Académique Documents
Professionnel Documents
Culture Documents
Statistique Descriptive
Statistique Descriptive
Gnralits :................................................................................................................................2 I.Dfinitions :..............................................................................................................................2 II.Apport de la statistique aux conomistes :..............................................................................2 III. es limites de la mt!ode statistique :..................................................................................2 I". e #oca$ulaire utilis en statistique :.....................................................................................% ".&uelque s'm$oles mat!matiques utiliss :...........................................................................( )!apitre I : a reprsentation *rap!ique.....................................................................................+ I. e dia*ramme en $,tons : ........................................................................................................+ II. e tu'au d-or*ue :.................................................................................................................... III. e dia*ramme :....................................................................................................................... I". e pol'*one des frquences :................................................................................................./ ". a cour$e de cumulation 0cour$e des f cumuls1 :.................................................................2 "I. e dia*ramme polaire :........................................................................................................34 "II. es *rap!iques 5 secteurs :.................................................................................................33 )!apitre II : ES 6RA7)I6A ES )ARA)8ERIS8I&9ES D-97 SERIE............................3% I78ROD9)8IO7....................................................................................................................3% )!apitre III : es Sries 5 dou$le entres : R*ression inaire 0)orrlation1.........................:4 )!apitre I" : Anal'se des sries c!ronolo*iques.....................................................................(3 );A6I8RE " :6opulations et c!antillons< recensements et sonda*es...................................(% E=ER)I)ES.............................................................................................................................(+
S8A8IS8I&9E DES)RI68I"E
Statistique descriptive
GNRALITS : I. Dfinitions :
On appelle statistique la mthode scientifique qui vise observer, collecter, analyser des donnes quantitatives. La statistique descriptive est la partie de la statistique qui sert dcrire un phnomne, c--d de mesurer, classer les mesures, prsenter ces mesures par quelques indicateurs de manire donner une ide simple et rapide dun phnomne tudi. Les statistiques se sont des donnes chiffres relatives un phnomne tudi. ! " des statistiques du ch#ma$e.
6a*e 2
S8A8IS8I&9E DES)RI68I"E 5. .l ne faut pas oublier que la statistique nest quun outil au service de lconomiste, ce qui nous obli$e de ne ;amais, oublier de faire une analyse conomique des rsultats. Les m7mes causes 8 les m7mes effets. Les corrlations m7mes trs parfaites ne si$nifient pas tou;ours quil y a interdpendance entre les phnomnes tudis.
4. Unit statistique : >ne population se compose dlments chaque lment est appel unit statistique.
! " la population dtudiants " lunit statistique est un tudiant.
6a*e %
S8A8IS8I&9E DES)RI68I"E
D.
6est le nombre dunits statistiques relatif une modalit donne " 5D<$e ffectifs &0-&E 4// &E-&F 9D/ &F-4/ D/ total 1//
ffectifs
+. Srie statistique :
Aistribution de frquences, distribution de statistiques ou tableau statistique, cest un tableau qui nous donne lensemble des valeurs mesurant le caractre. !" se%e )asc. Cm. total Gombre denfants 4 9 5 D total ffectifs 4// &// 9// <rbre de mna$es &E 4E &/ 5 1/
,. Classes :
6a*e :
S8A8IS8I&9E DES)RI68I"E
On appelle classe un $roupement de valeurs du caractre selon des intervalles qui peuvent 7tre $au% ou in$au%. +our chaque classe on peut dfinir " >ne limite infrieure >ne limite suprieure .ntervalle de classe 'amplitude(* limite 'sup(- limite 'inf( 6entre de classe * Hlimite 'sup( 3 limite 'inf(IB4 GJ " ? H5/-1/H? si$nifie quon comptabilise les salaris qui $a$nent entre 5/ et 1/AK, en incluant ceu% qui $a$nent 5/ AK et e%cluant ceu% qui $a$nent 1/Ah.
6a*e (
S8A8IS8I&9E DES)RI68I"E
axi = a xi
i =3 i =3
a + xi =a xi = n.a + xi
i i =3
!&.%4.%9L.%n *
xi
i= 3
+roprit "
n
a = a n
i =3
axi = a n
i =3
xi
i= 3
6a*e +
S8A8IS8I&9E DES)RI68I"E
%#$ )%$ )#$ (%$ (#$ '%$ '#$ &%$ &#$ %$ #$ Allemands *ran+ais ,spa noles Autres Srie&
2emarque "
6a*e .
S8A8IS8I&9E DES)RI68I"E &( Lorsque une des limites de classe nest pas prcise dans un tableau il convient de prendre comme intervalle de classe le m7me que celui de la classe suivante ou prcdente. 4( La surface des rectan$les est proportionnelle leur effectif. b. 6as ou les intervalles de classe ne sont pas $au% "
1rie& '#
&%
&#
# & ' ( ) % . / 0
. . . . . . . . / &/ 4/ 9/ 5/ D/ 1/ 2emarque " &( La surface sous le poly$one * la surface de lhisto$ramme. 4( Lorsquil y a un trs $rand nombre de classe, lintervalle de classe devient de plus en plus petit et le poly$one de frquences se transforme en cours de frquence.
6a*e /
2emarque " On obtiendrait le m7me $raphique si on remplace les frquences absolues par les frquences relatives 'les pourcenta$es( 6ourbe cumule dcroissante 6ourbe cumule croissante
0/ 1/
D/
5/
9/
4/
&/
/ & 4 9 5 D 1 0
6a*e 2
S8A8IS8I&9E DES)RI68I"E GJ denfants '%i( & 4 9 5 -otal GJ de mna$e D &/ 9/ 4/ 1D !i cumuls D &D 5D 1D P*%i !i cumuls 1D 1/ D/ 4/ Q*%i
!i 1D 5/ 4/ &/ !i / & 4 9 5 D
a( Les principes des coordonnes polaires " un point ) dans lespace est parfaitement repr " Si on connaOt ses coordonnes cartsiennes '%, y(. Si on connaOt ses coordonnes polaires 'e, o(.
R e O b(
6a*e 34
S8A8IS8I&9E DES)RI68I"E <nne Sanvier Cvrier )ars <vril )ai Suin Suillet <oTt Septembre Octobre Govembre dcembre &FFF DD D9 1D D/ 59 5& 9D 9/ 95 5/ 5D DD 4/// 1D 0D 04 5/ 54 9E 94 95 9E 5/ 99 5D
Lide est de prsenter chaque mois par un a%e, nous aurons donc &4 a%es, chaque a%e faisant avec son voisin un an$le.
Suillet
San
On les utilise pour reprsenter une srie e%prime en pourcenta$es. ! " +ourcenta$e de touristes.
6a*e 33
S8A8IS8I&9E DES)RI68I"E
6a*e 32
S8A8IS8I&9E DES)RI68I"E
x3 + x 2 + ....... + xi + ...... + x n n
6a*e 3%
S8A8IS8I&9E DES)RI68I"E
: >ne moyenne arithmtique simple n Lorsque les observations sont $roupes cUest--dire que lon observe G& fois !& G4 fois !4 La moyenne arithmtique scrit "
x3 + x3 + ..... + x 2 + x 2 + ...... n3 + n 2 + .... + n n
x
i =n
n x
i =n n i
n
i =3
A;' Application ,xercice& " soit la srie de notes suivante " 4-1-&4-&/-&4-&/-&/-1
2 + + + 32 + 34 + 32 + 34 + 34 + + +/ = / / = /<( =
,xercice' " soit la srie des notes de le%ercice qui peut 7tre prsente de la manire suivante " 6otes xi 4 1 &/ &4 total ,ffectifs ni & 4 9 4 E ni xi 4 &4 9/ 45 1E
6a*e 3:
S8A8IS8I&9E DES)RI68I"E
= +/ = /<( /
n i =3 i i
n x = n
i
a e
6i
[24 2([ [2( %4[ [%4 %([ [%( :4[ [:4 :([ [:( (4[
:entre de classe xi
ni xi
-O-<L
,xercice( " soit les srie suivante " rpartition selon la$e
%3(( = %(</( <nnes //
a-9 )thode des simplifications des calculs Lorsque les calculs sont compliqus, on peut les simplifier en prcdant un chan$ement de variable +ar chan$ement dchelle " -out variable !i peut scrire " !i* a !i a* nouvelle chelle %
!i 45 91 * * a & & , , , !i 45 91 !i 45 91 * * a 1 1 , , , !i * !i 5 1
a*& 6a*e 3(
xi = x4 + ax iB
a*1
S8A8IS8I&9E DES)RI68I"E
!i * !i
a *1
!i
*1
!/ *
nouvelle ori$ine
a " n.chelle
!i
" n. variable
%" !i &5 44 !/ * 5 * 5 3 3 a 4 4
xi x4 a
!i , , D F
n ( x + ax ) = n x n + a n x = n n x = x +a n
i 4 B i i 4 i i i i B i 4 i
B i
= x 4 + a iB avec iB =
n x n
i i
B i
= x 4 + a xiB
On utilise cette relation pour simplifier les calculs de la manire suivante On prend pour !/ la valeur de caractre la plus frquente On prend ? a @ lintervalle des classes lorsque les classes sont $au%
6a*e 3+
S8A8IS8I&9E DES)RI68I"E Application " A e 4/-4D 4D-9/ 9/-9D 9D-5/ 5/-5D 5D-D/ total effictifs E &/ 4/ 4D &D &/ EE xi 44,D 40,D 94,D 90,D 54,D 50,D x"i< 2xi; x#3=a -9 -4 -& / & 4 ni>x"i -45 -4/ -4/ / &D 4/ -4F
6alculeV la moyenne avec chan$ement du variable %/ * 90,D cest le centre de classe modale a* D %i *' %i - %/(BD
iB =
n x n
i i
B i
90,D3D'-4FBEE(*9D,E ans
n x n
i i
n3 x3 + n 2 x 2 + ...... + ni xi + n n x n ni
= f i xi + f 2 x 2 + ........ + f n x n
ni x i n x n x + 2 2 + ......... + n n ni ni ni
ni
ni
"
frquence relative %i &/ && &4 &9 &5 Gi D E &/ &4 D 5/ fi /,&4D /,4/ /,4D /,9/ /,&4D fi%i &,4D &,1 4,D 9,1 /,0D &4,0
* *&4,0
fi%i
6a*e 3.
S8A8IS8I&9E DES)RI68I"E
B- La moyenne gomtrique : b-& Afinition Xtant donne n observations connues individuellement '% &,%4,%9,,,,,,,,,,, %n( on appelle moyenne $omtrique simple de ces n observations la $randeur Y t.p " Y* n X 3. X 2..... Xn = 0 X 3. X 2.... Xn1 &Bn
i =n G = xi i =3
3 n
b-4 calcul de Y lorsque les observations sont $roupes Z chaque pondr !i sera pondr par leffectif correspondant, la moyenne $omtrique scrit " Y * n X 3. X 3. X 3 C X 2. X 2. X 2 C X % C X % X % G* n&3n4 3L..3nn
Y* n
X 3n3. X 2 n 2. X % n %.... Xn nn .
calculer Y est plus facile en passant par le lo$arithme, en effet. Y* n X 3. X 2.... Xn = ( X 3. X 2. X %..... Xn ) 3 D n lo$ Y * &Bn lo$ '!&.!4L..!n( * &Bn [ lo* X 3 + lo* X 2..... + lo* Xn]
o* GA
lo* Xi
7i
6a*e 3/
S8A8IS8I&9E DES)RI68I"E
nn n2 lo* x3n3 .x 2 .....x n 3 nn n3 n2 lo* G = lo* x3 .x 2 ........x n = n n nn n3 . lo* x3 + n2 lo* x 2 + ...... + nn * n
lo* G =
n lo* x n
i i
Application :
Cc-& Afinition
la moyenne harmonique :
Xtant donne n observations connues individuellement % &,%4,%9 L..%n on appelle moyenne hormique le nombre H tel que : xi 4 1 &/ &4 -otal
+ ...... + 3 n xn =
H=
n 3
3
xi 3
+ x2
ni & 4 9 4 E
3 = H
x3
3x
n
S8A8IS8I&9E DES)RI68I"E
3 = M
x3 . 3 + x2 . 3 + ..... + nn . 3 x3 x2 xn = n3 + n2 + ......nn
n 3x n
i i
H=
n n 3x
i i
c-4 <pplication
3 = H
xi
ni
3<22/ /
H =
/ = +<3+ 3<22/
c-9 2emarque
3i
$ ( ") "$ total
i
ni
" $ * $ -
ni.&= 3i
)+, )+**$ )+$ )+"(( "+$.-
3 = H
n 3 x n .X = n n
i i i i i
avecX i =
3 xi
Q=
x
n
2 i
6a*e 24
S8A8IS8I&9E DES)RI68I"E
2 2 x32 + x 2 + ..... + x n Q = Q2 = n 2
x
n
2 i
si les observations sont groupes+ la moyenne quadratique s/ rit : 2 2 n3 .x32 + n2 .x 2 + ...... + nn .x n 2 Q = n3 + n 2 + ...... + n n
Q
2
n .x = n
i i
2 i
Q=
n .x n
i i
2 i
Application :
Q2 =
ni .xi2 ni
++: = /% /
Q = /% = 2.3
Ni " $ * $ -
Q2 =
n .x n
i i
2 i
n . X n
i i
avecX i = xi2
6a*e 23
S8A8IS8I&9E DES)RI68I"E
r r x3r + x 2 + ........ + x n Mr = n
M rr =
r r x3r + x 2 + .... + x n n
3i r4 " M 33 =
x3 + x 2 + x% + ....... + x n 3 M3 = n
3 si r4 -" M 3 =
si r* /.
M 4 = G
d.4-
le classement des moyennes " les in$alits entre les moyennes "
On dmontre que les moyennes sordonnent selon la valeur de r c--d r < r que si " 3 2 M r3 < M r2 6e qui nous donne " M 3 < M 4 < M 3 < M 2
H < G < < Q
Aans notre e%emple, on trouve " 1,&1 PE,4 PE,D P F,&&. d-9 Le choi% dune moyenne " n thorie, aucune moyenne nest meilleure que lautre. Lutilisation de telle moyenne dpend du problme pos. %emple " %& " Soit un petit ;ardin sous forme de rectan$le, le propritaire ne peut se souvenir que dun seul chiffre. F :
0
Sil veut entourer son champs de fil de fer il a intr7t se souvenir de la moyenne arithmtique car le primtre est li la somme des diffrents c#ts. Sil veut mettre de len$rais son ;ardin, il a intr7t se souvenir de la moyenne $omtrique
= 2+:+2+: = +<(E G = 2 C : = + :
moyenne arithmtique du primtre *41 *1,D , 5 [ 1 , 5 moyenne $omtrique " surface *91 *1,1 [ 1,D , 1,D 6a*e 22
S8A8IS8I&9E DES)RI68I"E
Ynralits " Aune manire $nrale, on retient la moyenne arithmtique quand les variables sadditionnent, et on utilise la moyenne $omtrique lorsque les variables se multiplient. %4 " >ne voiture parcourt &//\mBh, puis &1/\mBh E/\mBh. distoncetotale 344 + 3+4 344 + 3+4 Vitessemoy = = = 344 3+4 3 3 tempstotal + 344. + 3+4 (4 /4 (4 /4 ni MH = ni . 3 xi La vitesse moyenne est $ale la moyenne harmonique des vitesses pondres par les distances. %9 " >ne voiture roule pendant une heure D/ \mBh puis 9h E/\mBh.
distoncetotal (3 (4 ) + ( % /4 ) = tempstotal 3+%
Vitesse.moy = =
n x n
i i
La vitesse moyenne est $ale donc la moyenne arithmtique des vitesses pondres par le temps. % 5 " >ne $randeur S/ a au$ment sur 9 annes, dabord de &/M puis de &DM et 9/M pour le 9me anne. :uel est le tau% moyenne de croissance ] &re anne " S/ devient S&*S/ 3 'S/,&/B&//( S& *S/'&3/,&/ ( * &,&/S/ 4me anne S& devient S4 * S& 3/,&DS& S&,&,&D 'S&,'&3/,&D(( 9me anne S4 devient S9 * S4 3/,9S4 * &,9S4 'S4,'&3/,9(( S9 * S/&,& &,&D &,9
3<3( 3<% =3<3/4: )oyenne $omtrique G =% 3<3 2emarque" le tau% de croissance moyenne est &E,/5M
% D " >n tudiant a obtenu les notes suivantes " E-&/-&4 on veut calculer la moyenne des carts entre les notes et la moyenne arithmtique.
= / +34 +32 = 34 %
6a*e 2%
S8A8IS8I&9E DES)RI68I"E cart type la moyenne E-&/ * -4 &/-&/ */ &4-&/ *4 moyenne arithmtique des carts * '-43/34(B9 moyenne arithmtique des carts * /
( x
i
=4
i
=4 n Si on veut calculer la moyenne des carts, il vaut mieu% calculer la moyenne quadratique
Amonstration "
x x = x
n x = xi n
Q2 = Q=
( 2) 2 + ( 4 ) 2 + ( 2) 2
% / = 3<+ %
/ %
6a*e 2:
S8A8IS8I&9E DES)RI68I"E
b;'; :alcul de ?, :
6as dune variable discrte Si la srie a un nombre impair de terme )e *D0 0D 14 D0 &4 &E Si la srie a un nombre pair .ntervalle )dian H94-55I &4 4D 94 55 D4 1F On prend le centre de lintervalle comme la mdiane " 6as dune srie de classes " Salaires &/-&D &D-4/ 4/-4D 4D-9/ -otal ffectifs F 4D 94 &1 E4 ffectifs cumuls F 95 11 E4 Le calcul de la mdiane se fait en 9 tapes " &re tape " on repre le ran$ de la mdiane. 2an$ * E4B4 * 5& 2an$ *
ni 2
4me tape " on repre la classe de )e " .l sa$it de trouver la classe laquelle appartient le 5& me individu, pour cela on classe les individus par ordre croissant des salaires, ce qui revient construire la colonne des effectifs cumuls. . )e H4/-4DI, on peut calculer avec plus de prcision )e en faisant une interpolation linaire. 9me tape " linterpolation linaire " On connaOt les salaires des 95 individus 4/ On connaOt les salaires des 11 individus 4D Le 5&me individus cest le 0me individus que ;e rencontre dans la classe 4/ -4D, son salaire sera obli$atoirement $al 4/ 3 supplment que lon calcule par interpolation. n supposant que les 94 individus de la classe 4/-4D sont rpartis dune manire uniforme dans la classe 4/-4D puis sont spars par la m7me quantit de salaire On raisonne alors de la manire suivante " Si pour 94 individus nous avons un cart de salaire de D AK
6a*e 2(
S8A8IS8I&9E DES)RI68I"E +our & individu DB94 +our 0 individus DB94 , 0 * &./F AK )e*4/3&./F *4&./F La moiti des effectifs $a$nent plus de 4&,/F AK et lautre moiti $a$ne 'moins de 4&,/F AK(
8otal =i A/2
6a*e 2+
Me 24 :3 %: .( = Me = + 24 23 2( 24 ++ %: %2
2. le :3 me indi#idu normalement la mdiane de#rait se situer entre le :3 me et le :2 me< mais on con#ient lorsque les effectifs sont nom$reux de prendre 07 D 21 III. Le !o"e : )-est la #aleur du caract@re le plus frquent. A> )alcul Mode : 3> )as d-une #aria$le discr@te : =i % 3: 23 :2 ni % 3/ . :
=i
7i : 3+ 3( 3+ / Mo A 3. Mo A %2 Srie $imodale
2>)as d-une srie de classe : Salaires ni >7ous a#ons une classe modale : 24 F 2( 34 F 3( 2 3( F 24 2( 24 F 2( %2 2( > %4 3+ 8otal /2 > On peut prendre comme mode le centre de classe 22<( > On peut c!erc!er 5 o$tenir le mode a#ec plus de prcision :
7.G : 7e pas ou$lier< lorsqu- on construit l-!isto*ramme de corri*er les effectifs. 2D 6ar la mt!ode al*$rique : Mo A 3 H Id3. I D 0d3 H d21J Mo A 24 H ( 0%2>2(1 H 0%2 > 3+1
0%2 2(1 C
3: imite Infrieure de classe modale d3 : a diffrence entre les effectifs de la classe modale et les effectifs de classe prcdente d2 : a diffrence entre les effectifs de classe modale et les effectifs de classe sui#ante i : -inter#alle de la classe modale I8. 8I9 Le c:oi3 "1une caractristique "e ten"ance centrale : A : es conditions de Kule : 3 r conditions : 9ne modalit caractristique doit ?tre : dfinie de faLon o$Mecti#e. 02 personnes diffrentes doi#ent trou#er le m?me rsultat1 2 me conditions : 8enir compte de toutes les o$ser#ations % me conditions : ?tre facile 5 comprendre : me conditions : ?tre facile 5 calculer ( me conditions : Doit se pr?ter au calcul al*$rique G : )omparaison des diffrentes caractristiques de tendance centrale : 3> a mo'enne : Elle rpond parfaitement aux conditions de Kule E c-est pour cela qu-elle est la caractristique la plus utilise< mais il ' a des cas ou il faut lui prfrer la mdiane quand elle risque d-?tre influenc des #aleurs extr?mes. E=: 7otes 3 3+ 3. 3/ =i 3 2 ( 2 34 7i C =i 3 %2 /( %+ 3(: = A 3(: D 34 A 3(<:
= A 3(% D 2 A 3.
2> a mdiane : Elle ne satisfait pas les conditions de 'ule. En effet< la #aleur de la mdiane ne c!an*e pas quand on au*mente la #aleur d-une o$ser#ation qui lui est infrieure 3( 3 22 2 %: %: :3 :3 +4 +4 322 %: :3 334
%> e mode : 7e remplit pas les conditions de Kule< mais il ' a des cas ou il est utile< en particulier quand on c!erc!e la #aleur la plus t'pique d-une srie : Ex : un #endeur de c!aussures ne #a pas stocNer des c!aussures de pointure mo'enne< mais #a stocNer les c!aussures les plus #endues.
A 34 A 34
32 X A 34 es % sries ont la m?me mo'enne : 34 et portant ils sont diffrents l-unes des autres. Dans la 3@re srie E les #aleurs du caract@re sont proc!es de la mo'enne. a mo'enne est reprsentati#e. Dans la % me Srie les #aleurs du caract@re sont loi*nes de la mo'enne. Il faut donc lorsqu-on rsume une srie< indiquer par un nom$re si les #aleurs sont proc!es ou loi*nes de la #aleur centrale. )e nom$re est appel caractristiques de dispersion. I. L1inter*alle "e *ariation ou l1ten"ue : )-est la diffrence entre la plus *rande #aleur du caract@re et la plus petite. -inter#alle de #ariation A "al MA= F "al MI7 = 34 srie 2 = 3/ Srie % = 2 Srie 3
Etendu ou inter#alle de #ariation n-est pas un indicateur touMours fia$le< car il dpend des #aleurs extr?mes qui prou#ent ?tre fausses ou a$errantes. E= : 3.PPPPP.3/PPPPP24PPPP.+4PPP.A*e 3444 tudiants
=%
= +4 3. = :%
II. L1inter*alle inter quartile : A> Dfinition des quartiles : On appelle 3r quartile &3 la #aleur du caract@re tel que : 2(Q des o$ser#ations lui sont infrieurs et .(Q lui sont suprieurs. 2(Q R E .(QS 2me quartile &2A Me (4Q R (4QS m % quartile &%A .(QR 2(QS G> Dfinition inter quartile : On appelle inter quartile : &% F &3 diffrence entre 3r quartile et %me quartile. 7.G : Inter#alle Inter quartile contient (4Q des o$ser#ations )> Application : 7A /2 Ran* : /2D: A24 <( )lasse : I3(>24J Interpolation : 3(H Salaires Effectifs Ecart I. Inter quartile 34>3( 2 3(>24 2( 24>2( %2 2(>%4 3+ 8otal /2 &% F &3 A2:<% > 3.<% A .D;
7i )um 2 %: ++ /2
)alcul de &% Ran* : /2C%D: A+3<( )lasse A I24>2(J Interpolation : si %2 indi#idus 43 Indi#idu 0+3<( F %:1 A 2.<( indi#idus
Donc &% A 24H I0(D%21 C2.<(J Si*nification : 2:<%d! c-est le salaire tel que .(Q *a*nent plus de 2:<% et 2(Q *a*nent moins de 2:<% D;. Inter. Inter quartile : . D; A &%>&3 Si*nification : pour (4Q des effectifs l-cart Maximum de salaire est de . D; D F Remarque : 3> es dciles : #aleur du caract@re que 34 Q des o$ser#ations ont une #aleur qui est infrieure 5 D3 et 24Q des o$ser#ations ont une #aleur qui est suprieure 5 D3. On appelle 2 me dcile de 2 la #aleur du caract@re tel que 24Q des o$ser#ations lui sont infrieures< et 34Q des o$ser#ations lui sont suprieures. -inter#alle inter dcile D2 > D3 contient /4Q des o$ser#ations
2> es percentiles : On appelle percentiles 63 la #aleur du caract@re telle que un pourcent 03Q1 des o$ser#ations ont une #aleur infrieure 5 63 et 2/Q ont une #aleur suprieure 5 63. 6our le statisticien TE K pour supprimer les #aleurs a$errantes il suffit de calculer l-inter#alle inter percentile 62% F64. qui contient /+Q des o$ser#ations.
L1cart a'solu 6o;en : A> Dfinition : On appelle cart a$solu mo'en que l-on dsi*ne par la mo'enne arit!mtique des carts a$solus entre les #aleurs du caract@re et la mo'enne arit!mtique.
) aA
ni xi x
ni
ni
32 3. %+ 2: 33 100
xi
(.<( +2<( +.<( .2<( ..<(
ni C xi
+24 34+2<(4 2:%4 3.:4 /(2<(4 6775
A
xi x
ni xi x
+...( T*
Si*nification : )a A :.:2 T* si*nifie qu-en mo'enne< c!aque indi#idu s-loi*ne de la mo'enne 0+...( T*1 de :.:2 T*. Remarque : 6our dire si une dispersion est *rande ou non< pour comparer deux sries entre elles< on se sert de l-indice de dispersion relatif A )a D = C344 Exemple : 6oids de filles 6oids des *arLons A(2 T* A+/ T* )aA 2 T* )a A 3. T* 2D(2 C344A %./Q Dispersion Uai$le 3.D+/ C 344 A 2(Q dispersion plus importante
I89 La *ariance et l1cart t;pe : A> Dfinition : On appelle une #ariance la mo'enne arit!mtique des carrs des carts entre les #aleurs du caract@re et la mo'enne arit!mtique.
ni 0 xi x 1 2 D ni A
2
ni0 xi x1 D ni
2
G> Application : e m?me ta$leau prcdent (xi- 3' 34(<4+2( 2.<(+2( 4<4+2( 22<(+2( 2(<4+2( 32+4<.( :+/<(+2( 2<2( (:3<(4 34:(<+/.( 3318,75 %%3/..(D344 A(..+
ni 0 xi x1 D ni A
2
Si*nification : En mo'enne c!aque indi#idu s-carte du poids mo'en 0+..( N*1 de (..+ N*. )> Remarque : Si on #eut sa#oir la #aleur de dispersion on utilise le cVfficient de #ariation A WD Ex : A+...( T* WD A0(..+D+...(1 C344A /.(Q Ex 2 : Soient 2 mod@les d-ampoules lectrique dont on a rele# les dures de #ie. Mod@le 3 : Dure de #ie mo'enne 3:44 ;. Mod@le 3 : Dure cart>t'pe A344 ; Mod@le 2 : Dure de #ie mo'enne 3/44 ;. Mod@le 2 : Dure cart>t'pe A 2(4 ;
Mod@le I Mod@le II +D A344D3:44 A .Q 2(4D3/44 C344 A 3:Q e mod@le I est plus fai$le que le mod@le II Uormule d#eloppe : Donc
ni xi2 A
ni
6oids
((>+4 +4>+( +(>.4 .4>.( .(>/4
ni
32 3. %+ 2: 33 100
xi
(.<( +2<( +.<( .2<( ..<(
xi2
%%4+2( %24+2( :((+2( (2(+2( +44+2(
ni C xi2
%2+.( ++:4+<2( 3+:42( 32+3(4 ++4+/<.( 462325
A(..+
A> a mdiale
Si dans une srie on dsi*ne par xi la #aleur du caract@re< par ni les effectifs< la mdiale est la #aleur du caract@re qui parta*e en deux parties *ales le produit cumul de ni xi. Si xi dsi*ne un salaire 7i dsi*ne le nom$re de salaris
nixi
)-est>5>dire la masse salariale. a mdiale< c-est le salaire tel que la moiti de la masse salariale a ser#i 5 pa'er une partie qui touc!e moins de cette Mdiale et l-autre moiti de la masse s a ser#i 5 pa'er les *ens qui touc!ent plus de cette Mdiale. G> Mesure de la concentration
) sert mesurer la diffrence entre )L et ) " )*)L^ ) , Si ) * / cela veut dire que )L *) 6Uest--dire lindividu qui est au milieu leffectif est en m7me temps celui qui est plac tel que la moiti de la masse salariale a t verse des $ens qui touchent moins que lui, et lautre moiti des $ens qui reNoivent plus que lui, on a donc une distribution $alitaire concentration est nulle , Si m / cela indique quil y a une concentration , Si m est faible par rapport lintervalle de variation la concentration est faible , Si est important, la concentration est forte m .nter variation
)> application
salaire 34>3( 3(>24 24>2( 2(>%4 total ni / 2( %2 3+ 82 xi 32.( 3..( 22.( 2..( nixi 332. ( :%.. ( .24 ::4 1710 nixi 332.( ((4 32.4 3.34
)L * 44.&4dh &dh
) * )L - ) * 44 ,&4 - 4&,/F
)Binter varia * &B4/*DM concentration faible Lintervalle de variation ?Xtant $ale " '9/-&/(*4/ Si$nification )L * 44.&4 dh
6est le salaire tel que la moiti de la masse salariale a servi payer des $ens qui $a$nent moins que 44.&4 dh et lautre moiti de la masse salariale a servi payer les $ens qui $a$nent plus que 44.&4 dh
: Dia*onal de l-*alit
31 si 34Q de la population touc!ent 34Q du re#enu< 24Q de la population touc!ent 24Q du re#enu. Dans le cas d-une rpartition *alitaire du salaire< l-aire de concentration serait confondue a#ec dia*onal. 21 Dans le cas d-une repartions ill*alitaire parfaite des salaires< 0comme dans le cas t!orique ou 4.3Q de la population touc!erait 22.22Q de la masse salariale : la cour$e
G1> e coefficient de Gini : Gini propose de calculer la concentration 5 l-aide de coefficient sui#ant :
Aire de concentration )A Aire du trian*le AG) Aire de G )A (4440344C344D21 On peu estimer l-aire de concentration de la mani@re sui#ant : Aire de concentration A (444>0S3HS2HS%HS%1 G A A n S A nD20aH$1 $ Remarque : 4RcR3 c A 4 )oncentration le# c A 3 )oncentration fai$le ) 5 d les *ens sont pareils Donc cA(444>::4:D(444 4.32 SA3D2 aC$ S3 A Z033+.+1 S2A 0:3.(>331D20+.+H%2.21 S%A 0/4.(>:3.(1D20%2.2H.:.%1 S: A 0344>/4.(1D20.:.%H3441 Si A ::4:
C-APITR% III :L%S SRI%S = 0.U>L% %NTR%S : RGR%SSI.N LINAIR% 7C.RRLATI.N( I> notion de tableau de contin ence :
A& une distribution statistique double )-est une distri$ution ou l-o$ser#ation s-effectue selon 2 caract@res. E= : Rpartition des tudiants selon la taille et l-,*e Rpartition des lo*ements selon le n$re de pi@ces et superficie superficie 34>%4 %4>(4 (4>.4 .4>/4 total n$r de piece 3 2 % : ( total % 3 3 3: 3 3+ % . 34 + 24 3/ 32 3. + (.
: . + 3.
B& distributions marginales )e sont les distri$utions relati#es 5 la seul #aria$le = ou K a- la rpartition !" lo#!m!nt" "!lon l! nom$r! ! pi%c!" (&' Gbre de Gbre de lo$ement pices '%( & 5 4 &E 9 &4 5 &0 D 1 total D0 )ette distri$ution qui concerne la seule #aria$le x est applle distri$ution mar*inale 0mar*inal car on la trou#e 5 la mar*e du ta$leau statistique1 On peut calculer la mo'enne de cette distri$ution< 0et sa si*nification est le n$re de pi@ces mo'enne par lo*ement1 Mo'enne appele mo'.mar*inale note b- la rpartition des lo$ements selon la superficie " super&icie ; 10-30 30-50 50-70 70-80 total N're "e lo<e6ents 4 16 20 17 57
)ette distri$ution qui concerne la seule #aria$le [ '- est appele distri$ution mar*inale on peut calculer la mo'enne 0qui exprime la surface mo' des lo*ements1 applle mo'.mar*inal note
C& Les distributions onditionnelles : On appelle distri$ution )onditionnelle la distri$ution ou l-on a pos une condition sur l-une des #aria$les. Ex : Rparation de lo*ements de %4>(4m )ette distri$ution est appele Distri$ution )onditionnelle parce que l-on ne s-intresse qu-aux lo*ements qui satisfont la condition de surface %4>(4 m2. On peut calculer la mo'enne de cette distri$ution 0c>a>d le nom$re mo'en de pi@ces des lo*ts de %4>(4 m21 on appelle cette mo'enne : mo'enne conditionnelle. Dans cet exercice on calcule Remarque il existe autant de distri$utions conditionnelles relati#es au caract@re x que le caract@re ' a de modalits
II>
x ' K3 K2 PPP. KM PPP. =3 =33 =32 PPP. =3M PPP. =2 =23 P PPP. =2M PPP. P P PPP. P PPP. =i =i3 =i2 PPP. =iM PPP. P P P PPP. P PPP. =N =N3 =N2 PPP. =NM PPP. total x.3 x.2 PPP. x.M PPP. x3 x2 . . . xN A les modalits de x '3 '2 . . . 'N A les modalits de ' x3 .effectifs pour la 3re modalits de x et pour toutes les modalits de ' a distri$ution mar*inale de = : =0xi1 =3 =2 . . =i =N 8otal =i. =3. =2. . . =i. =N. =..
a distri$ution mar*inale de ' : '0xi1 '3 '2 . . 'i 'm 8otal =M. =.3 =.2 . . =.i =m. =..
Distri$ution conditionnelle relatif 5 = et 5 K Dist. )onditionnelle relati#e 5 = Dist. )onditionnelle relati#e 5 K ' '3 '2 . . 'i 'm 8otal = =3 =2 . . =i =N 8otal =iM =3M =2M . . =iM =NM =.M =iM =i3 =i2 . . =iM =im =i.
)e ta$leau est un ta$leau de contin*ence ou les o$ser#ations sont connues indi#iduellement< on peut prsenter plus simplement ce ta$leau de la mani@re sui#ante :
7ous a#ons un ensem$le de points X un nua*e statistique Yqui nous indique que les prix est les quantits #oluent selon la m?me tendance. Il est possi$le de sc!matiser ce nua*e : >6ar une fonction simple : la fonction linaire 0Droite1 qui sont inconnus et qu-il faudra trou#er. aApente de droite $Aordonne 5 l-ori*ine 9ne telle droite est appelle droite de r*ression D0x1 AAcoefficient de r*ression a r*ression c-est le fait de relier ' 5 x par une fonction )alcule des param@tres de la droite de r*ression :
Il s-a*it de rsumer ce nua*e par une droite. Soit '-A axH$ l-quation de la droite rec!erc!e. 6our toute #aleur de x 0xi1 nous a#ons une #aleur rellement o$ser#e '-. 6our toute #aleur xi< nous a#ons une #aleur calcule sur la droite '-. 6our toute une #aleur xi< nous a#ons une erreur d-estimation *ale 5 \ 'i F '-i \. a droite de r*ression idale doit ?tre de telle mani@re que la somme des erreurs d-estimation doit ?tre la plus fai$le possi$le< ]\ 'i F '-i \ doit ?tre minimum. 6our #iter les #aleurs a$solues< on con#ient de calculer les carrs des erreurs. a droite de r*ression doit ?tre telle que : ] 0'i F '-i1 2 minimum< et on appelle cela la condition des moindres carrs.
a droite de r*ression passe donc par le point mo'en 0 < `1. 2 ) *alcul !" a + 'i ' K` 4 x ax
M =i =
xi
e param@tre a &ue nous c!erc!ons correspond 5 la pente de la droite de r*ression qui passe par le point mo'en M 0 E `1. 6rocdons un c!an*ement d-ori*ine< et prenons comme nou#elle ori*ine le point mo'en M0x- E `1< les nou#elles cordonnes de#iennent : =i A xi F Ki A 'i > ` a droite de r*ression a pour quation '- A ax a condition des moindres carre s-crit E ] 0'i F `i1 2 min ] 0'i F '-i1 2 A ] 0'i F axi1 2min Dri#ons par rapport 5 [a- : 2 I] 0'i F axi1J 0>=i1 A 4 I] 0'i F axi1J =i A 4 AS ] 0'i F ai1 =i A 4 AS ] xi 'i F a ] xi2 A 4 Donc a A ] xi 'i D]xi2 A ] 0xi F x-1 0'i > `1D] 0xi F x-1 2 %- l,-uation ! la roit! ! r#r!""ion : D'0x1 A K A ax H $ a A ] 0xi > 1 0'i > `1 D ] 0xi F 12 $A`>a`
aA
xi xi x
2
0 x
x 10 yi y 1
O
x
n
= :/3 D + A /4
0 xi x1 2
0xi> 1 0'i > `1 244 (( + 4 .2 2.% +4+ 0xi> 1
2
y A %.2 D + A +2
344 2( 2 4 %+ 3+2 %%2 a A +4+ D %%2 A 3..2 $ A +2 F 03..%1/4 $ A >/3 Donc D'0x1 a pour quation : ' A 3..2x F /3 a loi de l-offre pour ce $ien
xi >
6our toute 'i< nous a#ons une #aleur o$ser#e xi. 6our toute 'i< nous a#ons une #aleur estime sur la droite x-i 6our toute 'i< nous a#ons une erreur d-estimation *ale 5 \ xi F x-i \ Dx0'1 idale est tel que : ] \ xi F x-i \ minimum ou encore ] 0xi F x-i1 2 minimum En procdant de la m?me mani@re que dans le para*rap!e prcdent< on trou#e l-quation de Dx0'1. = A a-' H $a- A ] xi 'i ] 'i 2 $- A F a- `
Dans le rfrentiel =MK nous o$tenons 2 droites : Soit ' A ax pour D'0x1 Soit x A a-' pour Dx0'1 Ou encore ' A 3Da- x : cas peu#ent se produire : 3er cas : les 2 droites sont confondues
KA ax = A a-' K A 3D'-x
a A 3Da- aa- A 3
2me cas : les 2 droite font entre elles un an*le tr@s fai$le :
Si r A a3 on a une corrlation parfaite. Si r A H3 on a une corrlation parfaite positi#e. Si r A >3 on a une corrlation parfaite. )orr. positi#e : c 5 d les #aria$les #arient dans le m?me sens. Si r A >3 A corrlation parfaite n*ati#e. ) 5 d les deux p!nom@nes #arient en sens in#erse. 6ar exemple 6rix et &uantit Si 4 R r R 3 A la corrlation est positi#e< elle est d-autant plus forte que l-on se rapproc!e de 3. Si >3 R r R 4 A la corrlation est n*ati#e< et elle est d-autant plus forte que l-on se rapproc!e de >3. Si r A 4 A corrlation nulle.
Application : calculer le coefficient de corrlation d-une autre faLon 0existe>t>il un lien entre ' et x1. 6rix .4 .( .. /4 /+ %% &t :2 (3 +4 +2 .: /% +4+ %%2
xF x
'>`
0x F x 1 0'i > `1
0x F x 1 2 0'i > `1 2
3334
aA
xi yi x
2 i
0 xi x10 y i y1
2 i i i
a- A
xi yi y
2 i
On a une tr@s forte corrlation car r A 4.2.( tend #ers 3 Remarque : lorsqu-on crit
2
positif. )omment trou#er alors le si*ne d-une corrlation b Rponse : le sens de la corrlation est donne par le si*ne de a et a-. Si a et a- sont S4 le produit a.a- S4 corrlation positi#e. Si a et a- sont R4 le produit a.a-S4 corrlation n*ati#e. On peut dire d-une corrlation qu-elle est tr@s satisfaisante 5 partir 4./+. On peut dire d-une corrlation qu-elle parfaite 5 partir de 4.2+. I" F formule facilitant les calculs : 3D calcul de a : a A ] 0xi F 1 F 0'i > `1 A ] 0xi F x-1 2 Or x A `A
x
N yi
N
]xi A n x ]'i A n `
xi y i n x y
Donc a A
yi n x y
2
x2 n x
xi 'i
] 'i2 F n ` 2
a C aB
I] 0xi F 1 0'i > `1J 2 ] 0xi F 1 2 ] 0'i > `1 ] 0xi F 12 c2x A n ] 0'i F `1 2 c2' A n ] 0xi F 1 0'i F `1 n.cx. c' ] 0'i F `1 2 A nc2' ] 0xi F 1 2 A nc2x
Or
Donc r AA
I0 x
x 10 y i y 1J 2
n 2 . 2 x. 2 y
)o# 0x'1
cx.c'
-examen d-une srie c!ronolo*ique r#@le l-existence de diffrences composantes : 9n mou#ement de tendance lon*ue 05 lon* terme1< appele X trend Y. 9n mou#ement saisonnier qui est les #ariations saisonni@res. Des #ariations accidentelles : ce sont des #ariations impr#isi$les dues 5 des circonstances exceptionnelles.
G.
3 F matrices transposes : 3 % : AA 2 >3 ( 2 F -addition : 3 >3 % H 2 : 3 0aiM1 H 0$iM1 6roprits : > > > > A 4 : % A % >3 >3 0aiM H $iM1
AA
3 % + ( % 4
la matrice nulle
t 0aH$1 A taHt$
%> Multiplication par un rel : 3 >3 % % >% 2 %C A 2 : 3 + 32 %
Les ;ournau%, la tlvision, les revues nous inondent constamment de $raphiques, de tableau% et de statistiques de toutes sortes, dans diffrents domaines " .oliti-u! /ocial Sonda*es< rfrendums< popularit des partis politiques et de leur c!ef. )riminalit< suicide< a#ortement< racisme< pratiques reli*ieuses< orientations sexuelles< !a$itudes alimentaires. Importations< exportations< prix de #ente< taux dBinflation< indice des prix 5 la consommation 0I6)1< taux dBintr?t< salaires< taux de c!_ma*e< cotes $oursi@res< indices $oursiers< dficits *ou#ernementaux.
0conomi!
Dmo#rap1i! 8aux de mortalit< taux de natalit< population par pro#ince< par nationalit. *ultur! 0tu !" /port" Entres au X$ox officeY< cotes dBcoutes. Rsultats scolaires< pr?ts et $ourses< cote R et cote ^. Meilleurs compteurs< classement des quipes< salaires des Moueurs.
6es prsentations peuvent parfois nous induire en erreur volontairement ou non. Il nous faut donc dvelopper un esprit critique et savoir interprter ces informations.
I.
La population cible est lUensemble de tous les ob;ets que lUon tudie. 9ne unit statistique est un ob;et de cette population. 9n chantillon est une partie choisie dUune population. Le nombre dUob;ets composant une population ou un chantillon est appel sa taille. Lorsque lUon veut connaOtre certaines caractristiques dUune population, on dit quUon enquDte sur la population. >ne enqu7te peut 7tre ralise auprs de toute la population ou sur un chantillon.
9n recensement est une enqu7te ralise auprs de toute la population. 9n sonda e est une enqu7te ralise sur un chantillon.
II.
,xemples:
3. Etude portant sur la lan ue maternelle des Qubcois:
la population est lUensemble des :ubcois et la caractristique est la lan$ue maternelle.
4. Xtude portant sur la dure des ampoules lectriques produites lUusine !. La population est constitue des ampoules lectriques produites lUusine ! et la caractristique tudie est la dure des ampoules.
9. >ne compa$nie pharmaceutique veut vrifier un nouveau vaccin contre une certaine maladie. On administre ce produit D/ patients atteints de la maladie. La population est forme de tous les $ens atteints de la maladie, lUchantillon est form des D/ patients qui on a administr le mdicament et la caractristique tudie est la rponse au mdicament.
Les coTts levs et les dlais trop lon$s, relis un recensement, sont les principales raisons qui nous amnent utiliser un sonda$e puisque la taille dUun chantillon est beaucoup plus petite que celle de la population. <u 6anada, il y a un recensement tous les cinq ans. Le dernier date de &FF1.
III.
(. +. .. /. 2.
Recueillir les donnes. )ompiler les donnes. Mettre en forme les donnes. Anal'ser les donnes 0anal'se descripti#e ou infrentielle1. Interprter les rsultats.
%4%RCIC%S
I 3. 2. %. :.
OBJECTIFS VISES : construction d-un ta$leau statistique : distin*uer une #aria$le quantitati#e d-une #aria$le qualitati#e reprsentation *rap!ique des #aria$les quantitati#es discr@tes et continues calcul et interprtation des caractristiques de tendance centrale : mo'enne. mdiane mode quartiles (. calcul et interprtation des caractristiques de dispersion : #ariance cart t'pe coefficient de #ariation Exercice 1 :
Dans une entreprise de /4 salaris on a enre*istr les salaires mensuels sui#ants : (: salaris *a*nent + 444 dir!ams ou plus E %: salaris *a*nent / 444 dir!ams ou plus E 24 salaris *a*nent 34 444 dir!ams ou plus E / salaris *a*nent 32 444 dir!ams ou plus E 3. 6rsenter ces donnes dans un ta$leau a#ec des classes de m?me amplitude en sac!ant qu-aucun salari ne *a*ne plus de 3: 444 D;. 2. )alculer la mo'enne et donner sa si*nification. %. )alculer la mdiane et donner sa si*nification. :. )alculer le mode *rap!iquement< al*$riquement et donner sa si*nification. (. )om$ien *a*nent les 24Q des salaris les mieux pa's. Exercice 2 : a rpartition des salaris d-une entreprise de confection selon leurs *ains mensuels 0en milliers de dir!ams1 se prsente comme suit : Gains mensuels effectifs I:>+I 2( I+>/I :4 I/>32I (/ I32>3/I 2. I3/>24I + 24 et plus : 3. 2. %. :. dterminer *rap!iquement le salaire modal calculer le coefficient de #ariation calculer l-tendue calculer al*$riquement et *rap!iquement la mdiane.
Exercice 3 : a rpartition par ,*e d-une population d-un centre de #acances est comme suit : )lasse d-a*e 0en annes1 effectifs 4>( 3+ (>3( :2 3(>2( :: 2(>%( :4 %(>:( %4 :(>(( %2 ((>+4 3( +4>.( %+ .(>344 3( 3. tracer l-!isto*ramme de cette distri$ution 2. calculer l-cart t'pe et donner sa si*nification %. on dsire raMeunir cette population en in#itant au centre des #acances des personnes de la classe I2(>%(I.com$ien faudrait>il en faire #enir pour que la mo'enne de la population soit de %( ans. Exercice 4 : Dans une commune ur$aine< on a rele# la rpartition en pourcenta*es de 34 444 contri$ua$les selon le montant des imp_ts pa's. )lasses d-imp_ts Urquences relati#es en pourcenta*es 3>% / %>+ 32 +> 2 24 2>32 2+ 32>3/ U+ 3/>22 34 22>%4 + 8rou#er les #aleurs manquantes de ce ta$leau sac!ant que la mo'enne est *ale 5 33<:2 tracer la cour$e cumulati#e croissante dterminer *rap!iquement et al*$riquement l-imp_t mdian. donner sa si*nification quel est le pourcenta*e des contri$ua$les qui paient un imp_t annuel suprieur 5 24 444d! bcela reprsente com$ien de personnes b Exercice 5 : Soit la distri$ution statistique sui#ante qui donne la rpartition des propritaires terriens selon la superficie des terres culti#a$les dans une certaine r*ion a*ricole : Superficie des terres en !ectares 2>: :>/ />3: 3:>24 24>:4 7om$re de propritaires 2: %+ 22 3/ 3:
3. 2. %. :.
3. 2. %. :. (. +. 3. 2. %.
:4>344 + 6artie I : prciser le caract@re tudi et prciser sa nature. donner la si*nification de du centre de la 2@me classe. dterminer rapidement la mdiane et donner sa si*nification dterminer al*$riquement le mode et donner sa si*nification calculer la superficie mo'enne et l-cart t'pe. &ue peut on conclure b dterminer le 3er et le 2@me dcile et donner leurs si*nifications 6artie II : dterminer *rap!iquement la concentration fonci@re dans cette r*ion a*ricole< )alculer l-indice de GI7I dterminer al*$riquement la concentration dterminer *rap!iquement le pourcenta*e des propritaires dont la superficie des terres est infrieure 5 la mdiale. Exercice 6 : 6endant 2 annes les $nfices d-une entreprise ont au*ment :
de :Q par an pendant les % premi@res annes. de .Q par an pendant les : annes sui#antes. De 34Q par an pendant les 2 derni@res annes de la priode considre.
&uelle est l-au*mentation mo'enne des $nfices de cette entreprise sur les 2 annes b Exercice 7 : e ta$leau sui#ant donne la rpartition des salaires mensuels des cadres d-une entreprise : Salaires en 3444D; +>/ />34 34>3+ 3+>22 22>%4 %4>%: %:>%/ total 7om$re des cadres (4 .4 /4 (4 (4 /4 24 :44
3. prciser le caract@re tudi et sa nature 2. reprsenter *rap!iquement cette distri$ution< tracer le pol'*one des frquences %. dterminer rapidement : le salaire mdian des cadres donner sa si*nification. e %@me quartile 0&%1. donner sa si*nification. :. donner *rap!iquement le salaire modal des cadres. (. calculer le salaire mo'en des cadres. +. )alculer le coefficient de #ariation et donner sa si*nification .. 6our moti#er da#anta*e ses cadres< l-entreprise dcide une au*mentation *nrale des salaires de 24Q. )alculer la nou#elle mo'enne et le nou#eau coefficient de #ariation.
II 3. 2. %. :.
OBJECTIFS VISES : )alcul de la fonction linaire calcul et commentaire du coefficient de corrlation interprtation des distri$utions mar*inales interprtation des distri$utions conditionnelles Exercice 8 : 9ne entreprise a prsent ses dpenses de pu$licit et ses c!iffres pour les + derni@res annes dans le ta$leau sui#ant 0en 34+ D;1 Dpenses de pu$licit )!iffre d-affaires 2 34 : 3+ 34 (4 3: 324 3/ 3:4 2: 234 3. -entreprise pense qu il '-a un lien entre dpenses de pu$licit 0=1 et le c!iffre d-affaire0K1.pou#ef #ous le confirmer b 2. ta$lir par la mt!ode des moindres carrs la relation liant le c!iffre d-affaires et les dpenses de pu$licit %. com$ien l-entreprise peut>elle esprer raliser comme c!iffre d-affaireS a#ec des dpenses de pu$licit de %4 b
Exercice 9 : On a o$ser# une population en retenant 2 caract@res : le nom$re d-enfants0=1 et la taille du lo*ement 0K1.les rsultats sont les sui#ants : 7om$re de pi@ces 2 % : 8otal 7om$re d-enfants 3 2 % 8otal
22 . 4 22
3( %/ . +4
2 22 %4 +3
:+ +. %. 3(4
3. calculer le nom$re mo'en d-enfants et le nom$re mo'en de pi@ces des lo*ements. 2. calculer
x2
et donner sa si*nification
%. calculer y % et donner sa si*nification :. on se propose de #oir s-il existe un lien entre le nom$re d-enfants et la surface des lo*ements. )onfirmer
Exercice 10 : e ta$leau sui#ant donne la rpartition des salaris d-une entreprise de $,timent selon le nom$re d-enfants 5 c!ar*e = et les salaires mensuels perLus ' en milliers de D; 7om$re de pi@ces K 3>% %>( (>2
7om$re d-enfants = 3 : / 16 2 + 32 2: % 3 + 32 : 2 : / 3. donner la distri$ution mar*inale de la #aria$le = 2. donner la distri$ution conditionnelle de la #aria$le K lie 5 la modalit : de =. %. que si*nifient les #aleurs 3+ et % souli*ne dans le ta$leau :. #rifier de deux mani@res diffrentes que les deux #aria$les sont indpendantes. Dites dans ce cas 5 est *al le coefficient de corrlation linaire : r 0sans le calculer. (. calculer la #ariance mar*inale de K.
Exercice 11 : 9ne tude ralise dans un clu$ sportif concernant le poids et la taille de 32: ad!rents a fourni les informations sui#antes : poids en T* K (4>+4 +4>+( +(>.( .(>/4 taille en m@tres = 3<+4>3<.4 3<.4>3<.( 3<.(>3</4 3</4>3<24 3<24>2<44 32 b 2 b % . + / . ( + / / ( % : % : + %
3. complter le ta$leau sac!ant qu-il ' a 2. ad!rents qui mesurent entre 3..4met 3..(m. 2. quels sont les caract@res tudis b &uelle est leur nature b %. que si*nifient les c!iffres . et /souli*ns dans le ta$leau :. quelle est la mo'enne du poids des ad!rents b )omment appelle>t>on cette mo'enne b (. quelle est la taille mo'enne des ad!rents b )omment appelle>t>on cette mo'enne b +. en dsi*nant par = la taille et par K le poids calculer et donner la si*nification O de y 2 .. donner sans la calculer la si*nification de x %
O
Exercice 12 : 9ne entreprise commerciale a prsent ses #entes xi et ses frais de pu$licit 'i au cours du premier semestre de l-anne 244% comme suit 0en 3444 D;1 Mois gan#ier U#rier Mars A#ril Mai Muin "entes :4 %4 :2 :+ :: %/ Urais de pu$licit 3.3 4./ 3.2 3.: 3.% 3.3
3. dterminer une fonction linaire qui donne le montant des #entes lorsqu-on connaht les frais de pu$licit. 2. quel serait le montant des #entes si les frais de pu$licit atteindront %(44D;. %. dterminer s-il ' a ou non une liaison entre les #entes et les frais de pu$licit.