L’analyse statistique quantitative est toute procédure mathématique que les individus appliquent à des données spécifiques. Les applications de ce processus d’analyse ne manquent pas. Les investisseurs peuvent utiliser ce type d’analyse statistique pour évaluer les actions, et les chercheurs définissent des hypothèses et les entreprises évaluent les décisions importantes à l’aide de ce processus. Les deux grands groupes de processus d’analyse quantitative sont les estimations d’intervalle et les tests d’hypothèse, qui fournissent des outils spécifiques à utiliser.
Les estimations d’intervalle nécessitent des paramètres définis dans un échantillon de données spécifique. Ce processus commence par la sélection d’un échantillon à partir d’un ensemble de population plus large, car il est souvent impossible de mesurer une population entière. Dans ce type d’analyse statistique, la population est un terme général qui représente tout grand groupe de données. À partir de l’échantillon sélectionné, les particuliers et les entreprises peuvent faire des inférences sur l’ensemble de la population. Chaque échantillon doit être suffisamment grand pour pouvoir faire ces inférences.
Une fois que les individus ont un échantillon, ils doivent découvrir quels types de statistiques s’appliquent aux données. Par exemple, les statistiques descriptives sont parmi les plus courantes pour l’analyse statistique quantitative. Ces statistiques comprennent le mode, la moyenne et la médiane ainsi que l’écart-type et la variance, entre autres statistiques potentielles. L’application des niveaux de confiance est également incluse ici. Les particuliers et les entreprises cherchent souvent à atteindre le niveau de confiance le plus élevé possible afin de faire des inférences précises.
Le deuxième grand groupe d’analyses statistiques quantitatives – les tests d’hypothèse – se concentre davantage sur la recherche que sur les applications commerciales pratiques. Les chercheurs examinent souvent un sujet ou une situation et définissent un certain nombre d’hypothèses. Le but des techniques statistiques appliquées est de soutenir ou non chaque hypothèse. Dans certains rapports de recherche, des estimations d’intervalle ou d’autres méthodes quantitatives peuvent être incluses.
La plupart des cas de recherche ont une hypothèse nulle et une hypothèse alternative. Dans l’analyse statistique quantitative, l’hypothèse nulle tend à signifier que les choses sont les mêmes qu’avant ou que deux éléments sont égaux. L’hypothèse alternative indique que certains changements existent par rapport à l’hypothèse nulle initiale. Le niveau de signification définit la force du soutien ou non pour l’analyse. Une région critique représente des valeurs dans lesquelles un chercheur peut rejeter l’hypothèse nulle.
L’analyse statistique quantitative est souvent un processus long. Les entreprises ont tendance à utiliser des méthodes plus courtes afin de fournir des données opportunes pour prendre des décisions. En d’autres termes, tous les outils statistiques disponibles n’ont pas un but dans ces études. Les rapports de recherche nécessitent souvent plusieurs outils en raison de la longueur, de la profondeur et de l’ampleur du rapport. Le type de rapport ou le besoin d’information dicte les outils nécessaires au processus.