Académique Documents
Professionnel Documents
Culture Documents
UNE VARIABLE
1 Rappels mathématiques
1.1 Ordre de priorité des opérations
a. Les puissances et racines
b. Les multiplications et divisions
c. Les additions et soustractions
Si le calcul contient des parenthèses (ou crochets), il faut en priorité effectuer les opérations dans les
parenthèses.
EXEMPLES :
a) 5+2*[(3-1) * (2³-4)] =
b) (3-2²)² - 3 + 2 * 4²/8 =
c) 2 * (4 2 + 5) − 6 + 3 * 23 =
STATISTIQUES 1 J. Wilfart
1.2 La sommation
n
Xi = X
i =1
1 + X2 + … + Xn
EXEMPLE 1
Soit les résultats suivants : 17, 15, 18, 19, 16, 20, 12
a) X1 =
b) X3 =
EXEMPLE 2
1 Marabout 35 4,5
2 Larousse 17 5,1
3 Livre de poche 41 8
5 Dunod 14 12,5
6 Lafont 8 10
a) n5 =
b) x3 =
STATISTIQUES 2 J. Wilfart
2 Introduction
2.1 Définition : statistique
Science qui se propose de rassembler, d'ordonner, de représenter et d'étudier pour en tirer des
conclusions, les données numériques se rapportant à des phénomènes collectifs.
La première forme de statistique descriptive a été le recensement à l'époque des grandes civilisations de
l'Antiquité, où l'on s'intéressait à la liste des hommes, des professions et des biens.
B. Les probabilités
Les premiers jeux de hasard marquent le début de l'histoire des probabilités, ils datent de l'époque
de l'Homo Sapiens. Le plus ancien dé, fabriqué en terre cuite, fut découvert au nord de l'Irak, il date
du troisième millénaire avant J.-C.. En Occident, c'est à Venise qu'on trouve des traces des premiers
jeux de cartes (le tarot) en 1377.
Les jeux de hasard furent à l'origine des premiers travaux des mathématiciens sur les probabilités.
En Occident, les premiers écrits à ce sujet viennent d'Italie (Cardano et Galilée - XVIIème siècle).
C'est en France, avec Pascal et Fermat (XVIIème siècle également) que la théorie des probabilités va
véritablement prendre forme.
1
Ouvrage de référence : "STATISTIQUE, économie – gestion - sciences – médecine", Thomas H.
Wonnacott et Ronald J. Wonnacott, Economica, Paris 1995.
STATISTIQUES 3 J. Wilfart
C. La statistique inférentielle
Elle est complémentaire à la statistique descriptive, car le but de la plupart des recherches est
d'estimer un certain nombre de paramètres caractérisant la population associée à l'échantillon
traité.
En statistique inférentielle, on formulera des hypothèses sur les paramètres d'une population, Ces
hypothèses seront ensuite testées sur la base d'observations faites sur un échantillon représentatif
de cette population.
EXEMPLES
1) Etude de la rémunération des 1000 membres d'une association professionnelle.
a. Population ou échantillon ?
b. Individu :
2.3.3 Variables
1. Définition
Caractéristique de l'individu que l'on désire étudier.
EXEMPLE : La rémunération des employés, la cylindrée des voitures le poids des femmes, la
taille des entreprises, la couleur des yeux, la nationalité, …
STATISTIQUES 4 J. Wilfart
2. Classification des variables
• Variable qualitative et variable quantitative
Une variable est dite quantitative lorsque ses valeurs possibles sont des nombres
(quantité). Sinon, elle est dite qualitative (qualité). On donne le nom de modalités à
ces valeurs.
EXEMPLES
1) "Quelle est la couleur des voitures parquées devant la cathédrale ?"
a. Variable :
b. Modalités :
2) "Combien d'enfants avez-vous ?"
a. Variable :
b. Modalités :
• Types de variables quantitatives
▪ Variable quantitative discrète : ne prend qu'un nombre limité de valeurs
▪ Variable quantitative continue : prend ses valeurs dans un intervalle fini ou
infini
EXEMPLES
Variable quantitative discrète ou continue ?
1) Le nombre d'enfants dans une famille :
2) Le nombre de langues parlées par une personne :
3) La taille d'une personne :
4) Le temps mis par le TGV entre Paris Bruxelles :
EXEMPLES
1) Etude de la taille des arbres dans la forêt de Soignes :
2) Etude des chiffres d'affaire des commerces du Namurois :
3) Etude de la taille des familles en Wallonie :
STATISTIQUES 5 J. Wilfart
3 Etude d'une population selon un caractère quantitatif
3.1 Présentation des données recueillies
Le premier travail du statisticien est la collecte de données. Une fois ces données récoltées, il faut les
mettre sous forme lisible et manipulable afin de tirer des conclusions.
1) Première situation
Afin de se faire une idée de l'âge des employés d'une entreprise, on a relevé au hasard 100
fiches individuelles et noté les âges suivants :
24 30 27 31 32 33 32 35 28 33
29 28 29 32 36 31 38 30 32 39
33 30 34 31 29 32 26 40 33 26
31 36 27 33 31 31 40 30 36 30
26 35 32 30 32 34 30 27 31 31
32 32 32 33 29 24 31 28 33 28
29 32 33 28 32 34 33 29 33 31
33 34 25 33 32 30 32 34 37 31
37 31 34 31 29 32 37 31 27 30
27 38 32 35 34 25 26 35 32 32
Cette présentation ne facilite pas l'analyse de ces données. Il faut donc établir un tableau de
classement que l'on appelle encore tableau recensé.
Les limites des âges sont 24 ans minimum et 40 ans maximum. Nous allons donc comptabiliser
les âges, chaque âge sera une modalité.
Pour chaque modalité, on détermine le nombre d'observations appelé l'effectif de la modalité.
STATISTIQUES 6 J. Wilfart
Fréquence Fréquence
Fréquence
cumulée en cumulée en
Age Effectif relative en
Décompte % %
Xi Ri %
(croissante) (décroissante)
fi
gi gi'
24 II 2 2% 2% 100%
25 II 2 2% 4% 98%
26 IIII 4 4% 8% 96%
27 IIIII 5 5% 13% 92%
37 III 3 3% 95% 8%
38 II 2 2% 97% 5%
39 I 1 1% 98% 3%
40 II 2 2% 100% 2%
Notations
• Xi = ième modalité
• Ri = effectif de la ième modalité
• n = effectif total
• fi = fréquence de la ième modalité. C'est le rapport de l'effectif de la ième modalité à
l'effectif total :
STATISTIQUES 7 J. Wilfart
f = R i
i n
2) Deuxième situation
Afin de se faire une idée du chiffre d'affaire d'une société, on a relevé les chiffres d'affaire en
milliers d'euros de ses 200 succursales :
68 71 67 70 67 80 60 79 72 79 73 70 72 71 65 75 75 70 73 82
74 73 79 73 68 75 70 76 76 90 77 60 72 67 77 82 68 76 83 84
73 68 72 76 79 67 77 66 82 82 71 67 74 89 69 77 77 70 73 77
74 78 80 64 74 78 69 78 71 68 74 67 80 83 68 75 80 65 70 75
79 72 81 69 67 67 69 74 63 71 69 77 69 73 73 80 62 71 77 65
74 60 78 83 75 65 72 68 67 73 79 61 66 70 63 75 75 80 72 67
82 73 69 78 76 69 66 65 75 72 62 88 68 78 72 81 69 68 65 75
70 63 90 78 84 68 78 78 70 76 72 76 80 71 73 74 70 84 74 73
71 71 83 63 75 68 71 75 67 79 73 61 79 69 77 72 67 70 73 68
73 72 80 65 83 62 71 67 83 79 71 70 68 70 67 81 77 65 65 68
Nous pourrions, comme dans le cas précédent, créer un tableau ordonné de ces résultats mais
ce travail serait long et fastidieux car il y a beaucoup de valeurs différentes.
Nous pouvons par contre regrouper les données en classes représentées sous forme
d'intervalles.
STATISTIQUES 8 J. Wilfart
Démarche pour construire des classes
• Calculer l'étendue du tableau correspondant à la différence entre la plus grande et la
plus petite valeur du tableau, noté E
• Déterminer l'amplitude de chaque classe, noté A.
Ayant choisi le nombre de classes, noté C, compris généralement entre 5 et 20, nous
pouvons calculer :
2
A = E/C
• Les limites des classes ne doivent, si possible, pas coïncider avec les données réellement
observées
Notations
• Li = Limite inférieure de la classe i
• Li+1 = Limite supérieure de la classe i
• Ci = Centre de la classe càd valeur correspondante au milieu de cette classe
Remarque
Il existe une formule (formule de Sturge) pour calculer le nombre de classes (nc) à prendre :
nc ~ 1 + 3,322log10n
2
Si nous connaissons l’amplitude de classe, nous pouvons déterminer le nombre de classes par la formule : C = E/A
STATISTIQUES 9 J. Wilfart
Tableau recensé
Fréquence Fréquence
Fréquence
cumulée en cumulée en
Centre Effectif relative en
Classe % %
Ci Ri %
(croissante) (décroissante)
fi
gi gi'
TOTAL n=200
STATISTIQUES 10 J. Wilfart
3) Troisième situation, les séries chronologiques
Jusqu'à présent, dans toutes les séries, nous notions la répartition de l'effectif d'une population
entre les différentes valeurs possibles de la variable.
Pour certains caractères, il est plus intéressant d'en noter la répartition au cours du temps. Le
temps est alors la véritable variable, et l'on considère les valeurs prises par le caractère étudié
comme une fonction du temps.
Prenons par exemple l'évolution de la population du continent européen (URSS comprise) :
Population (en
Année millions)
1000 47
1340 -
1400 65
1650 103
1750 114
1850 274
1900 423
1950 576
1960 593
1970 702
1975 728
1980 687
1990 734
STATISTIQUES 11 J. Wilfart
3.2 Représentation graphique des données
Outre la présentation des données en tableau, nous pouvons envisager des représentations graphiques.
Un graphique est moins précis qu'un tableau mais il permet de voir plus rapidement certains traits
essentiels de la série étudiée.
Pour qu'un graphique soit utilisable, il est nécessaire de bien préciser les grandeurs portées sur les axes
et les unités de mesure choisies.
Voici une définition de quelques représentations possibles.
STATISTIQUES 12 J. Wilfart
3.2.3 Histogramme des effectifs ou des fréquences
Dans le cas de classes de même amplitude, on procède de la même manière que pour le
diagramme en bâtonnets, mais on remplace les traits verticaux par des rectangles :
STATISTIQUES 13 J. Wilfart
3.2.6 Polygone des fréquences cumulées
On porte en abscisse les limites de classe et en ordonnée les fréquences cumulées. On joint les
points ainsi obtenus par des segments.
3.2.7 Remarque
• Lorsque l'on dispose d'une représentation graphique, il faut être prudent avant de tirer des
conclusions. Il faut être attentif à l'origine des axes, l'échelle utilisée et si l'on utilise des
aires, bien veiller à ce qu'elles soient proportionnelles aux effectifs des classes.
• Veillez à toujours accompagner le graphique des titres aux axes (ou d’une légende) avec les
unités de mesure et d’un titre principal.
STATISTIQUES 14 J. Wilfart
4 Exercices
1. Une enquête relative au nombre de contraventions mensuelles récoltées par des automobilistes
a conduit aux nombres suivants :
1 13
2 9
3 18
4 4
5 11
6 2
7 10
8 77
STATISTIQUES 15 J. Wilfart
2. Résultats du recensement de la population française.
Distribution des couples en fonction de leurs nombres d'enfants.
Nombre de
Nombre d'enfants
couples
Xi
Ri
0 2 675 700
1 1 906 100
2 1 368 900
3 743 400
4 361 500
5 269 400
STATISTIQUES 16 J. Wilfart
5 Caractéristiques des séries statistiques
Une des préoccupations des statisticiens lorsqu’ils se trouvent en présence des résultats d’une enquête
est d’en déterminer les grandes « tendances ».
1. Les caractéristiques de tendance centrale : elles permettent d’obtenir une idée de l’ordre de
grandeur des valeurs constituant la série et indiquent également la position où semblent se
rassembler les valeurs de la série. Elles s’expriment dans la même unité que la variable.
2. Les caractéristiques de dispersion : elles qualifient les fluctuations des valeurs observées autour
de la valeur centrale. Elles permettent d’apprécier l’étalement de la série.
3. Les caractéristiques de forme : elles donnent une idée de la symétrie et de l’aplatissement d’une
distribution.
3
Moyenne = =
EXEMPLE
1 1 5 6 20 20 sont les notes d’étudiants (sur 20). Donner et interpréter la moyenne.
Moyenne = …………..
Interprétation : ………….
3
La moyenne peut également se noter μ
STATISTIQUES 17 J. Wilfart
2. Calcul de la moyenne avec le tableau ordonné (variable discrète)
Xi Ri
1 40
2 15
3 6
4 3
5 3
[25 ;30[ 2
[30 ;35[ 4
[35 ;40[ 9
[40 ;45[ 12
[45 ;50[ 8
[50 ;55[ 3
[55 ;60[ 2
STATISTIQUES 18 J. Wilfart
La moyenne se calcule de la façon suivante :
En employant le sigle de la somme, on peut écrire la formule : (idem que la précédente sauf que
l’on remplace …)
5.1.2 Mode
Le mode ou classe modale est la valeur de la variable ou classe dont l’effectif est le plus
important.
Une série peut être unimodale (un seul mode), bimodale (deux modes) ou multimodales (plus
de deux modes).
Sur un histogramme, le mode est représenté par le plus haut rectangle et sur le diagramme en
bâtonnets, par le bâtonnet le plus haut.
EXEMPLE 1
Donner et interpréter le mode de la série :
Répartition des accidents selon le nombre de victimes.
Nombre de victimes 1 2 3 4 5
Nombre d’accidents 40 15 6 3 3
Mode = …………………
Interprétation : ………………………..
EXEMPLE 2
Donner et interpréter le mode de la série :
Répartition des professeurs selon l’âge
AGE (en ans) Nombre de professeurs
[25 ;30[ 2
[30 ;35[ 4
[35 ;40[ 9
[40 ;45[ 12
[45 ;50[ 8
[50 ;55[ 3
[55 ;60[ 2
Mode = …………………
Interprétation : ………………………..
STATISTIQUES 19 J. Wilfart
EXEMPLE 3
Quel est le mode de la série : 2, 3, 4, 4, 5, 5, 5, 6, 7, 8, 8, 8, 9 ? (âge d’élèves)
5.1.3 Médiane
La médiane est la valeur de la variable qui divise une série de données ordonnées en deux
parties égales, chacune comprenant le même nombre de données.
EXEMPLES
1. Donner et interpréter la médiane de la série : 1 1 5 20 20 (notes sur 20 d’une classe
d’étudiants)
Médiane :
Interprétation :
2. Donner et interpréter la médiane de la série : 1 1 5 6 20 20 (notes sur 20 d’une classe
d’étudiants)
Médiane :
Interprétation :
3. Donner et interpréter la médiane de la série
Répartition de 21 ménages selon le nombre de téléviseurs du ménage
Xi 1 2 3 4
Ri 7 6 5 3
Médiane :
Interprétation :
REMARQUE : Dans le cas d’un tableau ordonné, on utilisera la colonne des effectifs cumulés.
STATISTIQUES 20 J. Wilfart
2. Calcul de la médiane dans le cas de variables continues
EXEMPLE
Répartition des professeurs selon l’âge
AGE (en ans) Nombre de professeurs
[25 ;30[ 2
[30 ;35[ 4
[35 ;40[ 9
[40 ;45[ 12
[45 ;50[ 8
[50 ;55[ 3
[55 ;60[ 2
Calculer et interpréter la médiane.
STATISTIQUES 21 J. Wilfart
5.1.4 Les quantiles
Les quantiles sont des caractéristiques de position puisqu’ils correspondent à des valeurs de
la variable statistique qui partagent la série ordonnée en 4, 10, 100 parties.
Envisageons le cas des quartiles pour une variable continue. Les formules s’adaptent donc à :
REMARQUE : Pour chaque formule, il faut rechercher la classe [Li, Li+1[ contenant la fréquence
cumulée respectivement de 25%, 50%, 75%
EXEMPLE
Reprendre l’exemple de la page 22 : calculer et interpréter les trois quartiles.
En choisissant une mesure de tendance centrale qui vous est favorable, vous pouvez tromper
des gens à l'aide de statistiques. En fait, cela se fait couramment.
STATISTIQUES 22 J. Wilfart
Je dirai donc à Papa que j'ai au-dessus de la moyenne.
• Encore un 8. Mais cette fois les notes sont : 2, 3, 4, 5, 7, 8 (moi), 9, 9, 18 et 19 (le génie).
J'ai calculé la moyenne, mais cette fois elle est de 8,4; je suis en dessous de la moyenne; et le
mode est 9. Heureusement, il n'y en a que 4 qui ont mieux réussi que moi et les 5 autres sont
après.
Je dirai donc à Papa que je suis au-dessus de la médiane.
• Décidément, je n'ai pas de chance. Je suis abonné au 8/20. C'est sûrement la faute du prof!
Cette fois les questions étaient tellement dures qu'il y en a 3 qui ont eu 7/20 ! Les autres ont
obtenu 19 (toujours le même), 18,12,11,10 et 2 (c'est aussi toujours le même)
J'ai calculé la moyenne ; cela fait 10,1. Pas de chance, je suis en dessous. Et cette fois il y en a 5
qui ont plus que moi ! Ça ne va plus l'histoire de la médiane ! Heureusement grâce aux trois
copains, le mode est 7.
Je dirai cette fois à Papa que je suis au-dessus du mode.
(J'espère qu'il ne comprend rien aux différences entre moyenne, médiane et mode !)
STATISTIQUES 23 J. Wilfart
Il peut parfois y avoir des valeurs aberrantes en raison d'une erreur ou d'une déformation
délibérée de l'information. Si tel est le cas, on devrait exclure les valeurs aberrantes de la
mesure de tendance centrale. Dans d'autres cas, les valeurs aberrantes montrent la mesure
dans laquelle une valeur peut différer, et cela pourrait constituer un élément d'information très
utile.
Exemple 3 – Comparaison de la moyenne et de la médiane
Quand on renvoie dans les journaux aux prix des maisons, on y cite habituellement le prix
médian. Pourquoi utilise-t-on cette mesure, plutôt que la moyenne ?
Il y a beaucoup de maisons à prix modérés, mais il y en a aussi qui sont coûteuses et quelques-
unes qui sont très chères. Leur prix moyen pourrait être assez élevé, puisqu'il inclut les prix des
maisons plus coûteuses. La médiane donne une valeur plus exacte et réaliste des prix auxquels
la plupart des gens sont confrontés.
En résumé, la médiane est le nombre au centre d'une distribution. La médiane est utile
lorsqu'une distribution est déxaxée (ou déséquilibrée), parce qu'elle n'est aucunement
influencée par des valeurs aberrantes.
Exemple 4 – Comparaison de la moyenne et de la médiane
Supposons que vous postulez un emploi de comptable dans plusieurs grandes entreprises et que
vous voulez vous faire une idée du montant d'argent qu'il vous serait possible d'espérer gagner
en cinq ans en joignant les rangs de l'une d'elles en particulier. Examinons les salaires des
comptables de chaque entreprise cinq ans après leur engagement.
Un seul salaire très élevé pourrait accroître le salaire moyen, ce qui risquerait de ne pas refléter
un salaire typique versé à l'intérieur de l'entreprise. D'un autre côté, la moitié des comptables y
gagnent le salaire médian ou moins et l'autre moitié, le salaire médian ou plus. La mesure de
tendance centrale qui vous donnerait une meilleure idée d'un salaire typique serait donc la
médiane.
STATISTIQUES 24 J. Wilfart
5.1.6 Exercices
1. On a observé la germination de 80 lots de 10 semences. Les résultats sont les suivants :
2. Soit la répartition du nombre de livres lus par un groupe d’étudiants au cours des trois derniers
mois.
STATISTIQUES 25 J. Wilfart
4. La répartition des salaires d’employés dans une entreprise donne le tableau suivant :
Capitaux Effectifs
0 – 4000 7200
4000 – 100 000 4300
100 000 – 250 000 1410
250 000 – 500 000 994
500 000 – 750 000 666
750 000 – 1 000 000 430
6. Le tableau ci-dessous indique les montants en euros de 40 prêts personnels auprès d’une
société de prêt au consommateur.
STATISTIQUES 26 J. Wilfart
5.2 Mesures de dispersion
Ils permettent de déterminer la plus ou moins grande homogénéité des observations d’une série
statistique.
Ont-elles tendance à se concentrer autour du centre de distribution ? Ou plutôt à se disperser ?
Dans le 1er cas, on parlera de valeurs homogènes, dans le second cas, de valeurs hétérogènes.
Nous utiliserons la moyenne (et non le mode ou la médiane) comme point de référence à partir
duquel on mesure les écarts car c’est la valeur qui prend en compte toutes les données.
5.2.1 Etendue
L’étendue est la différence entre la plus grande et la plus petite des valeurs de la variable
étudiée.
Elle se note E et peut se formuler :
Reprenons un exemple précédent et calculons l’étendue :
STATISTIQUES 27 J. Wilfart
• Dans le cas de tableaux ordonnés (sans classe):
Pour travailler avec les mêmes unités, nous allons calculer la racine carrée de la
variance.
L’écart-type est la racine carrée de la variance et sera donc exprimé dans la même
unité que le caractère étudié.
On le note σ(X) pour une variable X
Exemple de deux échantillons ayant la même moyenne mais des écarts types différents
illustrant l'écart type comme mesure de la dispersion autour de la moyenne. La série
« rouge » est plus homogène que celle « bleue »
Interprétation : Généralement, on retrouvera la plupart des données d’une série
statistique entre la moyenne moins un écart-type et la moyenne plus un écart type.
4
https://fr.wikipedia.org/wiki/%C3%89cart_type (23/08/2019)
STATISTIQUES 28 J. Wilfart
5
En général,
• 68,3 % des valeurs se situent entre μ – σ et μ + σ
• 95,5 % des valeurs se situent entre μ – 2σ et μ + 2σ
• 99,7 % des valeurs se situent entre μ – 3σ et μ + 3σ
Reprenons un exemple précédent et calculons :
• La variance :
• L’écart-type :
• Interprétation :
CV = σ(X) / X̅
Interprétation :
5
https://slideplayer.fr/slide/461963/
STATISTIQUES 29 J. Wilfart
II donne une très bonne idée du degré d'homogénéité d'une distribution. Plus le coefficient est
faible (inférieur à 15%), plus la série est homogène.
II permet aussi de comparer les dispersions de séries d'observations qui ne sont pas exprimées
dans les mêmes unités ou des séries ayant des moyennes différentes.
EXEMPLE:
D'après un sondage auprès de deux entreprises situées I'une en Belgique, I'autre aux USA
(monnaies différentes I), les moyennes arithmétiques et les écart-types des salaires versés sont
les suivants :
La distribution des salaires est donc un peu plus homogène dans l’entreprise belge que dans
l’entreprise américaine.
5.2.5 Exercices
1. La compagnie TEHOU a révélé les chiffres des absences de ses employés syndiqués pour le mois
dernier
Nombre de jours d’absence Nombre d’employés
0 36
1 42
2 20
3 11
4 3
5 2
12 1
▪ Calculez l’étendue, l’écart-type et le coefficient de variation ; interprétez ces mesures
▪ Calculez la proportion des employés ayant manqué plus de 2 jours de travail
2. Voici, relevées au cours des jours ouvrables de l'année 20XX, les recettes d'un grossiste
Recettes (€) Nombre de jours
0≤X<4 8
4≤X<8 24
8 ≤ X < 12 210
12 ≤ X < 16 42
16 ≤ X < 20 16
Calculez la médiane et l’écart interquartile ; interprétez ces paramètres.
STATISTIQUES 30 J. Wilfart
3. La taille moyenne des jeunes de 18 ans est de 168 cm avec un écart-type de 14 cm ; leur poids
moyen est de 66 kg avec un écart-type de 8 kg. La taille varie-t-elle plus que le poids ?
4. Une usine belge produit des poutres de différentes longueurs. La production journalière est
répartie comme suit.
Longueur (m) [0, 2[ [2, 4[ [4, 6[ [6, 8[ [8, 10[
Nb de poutres 10 20 30 25 15
▪ Calculez le mode, l’écart-type et le coefficient de variation ; Interprétez-les
▪ Comparez la variabilité entre cette usine belge et une usine anglaise pour laquelle on a
obtenu une moyenne de 6,5 yards et un écart-type de 1,9 yards
5. On a mesuré la taille des étudiants de deux classes.
Taille (m) Nb étudiants Nb étudiants
(classe A) (classe B)
[1.5, 1.6[ 3 10
[1.6, 1.7[ 6 1
[1.7, 1.8[ 12 0
[1.8, 1.9[ 2 0
[1.9, 2[ 1 13
Calculez leur coefficient de variation et interprétez leur résultat.
STATISTIQUES 31 J. Wilfart
6
6
https://slideplayer.com/slide/10844259/ (23/08/2019)
7
http://grasland.script.univ-paris-diderot.fr/Go152/Stat3/stat3.htm
STATISTIQUES 32 J. Wilfart
Reprenons un exemple précédent et calculons :
• Le coefficient Sk :
• Interprétation :
2. b2 = 3 courbe normale
STATISTIQUES 33 J. Wilfart
5.3.3 Exercices
Soit la taille de 210 étudiants :
Xi Ri
[155; 160[ 5
[160; 165[ 23
[165; 170[ 42
[170; 175[ 68
[175; 180[ 47
[180; 185[ 21
[185; 190[ 4
Calculez les paramètres de forme et interprétez leur résultat.
6 Exercices récapitulatifs
1. Au poste de péage, on compte le nombre de voitures se présentant sur une période de 5mn. Sur
100 observations de 5mn, on obtient les résultats suivants :
Nombre de 1 2 3 4 5 6 7 8 9 10 11 12
voitures
Nombre 2 8 14 20 19 15 9 6 2 3 1 1
d’observations
STATISTIQUES 34 J. Wilfart
6) Déterminer les paramètres de forme et interpréter.
3. Le tableau ci-dessous donne les valeurs en milliers d'euros de 40 biens immobiliers en 2017 et
en 2019.
Les résultats obtenus sont les suivants :
Xi [50 ; 100[ [100 ; 150[ [150 ; 200[ [200 ; 300[ [300 ; 500[
Effectif en 2017 3 6 16 13 2
Effectif en 2019 4 6 17 9 4
STATISTIQUES 35 J. Wilfart