Académique Documents
Professionnel Documents
Culture Documents
⚫ Algèbre linéaire:
les données sont vues de manière abstraites comme un nuage
de points dans un espace vectoriel. On utilise
– Des matrices qui permettent de manipuler un ensemble de
variables comme un objet mathématique unique ;
– Des valeurs et vecteurs propres qui permettent de décrire la
structure d'une matrice.
– Des métriques : permettent de définir la distance entre deux points
de l'espace vectoriel ; on utilise aussi des produits scalaires.
⚫ Théorie des probabilités
nécessaire en statistique inferentielle (estimation, tests,
modélisation et prévision,...).
Individus et variables
⚫ Population
groupe ou ensemble d'individus que l'on analyse.
⚫ Recensement
étude de tous les individus d'une population donnée.
⚫ Sondage
étude d'une partie seulement d'une population appelée échantillon.
⚫ Variables
ensemble de caractéristiques d'une population.
– quantitatives: nombres sur lesquels les opérations usuelles (somme,
moyenne,...) ont un sens ; elles peuvent ^être discrètes (ex : nombre
d'éléments dans un ensemble) ou continues (ex: prix, taille) ;
– qualitatives: appartenance a une catégorie donnée ; elles peuvent être
nominales (ex : sexe, CSP) ou ordinales quand les catégories sont
ordonnées (ex : très résistant, assez résistant, peu résistant).
Description de données quantitatives
⚫ Définition
On appelle variable un vecteur x de taille n.
Chaque coordonnée xi correspond a un individu.
On s'intéresse ici a des valeurs numériques.
⚫ Poids
Chaque individu a éventuellement un poids pi, tel que p1+ + pn=1.
On a souvent p = 1 / n.
⚫ Représentation
histogramme en découpant les valeurs de la variable en classes.
⚫ Résumes
on dispose d'une série d'indicateurs qui ne donne qu'une vue partielle des
données : effectif, moyenne, médiane, variance, écart type, minimum,
maximum, étendue, 1er quartile, 3eme quartile, ...
Ces indicateurs mesurent principalement la tendance centrale et la
dispersion. On utilisera principalement la moyenne, la variance et l'écart
type.
Moyenne arithmétique
⚫ Définition
On note 1 n
x = xi
n i =1
ou pour des données pondérées
n
x = pi xi
i =1
⚫ Propriétés
la moyenne arithmétique est une mesure de tendance centrale
qui dépend de toutes les observations et est sensible aux
valeurs extrêmes. Elle est très utilisée a cause de ses bonnes
propriétés mathématiques.
Exemple d’une moyenne
statistique
07+08+10+11+11+13+13+14+15+18
= = 12
10
Exemple d’une moyenne
statistique
07,08,10,11,11,13;13,14,15,18
12
03,04,04,07,07,17;19,19,20,20
12
11,11,12,12,12,12;12,12,13,13
12
⚫ La variance nous donne plus d’information sur la distribution des
avions par rapport a la moyenne d’altitude
Variance et ecart-type
⚫ Définition
la variance de x est définie par
n n
1
s x2 = ( xi − x) 2 ou s x2 = pi ( xi − x) 2
n i =1 i =1
L'écart type sx est la racine carrée de la variance.
⚫ Propriétés
La variance satisfait la formule suivante
1 n
s = pi x i2 − ( x) 2
2
x
n i =1
La variance est « la moyenne des carres moins le carre de la
moyenne ». L'ecart-type, qui a la même unité que x, est une
mesure de dispersion.
Mesure de liaison entre deux variables
s xy p ( x − x )( y
i i i − y)
rxy = = i =1
s xs y n 2 n
pi ( xi − x)
i =1
i i
p (
i =1
y − y ) 2
Propriétés du coefficient de corrélation
⚫ Borne
On a toujours (inégalité de Cauchy Schwarz)
− 1 rxy 1
⚫ Variables liées
⚫ Variables décorrélées
si rxy = 0, on dit que les variables sont decorrelees.
Cela ne veut pas dire qu'elles sont indépendantes !
Corrélation et liaison significative
⚫ Problème
A partir de quelle valeur de rxy peut-on considérer que les variables x et y
sont liées?
⚫ Domaine d'application
on se place dans le cas ou le nombre d'individus est n > 30.
⚫ Méthode
si x et y sont deux variables gaussiennes indépendantes, alors on peut
montrer que
(n − 2)rxy2
1 − rxy2
suit une loi de Fischer-Snedecor F(1; n-2). Le résultat est valable dans le
cas non gaussien pour n > 30.
Le test
⚫ on se fixe un risque d'erreur (0,01 ou 0,05 en général) et on
calcule la probabilité
(n − 2)rxy2
P( F (1, n − 2) ) =
1− r 2
xy
⚫ Vecteur
matrice a une seule colonne.
⚫ Cas particuliers
1 ... 0 1
I = 1 =
0 ... 1 1
⚫ Transposition de matrice
échange des lignes et des colonnes d'une matrice ; on note M’ la
transposée de M.
Tableau de données
⚫ Pour n individus et p variables, on a le tableau
X est une matrice rectangulaire a n lignes et p colonnes
⚫ Variable
Une colonne du tableau
x1j
j
x2
x =
j
j
xn
⚫ Individu
Une ligne du tableau
⚫ Pourquoi
utile quand les individus n'ont pas la même importance
⚫ Comment
on associe aux individus un poids pi tel que
p1 + p2 + ... + pn = 1
et on représente ces poids dans la matrice diagonale de taille n
p1 ... 0
p2
D=
0 ... pn
⚫ Cas uniforme
tous les individus ont le même poids pi = 1 / n et D = I / n
Point moyen et tableau centré
⚫ Point moyen
c'est le vecteur g des moyennes arithmétiques de chaque variable :
1 p
g' = (x ... x )
n
x = pi xij
j
ou
i =1
g = X ' D1
On peut aussi écrire
Tableau centré
il est obtenu en centrant
j
les variables autour de leur moyenne
yij = xij − x
ou, en notation matricielle,
Y = X − 1g ' = ( I − 11' D ) X
Matrice de variance covariance
⚫ Définition
c'est une matrice carrée de dimension p
s11 s12 ... s1p
1
s2 s22
V=
1 p
s p ... s p
ou skl est la covariance des variables xk et xl et s2j est la
variance de la variable x j
⚫ Formule matricielle
V = X ' DX − gg ' = Y ' DY
Matrice de corrélation
⚫ Définition
Si l'on note 1 r12 r1p
1
skl r2 1
rkl = R=
sk sl
1
s p 1
1
s 0
⚫ Formule matricielle 1
1
R = D 1 VD 1 D1 = s2
s s s
0 1
s p