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

Exploration de la **variance d'échantillon**. Le concept est similaire à la **variance de population**, mais la formule diffère légèrement car les données représentent seulement 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.


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

Acquérir une base solide en statistiques avec Python. Apprendre les concepts statistiques essentiels et les appliquer à l'aide de NumPy et pandas. Passer des mesures de base telles que la moyenne et la variance aux tests d'hypothèses, intervalles de confiance et analyses de données avec une pratique concrète.

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

Apprenez à calculer et à interpréter la moyenne, la médiane et le mode en utilisant Python. Pratiquez 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 deux mesures manuellement et à l'aide des outils Python.

Explorez comment la covariance et la corrélation décrivent les relations entre les variables. Entraînez-vous à calculer et à comparer ces deux mesures en Python.

Maîtrisez les intervalles de confiance pour estimer les paramètres de population. Utilisez NumPy, pandas et des bibliothèques de visualisation pour calculer et interpréter les intervalles avec des données réelles.

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

Variance d'échantillon

Note clé sur la variance