Glossaire des termes statistiques

Les termes anglais sont indiqués entre parenthèses.

A B C D E F G H I J K L M N P Q R S T V X

^A/_Z

25^e centile (25^th percentile): La valeur en dessous de laquelle se situent 25 pour cent des cas observés et au-dessus de laquelle se situent 75 pour cent des cas observés.
50^e centile (50^th percentile): La valeur au-dessus et en dessous de laquelle se situe la moitié des valeurs observées d'une variable (= la médiane).
75^e centile (75^th percentile): La valeur en dessous de laquelle se situent 75 pour cent des valeurs observées d'une variable et au-dessus de laquelle se situent 25 pour cent des valeurs observées d'une variable.

Aire partielle sous la courbe ROC (Partial area under ROC curve): L'aire partielle sous la courbe ROC résume une portion de la courbe ROC sur un intervalle d'intérêt spécifié au préalable. Cet intervalle peut être un intervalle de spécificité ou de sensibilité.
Aire sous la courbe ROC (AUC) (Area Under the ROC curve (AUC)): L'aire sous la courbe ROC (AUC) mesure la capacité d'un classificateur à distinguer les classes ; elle varie de 0,5 (hasard) à 1,0 (discrimination parfaite).
Alpha de Cronbach (Cronbach's alpha): Une mesure de la fiabilité par cohérence interne. Elle calcule la corrélation moyenne entre tous les items d'une échelle ou d'un questionnaire.
Analyse de la variance (régression) (Analysis of variance (regression)): Le tableau d'analyse de la variance décompose la variation totale de la variable dépendante en deux composantes, l'une pouvant être attribuée au modèle de régression (libellée Régression) et l'autre non (libellée Résiduelle), et calcule la statistique F correspondante.
Analyse de la variance à deux facteurs (Two-way analysis of variance): Méthode permettant d'analyser l'effet de deux facteurs qualitatifs sur une variable dépendante.
Analyse de la variance à un facteur (One-way analysis of variance): Voir ANOVA (analyse de la variance).
Analyse de survie (Survival analysis): L'analyse de survie est une méthode statistique utilisée pour analyser des données de délai de survenue d'un événement, l'événement d'intérêt étant souvent le décès, la progression de la maladie ou la guérison. Elle estime le temps écoulé jusqu'à la survenue d'un événement et tient compte de la censure.
Analyse des séries chronologiques (Time series analysis): Une technique statistique qui traite des données ordonnées dans le temps afin d'identifier des tendances et des variations saisonnières.
Analyse factorielle (Factor analysis): Une technique utilisée pour réduire les données à un ensemble plus restreint de variables de synthèse et pour mettre en évidence des relations sous-jacentes.
Analyse multivariée (Multivariate analysis): Une méthode statistique utilisée pour analyser des données comportant plusieurs variables afin d'en comprendre les relations.
ANCOVA (analyse de la covariance) (ANCOVA (Analysis of covariance)): Un modèle linéaire général comportant une variable de résultat continue (quantitative) et une ou plusieurs variables facteurs (qualitatives).
ANOVA (analyse de la variance) (ANOVA (Analysis of variance)): L'ANOVA sert à comparer les moyennes de plusieurs groupes afin de déterminer si au moins une moyenne de groupe diffère significativement des autres.
ANOVA à mesures répétées (Repeated measures ANOVA): Compare les moyennes de plusieurs moments ou conditions chez les mêmes sujets.

Biais d'échantillonnage (Sampling bias): Un biais qui se produit lorsque l'échantillon recueilli n'est pas représentatif de la population.
Boîte à moustaches (Box-and-whisker plot): Résumé statistique graphique d'une variable : médiane, quartiles, étendue et éventuellement valeurs extrêmes (valeurs aberrantes). Voir aussi Boîte à moustaches avec encoche.
Boîte à moustaches avec encoche (Notched box-and-whisker plot): Une boîte à moustaches comportant des encoches qui représentent des intervalles autour des médianes et permettent de comparer les médianes deux à deux à un niveau de confiance de 95 %. Si les encoches de deux médianes ne se chevauchent pas, les médianes sont, en gros, significativement différentes à un niveau de confiance d'environ 95 %.

Censure (Censoring): En analyse de survie, il y a censure lorsque le moment exact de l'événement (p. ex. décès, récidive de la maladie) est inconnu pour certains sujets d'une étude. Cela se produit parce que l'étude se termine avant que l'événement ne survienne, que le participant est perdu de vue ou qu'il se retire de l'étude.
Centile (Percentile): Un centile est la valeur en dessous de laquelle se situe un certain pourcentage des données numériques. Le p-ième centile est égal à l'observation de rang
$$ R(p) = 0.5 + \frac {p \times n} {100} $$
Coefficient bêta (Beta Coefficient): Une mesure de l'influence d'une variable indépendante sur une variable dépendante dans une analyse de régression.
Coefficient d'aplatissement (Kurtosis): Le coefficient d'aplatissement (kurtosis) mesure l'épaisseur des queues de la distribution de la variable.
Coefficient d'asymétrie (Skewness): Le coefficient d'asymétrie (skewness) mesure le degré de symétrie de la distribution de la variable.
Coefficient de contingence (Coefficient of contingency): Une mesure d'association fondée sur le Chi2. Ce coefficient est toujours compris entre 0 et 1, mais il ne peut généralement pas atteindre la valeur 1. La valeur maximale possible dépend du nombre de lignes et de colonnes du tableau.
Coefficient de corrélation (Correlation coefficient): Une mesure de la force et du sens de la relation entre deux variables.
Coefficient de corrélation d'ordre zéro (Zero order correlation coefficient): Le coefficient de corrélation simple entre la variable dépendante et chacune des variables indépendantes prises séparément.
Coefficient de corrélation de Pearson (Pearson correlation coefficient): Mesure la corrélation linéaire entre deux variables et donne une valeur comprise entre -1 et 1.
Coefficient de détermination (Coefficient of determination): En analyse de régression, le coefficient de détermination indique la proportion de la variance d'une variable qui peut être associée à la variance de l'autre variable. Il peut varier de 0 à 1.
Coefficient de répétabilité (Coefficient of repeatability): Défini comme 1,96 fois l'écart type des différences entre deux mesures (voir Diagramme de Bland-Altman).
Coefficient de variation (Coefficient of variation): Voir Écart type relatif (ETR).
Coefficients de régression (Regression coefficients): Les coefficients de régression indiquent la variation attendue de la variable dépendante pour une variation d'une unité de la variable indépendante. Par exemple, dans l'équation de régression multiple $ y = b_0 + b_1 x_1 + b_2 x_2 + b_3 x_3 +\ …\ + b_k x_k $, les valeurs $b_1\ … \ b_k$ sont les coefficients de régression.
Conditions d'application de l'ANOVA (ANOVA Assumptions): L'ensemble des conditions qui doivent être remplies pour que les résultats de l'ANOVA soient valides, notamment l'indépendance, la normalité et l'homogénéité des variances.
Contrôle statistique de la qualité (Statistical quality control (SQC)): Un ensemble de techniques et d'outils utilisés pour surveiller et maîtriser un processus afin de garantir qu'il fonctionne de manière optimale.
Correction de Yates (Yates' correction): Une correction de continuité appliquée dans les tests Chi2, en particulier pour les tableaux de contingence 2x2.
Corrélation (Correlation): La corrélation entre deux variables x et y mesure à quel point elles sont étroitement liées, ou à quel point leur relation est linéaire. La corrélation mesure dans quelle mesure une variation d'une variable aléatoire tend à correspondre à une variation de l'autre variable aléatoire.
Corrélation des rangs (Rank correlation): Méthode permettant d'étudier la relation entre deux variables qui ne suivent pas une loi normale, ou entre des variables ordinales.
Corrélation des rangs de Spearman (Spearman’s rank correlation): Une mesure non paramétrique de corrélation qui évalue dans quelle mesure la relation entre deux variables peut être décrite par une fonction monotone.
Corrélation partielle (Partial correlation): Examine la relation entre deux variables en contrôlant l'effet d'une troisième.
Cote (Odds): Une façon de représenter la probabilité de survenue d'un événement. Une cote de m:n en faveur d'un événement signifie que l'on s'attend à ce que l'événement se produise m fois pour n fois où il ne se produit pas.
Courbe de Kaplan-Meier (Kaplan-Meier curve): Un graphique en escalier qui estime la probabilité de survie au fil du temps et qui tient compte des données censurées.
Courbe précision et rappel (Precision-recall curve): Une courbe précision et rappel représente la précision (valeur prédictive positive, axe des y) en fonction du rappel (sensibilité, axe des x) pour différents seuils. C'est une alternative à la courbe ROC.
Courbe ROC (ROC curve): Une courbe ROC (receiver operating characteristic, fonction d'efficacité du récepteur) est une représentation graphique qui illustre la performance d'un modèle de classification binaire pour différentes valeurs seuils.
Covariance: Une mesure de la variabilité conjointe de deux variables aléatoires.

d de Cohen (Cohen's d): Une mesure de la taille de l'effet qui exprime la différence entre les moyennes de deux groupes en unités d'écart type.
Degrés de liberté (DL) (Degrees of Freedom (DF)): Le nombre de valeurs ou de grandeurs indépendantes qui peuvent varier dans une analyse sans enfreindre aucune contrainte.
Diagramme de Bland-Altman (Bland & Altman plot): Méthode graphique d'évaluation de la concordance entre deux techniques de mesure.
Diagramme de contrôle (Control chart): Un diagramme de contrôle est un outil statistique utilisé en contrôle de la qualité pour surveiller et analyser les performances d'un processus au fil du temps.
Diagramme de dispersion (Scatter diagram): Un graphique qui illustre la relation entre deux variables quantitatives.
Diagramme de fréquence (Frequency chart): Une représentation graphique d'un tableau de fréquences.
Diagramme en barres (Bar chart): Un diagramme qui présente des données catégoriques à l'aide de barres rectangulaires représentant la fréquence ou la valeur de chaque catégorie.
Diagramme en boîte (Box plot): Voir Boîte à moustaches.
Diagramme en violon (Violin plot): Un diagramme en violon représente la distribution de données numériques pour un ou plusieurs groupes à l'aide de courbes de densité. La largeur de chaque courbe correspond à la fréquence approximative des points de données dans chaque région.
Diagramme Q-Q (Q-Q plot): Un diagramme Q-Q (diagramme quantile-quantile) est un outil graphique utilisé pour comparer la distribution d'un jeu de données à une distribution théorique (p. ex. la loi normale).
Différence absolue (Absolute difference): La différence entre deux valeurs, sans tenir compte du signe.
Distribution asymétrique (Skewed distribution): Une distribution qui n'est pas symétrique.
Distribution bimodale (Bimodal distribution): Une distribution présentant deux modes ou pics distincts.
Distribution d'échantillonnage (Sampling distribution): La loi de probabilité d'une statistique obtenue à partir d'un grand nombre d'échantillons tirés de la même population.
Distribution sous l'hypothèse nulle (Null distribution): La loi de probabilité d'une statistique sous l'hypothèse nulle.
Données nominales (Nominal data): Observations codées de manière alphanumérique mais sans ordre évident, p. ex. groupe sanguin, homme/femme. Voir aussi Données ordinales.
Données ordinales (Ordinal data): Les données ordinales sont des données catégoriques dont les valeurs peuvent être ordonnées ou classées de manière logique. Voir aussi Données nominales.
Données qualitatives (Qualitative data): Les données qualitatives sont des mesures de « types » et peuvent être représentées par un nom, un symbole ou un nombre. Voir aussi Données quantitatives.
Données quantitatives (Quantitative data): Les données quantitatives sont des mesures de valeurs ou des dénombrements et sont exprimées par des nombres. Voir aussi Données qualitatives.

Écart interquartile (IQR) (Interquartile range (IQR)): Une mesure de dispersion statistique, calculée comme la différence entre le premier (Q1) et le troisième (Q3) quartile.
Écart type (Standard deviation): L'écart type est la racine carrée de la variance. Il fournit une mesure de la distance moyenne de chaque valeur par rapport à la moyenne.
$$s = \sqrt{\frac{\sum_{}^{}{(x-\bar{x})^2}}{n-1}} $$
Écart type relatif (ETR) (Relative standard deviation (RSD)): C'est l'écart type divisé par la moyenne. Le cas échéant, ce nombre peut être exprimé en pourcentage en le multipliant par 100, ce qui donne le coefficient de variation
Écart type résiduel (Residual standard deviation): L'écart type des résidus en analyse de régression.
Échantillon (Sample): Un sous-ensemble de la population choisi pour l'analyse.
Échantillon aléatoire (Random sample): Un échantillon dans lequel tous les membres de la population ont la même probabilité d'être sélectionnés, et où la sélection de chaque membre est indépendante de la sélection de tous les autres membres.
Échantillonnage (Sampling): Le processus consistant à sélectionner un sous-ensemble propre d'éléments de la population entière, de sorte que ce sous-ensemble puisse servir à faire des inférences sur l'ensemble de la population.
Échantillonnage en grappes (Cluster sampling): Ce sont des grappes ou des groupes, et non des individus, qui sont sélectionnés au hasard pour l'analyse.
Échantillonnage stratifié (Stratified sampling): Une méthode d'échantillonnage qui consiste à diviser la population en sous-groupes et à prélever des échantillons dans chaque sous-groupe.
Élimination descendante (Backward elimination): Une technique de régression pas à pas qui part de tous les prédicteurs et supprime de manière itérative les moins significatifs. Voir aussi Sélection ascendante, Sélection pas à pas.
Enquête (Survey): Une méthode de collecte de données qui consiste à poser des questions à des personnes afin de recueillir des informations.
Équation de régression (Regression equation): L'équation de régression décrit la relation entre deux variables. Par exemple, dans l'équation de régression linéaire $y = a + bx $, où $y$ est la variable dépendante et $x$ la variable indépendante, le coefficient $b$ est la pente et $a$ l'ordonnée à l'origine. Voir aussi Régression multiple, Régression quadratique.
Erreur absolue (Absolute error): L'erreur absolue d'une observation x est l'écart absolu de x par rapport à sa valeur « vraie ». Voir aussi Erreur relative.
Erreur de type I (Type I Error): L'erreur qui consiste à rejeter l'hypothèse nulle alors qu'elle est vraie (faux positif).
Erreur de type II (Type II Error): L'erreur qui consiste à ne pas rejeter l'hypothèse nulle alors qu'elle est fausse (faux négatif).
Erreur quadratique moyenne (EQM) (Mean Squared Error (MSE)): Une moyenne des carrés des erreurs ou des écarts, représentant la différence quadratique moyenne entre les valeurs estimées et la valeur réelle.
Erreur relative (Relative error): Erreur absolue divisée par la valeur vraie.
Erreur type (Standard error): Une mesure de la variabilité de la valeur d'une statistique de test d'un échantillon à l'autre. C'est l'écart type de la distribution d'échantillonnage d'une statistique.
Erreur type de la moyenne (ETM) (Standard error of the mean (SEM)): L'ETM (SEM) se calcule en divisant l'écart type par la racine carrée de la taille de l'échantillon.
$$SEM = \frac{s}{\sqrt{n}} $$
Essai contrôlé randomisé (ECR) (Randomized controlled trial (RCT)): Une expérience dans laquelle les participants sont répartis au hasard entre un groupe traité et un groupe témoin.
Estimateur sans biais (Unbiased estimator): Pour qu'un estimateur soit sans biais, il faut qu'en moyenne il donne la vraie valeur du paramètre inconnu.
Estimation du maximum de vraisemblance (EMV) (Maximum Likelihood Estimate (MLE)): L'estimation du maximum de vraisemblance d'un paramètre est la valeur possible du paramètre pour laquelle la probabilité d'observer les données est la plus élevée.
Étendue (Range): Les valeurs minimale et maximale, ou la différence entre les valeurs maximale et minimale d'un jeu de données.
Étude cas-témoins (Case-Control study): Une étude observationnelle conçue pour aider à déterminer si une exposition est associée à un résultat.
Étude contrôlée (Controlled study): Une étude qui évalue l'effet d'un traitement en comparant les sujets traités à un groupe témoin qui ne reçoit pas le traitement. Voir aussi Étude transversale, Étude longitudinale.
Étude de cohorte (Cohort study): Un type d'étude observationnelle qui suit un groupe de personnes au fil du temps afin de déterminer comment certaines expositions influent sur leurs résultats.
Étude expérimentale (Experimental study): Une étude expérimentale est une étude dans laquelle les facteurs considérés sont contrôlés afin d'obtenir des informations sur leur influence sur la variable d'intérêt.
Étude longitudinale (Longitudinal study): Une étude qui observe les mêmes sujets sur une longue période. Voir aussi Étude contrôlée, Étude transversale.
Étude observationnelle (Observational study): Une étude observationnelle est une étude dans laquelle le chercheur observe et enregistre des comportements ou des résultats sans intervenir sur aucune variable.
Étude transversale (Cross-sectional study): Une étude transversale est un type de plan de recherche dans lequel on recueille des données auprès de nombreux individus différents à un moment donné. Dans une étude transversale, on observe les variables sans les influencer. Voir aussi Étude contrôlée, Étude longitudinale.
Exploration de données (Data mining): La pratique consistant à examiner de grands jeux de données afin de découvrir des motifs et d'en extraire des informations utiles.
Extrapoler (Extrapolate): L'extrapolation est un moyen d'estimer des valeurs au-delà des données connues. On peut s'appuyer sur des tendances et des graphiques pour déterminer d'autres points de données possibles qui n'ont pas été réellement mesurés. Voir aussi Interpoler.

Facteur (Factor): Une variable indépendante qui définit des groupes de cas.
Faux négatif (False Negative): Une erreur de type II dans un test d'hypothèse, où l'hypothèse nulle est acceptée à tort. Voir aussi Faux positif.
Faux positif (False Positive): Une erreur de type I dans un test d'hypothèse, où l'hypothèse nulle est rejetée à tort. Voir aussi Faux négatif.
Fonction de vraisemblance (Likelihood function): Une fonction des paramètres d'un modèle statistique qui mesure dans quelle mesure le modèle explique les données observées.
Fonction logit (Logit function): La fonction logit est l'inverse de la fonction sigmoïde (logistique) et est utilisée en régression logistique et dans d'autres modèles statistiques. Elle transforme des probabilités $p$ en valeurs allant de $-\infty$ à $+\infty$, ce qui la rend utile pour modéliser des résultats binaires.
$$ \operatorname{logit}(p)= \ln\left( \frac{p}{1-p} \right) $$
Fréquence cumulée (Cumulative frequency): La somme des fréquences de toutes les valeurs jusqu'à une valeur donnée.
Fréquence relative (Relative frequency): Une fréquence relative décrit le nombre de fois où une valeur particulière d'une variable a été observée, rapporté au nombre total de valeurs de cette variable.

Graphique de distribution de fréquence cumulée (Cumulative frequency distribution graph): Un graphique dans lequel on représente, pour chaque valeur de la caractéristique, le pourcentage d'éléments inférieurs ou égaux à cette valeur. Les points sont ensuite reliés par des segments de droite.
Graphique de Youden (Youden plot): Une méthode graphique d'analyse des données interlaboratoires, dans laquelle tous les laboratoires ont analysé 2 échantillons.
Graphique en entonnoir (Funnel plot): Un outil graphique de détection des biais en méta-analyse.
Graphique en forêt (Forest plot): En méta-analyse, un graphique en forêt représente visuellement les tailles d'effet et les intervalles de confiance de plusieurs études.
Groupe témoin (Control group): Les sujets d'une étude contrôlée qui ne reçoivent pas le traitement.

Histogramme (Histogram): Représentation graphique de la distribution d'une variable numérique. Le nombre d'observations appartenant à chaque intervalle de l'échelle horizontale est représenté par la hauteur d'une barre élevée au-dessus de cet intervalle. (Remarque : si les intervalles ne sont pas de même longueur, le nombre d'observations est représenté par l'aire de la barre.)
Hypothèse (Hypothesis): Une explication proposée d'un phénomène, généralement formulée dans le cadre d'un test statistique.
Hypothèse alternative (H1) (Alternative hypothesis (H1)): L'affirmation qui contredit l'hypothèse nulle et indique la présence d'un effet ou d'une différence.
Hypothèse nulle (H0) (Null hypothesis (H0)): Une affirmation selon laquelle il n'existe aucun effet ni aucune différence, utilisée comme point de départ d'un test d'hypothèse.
Hypothèses nulle et alternative (Null and Alternative Hypotheses): Hypothèse nulle (H0) : suppose l'absence d'effet ou de différence.|Hypothèse alternative (H1) : suppose l'existence d'un effet ou d'une différence.

IC à 95 % de la médiane (95% CI for the median): Un intervalle de valeurs qui contient la médiane de la population avec une probabilité de 95 %.
IC à 95 % de la moyenne (95% CI for the mean): Un intervalle de valeurs qui contient la moyenne de la population avec une probabilité de 95 %.
IC à 95 % du coefficient de corrélation (95% CI for the correlation coefficient): L'intervalle de valeurs qui contient le « vrai » coefficient de corrélation avec une confiance de 95 %.
Inférence bayésienne (Bayesian inference): Une méthode d'inférence statistique dans laquelle le théorème de Bayes est utilisé pour mettre à jour la probabilité d'une hypothèse à mesure que de nouveaux éléments ou de nouvelles informations deviennent disponibles.
Inférence causale (Causal inference): Le processus consistant à tirer une conclusion sur un lien de causalité à partir des conditions de survenue d'un événement.
Interpolation linéaire (Linear interpolation): L'interpolation linéaire est une méthode d'estimation d'une valeur inconnue située entre deux valeurs connues sur une ligne droite. Étant donné deux points connus $(x_1,y_1)$ et $(x_2,y_2)$, la valeur interpolée $y$ au point $x$ situé entre eux est
$$ y = y_1 + \frac{(x - x_1)(y_2 - y_1)}{x_2 - x_1} $$
Interpoler (Interpolate): L'interpolation est un moyen d'estimer des données. Interpoler consiste à estimer les données entre deux observations ou mesures connues. Voir aussi Extrapoler.
Intervalle de confiance (IC) (Confidence Interval (CI)): Un intervalle de valeurs susceptible de contenir le paramètre de la population avec un niveau de confiance spécifié (p. ex. 95 %).
Intervalle de confiance à 95 % (95% confidence interval): Un intervalle de valeurs qui, dans 95 % des cas, contient la valeur (vraie) de la population.
Intervalle de confiance à 95 % (régression) (95% confidence interval (regression)): Courbes représentant un intervalle de confiance à 95 % pour la ligne de régression. Cet intervalle contient la vraie ligne de régression avec une probabilité de 95 %.
Intervalle de prédiction à 95 % (régression) (95% prediction interval (regression)): Courbes représentant l'intervalle de prédiction à 95 % pour la courbe de régression. Pour toute valeur donnée de la variable indépendante, cet intervalle représente la plage dans laquelle se situent les valeurs de la variable dépendante avec une probabilité de 95 %.
Intervalle de référence (Reference interval): Un intervalle de référence (plage de référence, plage normale) d'un paramètre est l'intervalle dans lequel se situent les 95 % de valeurs centrales des sujets apparemment en bonne santé.

Jittering: Une technique de visualisation des données qui consiste à ajouter un bruit aléatoire aux points de données afin de réduire leur superposition dans les diagrammes de dispersion.

Kappa: Une mesure de la concordance entre deux systèmes de classification (diagnostique), après correction de la concordance due au hasard.

Ligne de régression (Regression line): Une représentation graphique de l'équation de régression. Généralement combinée à un diagramme de dispersion.
Loi binomiale (Binomial distribution): Une loi de probabilité discrète représentant le nombre de succès dans un nombre fixe d'essais indépendants, chacun ayant la même probabilité de succès.
Loi de Poisson (Poisson distribution): Une loi de probabilité discrète qui exprime la probabilité qu'un nombre donné d'événements se produise dans un intervalle de temps ou d'espace fixé.
Loi exponentielle (Exponential distribution): Une loi de probabilité qui décrit le temps écoulé entre les événements d'un processus de Poisson.
Loi gaussienne (Gaussian Distribution): Autre nom de la loi normale.
Loi normale (Normal distribution): Une loi de probabilité symétrique caractérisée par une courbe en cloche, définie par sa moyenne $\mu$ et son écart type $\sigma $. La loi normale est donnée par la formule
$$ f(x) = \frac{1}{\sqrt{2\pi\sigma^2} } e^{-\frac{(x-\mu)^2}{2\sigma^2}} $$
Loi normale centrée réduite (Standardized Normal distribution): Une loi normale de moyenne 0 et d'écart type 1. Une loi normale peut être convertie en loi normale centrée réduite en remplaçant toutes les valeurs x par (x-moyenne)/ET.
Loi uniforme (Uniform distribution): Une loi de probabilité dans laquelle toutes les issues sont équiprobables.
Lois de probabilité (Probability distributions): Les lois de probabilité décrivent la façon dont les probabilités se répartissent sur les valeurs d'une variable aléatoire. Voir Loi normale, Loi binomiale, Loi de Poisson.

Maximum: La plus grande valeur prise par une variable.
Médiane (Median): La médiane est la valeur centrale d'un jeu de données ordonné. Si le nombre d'observations est pair, c'est la moyenne des deux valeurs centrales. La médiane est égale au 50^e centile.
Mesures de dispersion (Measures of dispersion): Ces mesures indiquent l'étalement ou la variabilité d'un jeu de données. Exemples : étendue, variance, écart type.
Mesures de tendance centrale (Measures of central tendency): Les mesures de tendance centrale permettent de résumer un jeu de données par une seule valeur. Exemples : moyenne, médiane.
Méta-analyse (Meta-analysis): Une méthode statistique qui combine les résultats de plusieurs études afin de dégager des tendances globales.
Minimum: La plus petite valeur prise par une variable.
Mode: Le mode est la valeur la plus fréquente d'un jeu de données. Un jeu de données peut avoir un mode, plusieurs modes ou aucun mode.
Modèle complet (Full Model): Un modèle de régression qui inclut toutes les variables prédictives potentielles.
Modèle de Cox à risques proportionnels (Cox regression): Le modèle de Cox à risques proportionnels (ou régression de Cox) est une méthode statistique permettant d'analyser l'effet de plusieurs facteurs de risque sur la survie ou, plus généralement, sur le temps nécessaire à la survenue d'un événement donné.
Moindres carrés (Least squares): Méthode utilisée pour estimer les paramètres de modèles statistiques tels que ceux rencontrés en analyse de régression. Les estimations des paramètres sont obtenues en minimisant la somme des carrés des différences entre les valeurs observées et les valeurs prédites par le modèle.
Moyenne (Mean): La moyenne est la valeur moyenne obtenue en additionnant toutes les valeurs et en divisant par le nombre de valeurs.
$$ \bar{x} = \frac{x_1+x_2+\cdots +x_n}{n} = {1 \over n} \sum_{i=1}^{n}{x_i} = {1 \over n} \sum_{}^{}{x} $$
Voir aussi Moyenne géométrique, Moyenne harmonique.
Moyenne géométrique (Geometric mean): La moyenne géométrique est la racine n^e du produit de n observations.
$$\left ( \prod_{i=1}^n{x_i} \right ) ^\tfrac1n = \sqrt[n]{x_1 x_2 \cdots x_n} = \exp\left[\frac1n\sum_{i=1}^n\ln x_i\right] $$
Voir aussi Moyenne, Moyenne harmonique.
Moyenne harmonique (Harmonic mean): La moyenne harmonique est définie comme l'inverse de la moyenne des inverses des valeurs données.
$$\frac{n}{\frac1{x_1} + \frac1{x_2} + \cdots + \frac1{x_n}} = \frac{n}{\sum\limits_{i=1}^n \frac1{x_i}} $$
Voir aussi Moyenne, Moyenne géométrique.
Moyenne tronquée (Trimmed mean): Une moyenne tronquée est une mesure statistique qui calcule la moyenne après avoir supprimé un certain pourcentage de valeurs extrêmes aux deux extrémités de l'échantillon.

N: Nombre de cas dans un échantillon.
Nettoyage des données (Data cleaning): Le processus consistant à corriger ou à supprimer les données erronées d'un jeu de données.
Nombre de sujets à traiter (NST) (Number Needed to Treat (NNT)): Le nombre de sujets à traiter (NST) est le nombre estimé de patients qu'il faut traiter avec le nouveau traitement plutôt qu'avec le traitement standard (ou sans traitement) pour qu'un patient supplémentaire en tire un bénéfice.

Paramètre (Parameter): Une caractéristique numérique ou une mesure d'une population.
Pente (Slope): Un nombre qui indique l'inclinaison d'une ligne sur un graphique.
Plage centrale de 80 % (80% central range): La plage comprise entre le 10^e et le 90^e centile (80 % des valeurs se situent dans cette plage).
Plage centrale de 90 % (90% central range): La plage comprise entre le 5^e et le 95^e centile (90 % des valeurs se situent dans cette plage).
Plage centrale de 95 % (95% central range): La plage comprise entre le 2,5^e et le 97,5^e centile (95 % des valeurs se situent dans cette plage).
Plage normale (Normal range): Voir Intervalle de référence.
Population: L'ensemble complet des éléments parmi lesquels des données peuvent être sélectionnées, ou l'ensemble du groupe d'individus ou d'éléments que les chercheurs souhaitent étudier.
Probabilité (Probability): La probabilité d'un événement est le rapport entre le nombre d'issues qui comprennent l'événement et le nombre total d'issues possibles.
Probabilité conditionnelle (Conditional probability): La probabilité conditionnelle est la probabilité qu'un événement se produise sachant qu'un autre événement s'est produit.
Puissance d'un test (Power of a test): La probabilité que le test rejette à juste titre une hypothèse nulle fausse (1 moins la probabilité d'une erreur de type II).

Qualité de l'ajustement (Goodness of fit): Quantification de la façon dont un modèle s'ajuste aux données observées.
Quartiles: Les quartiles divisent un jeu de données ordonné en quatre parties égales. Ils correspondent aux 25^e, 50^e et 75^e centiles.

R ajusté (R-adjusted): Le coefficient de détermination (multiple) ajusté en fonction du nombre de variables indépendantes du modèle de régression. Le R ajusté peut diminuer si l'on introduit dans le modèle des variables qui n'améliorent pas significativement l'ajustement du modèle.
R carré (R-squared): Une statistique qui donne une indication de la qualité de l'ajustement d'un modèle de régression.
Rapport (Ratio): Une comparaison de deux grandeurs par division. Un rapport compare la fréquence d'une valeur d'une grandeur à une autre valeur de cette même grandeur. Voir aussi Taux.
Rapport de risque (Hazard ratio): Le rapport de risque (rapport des risques instantanés) est une mesure statistique utilisée principalement en analyse de survie pour comparer, entre deux groupes, la probabilité qu'un événement se produise à un instant donné.
Rapport de vraisemblance négatif (Negative likelihood ratio): Rapport entre la probabilité d'un résultat de test négatif en présence de la maladie et la probabilité d'un résultat de test négatif en l'absence de la maladie. Voir aussi Rapport de vraisemblance positif.
Rapport de vraisemblance positif (Positive likelihood ratio): Rapport entre la probabilité d'un résultat de test positif en présence de la maladie et la probabilité d'un résultat de test positif en l'absence de la maladie. Voir aussi Rapport de vraisemblance négatif.
Rapport des cotes (Odds ratio): Le rapport des cotes du résultat dans deux groupes. Le rapport des cotes compare la cote de survenue d'un événement dans un groupe à la cote de sa survenue dans un autre groupe. Voir aussi Risque relatif.
Rapport des risques (Risk ratio): Voir Risque relatif.
Rééchantillonnage bootstrap (Bootstrap resampling): Une méthode de rééchantillonnage qui consiste à tirer de manière répétée des échantillons avec remise à partir des données afin d'estimer des statistiques. Voir aussi Rééchantillonnage jackknife, Simulation de Monte-Carlo.
Rééchantillonnage jackknife (Jackknife resampling): Une technique de rééchantillonnage utilisée pour estimer le biais et la variance d'un estimateur statistique. Voir aussi Rééchantillonnage bootstrap.
Régression (Regression): Une technique statistique qui modélise la relation entre une variable dépendante et une ou plusieurs variables indépendantes.
Régression linéaire (Linear regression): Une méthode d'analyse de régression qui modélise la relation entre deux variables en ajustant une équation linéaire.
Régression linéaire simple (Simple linear regression): Voir régression linéaire.
Régression logistique (Logistic regression): Une méthode d'analyse de régression utilisée pour modéliser la relation entre une variable dépendante binaire et une ou plusieurs variables indépendantes. L'analyse de régression logistique calcule les coefficients d'une formule permettant de prédire une transformation logit de la probabilité de présence de la caractéristique étudiée.
$$ logit(p) = b_0 + b_1 x_1 + b_2 x_2 + b_3 x_3 + … + b_n x_n $$
Régression multiple (Multiple regression): La régression multiple évalue la relation entre une variable dépendante et plusieurs variables indépendantes.
$$ y = b_0 + b_1 x_1 + b_2 x_2 + b_3 x_3 +\ …\ + b_k x_k $$
Régression polynomiale (Polynomial Regression): La régression polynomiale est un type de régression qui modélise la relation entre une variable indépendante $x$ et une variable dépendante $y$ sous la forme d'un polynôme de degré n.
$$ Y = b_0 + b_1 x + b_2 x^2 + b_3 x^3 + \ … \ + b_n x^n $$
Régression quadratique (Quadratic regression): La régression quadratique est un type de régression polynomiale utilisé pour modéliser la relation entre une variable dépendante et une variable indépendante lorsque les données présentent une forme parabolique (en U ou en U inversé). C'est une technique de régression non linéaire, mais elle est néanmoins considérée comme un modèle linéaire, car elle est linéaire par rapport aux coefficients.
$$y = a x^2 + b x + c $$
Représentation normale (Normal plot): La représentation normale est un outil graphique permettant de juger de la normalité de la distribution des données d'un échantillon. Dans une représentation normale, les scores z attendus sont représentés en fonction des données observées. Un échantillon aléatoire issu d'une loi normale forme une ligne presque droite.
Résidus (Residuals): Les différences entre les valeurs observées et les valeurs prédites. Les résidus représentent la variation inexpliquée (ou résiduelle) après ajustement d'un modèle de régression. Un résidu est la différence entre la valeur observée de la variable et la valeur proposée par le modèle de régression.
Risque relatif (Relative risk): Le rapport des proportions de cas présentant un résultat positif dans deux groupes. Le risque relatif compare la probabilité de survenue d'un événement dans le groupe exposé à la probabilité de sa survenue dans le groupe non exposé. Voir aussi Rapport des cotes.

Score z (Z-score): Une mesure qui décrit la position d'une valeur par rapport à la moyenne d'un groupe de valeurs, exprimée en écarts types.
$$ z = \frac{x-\bar{x}}{s} $$
Sélection ascendante (Forward selection): Une technique de régression pas à pas qui part d'un modèle sans prédicteur et ajoute de manière itérative les prédicteurs les plus significatifs sur le plan statistique. Voir aussi Élimination descendante, Sélection pas à pas.
Sélection pas à pas (Stepwise selection): En régression, une combinaison de sélection ascendante et d'élimination descendante.
Sensibilité (Sensitivity): Probabilité qu'un résultat de test soit positif lorsque la maladie est présente (taux de vrais positifs). Voir aussi Spécificité.
Seuil de signification (Significance level): Le seuil de signification (alpha) définit le seuil à partir duquel on décide de rejeter H0.
Signification statistique (Statistical significance): Un résultat est statistiquement significatif lorsqu'il serait peu probable de l'obtenir par le seul effet du hasard si l'hypothèse nulle était vraie, c'est-à-dire lorsque la valeur P est inférieure au seuil de signification choisi (généralement 0,05).
Simulation de Monte-Carlo (Monte Carlo simulation): Une technique de calcul qui utilise le hasard pour obtenir des résultats numériques, généralement pour évaluer le risque et l'incertitude. Voir aussi Rééchantillonnage bootstrap.
Sous-ajustement (Underfitting): Une erreur de modélisation qui se produit lorsqu'un modèle est trop simple pour saisir la tendance sous-jacente des données. Voir aussi Surajustement.
Spécificité (Specificity): Probabilité qu'un résultat de test soit négatif lorsque la maladie est absente (taux de vrais négatifs). Voir aussi Sensibilité.
Statistique (Statistic): Une caractéristique numérique ou une mesure d'un échantillon.
Statistique (discipline) (Statistics): La statistique est la discipline qui utilise des théories et méthodes mathématiques pour recueillir, analyser, interpréter, présenter et organiser des données. Elle fournit un cadre pour la prise de décision et pour faire des inférences sur des populations à partir de données d'échantillon.
Statistique descriptive (Descriptive statistics): Résume et décrit les caractéristiques d'un jeu de données, notamment par des mesures de tendance centrale et de variabilité.
Statistique inférentielle (Inferential statistics): Procédures permettant de faire des généralisations sur une population en étudiant un échantillon issu de cette population.
Strate (Stratum): Dans l'échantillonnage aléatoire, l'échantillon est parfois tiré séparément dans différents sous-ensembles disjoints de la population. Chacun de ces sous-ensembles est appelé une strate.
Surajustement (Overfitting): Une erreur de modélisation qui se produit lorsqu'un modèle capture le bruit plutôt que la structure sous-jacente. Voir aussi Sous-ajustement.

Tableau croisé (Crosstabulation): Une méthode d'analyse quantitative de la relation entre plusieurs variables, qui présente les distributions des variables sous forme de matrice.
Tableau de fréquences (Frequency table): Un tableau indiquant le nombre de cas appartenant à des catégories distinctes, ou simultanément à deux catégories distinctes ou plus, p. ex. des patients classés à la fois selon le sexe et la tranche d'âge, ou selon le traitement et la catégorie de résultat.
Taille de l'échantillon (Sample size): Le nombre de cas (observations) dans l'échantillon.
Taille de l'effet (Effect size): Une mesure quantitative de l'ampleur d'un phénomène ou de la force d'une relation.
Tau de Kendall (Kendall’s tau): Une statistique qui mesure l'association ordinale entre deux grandeurs mesurées.
Taux (Rate): Une mesure de la quantité d'une chose par rapport à une autre chose. Le taux compare deux grandeurs différentes, mesurées dans des unités différentes. Voir aussi Rapport.
Techniques d'échantillonnage (Sampling techniques): Les techniques d'échantillonnage sont des méthodes utilisées pour sélectionner, dans une population, les individus qui participeront à une étude. Voir Échantillonnage aléatoire, Échantillonnage stratifié.
Temps médian de survie (Median survival time): La survie médiane est le plus petit temps auquel la probabilité de survie tombe à 0,5 (50 %) ou en dessous.
Temps moyen de survie (Mean survival time): Le temps moyen de survie est estimé par l'aire sous la courbe de survie dans l'intervalle de 0 à t_max. Voir aussi Temps moyen de survie restreint.
Temps moyen de survie restreint (Restricted mean survival time): Le temps moyen de survie restreint (RMST) est défini comme l'aire sous la courbe de survie jusqu'à un instant donné. Voir aussi Temps moyen de survie.
Terme d'erreur (Error term): Une variable représentant la part de la variation de la variable dépendante qui ne peut pas être expliquée par la ou les variables indépendantes.
Test Chi2 (Chi-Squared test): Un test statistique permettant de déterminer s'il existe une association significative entre des variables catégoriques.
Test d'hypothèse (Hypothesis testing): Le test d'hypothèse est une méthode permettant de tester une supposition concernant un paramètre de la population, à partir de données d'échantillon.
Test de Cochran-Mantel-Haenszel (Cochran-Mantel-Haenszel test): Le test de Cochran-Mantel-Haenszel calcule un rapport des cotes en tenant compte d'un facteur de confusion.
Test de Friedman (Friedman test): Alternative non paramétrique à l'ANOVA à mesures répétées.
Test de Jonckheere-Terpstra (Jonckheere-Terpstra Test): Un test statistique non paramétrique de détection de tendances dans des données ordinales.
Test de Kolmogorov-Smirnov (Kolmogorov-Smirnov test): Compare la distribution d'un échantillon à une distribution de référence (p. ex. la loi normale) ou compare deux distributions.
Test de Kruskal-Wallis (Kruskal-Wallis test): Alternative non paramétrique à l'ANOVA pour comparer trois groupes ou plus. Une extension du test de Mann-Whitney.
Test de Levene (Levene’s test): Teste l'égalité des variances entre plusieurs groupes.
Test de Mann-Whitney (Mann-Whitney U test): Alternative non paramétrique au test t pour comparer deux groupes indépendants.
Test de McNemar (McNemar test): Compare des données catégoriques appariées (p. ex. plans avant/après avec des résultats binaires).
Test de normalité (Normality test): Un test statistique qui évalue si un jeu de données suit une loi normale.
Test des rangs signés de Wilcoxon (Wilcoxon signed-rank test): Teste les différences entre des échantillons appariés en évaluant si les rangs moyens de leurs populations diffèrent. Alternative non paramétrique au test t sur échantillons appariés.
Test exact de Fisher (Fisher's exact test): Un test de significativité statistique utilisé pour analyser les tableaux de contingence, en particulier lorsque les tailles d'échantillon sont faibles.
Test F (F-test): Un test statistique utilisé pour comparer les variances de deux populations ou pour évaluer la significativité globale d'un modèle de régression.
Test H (H-test): Voir Test de Kruskal-Wallis.
Test logarithmique par rangs (log-rank) (Logrank test): Le test logarithmique par rangs, ou test du log-rank, est un test d'hypothèse permettant de comparer les distributions de survie de deux échantillons.
Test Q de Cochran (Cochran’s Q test): Teste les différences de proportions entre des groupes liés.
Test t (T-test): Un test statistique utilisé pour comparer les moyennes de deux groupes.
Test t de Welch (Welch’s T-test): Variante du test t utilisée lorsque deux groupes ont des variances et/ou des tailles d'échantillon inégales.
Test t sur échantillons appariés (Paired t-test): Compare les moyennes de deux échantillons liés (p. ex. avant et après traitement).
Tests non paramétriques (Non-parametric tests): Les tests non paramétriques sont des tests qui ne supposent pas de distribution particulière des données. Voir Test de Mann-Whitney, Test des rangs signés de Wilcoxon, Test de Kruskal-Wallis.
Tests paramétriques (Parametric tests): Tests statistiques qui supposent que les données suivent une certaine distribution (p. ex. la loi normale).
Théorème central limite (Central Limit Theorem): Un théorème statistique selon lequel la distribution des moyennes d'échantillon tend vers une loi normale à mesure que la taille de l'échantillon augmente, quelle que soit la distribution de la population.
Transformation logarithmique (Logarithmic transformation): La transformation logarithmique est une technique statistique qui consiste à appliquer un logarithme à chaque valeur d'un jeu de données afin de stabiliser la variance et de rapprocher la distribution d'une loi normale.

Valeur aberrante (Outlier): Une observation jugée inhabituelle et peut-être erronée parce qu'elle ne suit pas le schéma général des données de l'échantillon.
Valeur aberrante extrême (Far out value): Une valeur aberrante extrême est définie comme une valeur inférieure au quartile inférieur moins 3 fois l'écart interquartile, ou supérieure au quartile supérieur plus 3 fois l'écart interquartile (limites extérieures) (voir aussi Boîte à moustaches).
Valeur absolue (Absolute value): La valeur d'un nombre sans tenir compte de son signe algébrique.
Valeur hors limites (Outside value): Une valeur hors limites est définie comme une valeur inférieure au quartile inférieur moins 1,5 fois l'écart interquartile, ou supérieure au quartile supérieur plus 1,5 fois l'écart interquartile (limites intérieures) (voir aussi Boîte à moustaches).
Valeur moyenne (Average): Voir Moyenne.
Valeur P (P-value): La probabilité d'obtenir une valeur de la statistique de test égale ou plus extrême que celle observée, en supposant que l'hypothèse nulle est vraie.
Valeur prédictive négative (Negative predictive value): Probabilité que la maladie soit absente lorsque le test est négatif. Voir aussi Valeur prédictive positive.
Valeur prédictive positive (Positive predictive value): Probabilité que la maladie soit présente lorsque le test est positif. Voir aussi Valeur prédictive négative.
Valeur prédite (Predicted value): Valeur de la variable dépendante prédite par le modèle de régression.
Validation croisée (Cross-validation): Une méthode statistique utilisée pour estimer la performance d'un modèle sur des données non vues.
Variable: Une grandeur qui varie.
Variable aléatoire (Random variable): Une variable dont les valeurs sont déterminées par les issues d'un phénomène aléatoire.
Variable continue (Continuous variable): Une variable aléatoire qui peut prendre n'importe quelle valeur dans un intervalle donné.
Variable de confusion (Confounding variable): Une variable qui influence à la fois la variable dépendante et la variable indépendante, ce qui conduit à une fausse association.
Variable dépendante (Dependent variable): En régression, la variable dont les valeurs sont censées être expliquées par les variations de l'autre ou des autres variables (les variables indépendantes ou explicatives). Habituellement notée $y$. Voir aussi Variable indépendante.
Variable dichotomique (Dichotomous variable): Une variable qui ne peut prendre que 2 valeurs.
Variable discrète (Discrete variable): Un type de variable aléatoire qui peut prendre un nombre fini ou infini dénombrable de valeurs.
Variable explicative (Explanatory variable): Voir Variable indépendante.
Variable indépendante (Independent variable): En régression, les variables indépendantes sont celles qui sont censées expliquer la variable dépendante. Habituellement notées $x$ ou $x_i$.
Variable X (X-variable): Souvent utilisée pour désigner la variable indépendante en analyse de régression.
Variable Y (Y-variable): Représente généralement la variable dépendante dans un modèle mathématique ou statistique. Voir Régression.
Variance: Une mesure de la dispersion d'un ensemble de valeurs, calculée comme la somme des carrés des écarts à la moyenne, divisée par le nombre de valeurs moins 1.
$$s^2 = \frac{\sum_{}^{}{(x-\bar{x})^2}}{n-1} $$
Variation expliquée (régression) (Explained variation (regression)): La part de la variabilité totale observée de la variable dépendante qui est expliquée par la régression.
Variation inexpliquée (régression) (Unexplained variation (regression)): La somme des carrés des différences entre les valeurs observées et les valeurs estimées ou prédites.
Variation totale (régression) (Total variation (regression)): La somme des carrés des différences entre les valeurs observées et la moyenne arithmétique de la variable dépendante.
Visualisation des données (Data visualization): La représentation graphique des données afin d'identifier des motifs, des tendances et des enseignements.

X barre ($ \bar{X}$) (X-bar ($ \bar{X}$)): La moyenne de l'échantillon.

Voir aussi

Notation et symboles