6.2 KiB
📚 Documentation Utilisateur
Bienvenue dans la documentation complète de l'application d'analyse de données statistiques.
📖 Guides Disponibles
🚀 Guide Utilisateur Principal
Point de départ recommandé
- Démarrage rapide
- Vue d'ensemble des fonctionnalités
- Workflow d'analyse complet
- Cas d'usage pratiques
- FAQ et glossaire
À lire si vous découvrez l'application
🔗 Guide de la Corrélation
Analyser les relations entre variables
- Qu'est-ce que la corrélation ?
- Les 3 méthodes (Pearson, Spearman, Kendall)
- Interpréter la matrice de corrélation
- Comprendre la multicolinéarité
- P-values et significativité
- Bonnes pratiques et exemples
À lire pour : Choisir les bons prédicteurs, éviter la multicolinéarité
📈 Guide de la Régression
Modéliser et prédire des phénomènes
- Concepts fondamentaux
- 4 types de modèles (linéaire, logistique, polynomial, exponentielle)
- Configuration du modèle
- Interprétation des coefficients
- Métriques de qualité (R², AIC, BIC)
- Équations exportables (Python, Excel, LaTeX)
- Diagnostics graphiques
- Exemples détaillés
À lire pour : Construire des modèles prédictifs robustes
🔍 Guide des Outliers
Gérer les valeurs aberrantes
- Définition et types d'outliers
- Méthodes de détection (IQR, Isolation Forest)
- Indicateurs visuels (🔴 rouge, 🟣 violet)
- Processus de gestion
- Impact sur les analyses
- Bonnes pratiques
- Cas concrets
À lire pour : Garantir la qualité de vos analyses
🎯 Parcours Recommandé
Débutant
1. USER_GUIDE.md (Comprendre l'application)
2. CORRELATION_GUIDE.md (Explorer les relations)
3. REGRESSION_GUIDE.md (Premiers modèles)
Intermédiaire
1. CORRELATION_GUIDE.md (Multicolinéarité)
2. REGRESSION_GUIDE.md (Modèles avancés)
3. OUTLIER_GUIDE.md (Nettoyage des données)
Expert
1. OUTLIER_GUIDE.md (Gestion avancée)
2. REGRESSION_GUIDE.md (Interprétation détaillée)
3. CORRELATION_GUIDE.md (Choix des méthodes)
📊 Résumé des Fonctionnalités
Corrélation 📊
- Matrice de corrélation avec heatmap
- 3 méthodes (Pearson, Spearman, Kendall)
- Détection de multicolinéarité (≥0.7)
- P-values et significativité
- Export CSV
Régression 📈
- 4 types de modèles (linéaire, logistique, polynomial, exponentielle)
- Sélection automatique des variables (importance)
- Interactions et termes polynomiaux
- Équations exportables (Python, Excel, LaTeX)
- Graphiques diagnostiques (fit, partial regression, parity plot)
- Métriques complètes (R², coefficients, p-values)
Outliers 🔍
- Détection univariée (IQR)
- Détection multivariée (Isolation Forest)
- Indicateurs visuels (🔴 rouge, 🟣 violet)
- Processus d'exclusion
- Raisons détaillées
🔍 Recherche Rapide
Je veux...
Comprendre mes données → Guide Corrélation
Prédire une variable → Guide Régression
Nettoyer mes données → Guide Outliers
Choisir les bons prédicteurs → Guide Corrélation - Multicolinéarité
Interpréter les coefficients → Guide Régression - Interprétation
Comprendre le R² → Guide Régression - Métriques
Exporter l'équation → Guide Régression - Équations
Gérer les valeurs extrêmes → Guide Outliers
📝 Glossaire
Termes Clés
- Corrélation : Force et direction d'une relation entre deux variables
- Multicolinéarité : Forte corrélation entre prédicteurs (problématique)
- Outlier : Valeur aberrante qui s'écarte du reste des données
- R² : Proportion de variance expliquée par le modèle (0 à 1)
- P-value : Probabilité que le résultat soit dû au hasard (< 0.05 = significatif)
- Coefficient : Impact moyen d'une variable sur la cible
- IQR : Interquartile Range (Q3 - Q1), utilisé pour détecter les outliers
- Isolation Forest : Algorithme de détection d'anomalies multivariées
- Régression : Méthode pour modéliser la relation entre variables
🚦 Codes Couleurs
Dans la documentation
- 📊 Information : Définitions et concepts
- ✅ Bon : Bonne pratique
- ❌ Mauvais : Erreur à éviter
- ⚠️ Attention : Point important ou risqué
- 🔍 Investigation : Analyse nécessaire
- 🎯 Objectif : But à atteindre
Dans l'application
- 🔴 Rouge : Outlier univarié ou corrélation négative forte
- 🟣 Violet : Outlier multivarié
- 🟢 Vert : Significatif ou fiable
- 🔵 Bleu : Corrélation positive forte
📞 Support et Ressources
Documentation Technique
- Code source :
/backend/app/core/engine/ - API endpoints :
/backend/app/api/v1/ - Frontend :
/frontend/src/features/
Standards Statistiques
📅 Mises à Jour
Version actuelle : 1.0 Dernière mise à jour : Janvier 2026
Changements récents
- ✅ Documentation complète créée
- ✅ Guides utilisateurs détaillés
- ✅ Exemples concrets
- ✅ Glossaire et parcours recommandés
🎓 Bonnes Analyses !
Cette documentation est conçue pour vous accompagner à chaque étape de vos analyses statistiques.
Rappelez-vous :
- 📊 Vérifiez toujours la corrélation avant de régresser
- 🔍 Investiguez les outliers avant de les exclure
- 📈 Interprétez les coefficients (pas juste le R²)
- ✅ Documentez vos décisions
Bonne découverte de l'application !
Version : 1.0 Projet : Application Web d'Analyse de Données Plateforme : Backend Python + Frontend Next.js