Mesures statistiques

Pour vous aider à utiliser les statistiques, le Data Workbench fournit trois mesures statistiques dans la visualisation de l’analyse guidée.

REMARQUE

Bien que les mathématiques puissent vous aider à vous faire une idée des corrélations de vos données, le contexte entourant les données doit également être pris en compte.

  • L’ aspect Sq Chi est un test de signification statistique qui contrôle l’aspect de la coche dans la visualisation. Mathématiquement, c'est une probabilité que nous puissions rejeter l'hypothèse nulle, qui indique que les différences observées entre les deux groupes peuvent être expliquées par des variations aléatoires. Pratiquement, si la valeur de l'espace Chi est inférieure à 100 %, nous pouvons ignorer la corrélation quelle que soit sa force mesurée (comme décrit dans les sections statistiques U et V ci-dessous).
  • U statistics est une mesure de la force de la corrélation statistique. Mathématiquement, il vient d'une branche de mathématiques appelée théorie de l'information et est étroitement lié au concept d'information mutuelle entre les distributions des deux groupes. Il peut aussi être considéré comme la compressibilité d'un groupe, compte tenu d'un schéma de codage optimal pour l'autre groupe. En pratique, cette mesure fonctionne très bien dans le cas courant d’une dimension avec de nombreux éléments contenant peu de visiteurs. La mesure varie de 0 (faible) à 1 (forte).
  • V statistique est aussi une mesure de la force de la corrélation statistique. Mathématiquement, elle est liée à la statistique V de Cramer, qui ne diffère que par une étape de normalisation visant à améliorer la symétrie de la mesure par rapport à l’inversion de sélection. Pratiquement, cette mesure fonctionne raisonnablement bien avec de nombreux types de dimensions et est liée à une mesure statistique couramment utilisée. La mesure varie de 0 (faible) à 1 (forte).
REMARQUE

Les statistiques des U et V ont été sélectionnées pour se compléter les unes les autres, chacune ayant été ajustée pour détecter des types de corrélations auxquelles l'autre ne répondrait pas aussi fortement.

A l’aide de cette visualisation comme guide, vous pouvez ajouter d’autres visualisations à votre espace de travail afin de fournir plus d’informations sur vos données en fonction de la sélection.

L'exemple Site suivant contient un graphique à barres qui montre les sessions des jours de janvier, février, mars et avril. Notez qu’un jour de janvier est sélectionné.

La visualisation des analyses guidées dans le coin inférieur gauche de l’espace de travail indique que la dimension Numéro de session fournit des informations utiles sur le jour sélectionné.

En examinant le graphique à barres Numéro de session dans le coin inférieur droit de l’espace de travail, vous pouvez constater que les données de la session numéro 2 sont beaucoup plus basses que l’indice de référence. Ainsi, nous pouvons conclure que, en pourcentage, moins de deuxième sessions ont eu lieu le jour choisi que d'habitude. Pour vue d’un graphique à barres pour l’une des dimensions répertoriées dans la visualisation des analyses guidées, il vous suffit de sélectionner la dimension en cliquant dessus avec la souris.

Sur cette page

Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now
Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now