Analyse des données de mesure du logiciel
Après avoir collecté des données pertinentes, nous devons les analyser de manière appropriée. Il y a trois éléments principaux à considérer pour choisir la technique d'analyse.
- La nature des données
- Le but de l'expérience
- Considérations sur la conception
La nature des données
Pour analyser les données, nous devons également examiner la population plus large représentée par les données ainsi que la distribution de ces données.
Échantillonnage, population et distribution des données
L'échantillonnage est le processus de sélection d'un ensemble de données à partir d'une grande population. Des exemples de statistiques décrivent et résument les mesures obtenues à partir d'un groupe de sujets expérimentaux.
Les paramètres de population représentent les valeurs qui seraient obtenues si tous les sujets possibles étaient mesurés.
La population ou l'échantillon peut être décrit par les mesures de la tendance centrale telles que la moyenne, la médiane et le mode et des mesures de dispersion telles que la variance et l'écart type. De nombreux ensembles de données sont distribués normalement comme indiqué dans le graphique suivant.
Comme indiqué ci-dessus, les données seront uniformément réparties autour de la moyenne. qui sont les caractéristiques significatives d'une distribution normale.
Il existe également d'autres distributions où les données sont biaisées de sorte qu'il y ait plus de points de données d'un côté de la moyenne que de l'autre. Par exemple: si la plupart des données sont présentes sur le côté gauche de la moyenne, nous pouvons dire que la distribution est biaisée vers la gauche.
Le but de l'expérience
Normalement, des expériences sont menées -
- Pour confirmer une théorie
- Pour explorer une relation
Pour atteindre chacun de ces objectifs, l'objectif doit être formellement exprimé en termes d'hypothèse et l'analyse doit aborder l'hypothèse directement.
Pour confirmer une théorie
L'enquête doit être conçue pour explorer la vérité d'une théorie. La théorie déclare généralement que l'utilisation d'une certaine méthode, d'un outil ou d'une technique a un effet particulier sur les sujets, ce qui la rend meilleure d'une certaine manière qu'une autre.
Il y a deux cas de données à considérer: normal data et non-normal data.
Si les données proviennent d'une distribution normale et qu'il y a deux groupes à comparer, le test t de l'étudiant peut être utilisé pour l'analyse. S'il y a plus de deux groupes à comparer, une analyse générale du test de variance appelée F-statistique peut être utilisée.
Si les données ne sont pas normales, les données peuvent être analysées à l'aide du test de Kruskal-Wallis en les classant.
Pour explorer une relation
Les enquêtes sont conçues pour déterminer la relation entre les points de données décrivant une ou plusieurs variables.
Il existe trois techniques pour répondre aux questions sur une relation: les boîtes à moustaches, les nuages de points et l'analyse de corrélation.
UNE box plot peut représenter le résumé de la plage d'un ensemble de données.
UNE scatter plot représente la relation entre deux variables.
Correlation analysis utilise des méthodes statistiques pour confirmer s'il existe une vraie relation entre deux attributs.
Pour les valeurs normalement distribuées, utilisez Pearson Correlation Coefficient pour vérifier si les deux variables sont ou non fortement corrélées.
Pour les données non normales, classez les données et utilisez le Spearman Rank Correlation Coefficientcomme mesure d'association. Une autre mesure pour les données non normales est leKendall robust correlation coefficient, qui étudie la relation entre les paires de points de données et peut identifier une corrélation partielle.
Si le classement contient un grand nombre de valeurs liées, un chi-squared testsur un tableau de contingence peut être utilisé pour tester l'association entre les variables. De même,linear regression peut être utilisé pour générer une équation pour décrire la relation entre les variables.
Pour plus de deux variables, multivariate regression peut être utilisé.
Considérations sur la conception
La conception de l'enquête doit être considérée lors du choix des techniques d'analyse. Dans le même temps, la complexité de l'analyse peut influencer la conception choisie. Plusieurs groupes utilisent des statistiques F plutôt que le test T de Student avec deux groupes.
Pour les plans factoriels complexes comportant plus de deux facteurs, un test d'association et de signification plus sophistiqué est nécessaire.
Les techniques statistiques peuvent être utilisées pour rendre compte de l'effet d'un ensemble de variables sur d'autres, ou pour compenser les effets de synchronisation ou d'apprentissage.