Techniques de modélisation statistique

Analyser des données de sondage avec Python

EbunOluwa Andrew

Data Scientist

Pourquoi utiliser des techniques de modélisation statistique en analyse de sondage ?

• Prédire à partir des relations entre variables
• Activer des outils de visualisation
  • Des constats qui marquent

¹ Photo par Chris Liverani sur Unsplash

Quand utiliser des techniques de modélisation statistique

• Données complexes
• Influence entre variables
• Prédire un résultat

¹ Photo par Tyler Easton sur Unsplash

Exemples de techniques de modélisation statistique

• Régression linéaire
• Test t à deux échantillons
• Test du chi carré

Modèle de régression linéaire

• Modèle de régression linéaire
  • Suppose une relation linéaire entre x et y
  • y = m*x + b
  • y = variable dépendante
  • x = variable indépendante
  • m = pente
  • b = ordonnée à l'origine

¹ Image tirée de Seeing Theory-Brown.edu

Régression linéaire en analyse de sondage

employee	gender	company_type	wfh_available	mental_fatigue_score	burn_rate
fff200	Male	Service	No	3	0.24
fff500	Female	Service	Yes	5.7	0.45
fff700	Female	Service	Yes	5.8	0.49
fff300	Female	Service	Yes	6.7	0.63
fff100	Female	Product	Yes	4.7	0.38
fff400	Male	Service	Yes	3.4	0.28
fff600	Female	Product	Yes	5.4	0.5
fffe3400	Female	Product	No	6.7	0.58
fffe200	Male	Service	Yes	6.3	0.48
fffe3000	Male	Service	Yes	5.4	0.41

Régression linéaire en analyse de sondage

data.plot.scatter(
x='mental_fatigue_score',
y='burn_rate')
plt.show()

Test t à deux échantillons

• Tester la différence significative entre deux moyennes de population
• Hypothèse nulle = les deux moyennes de population sont égales
• Hypothèse alternative = les deux moyennes de population ne sont PAS égales

¹ Photo par Olesia Bahrii sur Unsplash

Test t à deux échantillons en analyse de sondage

employee	gender	company_type	wfh_available	mental_fatigue_score	burn_rate
fff100	Female	Product	Yes	4.7	0.38
fff400	Male	Service	Yes	3.4	0.28
fff600	Female	Product	Yes	5.4	0.5

company_type	burn_rate
Service	0.57
Service	0.75
Service	0.51
Service	0.57

company_type	burn_rate
Product	0.51
Product	0.79
Product	0.66
Product	0.39

Test du chi carré

• Tester l'association significative entre deux variables catégorielles
• Hypothèse nulle = aucune association significative entre les variables
• Hypothèse alternative = association significative entre les variables

Test du chi carré en analyse de sondage

• Variable no 1

  • company_type
  • Produit ou Service

• Variable no 2

  • wfh_available
  • Oui ou Non

company_type	wfh_available
Product	Yes
Product	Yes
Product	No
Service	Yes
Service	Yes
Product	Yes
Service	No
Service	No
Product	Yes
Service	Yes

Quelle technique utiliser ? — régression linéaire

Les deux variables = numériques

Quelle technique utiliser ? — test t à deux échantillons

• Test t à deux échantillons
  • Une variable = catégorielle
  • Une variable = numérique

¹ Photo par Diana Polekhina sur Unsplash

Quelle technique utiliser ? — test du chi carré

• Test du chi carré
  • Les deux variables = catégorielles

¹ Photo par Element5 Digital sur Unsplash

Passons à la pratique !

Analyser des données de sondage avec Python