Le Jeu de données

Le jeu de données contient des informations concernant un groupe de 30

étudiants, comprenant diverses variables académiques et démographiques.
Il inclut des données sur l’âge, le sexe, le programme d’études, les heures
d’étude, ainsi que les performances des étudiants dans les matières d’économie
et de statistiques. De plus, le niveau d’assiduité à l’école est également
enregistré, ce qui permet d’explorer son impact potentiel sur les résultats
académiques. L’objectif principal de cette analyse est d’explorer et de com-
prendre les relations entre les facteurs démographiques (âge, sexe) et académiques
(programme d’études, assiduité, heures d’étude) des étudiants, et leur influ-
ence sur les performances académiques en économie et en statistiques. Plus
précisément, cette analyse cherchera à déterminer :

• l’impact de l’assiduité sur les résultats académiques, en particulier en

statistiques;

• les relations entre les heures d’étude et les notes en économie et statis-
tiques;

• l’effet potentiel de l’âge et du sexe sur les habitudes d’étude et les

performances;

• la manière dont le programme d’études (Ingénieur ou Sciences de l’ingénieur)

pourrait influencer les performances des étudiants dans ces deux matières.

Cette analyse permettra de dégager des insights sur les facteurs qui con-
tribuent à la réussite académique et de mieux comprendre les dynamiques
d’étude et de performance parmi les étudiants.
 ID Âge Sexe Programme Heures d’étude Assiduité Économie Statistiques
1 20 F Ing 10 Élevée 15 14
2 21 M SI 12 Moyenne 13 16
3 22 F Ing 8 Faible 17 12
4 20 M SI 14 Élevée 10 18
5 19 F Ing 9 Moyenne 16 15
6 21 M SI 7 Faible 14 13
7 23 F Ing 11 Élevée 18 14
8 22 M SI 6 Faible 12 17
9 20 F Ing 13 Moyenne 14 12
10 21 M SI 15 Élevée 11 19
11 22 F Ing 10 Faible 15 13
12 20 M SI 8 Moyenne 16 14
13 21 F Ing 7 Élevée 17 15
14 23 M SI 9 Faible 10 16
15 20 F Ing 12 Moyenne 16 18
16 19 M SI 6 Faible 14 11
17 22 F Ing 14 Élevée 18 17
18 21 M SI 11 Moyenne 13 12
19 20 F Ing 8 Moyenne 15 16
20 22 M SI 10 Faible 14 14
21 19 F Ing 13 Élevée 16 13
22 21 M SI 9 Faible 12 18
23 20 F Ing 7 Faible 17 14
24 23 M SI 10 Moyenne 11 19
25 22 F Ing 8 Élevée 15 16
26 21 M SI 12 Moyenne 14 15
27 23 F Ing 6 Faible 18 13
28 22 M SI 14 Moyenne 13 12
29 20 F Ing 9 Faible 16 17
30 21 M SI 10 Élevée 12 15

Table 1: Jeu de données des étudiants avec assiduité, heures d’étude et notes

2
 Exercices d’Analyse de Données - TD Complet

Objectifs
L’objectif de ce TD est de réaliser une analyse complète et progressive du jeu de données
étudiants en passant de l’analyse univariée aux analyses bivariées et multivariées avec des
tests statistiques.

Exercice 1 : Analyse Univariée des Variables Quantitatives

Objectif : Analyser les variables quantitatives pour comprendre leur distribution.

1. Calculez les mesures de tendance centrale (moyenne, médiane) pour les vari-
ables suivantes : Âge, Heures d’étude, Note en Économie, Note en Statistiques.

2. Calculez les mesures de dispersion (écart-type, variance, amplitude) pour ces

mêmes variables.

3. Représentez graphiquement ces variables à l’aide de :

• Histogrammes
• Boxplots

Questions à traiter :
• Quelle est la distribution des données pour chaque variable ?

• Quelle variable est la plus dispersée et laquelle est la plus homogène ?

• Quelle est la tendance générale pour chaque variable ?

Exercice 2 : Analyse Univariée des Variables Qualitatives

Objectif : Analyser les variables qualitatives pour comprendre la répartition des catégories.

1. Calculez la fréquence et la proportion pour les variables qualitatives suivantes :

Sexe, Programme d’études, Assiduité.

2. Représentez graphiquement ces variables à l’aide de :

• Diagrammes en barres
• Diagrammes circulaires (camemberts)

Questions à traiter :

3
 • Quelle est la répartition des étudiants en fonction de leur sexe ?

• Quel est le programme d’études le plus fréquent ?

• Quelle est la proportion d’étudiants ayant un niveau d’assiduité faible, moyen ou

élevé ?

Exercice 3 : Corrélation entre Variables Quantitatives

Objectif : Explorer les relations linéaires entre les variables quantitatives.

1. Créez des diagrammes de dispersion pour examiner les relations entre les vari-
ables quantitatives suivantes :

• Heures d’étude et Note en Économie

• Heures d’étude et Note en Statistiques
• Note en Économie et Note en Statistiques

2. Calculez les coefficients de corrélation de Pearson entre ces variables.

Questions à traiter :

• Quelle est la force et la direction de la corrélation entre les heures d’étude et les
notes en économie et en statistiques ?

• Les étudiants avec plus d’heures d’étude ont-ils des résultats significativement plus
élevés ?

Exercice 4 : Analyse de l’Assiduité en Fonction des Performances

Objectif : Explorer l’impact de l’assiduité sur les performances académiques.

1. Calculez les moyennes des notes en économie et en statistiques pour chaque

niveau d’assiduité (Faible, Moyenne, Élevée).

2. Effectuez une analyse de variance (ANOVA) pour tester s’il existe des différences
significatives dans les performances académiques entre les différents niveaux d’assiduité.

3. Créez des boxplots pour visualiser les différences de performances en fonction du

niveau d’assiduité.

Questions à traiter :

• L’assiduité a-t-elle un effet significatif sur les résultats en économie et en statistiques

?

• Quel est l’impact de l’assiduité sur la note en statistiques ?

4
Exercice 5 : Impact de l’Âge sur l’Assiduité et les Performances
Objectif : Étudier l’impact de l’âge sur l’assiduité et les performances académiques.
1. Calculez la moyenne d’âge pour chaque niveau d’assiduité (Faible, Moyenne,
Élevée).
2. Effectuez un test de t de Student pour comparer les moyennes d’âge entre les
groupes d’assiduité faible et élevé.
3. Analysez l’impact de l’âge sur les performances en économie et en statistiques.
Questions à traiter :
• L’âge a-t-il un effet significatif sur l’assiduité ?
• Les étudiants plus jeunes ont-ils de meilleures performances ?

Exercice 6 : Comparaison des Performances entre Hommes et

Femmes
Objectif : Comparer les performances académiques entre les hommes et les femmes.
1. Calculez les moyennes des notes en économie et en statistiques pour les hommes
et les femmes.
2. Effectuez un test de t de Student pour comparer les moyennes des notes entre
hommes et femmes.
3. Créez des boxplots pour comparer les distributions des notes entre les hommes et
les femmes.
Questions à traiter :
• Y a-t-il une différence significative entre les notes des hommes et des femmes ?
• Les hommes et les femmes ont-ils des habitudes d’étude similaires ?

Exercice 7 : Analyse de l’Impact du Programme d’Études sur

les Heures d’Étude
Objectif : Analyser si le programme d’études influence les heures d’étude.
1. Calculez les moyennes des heures d’étude pour les étudiants en Ingénierie et
en Sciences de l’Ingénieur.
2. Effectuez un test de t de Student pour vérifier s’il y a une différence significative
entre les moyennes d’heures d’étude des deux groupes.
3. Représentez graphiquement les heures d’étude pour chaque programme à l’aide de
diagrammes en barres.
Questions à traiter :
• Existe-t-il une différence significative dans le nombre d’heures d’étude entre les
étudiants en Ingénierie et ceux en Sciences de l’Ingénieur ?

5
Exercice 8 : Régression Linéaire pour Prédire les Notes en Économie
Objectif : Créer un modèle pour prédire la note en économie.

1. Développez un modèle de régression linéaire multiple pour prédire la note en

économie en fonction des variables : heures d’étude, assiduité, sexe, programme
d’études.

2. Évaluez la qualité du modèle avec le R², les coefficients de régression, et les

valeurs p pour chaque variable explicative.

Questions à traiter :

• Quels sont les facteurs qui influencent le plus les performances en économie ?

• Le modèle explique-t-il bien les variations des notes en économie ?

Exercice 9 : Régression Linéaire pour Prédire les Notes en Statis-

tiques
Objectif : Créer un modèle pour prédire la note en statistiques.

1. Développez un modèle de régression linéaire multiple pour prédire la note en

statistiques en fonction des mêmes variables que pour l’économie.

2. Évaluez le R², les coefficients de régression, et les valeurs p.

Questions à traiter :

• Quel est l’impact des variables explicatives sur la note en statistiques ?

• Le modèle est-il robuste pour prédire les performances en statistiques ?

Exercice 10 : Conclusion et Synthèse des Résultats

Objectif : Résumer les principales conclusions de l’analyse.

1. Rédigez une synthèse des principaux résultats obtenus à travers les exercices
précédents.

2. Discutez des relations significatives identifiées et des facteurs clés influençant

les performances en économie et en statistiques.

3. Proposez des recommandations basées sur les résultats de votre analyse.

Questions à traiter :

• Quels sont les principaux facteurs influençant la réussite des étudiants ?

• Comment ces résultats pourraient-ils être utilisés pour améliorer l’accompagnement

des étudiants ?