Univariée
L’utilité univariée mesure dans quelle mesure les propriétés statistiques des variables individuelles sont préservées dans le jeu de données transformé. Cette évaluation garantit que les caractéristiques fondamentales de chaque variable — comme la forme de sa distribution, la présence de valeurs aberrantes et l’asymétrie — sont maintenues après transformation.
L’utilité univariée est cruciale pour préserver l’intégrité des analyses reposant sur des statistiques à une seule variable, telles que les statistiques descriptives, les tests d’hypothèses et les modèles prédictifs univariés.
Exemple concret d’application
Considérons un jeu de données contenant les âges des individus. Dans le jeu original, la distribution des âges suit une forme gaussienne bimodale, reflétant deux sous-groupes distincts : un groupe plus jeune (par exemple étudiants ou jeunes professionnels) et un groupe plus âgé (par exemple retraités).
Lors de la transformation du jeu, il est important de vérifier si la distribution d’âges conserve sa nature bimodale ainsi que des propriétés statistiques clés comme la moyenne et la variance. Si la transformation modifie fortement la distribution — par exemple en fusionnant les deux pics en un seul ou en décalant la moyenne — cela peut entraîner des analyses trompeuses et des conclusions erronées.
Liste des métriques mesurant l’utilité univariée
Facteurs influençant l’utilité univariée
Plusieurs facteurs peuvent impacter la préservation des propriétés statistiques univariées :
- Valeurs aberrantes : Les valeurs extrêmes peuvent fortement influencer des statistiques comme la moyenne ou la variance. Il est crucial que ces outliers ne soient ni trop atténués (pour préserver la confidentialité) ni exagérés dans le jeu transformé.
- Variables asymétriques : Les variables avec une distribution asymétrique (ex. revenus, montants de transactions) nécessitent un traitement particulier pour éviter la distorsion de leurs propriétés statistiques.
- Faible disponibilité des données : Les variables avec peu d’observations peuvent avoir des distributions instables, rendant la conservation de leurs propriétés plus difficile.
- Données manquantes : Un taux élevé de valeurs manquantes peut introduire des biais si le schéma de données manquantes n’est pas correctement pris en compte lors de la transformation.
Comprendre ces facteurs aide à choisir les techniques de transformation adaptées et à garantir l’utilité du jeu de données pour les analyses en aval.