Points clés
- Catégorie
- Data Analysis
- Types d’entrée
- textarea, select, text, checkbox
- Type de sortie
- text
- Couverture des échantillons
- 4
- API disponible
- Yes
Vue d’ensemble
Calculez rapidement les quartiles (Q1, Q2, Q3) de vos jeux de données grâce à notre outil statistique en ligne. Il prend en charge plusieurs méthodes de calcul standard, inclut la détection automatique des valeurs aberrantes et génère des analyses de distribution complètes pour vos besoins en contrôle qualité ou en recherche.
Quand l’utiliser
- •Pour analyser la dispersion et la distribution d'un ensemble de données numériques.
- •Pour identifier les valeurs aberrantes (outliers) dans vos rapports statistiques.
- •Pour comparer des groupes de données en utilisant des méthodes de calcul standardisées comme Excel, Minitab ou SAS.
Comment ça marche
- •Copiez et collez vos données dans la zone de saisie en spécifiant le délimiteur approprié.
- •Indiquez la colonne contenant les valeurs numériques à traiter.
- •Sélectionnez votre méthode de calcul préférée et activez les options d'analyse statistique souhaitées.
- •Générez les résultats sous forme de tableau, de fichier CSV ou de format JSON pour vos analyses ultérieures.
Cas d’usage
Exemples
1. Analyse de distribution des salaires
Analyste RH- Contexte
- Un analyste doit évaluer la répartition des salaires au sein de différents départements pour identifier les disparités.
- Problème
- Calculer les quartiles pour chaque département afin de visualiser la dispersion salariale et détecter les salaires atypiques.
- Comment l’utiliser
- Importer les données CSV, définir 'Département' comme colonne de regroupement et 'Salaire' comme colonne de valeur, puis activer la détection des valeurs aberrantes.
- Configuration d’exemple
-
method: excel, includeOutliers: true, groupByColumn: 'Département', valueColumn: 'Salaire' - Résultat
- Un tableau récapitulatif par département affichant Q1, Q2, Q3 et les salaires identifiés comme valeurs aberrantes.
2. Contrôle qualité des composants
Ingénieur Qualité- Contexte
- Des mesures de précision sur des pièces mécaniques doivent être vérifiées pour garantir qu'elles respectent les normes de tolérance.
- Problème
- Déterminer si la distribution des mesures est cohérente et identifier les pièces hors normes.
- Comment l’utiliser
- Saisir les mesures, choisir la méthode Minitab pour une analyse exclusive, et générer les statistiques descriptives.
- Configuration d’exemple
-
method: minitab, includeStats: true, includeOutliers: true - Résultat
- Obtention des quartiles et des statistiques (moyenne, écart-type) permettant de valider la conformité du lot.
Tester avec des échantillons
csv, xlsx, videoHubs associés
FAQ
Quelles méthodes de calcul sont supportées ?
L'outil prend en charge les méthodes Excel (inclusive), Minitab (exclusive), SAS, ainsi que les méthodes inclusive et exclusive standard.
Comment l'outil détecte-t-il les valeurs aberrantes ?
Il utilise la méthode de l'intervalle interquartile (IQR) pour identifier automatiquement les valeurs situées en dehors des limites statistiques.
Puis-je grouper mes données par catégorie ?
Oui, vous pouvez spécifier une colonne de regroupement pour calculer les quartiles séparément pour chaque catégorie présente dans vos données.
Quels formats de sortie sont disponibles ?
Vous pouvez exporter vos résultats au format tableau formaté, Markdown, JSON ou CSV.
L'outil gère-t-il les valeurs vides ?
Oui, vous pouvez choisir d'inclure ou d'exclure les valeurs vides dans vos calculs via les options de configuration.