Projet de groupe
Projet A : Intervalles de confiance
Menez une enquête auprès des étudiants de votre classe ou de votre établissement afin de collecter des données sur le nombre d'heures travaillées par semaine selon une ou deux caractéristiques sociodémographiques prédéfinies, telles que le genre, l'âge, le quartier de résidence, le statut d'étudiant universitaire de première génération, etc. En groupe, établissez des intervalles de confiance à 90 % pour le nombre moyen d'heures travaillées pour chaque catégorie d'étudiants. Comparez les intervalles de confiance et tirez des conclusions pertinentes concernant le nombre moyen d'heures travaillées par chaque catégorie d'étudiants.
Projet B : Test d'hypothèses
En groupe, formulez une hypothèse sur la proportion de voitures blanches dans votre ville. Pour collecter des données d'échantillon, rendez-vous sur le parking de votre établissement ou sur un parking quelconque à proximité et déterminez la proportion échantillonnale de voitures blanches. Ensuite, utilisez ces données pour effectuer un test d'hypothèses sur votre hypothèse de départ.
Projet C : Analyse de corrélation et de régression
Pour chaque étudiant, collectez des données sur la longueur de la chaussure et la taille de la personne. Créez un nuage de points à partir de ces données et calculez le coefficient de corrélation. Testez la significativité du coefficient de corrélation. Si la corrélation est significative, développez un modèle de régression linéaire pour prédire la taille d'une personne en fonction de la longueur de sa chaussure.
Dans le cadre d'un second travail sur le même sujet, les étudiants doivent faire des recherches sur un modèle particulier de voiture, comme la Honda Accord ou la Toyota Camry. Recherchez sur des sites web les prix des voitures d'occasion pour le modèle sélectionné et enregistrez les données où est l'âge de la voiture et est le prix de la voiture. Créez un nuage de points à partir de ces données et calculez le coefficient de corrélation. Testez la significativité du coefficient de corrélation. Si la corrélation est significative, développez un modèle de régression linéaire pour prédire le prix d'une voiture en fonction de l'âge du véhicule.