En gros, la méthode scientifique consiste à

1. se poser une question
2. formuler une hypothèse
3. construire un protocole d'expérience
4. constater les résultats de l'expérience

Idéalement, la statistique devrait intervenir à partir de la 3^e étape. Si une personne qui construit un protocole veut obtenir des données facilement analysables et un maximum d'information selon les limites des ses ressources, elle devrait collaborer avec un expert en statistique.

À la 4^e étape, l'aide d'un statisticien est souhaitable à partir du moment où la personne qui a réalisé l'expérience doute qu'elle utilise bel et bien la méthode appropriée pour analyser ses données. Il serait déplorable de gaspiller par une analyse erronée, ou par une bonne analyse mal interprétée, l'information acquise au bout d'une longue période ou d'un gros budget, n'est-ce pas ?

Les prochaines sections s'adressent à quiconque aura à compiler les résultats d'une expérience, par conséquent, peut-être à collaborer avec un statisticien. Ici, un sondage est considéré comme un type d'expérience.

Dans le jargon statistique, on appelle "jeu de données" un tableau qui contient l'information recueillie au cours d'une expérience. Chaque ligne du tableau est appelée une "observation" et chaque colonne est appelée une "variable". C'est la même chose, dans le jargon informatique, qu'une "table" où les lignes sont des "enregistrements" et les colonnes des "attributs".

Les principales catégories de variables sont :

• numérique continue
• numérique discrète
• alphanumérique

Une variable numérique continue peut prendre n'importe quelle valeur dans l'ensemble des nombres réels. Les pourcentages, fractions et ratios entrent dans cette catégorie de variable.

Une variable numérique discrète va habituellement pouvoir prendre des valeurs dans l'ensemble des nombres entiers (0, 1, 2, 3, ...).

Une variable alphanumérique va avoir des chaînes de caractères (string) comme valeurs. Les caractères pouvant être, entre autres, des lettres ou des chiffres.

Il y a un exemple de jeu de données dans le fichier gravite.txt. Ce sont les données qui pourraient être enregistrées, admettons, si on mesurait le temps qu'un objet met à atteindre des hauteurs fixes si on le laissait tomber 4 fois d'une hauteur de 2m. En prenant des mesures à 10 hauteurs différentes, il en résulterait 40 observations et 3 variables. On pourrait utiliser ces données telles quelles pour tenter de modéliser la relation le temps et la hauteur. Une autre façon de présenter les données qui aurait été acceptable est donnée dans le fichier gravite2.txt, où les mesures des 4 essais se retrouvent dans des variables différentes.

La variable "essai" dans la première version du jeu de données est une variable numérique discrète. Les variables "hauteur", "temps" et "temps1" à "temps4" sont des variables numériques continues.