Une question à laquelle les données peuvent répondre.

Les statistiques commencent par une question, et toutes les questions ne sont pas des questions statistiques.

Compare ces deux questions :

• "Quel est le poids du manchot de la ligne 1 de notre tableau ?"
• "Quel est le poids des manchots papous adultes ?"

La première a une seule réponse : tu la cherches dans le tableau (3 750 g). La seconde a de nombreuses réponses, car les manchots sont différents. Tu peux seulement y répondre avec un résumé de nombreuses mesures : une valeur typique, un intervalle, une image. Une question statistique est une question pour laquelle tu t'attends à ce que les réponses varient, et pour laquelle les données que tu recueilleras varieront aussi.

"Combien d'élèves y a-t-il dans notre classe aujourd'hui ?" est une question de comptage avec une seule réponse. "Combien d'heures les élèves de notre école dorment-ils pendant une nuit avant un jour d'école ?" est une question statistique : les élèves donneront des réponses différentes, et ce qui est intéressant, c'est le motif.

Les données arrivent généralement sous forme de tableau. Voici les mots à connaître :

• Unité d'observation (aussi appelée cas) : ce que décrit chaque ligne. Dans le tableau des manchots, il s'agit d'un manchot.
• Variable : quelque chose qui est mesuré ou noté pour chaque unité, avec une colonne par variable : espèce, île, longueur de la nageoire, masse corporelle, sexe.
• Valeur : le contenu d'une cellule, comme "Gentoo" ou 214 mm.

La présentation standard, souvent appelée données bien structurées, suit trois règles : chaque ligne correspond à une unité, chaque colonne correspond à une variable et chaque cellule contient une valeur. Les tableaux bien structurés sont faciles à trier, filtrer, compter et représenter sous forme de graphique. C'est pourquoi presque tous les outils d'analyse de données les utilisent.

Les trois premières lignes du tableau des manchots ressemblent à ceci :

• Adelie · Torgersen · bec de 39,1 mm de long et de 18,7 mm de profondeur · nageoire de 181 mm · 3 750 g · mâle · 2007
• Adelie · Torgersen · bec de 39,5 mm de long et de 17,4 mm de profondeur · nageoire de 186 mm · 3 800 g · femelle · 2007
• Adelie · Torgersen · bec de 40,3 mm de long et de 18,0 mm de profondeur · nageoire de 195 mm · 3 250 g · femelle · 2007

Les mesures des manchots constituent le jeu de données des manchots de Palmer : 344 oiseaux mesurés à la station Palmer, en Antarctique, en 2007, 2008 et 2009 (Gorman, Williams et Fraser, 2014), partagé dans le domaine public (CC0).

Les variables appartiennent à deux grandes familles.

• Les variables catégorielles classent chaque unité dans un groupe : espèce, île, sexe. Les valeurs sont des étiquettes. Tu peux compter combien il y en a dans chaque groupe.
• Les variables numériques (quantitatives) sont des mesures ou des comptages pour lesquels les calculs arithmétiques ont un sens : longueur de nageoire, masse corporelle. Tu peux en calculer la moyenne.

Les variables numériques se divisent encore. Une variable discrète prend des valeurs distinctes que tu peux compter, comme le nombre d’œufs dans un nid (0, 1, 2, 3 …). Une variable continue peut prendre n’importe quelle valeur dans un intervalle, selon la précision de la mesure : une nageoire peut mesurer 214 mm, 214,3 mm ou 214,27 mm. La masse corporelle et la longueur de nageoire sont continues, même si le tableau les enregistre sous forme de nombres entiers de grammes ou de millimètres.

Un bon test pour savoir si une variable est « numérique » : est-ce que la moyenne a un sens ? La masse corporelle moyenne d’un groupe de manchots a un sens. La moyenne d’une liste de codes postaux n’en a pas.