Vous êtes sur la page 1sur 9

cart type

Un article de Wikipdia, l'encyclopdie libre. Aller : Navigation, rechercher En mathmatiques, plus prcisment en statistiques et probabilits, l'cart type mesure la dispersion d'une srie de valeurs autour de leur moyenne. Dans le domaine des probabilits, l'cart type est une quantit relle positive, ventuellement infinie, utilise pour caractriser la rpartition d'une variable alatoire relle autour de sa moyenne. En particulier, la moyenne et l'cart type caractrisent entirement les lois gaussiennes un paramtre rel, de sorte qu'ils sont utiliss pour les paramtrer. Plus gnralement, l'cart type, travers son carr, appel variance, permet de caractriser des lois gaussiennes en dimension suprieure. Ces considrations ne sont pas sans importance, notamment dans l'application du thorme de la limite centrale. En statistiques, plus particulirement en thorie des sondages, ainsi qu'en mtrologie, l'cart type tente d'valuer, partir d'un chantillon soumis au hasard, la dispersion de la population tout entire. On distingue alors l'cart type empirique (biais) et l'cart type empirique corrig dont la formule diffre de celle utilise en probabilit. Les carts types connaissent de nombreuses applications, tant dans les sondages, qu'en physique (o ils sont souvent nomms RMS (Root Mean Square) par abus de langage), ou en biologie. Ils permettent en pratique de rendre compte des rsultats numriques d'une exprience rpte. En finance l'cart type est une mesure de la volatilit d'un actif.

Sommaire
[masquer] 1 Gnralits 2 Premire approche

3 En probabilit
o o o

3.1 Probabilit discrte 3.2 Probabilit uniformment continue 3.3 Exemples d'carts types

4 Estimation
o o o

4.1 cart type empirique 4.2 cart type empirique corrig 4.3 Proprits des estimateurs

4.3.1 Biais 4.3.2 Convergence


1

5 Aspect qualitatif
o o

5.1 Rpartition de la population 5.2 Interprtation d'un cart type lev

6 Voir aussi

Gnralits
En statistiques comme en probabilits on dfinit, outre des valeurs centrales, des valeurs de dispersion. Dans le domaine des probabilits, la dispersion d'une variable alatoire relle X autour de sa moyenne est caractrise par la variance dont le calcul repose sur la notion d'esprance mathmatique. Pratiquement, c'est l'cart-type, racine carre de la variance, qui est utilis car il possde les mmes dimensions physiques que la variable. Cette notion apparat aussi dans l'analyse des signaux, souvent en relation avec la notion de processus alatoire, gnralement sous le nom de moyenne quadratique. En statistique descriptive qui porte sur une population finie parfaitement connue, les valeurs de dispersion, comme les valeurs centrales, peuvent tre choisies arbitrairement (cart-type, cart moyen, tendue, ...). La statistique mathmatique porte au contraire sur une population infinie qui ne peut tre connue qu'imparfaitement travers un ensemble fini de donnes . Pour interprter ces donnes imprcises, il faut faire appel la notion de probabilit. Les donnes sont alors considres comme une ralisation d'un chantillon constitu par les variables alatoires . Par des calculs arithmtiques analogues ceux qui sont effectus en statistique descriptive, il est possible de dduire de la ralisation de l'chantillon des estimations de la moyenne empirique et de la variance empirique qui sont elles-mmes des variables alatoires. La moyenne empirique fournit une estimation sans biais de la moyenne de la loi de probabilit car son esprance est gale cette dernire. Au contraire, la variance empirique fournit une estimation biaise de la variance ; pour obtenir une estimation sans biais, il faut la multiplier par.

Premire approche
L'cart-type sert mesurer la dispersion d'un ensemble de donnes, par exemple la rpartition des notes d'une classe. Dans ce cas, plus l'cart-type est faible, plus la classe est homogne. l'inverse, on peut souhaiter avoir un cart type le plus large possible pour viter que les notes soient trop resserres (exemple classique du professeur qui note de 8 13). Dans le cas d'une notation de 0 20, l'cart type minimum est 0 (si tous les lves/tudiants ont la mme note), et jusqu' environ 10 si la moiti a 0/20 et l'autre moiti 20/20.
2

En sciences humaines, il est frquent de considrer que les valeurs se rpartissent selon une courbe de Gauss (courbe en forme de cloche). Dans ce cas, la donne de la moyenne et l'carttype permet de dterminer l'intervalle dans lequel on trouve 95 % de la population. Si la moyenne est m et l'cart type est , on trouve 95 % de la population dans l'intervalle [m 2;m + 2] et on trouve 68 % de la population dans l'intervalle [m ;m + ].

En probabilit
Dans la formulation moderne des probabilits, suite aux travaux de Henri Lebesgue, une variable alatoire X est une application valeurs relles ou vectorielles, dpendant d'un paramtre x suivant une loi de probabilit P. Si la comprhension du formalisme fait appel la thorie de la mesure, son utilisation reste simple. L'application X ne joue pas un rle fondamental ; seule sa loi, l'image de P par X, note PX, importe. Il s'agit d'une mesure sur R ou sur Rn. Deux quantits lui sont associes :

Sa moyenne, note E[X], aussi appele esprance : Son cart type, gnralement not X, dfini comme la racine carre de l'esprance de (X-E[X])2 : .

Ici, l'lvation au carr pour le membre de droite dsigne implicitement la norme euclidienne au carr dans le cas o X est valeurs vectorielles. Cette identit se spcialise dans un grand nombre de cas particuliers. Entre autres :

Probabilit discrte
Si la variable X prend un nombre fini de valeurs relles x1, ..., xn, avec des probabilits respectives p1, ..., pn (sous la condition ), l'cart type est donn par :

, o :

En particulier, si la loi de X est uniforme sur un ensemble fini de valeurs, on a :

, o :

Ces formules se gnralisent immdiatement en dimension suprieure en remplaant l'lvation au carr par la norme euclidienne au carr.

Probabilit uniformment continue


3

La loi PX est dite uniformment continue lorsque la probabilit que X appartienne au segment [a, b] est :

o f est une fonction localement intgrable pour la mesure de Lebesgue, par exemple mais pas ncessairement une fonction continue. Cette fonction f s'appelle la densit de la loi PX. Elle est globalement intgrable et de carr intgrable. L'cart type de X est dfini par :

Exemples d'carts types


Le tableau suivant donne les carts types pour les lois couramment rencontres : Nom de la loi Paramtre Description Ecart-type Loi discrte de valeurs 0 avec Loi de Bernoulli p probabilit 1-p et 1 avec probabilit p Loi de la somme indpendantes de n Loi binomiale p et n>1 variables suivant la loi de Bernoulli de paramtre p Loi discrte sur N telle que la Loi gomtrique p probabilit d'obtenir l'entier n soit (1- = p / (1 p)2 p).pn Loi uniformment continue sur R de Loi uniforme sur a<b densit la fonction indicatrice de [a, b] un segment un coefficient prs Loi uniformment continue de support Loi exponentielle p R+ de densit la fonction f(x)=p.exp(- = 1 / p p.x)

[Drouler] Calculs

Estimation

En statistiques, deux estimateurs de l'cart type sont gnralement utiliss. Ces estimateurs sont simplement obtenus en prenant la racine des estimateurs de la variance, tant donn que l'cart-type est juste la racine de la variance. On note trs souvent les statistiques variance empirique corrige (ou S2) et variance empirique

(ou S'2) car l'cart type s'exprime comme la racine carre de la variance.

cart type empirique


Si la valeur exacte de la moyenne est connue (par exemple s'il s'agit d'une valeur thorique, ou si l'on considre une population de taille finie comme c'est gnralement le cas en statistique descriptive), on peut utiliser l'cart type empirique dfini par :

. Une ralisation de la statistique S est donne par:

cart type empirique corrig


Lorsque la moyenne est une estimation, c'est--dire que sa valeur exacte est inconnue (c'est par exemple le cas en physique exprimentale, o l'on n'a accs qu' la moyenne des valeurs mesures), l'cart type est donn sous une forme corrige :

reprsente la moyenne empirique de l'chantillon.

Une ralisation de cette statistique est

Proprits des estimateurs

En gnral, l'estimateur Sn 1 est prfr, tant donn que l'estimateur deux estimateurs sont cependant biaiss mais convergents. Biais

est sans biais. Ces

Pour tablir les proprits des estimateurs de l'cart-type, il est utile de rappeler les proprits des estimateurs de la variance:

est un estimateur non biais de 2 est un estimateur biais de 2

Il n'est cependant pas vident de trouver un estimateur non biais de l'cart type. En effet, on sait par l'ingalit de Jensen que: Ingalit de Jensen Soit f une fonction convexe sur ]a; b[ et X une variable alatoire d'esprance finie, valeurs dans ]a; b[. Alors l'ingalit suivante est vraie :

L'ingalit s'inverse avec des fonctions concaves. Comme la fonction racine carre est concave, on a: et donc: . L'estimateur Sn 1 sera donc biais vers le bas. Il est en fait trs difficile d'obtenir un estimateur sans biais, et dans le cas o les donnes suivent une loi normale la formule est assez complexe, (voir la page anglaise: en:Unbiased estimation of standard deviation). Convergence Il est utile de rappeler que:

et

sont des estimateurs convergents de 2

Par le thorme de continuit, on a que : Thorme Si g est continue: Si Comme la fonction racine carre est une fonction continue, Sn 1 et Sn sont des estimateurs convergents de l'cart-type, soit:

Aspect qualitatif
L'cart type caractrise la largeur de la distribution. Il est exprim mathmatiquement comme tant la racine carre de la variance, celle-ci mesurant la distribution des valeurs autour du centre de la courbe. cart type = Racine carre de la variance

L'cart type est la mesure de dispersion, ou talement, la plus couramment utilise en statistique lorsqu'on emploie la moyenne pour calculer une tendance centrale. Il mesure donc la dispersion autour de la moyenne. En raison de ses liens troits avec la moyenne, l'cart type peut tre grandement influenc si cette dernire donne une mauvaise mesure de tendance centrale. Contrairement l'tendue et aux quartiles, la variance permet de combiner toutes les valeurs l'intrieur d'un ensemble de donnes afin d'obtenir la mesure de dispersion. La variance (symbolise par S) et l' cart type (la racine carre de la variance, symbolise par S) sont les mesures de dispersion les plus couramment utilises.

La variance est dfinie comme tant la moyenne arithmtique des carrs des diffrences entre les valeurs observes et la moyenne. C'est une mesure du degr de dispersion d'un ensemble de donnes. On la calcule sous la forme de l'cart au carr moyen de chaque nombre par rapport la moyenne d'un ensemble de donnes.

Rpartition de la population
Lorsque la variable tudie est gaussienne (rpartition selon une courbe en cloche), l'cart type permet de dterminer la rpartition de la population autour de la valeur moyenne. Par exemple : Si par convention, l'cart-type par rapport un chantillon quivaut 15 points de QI de diffrence, cela signifie que les 2/3 environ de la population d'une classe d'ge ont un QI compris entre 85 et 115. Voir galement ce sujet l'intervalle de confiance d'une distribution normale gaussienne.

Interprtation d'un cart type lev


Gnralement, plus les valeurs sont largement distribues, plus l' cart type est lev. Imaginez, par exemple, que nous devions sparer deux ensembles diffrents de rsultats d'examens de 30 lves; les notes du premier examen varient de 31 % 98 % et celles du second, de 82 % 93 %. Compte tenu de ces tendues, l'cart type serait plus grand pour les rsultats du premier examen. Cependant, il n'est pas toujours facile d'valuer l'importance que doit avoir l' cart type pour que les donnes soient largement disperses. L'importance de l'cart type dpend aussi de l'importance de la valeur moyenne de l'ensemble des donnes. Lorsque vous mesurez quelque chose en millions, le fait d'avoir des mesures qui se rapprochent de la valeur moyenne n'a pas la mme signification que si vous mesurez le poids de deux personnes. Par exemple, si aprs avoir mesur les recettes annuelles de deux grandes entreprises, vous
7

constatez un cart de 100 000 euros, la diffrence est considre comme tant peu significative, alors que si vous mesurez le poids de deux personnes, dont l'cart est de 30 kilogrammes, la diffrence est considre comme tant trs significative. Voil pourquoi il est parfois utile de travailler, dans certains cas, sur l'cart type relatif (cart type quotient par la moyenne).

Voir aussi

Calcul d'erreur Critres de dispersion Erreur-type (Statistiques)

[Enrouler]
vdm

Probabilits et statistiques
Statistique descriptive Statistique infrentielle

chantillon Variable qualitative nominale Variable qualitative ordinale Variable quantitative discrte Variable quantitative continue Estimateurs Variable alatoire Thorme central limite

Moyenne Mdiane Variance cart type Distribution normale Visualisation des donnes Histogramme Bote moustaches Diagramme circulaire Reprsentations graphiques de donnes statistiques

Test (statistique) Test d'hypothse Hypothse statistique Hypothse nulle Statistiquement significatif Valeur p Loi de Student Test de Student Loi de Fisher Test de Fisher Loi du Test du Analyse de la variance Rgression linaire Corrlation Corrlation de Spearman

Analyse des donnes Statistique mathmatique Thorie des probabilits Ingalits Processus stochastiques La mcanique statistique Les statistiques et l'conomie conomtrie Probabilit dans les jeux Variables indpendantes et identiquement distribues R (logiciel)

Portail des probabilits et des statistiques

Ce document provient de http://fr.wikipedia.org/wiki/%C3%89cart_type .


8

Catgories : Statistique descriptive | Probabilits Catgorie cache : Portail:Probabilits et statistiques/Articles lis