés & Définitions

• Paramètre de population : Valeur caractéristique d’une population que l’on cherche à estimer à partir d’un échantillon.
• Estimation ponctuelle : Méthode qui estime un paramètre de population par une statistique calculée sur l’échantillon.
• Statistique d’échantillon : Mesure calculée sur l’échantillon utilisée pour estimer un paramètre de population.
• Intervalle de confiance : Plage de valeurs plausibles pour un paramètre de population associée à un niveau de confiance.
• Niveau de confiance : Probabilité associée à l’intervalle de confiance indiquant le degré de fiabilité de la plage estimée.

📝 Points essentiels

• L’estimation ponctuelle utilise une statistique d’échantillon pour estimer un paramètre de population.
• L’estimation ponctuelle est rapide mais moins fiable que l’approche par intervalle.
• L’estimation par intervalle de confiance fournit une plage de valeurs probables.
• Un niveau de confiance est associé à l’intervalle de confiance.
• La précision de l’intervalle augmente avec la taille de l’échantillon.

💡 Astuce mémo

Ponctuel = rapide mais fragile ; Intervalle = plage + niveau de confiance (plus n grand, plus précis).

📊 Tableaux de synthèse

Analyse descriptive vs analyse inférentielle

Échantillonnage aléatoire vs non aléatoire

⚠️ Pièges & confusions fréquents

1. Confondre analyse descriptive (synthèse) et analyse inférentielle (généralisation à la population).
2. Croire que l’échantillonnage non aléatoire permet l’inférence alors qu’il ne le permet pas.
3. Utiliser la moyenne sans tenir compte de sa sensibilité aux valeurs extrêmes.
4. Choisir un graphique sans vérifier le type de variable (qualitative vs quantitative) et le regroupement (valeurs vs classes).
5. Penser que la cote z est une mesure en unités brutes plutôt qu’en nombre d’écarts-types.

✅ Checklist Examen

1. Définir l’analyse quantitative et expliquer son objectif face à l’intuition et la subjectivité.
2. Citer les 4 types de recherches (exploratoire, descriptive, explicative, longitudinale) et leur intention.
3. Distinguer analyse descriptive et analyse inférentielle et préciser la portée de chacune.
4. Énumérer les principes éthiques fondamentaux (intégrité, consentement, vie privée, honnêteté intellectuelle, justice).
5. Formuler une question de recherche en respectant ouverture, neutralité, clarté, univocité, forme interrogative et lien au concret.
6. Relier concept, dimension et indicateur, puis rappeler les critères d’évaluation des indicateurs (validité, fidélité, précision, comparabilité).
7. Classer une variable en qualitative (nominale/ordinale) ou quantitative (discrète/continue) et associer la bonne échelle (nominale, ordinale, intervalles, ratios).
8. Définir population, échantillon et unité statistique, puis calculer le taux de sondage n/N × 100.
9. Comparer échantillonnage aléatoire et non aléatoire et connaître les sous-types cités (simple, systématique, stratifié, grappes ; commodité, volontaires, au jugé, boule de neige, quotas).
10. Choisir le bon type de graphique selon la variable (qualitative, quantitative discrète, quantitative en classes, séries chronologiques).
11. Calculer et interpréter les mesures de tendance centrale (moyenne, mode, médiane) et de dispersion (étendue, écart-type, coefficient de variation).
12. Décrire la loi normale (forme, paramètres) et interpréter la cote z comme distance à la moyenne en écarts-types.
13. Distinguer estimation ponctuelle et estimation par intervalle de confiance, et relier la précision à la taille de l’échantillon.