Distributions et valeurs aberrantes

Analyse exploratoire des données dans Power BI

Jacob H. Marquez

Data Scientist at Microsoft

Qu'est-ce qu'une distribution ?

Définition : ensemble de toutes les valeurs possibles de la variable et de leurs fréquences associées.

Qu'est-ce qu'une distribution ?

Continue

Âge	Fréquence
18	7
19	11
20	13
21	19
22	12

Qu'est-ce qu'une distribution ?

Continue

Âge	Fréquence
18	7
19	11
20	13
21	19
22	12

Catégorielle

Couleur des cheveux	Fréquence
Blonde	30
Brune	50
Noire	40
Rousse	20
Grise	20

Qu'est-ce qu'un histogramme ?

Qu'est-ce qu'un histogramme ? — classes

Histogramme avec 100 classes

Histogramme avec 20 classes

Lire les histogrammes — centralité et asymétrie

Distribution normale

Distribution asymétrique à droite

Lire les histogrammes — dispersion

Écart-type plus grand

Écart-type plus petit

Lire les histogrammes — centiles

Lire les histogrammes — 25e et 75e centiles

Lire les histogrammes — intervalle interquartile

Qu'est-ce qu'une valeur aberrante ?

Repérer les valeurs aberrantes

À l'aide de l'écart-type

$lower = -3 * SD$

$upper = 3 * SD$

$$

Valeur aberrante si

$value < lower$ OU $value > upper$

Intervalle interquartile (IQR)

$lower = 25percentile-(1.5 * IQR)$

$upper = 75percentile+(1.5 * IQR)$

$$

Valeur aberrante si

$value < lower$ OU $value > upper$

Traiter les valeurs aberrantes

1. Retirer des observations
2. Imputation

Winsorisation

SI value < 5e centile ALORS value = 5e centile

$$

SI value > 95e centile ALORS value = 95e centile

Passons à la pratique !

Analyse exploratoire des données dans Power BI