Summary  
This chapter explains how to calculate sample variance by summing squared deviations from the mean and dividing by n − 1 to estimate data variability.  

General domain of usage  
Statistical data analysis

Explorons maintenant la **variance d'échantillon**. Le concept est similaire à la **variance de population**, mais la formule diffère légèrement car les données ne représentent qu'un sous-ensemble de la population totale.


**Formule**
$$
\text{variance} = \frac{\sum^n_{i=1}(x_i-\bar{x})^2}{n-1}
$$

Où :
- $$n$$ - taille de l'échantillon ;
- $$i$$ - indice de chaque élément ;
- $$x_i$$ - chaque élément ;
- $$\bar{x}$$ - valeur moyenne de l'échantillon.


Consultez l'exemple de variance arrondie à deux décimales pour la colonne `'salary_in_usd'` :

La variance de la colonne `'salary_in_usd'` est **5034932663.18**

## Note clé sur la variance

La variance de la colonne `'salary_in_usd'` est assez importante, ce qui indique que les valeurs de cette colonne sont **largement dispersées**.

Plus la variance est grande, plus les valeurs sont dispersées.

Remarque

Sélectionner celle qui présente la variance la plus faible parmi les graphiques ayant un nombre égal d'observations et des valeurs moyennes identiques.

Acquérez une base solide en statistiques avec Python. Apprenez les concepts statistiques essentiels et appliquez-les à l’aide de NumPy et pandas. Progressez des mesures de base telles que la moyenne et la variance jusqu’aux tests d’hypothèses, intervalles de confiance et analyses de données avec des exercices pratiques.

Découvrez les principes statistiques fondamentaux, y compris les types de données, les mesures de tendance centrale et les principales différences entre échantillons et populations.

Apprendre à calculer et interpréter la moyenne, la médiane et le mode avec Python. S'exercer à ces opérations avec pandas pour analyser des ensembles de données réels.

Comprendre comment la variance et l'écart type mesurent la dispersion des données. Apprendre à calculer ces mesures manuellement et à l'aide d'outils Python.

Découvrez comment la covariance et la corrélation décrivent les relations entre les variables. Exercices de calcul et de comparaison de ces deux mesures en Python.

Maîtrise des intervalles de confiance pour estimer les paramètres d'une population. Utilisation de NumPy, pandas et des bibliothèques de visualisation pour calculer et interpréter les intervalles avec des données réelles.

Apprenez les principes fondamentaux des tests d'hypothèse et du test t. Comprenez comment concevoir, réaliser et interpréter des tests à l'aide de Python pour soutenir les décisions basées sur les données.

Variance d'échantillon

Note clé sur la variance

Awesome!

Variance d'échantillon

Note clé sur la variance