Utiliser ces visualisations:

Ces applications peuvent être utilisées de diverses manières:

• Comme aide visuelle pendant les cours
• De manière ouverte pour auto-apprentissage
• Comme outil d'apprentissage soit en utilisant le tutoriel, soit en suivant les instructions d'un professeur.

Toutes les applications peuvent être utilisées en mode "demo" pour lesquelles toutes les fonctionnalités sont accessibles. Les applications démarrent dans ce mode, désignées pour leurs utilisations en cours ou en auto-apprentissage par les étudiants. La plupart des applications ont un bouton libellé "TUTORIEL", qui commence une exploration guidée, posant des questions simples aux utilisateurs. Pendant le tutoriel, les fonctions (c'est-à-dire les boutons) sont contraintes à ne répondre qu'aux actions appropriées.

Notes à propos des visualisations:

Echantillonner une loi normale -- Cette application démontre le concept de la distribution d'échantillonnage d'un estimateur en utilisant l'exemple de la moyenne d'une variable normalement distribuée. L'application aussi renforce le concept d'histogramme.

Objectifs d'apprentissage:

• Visualiser la signification de la distribution d'échantillonnage pour l'estimateur de la moyenne.
• Comprendre que la distribution des moyennes des échantillons a une moyenne égale à la moyenne de la population.
• Prédire la relation entre la taille d'échantillon est l'erreur standard.

Intervalles de confiance pour la moyenne -- Cette application explique la signification des intervalles des confiance en les calculant sur des échantillons répétés.

Objectifs d'apprentissage:

• Comprendre la signification d'un intervalle de confiance
• Prédire les effets d'un changement de taille d'échantillon sur l'intervalle de confiance.

Théorème de la limite centrale -- Cette application explore la distribution d'échantillonnage pour la moyenne, pour des variables qui ne suivent pas une loi normale.

Cette application assume que l'étudiant est déjà familier avec les concepts de bases de l'échantillonnage. L'application "Echantillonner une loi normale" devrait peut-être être utilisée en premier.

Objectifs d'apprentissage:

• Comprendre que les moyennes des échantillons seront normalement distribuées, même si la variable n'est pas normalement distribuée.
• Prédire les effets d'un changement de taille de l'échantillonnage sur la distribution de l'échantillonnage.

χ² et tableau de contingence -- Cette application simule l'analyse de tableau de contingence à 4 cases (2x2). L'application démontre que la statistique χ² suit une distribution de χ² et montre comment cela se rapporte aux P-values. L'application est utile pour une démonstration des concepts d'erreur de type I et de puissance statistique. Cette application n'a pas de tutoriel.

Objectifs d'apprentissage:

• Illustrer la signification d'une P-value associée à une analyse d'un tableau de contingence (que l'hypothèse nulle soit correcte ou fausse)
• Comprendre le concept d'erreur de type I
• Comprendre le concept de puissance statistique
• Comprendre l'interaction entre taille d'échantillonnage et puissance.

Les visualisations ont été créées par l'Université de Colombie Britannique avec support financier de UBC's Teaching and Learning Enhancement Fund. Elles ont été créées par de nombreuses personnes de qualité. Merci de nous envoyer vos commentaires et remarques.

Ces pages et leurs codes sont ouverts par une license Creative Commons Zero. C'est-à-dire vous êtes libres de les utiliser et de les modifier. Nous demandons que vous référenciez à l'original quand il est possible. Ce travail est dans le domaine publique.