Cours 1 SD (Tableaux + Graphes + Paramètres) - PR. A. Jarra

STATISTIQUES DESCRIPTIVES
1
La Statistique Descriptive est l'ensemble des méthodes et
techniques mathématiques permettant de présenter, décrire,
résumer de telles données.
L'interprétation des résumés obtenus, leur extrapolation éventuelle à
un ensemble plus vaste (utilisation de sondages par exemple), et leur
utilisation pour prendre des décisions constituent un autre domaine de
la Statistique.
La Statistique Inférentielle, "Echantillonnage - Estimation" et

"Tests", s'appuie sur l'utilisation des ‘’ probabilités’’ et ‘’ Variables
Aléatoires’’
2
3
INTRODUCTION
VOCABULAIRE STATISTIQUE
Population statistique :
Une population statistique est l'ensemble sur lequel on effectue des observations.
Individu (ou unités statistiques) :

Les individus sont les éléments de la population statistique étudiée.
Caractère statistique ou variable statistique :

C'est ce qui est observé ou mesuré sur les individus d'une population statistique.
Echantillon
Est une partie de la population statistique
4
VARIABLES QUANTITATIVES
Variable quantitative :
Une variable statistique est quantitative si ses valeurs sont des nombres exprimant
une quantité, sur lesquels les opérations arithmétiques ont un sens.
Variable quantitative discrète: Variable quantitative continue:

Une variable quantitative est discrète si elle Une variable quantitative est continue si ses
ne peut prendre que des valeurs isolées, valeurs peuvent être n'importe lesquelles
généralement entières. d'un intervalle réel.
5
VARIABLES QUALITATIVES
Variable qualitative :
Une variable statistique est qualitative si ses valeurs, ou modalités, s'expriment de
façon littérale ou par un codage sur lequel les opérations arithmétiques telles que
moyenne, somme, ... , n'ont pas de sens.
Variable qualitative nominale : Variable qualitative ordinale :

C'est une variable qualitative dont les C'est une variable qualitative dont les
modalités ne sont pas ordonnées. modalités sont naturellement ordonnées
6
L ’opérateur somme
(1) UN OUTIL : L ’OPERATEUR SOMME S
DEFINITION: q
p et q étant 2 entiers relatifs x
i p
i  x p  x p 1  ......  xq
q q q
REMARQUE 1: i est une variable muette  x  x  x

i p
i
j p
j
h p
h
REMARQUE 2: n
Quand il n’y a pas d’ambiguïté sur le domaine x  x  x

i 1
i
i
i i
de variation de i, celui-ci peut être omis
7
(2) UN OUTIL : L ’OPERATEUR SOMME S
PROPRIETE 1:  ka
i
i  k  ai
i
q q
 ka i  ka p  ka p 1  ......  kaq  k  a p  a p 1  ......  aq   k  ai

i p i p
PROPRIETE 2:   ai  bi    ai   bi
i i i
q
a  b   a
i p
i i p  bp    a p 1  bp 1   .....   aq  bq 
PROPRIETE 3 :  k a  b   k a  kb
i
i i
i
i
i
i
q q
  a p  a p 1  .....  aq    bp  bp 1  .....  bq    ai   bi
i p i p
n
PROPRIETE 4 :  k  nk
i 1
n
 k  k
i 1
 k
..... k  nk
q
n
PROPRIETE 5:  k   q  p  1 k
i p
8
TABLEAUX
ET
GRAPHIQUES
9
(1) VARIABLES QUALITATIVES NOMINALES
Noms Couleur des yeux Modalités Effectifs Fréquences %

Ali Vert Bleu 60 0,200 20,0
Mohamed Noir Noir 160 0,533 53,3
Amina Noir Noisette 40 0,133 13,3
Laila Noisette Vert 40 0,133 13,3
Mostapha Bleu
Total : 300 1 100
Rachid Noir
Farid Noisette
Nora Noir Modalités Effectifs Fréquences %
Malika Bleu modalité 1 n1 f1= n1/n f1×100
Driss Vert … … …
Malek Bleu modalité i ni fi= ni/n f i ×100
Soumia Noir … … …
…. …. modalité k nk fk= nk/n f k ×100
Total :  n i = n  f i =1 100
10
(2) VARIABLES QUALITATIVES NOMINALES
Modalités Effectifs Fréquences %

Bleu 60 0.200 20,0
Noir 160 0,533 53,3
Noisette 40 0,133 13,3
Vert 40 0,133 13,3
Total : 300 1 100
Diagramme circulaire ou camembert

Diagramme en barres
Vert 180
Bleu 160
13% 160
20%
140
Noisette 120
13%
100
80
60
60
40 40
40
20
Noir
54% 0
Bleu Noir Noisette Vert
11
VARIABLES QUALITATIVES ORDINALES
130 personnes ont été interrogées sur leur dépendance au chocolat
Les Modalités Effectifs = Nombre de personnes

modalités Pas du tout (A) 10
sont Un peu (B) 25
présentées Beaucoup (C) 40
Passionnément (D) 32
dans l’ordre A la folie (E) 23
45
40
40
35 32
30
25
25 23
20
15
10
10
0
A B C D E
12
(1) VARIABLES QUANTITATIVES DISCRETES
EFFECTIFS ET FREQUENCES
Clients Nombre de produits Nombre de Nombre de clients
financiers produits financiers
Badre 2
Jamal 3
0 103
Laila 0 1 115
Chakir 0 2 95
Latifa 1 3 35
Ali 0 4 10
Aicha 1
5 2
Driss 0
Salah 2 Valeurs de Effectifs Fréquences %
Bilal 4
la variable
Mariem 1
Jalal 3 x1 n1 f1= n1/n f1×100
Dadi 2 … … …
David 0 xi ni fi= ni/n f i ×100
Yves 0 … … …
Papin 1
Asmae 2
xk nk fk= nk/n f k ×100
…… ……. Total :  n i = n  fi =1 100
13
REPRESENTATION GRAPHIQUE DES EFFECTIFS ET FREQUENCES
Nbre de produits financiers Effectif Fréquence

xi ni fi
0 103 0,286
1 115 0,319
2 95 0,264
3 35 0,097
4 10 0,028
5 2 0,006
Diagramme en bâtons
140
120
100
80
60
40
20
0
0 1 2 3 4 5 6
14
EFFECTIFS ET FREQUENCES CUMULES
Nbre Nombre de Effectifs cumulés Effectifs cumulés
produits Clients croissants décroissants
financiers
0 103 103 360
Effectifs cumulés croissants: 1 115 218 257
Nombre d'individus pour lesquels la 2 95 313 142
variable est inférieure ou égale à xi.
3 35 348 47
4 10 358 12
Résultat de l'addition, de proche en 5 2 360 2
proche, des effectifs d'une distribution Total : 360
observée en commençant par le 1er.
Valeurs de la Effectif Effectifs cumulés Effectifs cumulés

variable croissants décroissants
Effectifs cumulés décroissants: xi ni Ni N’i
Nombre d'individus pour lesquels la x1 n1 N1= n1 N’1= nk+ ….+ n1= n
variable est supérieure ou égale à xi. x2 n2 N2= n1+ n2 N’2= nk+ ….+ n2
Résultat de l'addition, de proche en x3 n3 N3= n1+ n2+ n3 N’3= nk+ ….+ n3
proche, des effectifs d'une distribution … … …. ….
xk-1 nk-1 Nk-1= n1+ ….+ nk-1 N’k-1= nk+ nk-1
observée en commençant par le dernier.
xk nk Nk= n1+ ….+ nk= n N’k= nk
Total : n
15
TABLEAUX ET GRAPHIQUES Qualitative nominale Qualitative ordinale Quantitative discrète Quantitative continue

Nombre de Nombre de Effectifs Effectifs Fréquences Fréquences Fréquences

produits clients cumulés cumulés cumulées cumulées
financiers croissants décroissants croissantes décroissantes
xi ni Ni N’i fi Fi F’i
0 103 103 360 0,2861 0,2861 1
1 115 218 257 0,3194 0,6055 0,7139
2 95 313 142 0,2639 0,8694 0,3945
3 35 348 47 0,0972 0,9666 0,1306
4 10 358 12 0,0278 0,9944 0,0334
5 2 360 2 0,0056 1 0,0056
Total : 360 1
Il y a 313 clients possédant un nombre de produits financiers inférieur ou égal à 2
Il y a 47 clients possédant un nombre de pro. fin. supérieur ou égal à 3

La proportion de clients possédant un nombre de pro. fin. inférieur ou égal à 4 est de 99,44%
La proportion de clients possédant un nombre de pro. fin. supérieur ou égal à 1 est de 71,39%
16
COURBES CUMULATIVES
400
x xi ni Ni N(x) N’i N ’(x)
350
 360
0 300
0 0 103 103 360
103 257 250
1 1 115 218 257
218 142 200
2 2 95 313 142 n/2
313 47 150
35 348 47
3 3 348 12 100
10 358 12
4 4 358 2 50
2 360 2 0
5 5 360 0 -2 -1 0 1 2 3 4 5 6

On appelle courbe cumulative croissante le tracé de la fonction N (ou F pour les fréquences)
qui à tout réel x associe N( x ) = nombre d'observations inférieur ou égal à x.
On appelle courbe cumulative décroissante le tracé de la fonction N' (ou F’ pour les fréquences)
qui a tout réel x associe N'( x ) = nombre d'observations supérieur strictement à x.
Les courbes cumulatives N(x) et N’(x) sont symétriques par rapport à n/2 : N(x) + N’(x) = n
Les courbes cumulatives F(x) et F’(x) sont symétriques par rapport à 0,5 : F(x) + F’(x) = 1
17
Quantitative continue
(1) VARIABLES QUANTITATIVES CONTINUES

Variable observée: augmentation moyenne mensuelle du salaire, en €, des employés
d’une multinationale au cours de l’année 2005. Augmentation Effectif
18 38 10 35 0 4 (€)
4 11 27 2 41 16
2 25 43 22 26 11 0 257
34 34 1 28 5 5 1 318
21 0 2 30 1 8 2 255
9 37 22 39 11 0 3 307
36 16 6 42 42 1
8 33 31 33 4 4 4 308
9 19 15 2 21 0 5 159
12 18 …. …. …. …. 6 140
7 84
Remarque1 : la variable augmentation moyenne mensuelle peut
8 72
être considérée comme continue. En arrondissant à l’euro, on l’a 9 55
discrétisée. 10 22
Une augmentation de 10 € est en fait une augmentation comprise 11 13
entre 9,5 € et 10,5 €. 12 9
13 7
Remarque2 : Une variable continue ne prend pas des valeurs 14 8
isolées, mais des valeurs appartenant à des intervalles. C'est 15 21
pourquoi, au lieu de définir des effectifs par valeurs, on définira des 16 6
17 2
effectifs par intervalles, appelés classes. ….. ….
Total 2125
Remarque3 : Une variable discrète comportant trop de valeurs est
aussi traitée comme une variable continue.
18
TABLEAUX ET GRAPHIQUES Qualitative nominale Qualitative ordinale Quantitative discrète Quantitative continue

Augmentation (€) Effectifs
[0 – 3[ 830 Classes Effectifs
[3 – 5[ 615 [e 1 – e 2[ n1
[5 – 10[ 510 [e 2 – e 3[ n2
…. ….
[10 – 20[ 92
[e k – e k+1[ nk
[20 – 30[ 63
[30 – 50[ 15
Remarque 1: Le choix des classes et arbitraire, mais elles doivent être contigües
et recouvrir l’ensemble des valeurs.
Remarque 2: Il est préférable de prendre des classes d’amplitudes égales.
Remarque 3: Il ne faut prendre ni trop ni trop peu de classes.
Remarque 4: Le choix et le nombre de classes influent sur les représentations

graphiques.
19
20
900 effectif
Classes Effectifs 800
[0 – 3[ 830 700
[3 – 5[ 615 600
[5 – 10[ 510 500
[10 – 20 [ 92 400
[20 – 30[ 63 300
[30 – 50[ 15 200

100
0
30
50
0
3
350
Effectif rectifié
Classes Effectifs Amplitude Effectifs
300
ni ai rectifiés
ni /ai 250
[0 – 3[ 830 3 276,7 200
HISTOGRAMME
[3 – 5[ 615 2 307,5
[5 – 10[ 510 5 102,0 150
[10 – 20 [ 92 10 9,2 100

[20 – 30[ 63 10 6,3
50
[30 – 50[ 15 20 0,75
0
30
50
0
3
21
Classes Effectifs Amplitude Effectifs 350

Effectif rectifié
ni ai rectifiés 300
ni /ai
250
[0 – 3[ 830 3 276,7
[3 – 5[ 615 2 307,5 200
HISTOGRAMME
[5 – 10[ 510 5 102,0 150
[10 – 20[ 92 10 9,2
100
[20 – 30[ 63 10 6,3
[30 – 50[ 15 20 0,75 50
30
50
0
3
La surface = ai × (ni/ai) est de 830 unités
La surface = ai × (ni/ai) est de 615 unités

Dans un histogramme, ce sont les surfaces des rectangles qui sont proportionnelles aux
effectifs, et non les hauteurs de ces rectangles
Remarque: Le tracé de l’histogramme des fréquences est identique. Il suffit de porter

en ordonnées la fréquence rectifiée di = fi/ai, appelée densité.
22
Classes Effectifs Effectifs Effectifs Fréquences Fréquences

cumulés cumulés cumulées cumulées
Variable observée: croissants décroissants croissantes décroissantes
[ei – ei+1[ ni Ni Ni, Fi F’i
augmentation moyenne [0 – 3[ 830 830 2125 0,391 1,000
mensuelle du salaire, en [3-5[ 615 1445 1295 0,680 0,609
€, des employés d’une [ 5 - 10 [ 510 1955 680 0,920 0,320
[10 - 20 [ 92 2047 170 0,963 0,080
multinationale au cours [20 - 30 [ 63 2110 78 0,993 0,037
de l’année 2005. [30 – 50[ 15 2125 15 1,000 0,007
Total : 2125
Il y a 1445 employés dont l’augmentation est strictement inférieure à 5

Il y a 170 employés dont l’augmentation est supérieure ou égale à 10
23
COURBES CUMULATIVES
x
 [ei – ei+1[ Fi F(x)
F’ F’i F’(x)
?
?0 i 1Al’intérieur
d cl fait
0 A 1
[0-3[ 0,391 1,000
? 1,000 ?
3 0,391 l’hypothèse
0,609
de chaque
0,9
[3-5[ 0,680 0,609
? 0,609 queon
la fait 0,8
Fi
5 0,680 classe,
0,320 0,7
[ 5 - 10 [ 0,920 0,320 0,320 répartition est
0,920 l’hypothèse
0,080
0,6 F’i
10 [10 - 20 [ 0,963 0,080 0,080 uniforme 0,5
que la
20 0,963 0,037 0,4
[20 - 30 [ 0,993 0,037 0,037 répartition est 0,3
30 0,993 0,007
uniforme
[30 - 50 [ 1,000 0,007 0,007 0,2
50 1 0 0,1
0
 -10 0 10 20 30 40 50 60
On appelle courbe cumulative croissante le tracé de la fonction F (N pour les effectifs) qui à tout réel x
associe F( x ) = nombre d'observations inférieur ou égal à x.
On appelle courbe cumulative décroissante le tracé de la fonction F’ (N’ pour les effectifs) qui a tout réel
Remarque: Pour une variable continue, il est indifférent de dire « inférieur ou égal » ou
x associe F’( x ) = nombre d'observations supérieur strictement à x.
« strictement inférieur ». Il en est de même pour « supérieur ou égal » ou « strictement
supérieur ».
Les courbes cumulatives F(x) et F’(x) sont symétriques par rapport à 0,5 : F(x) + F’(x) = 1
Il n’y a aucune chance qu’une observation tombe sur une borne. C’est l’imprécision de
l’instrument de mesure et un mauvais choix des bornes qui pourrait conduire à ce résultat.
24
COURBES CUMULATIVES
Quelle est la proportion p d’employés dont l’augmentation est inférieure à 17 € ?
[ei – ei+1[ Fi F(x)
x
0 0
1
[0-3[ 0,391 0,950,9
3 0,391 0,8
[3-5[ 0,680 0,7
5 0,680 0,6
0,5
[ 5 - 10 [ 0,920 0,4
10 0,920 0,3
17 [10 - 20 [ 0,963 p 0,2

0,1
20 0,963 0
-10 0 10 20 30 40 50 60
[20 - 30 [ 0,993 17
30 0,993
[30 - 50 [ 1
50 1
17 - 10 p - 0,92 17  10
 D'où p  0,92   0,963  0,920   95%
20  10
20 - 10 0,963-0,920
25
RESUME
VARIABLE QUALITATIVE VARIABLE QUANTITATIVE

Nominale Ordinale Discrète Continue
Effectifs ou Fréquences Effectifs ou Fréquences

Diagramme en barres Diagramme en barres Diagramme en bâtons Histogramme
Modalités dans
l ’ordre
Diagramme circulaire Courbes cumulatives des effectifs ou des fréquences
26
PARAMETRES
STATISTIQUES
27
Les représentations graphiques ont permis une première synthèse visuelle de la
distribution des observations
Un paramètre statistique permet de résumer par une seule quantité numérique une
information contenue dans une distribution d’observations.
! Les paramètres statistiques ne concernent que les variables quantitatives
Variable Variable Variable

3000 3000 3000
2500 2500 2500
2000 2000 100 % - A % 2000

Dispersion
1500
Tendance centrale 1500 1500
Position
1000
1000 1000
A%
500 500 500
0 0 0
0 N° individu 0 N° individu 0 N° individu
28
(1) PARAMETRES DE TENDANCE CENTRALE
LE MODE
Une distribution est unimodale si elle présente un maximum marqué, et pas d'autres
maxima relatifs.
La lecture s’effectue sur le diagramme en bâtons ou l'histogramme.
100
140 90
80
120
70
100
60
80 50
60 40
30
40
20
20
10
0 0
0 1 2 3 4 5 6 900 1400 1900 2400 2900 3500 ou plus...
Mode Mode Classe modale
Le mode correspond à l'abscisse du maximum, c.à.d. la valeur la plus fréquente
29
LE MODE
Si la distribution présente 2 ou plus maxima relatifs, on dit qu'elle est bimodale ou

plurimodale.
La population est composée de plusieurs sous-populations ayant des caractéristiques de
tendance centrale différentes.
90
80
140
70
120
60
100
50
80
40
60
30
40 20
20 10
0 0
0 1 2 3 4 5 6 900 1400 1900 2400 2900 3500 4000 4500 ou
plus...
Mode 1 Mode 2 Mode 1 Mode 2

30
LA MEDIANE
Les valeurs observées doivent être rangées par ordre croissant.
La médiane M est la valeur du milieu de la série d’observations, c.à.d. telle qu'il y ait
autant d'observations "au-dessous" que "au-dessus".
Nombre impair d’observations Nombre pair d’observations
3 4 4 5 6 8 8 9 10 3 4 4 5 6 8 8 9
4 valeurs 4 valeurs 4 valeurs 4 valeurs

M Intervalle médian
M = milieu = 5,5
31
LA MEDIANE à partir d’une distribution discrète
F(x) F(x)
xi ni Fi xi ni Fi
0 103 0,286 0 0
0 103 0,286
1 115 0,606 0,286 0,286
0,5 Intervalle médian 1 77 0,500
M 0,606 0,500 0,5
2 95 0,869 M = milieu = 1,5 2 95 0,764
3 35 0,967 0,869 0,764
3 35 0,861
4 10 0,994
0,967 0,861
4 10 0,889
5 2 1
0,994 0,889
5 40 1
1 1
1 1
0,5 0,5
0 0
-2 -1 0 1 2 3 4 5 6 -2 -1 0 1 2 3 4 5 6
Intervalle médian
M M = milieu = 1,5
32
LA MEDIANE à partir d’une distribution continue
[ei – ei+1[ Fi F(x)

x
0 0
1
[0-3[ 0,391
0,9
3 0,391 0,8
M [3-5[ 0,680 0,5 0,7
5 0,680 0,6
0,5 0,5
[ 5 - 10 [ 0,920 0,4
10 0,920 0,3
0,2
[10 - 20 [ 0,963 0,1
20 0,963 0
[20 - 30 [ 0,993 -10 0 3,2210 20 30 40 50 60
30 0,993 M
[30 - 50 [ 1
50 1
M-3 0,5-0,391 0,5  0,391
 D'où M  3   5  3  3, 22
0,680  0,391
5-3 0,680-0,391
33
LA MOYENNE ARITHMETIQUE
La moyenne arithmétique est notée x
1 n
Série brute x1, x2, … , xn x =  xi
n i=1
Valeurs de Effectifs Fréquences 1 k

Série groupée la variable x =  nixi
x1 n1 f1= n1/n n i=1
… … …
k
xi ni fi= ni/n nixi k
 = fi x i
… … … i=1 n i=1
xk nk fk= nk/n
34
Classes Effectifs Fréquences Centres de classe
Série classée
[e1 – e2[ n1 f1 x 1= ( e 1 + e 2)/2
[e2 – e3[ n2 f2 x 2= ( e 2 + e 3)/2
…. …. …. ….
[ek – ek+1[ nk fk x k= ( e k + e k+1)/2
1 k k
x =  n i x i   fi x i
n i=1 i=1
35
Comment faire la moyenne de plusieurs populations ?
Population P1 Population P2
Effectif n1 Effectif n2
Moyenne x1 Moyenne x 2
Population P = P1  P2
Effectif n = n 1+ n2
Moyenne x?
n1 x1 + n 2 x 2
x= Moyenne globale = moyenne des moyennes
n
36
PROPRIETES GENERALES
z=ax+b
y=ax
P (x) = moyenne, médiane, mode P (y) = a P (x) P (z) = a P (x) + b
37
MOYENNES GEOMETRIQUE ET HARMONIQUE
Moyenne géométrique
G= n x1n1 x 2n 2 .....x kn k
Utilisée dans le cas de phénomènes multiplicatifs (taux de croissance moyen)
Moyenne harmonique
n
H= k n
x
i=1
i
Utilisée dans le cas où l’on combine 2 variables sous forme de rapport

(pièces/heure, km/litre,…)
38
(1) PARAMETRES DE POSITION
LES FRACTILES OU QUANTILES
On appelle fractiles ou quantiles d'ordre k les (k-1) valeurs qui divisent les observations
en k parties d'effectifs égaux.
1 médiane M qui divise les observations en 2 parties égales
3 quartiles Q1, Q2, Q3 qui divisent les observations en 4 parties égales
9 déciles D1, D2, …, D9 qui divisent les observations en 10 parties égales
99 centiles C1, C2, …, C99 qui divisent les observations en 100 parties égales
39
LES FRACTILES OU QUANTILES
Quartiles, déciles, centiles s’obtiennent de la même façon que la médiane.
Variable discrète Variable continue
0,9 0,9
1 0,8
0,75 0,7
0,75 0,6
0,5 0,5
0,5 0,4
0,3
0,2
0,2 0,1
0
0
-2 -1 0 1 2 3 4 5 6 -10 0 MQ3D
10 20 30 40 50 60
9
D2 M Q3
40
z=ax+b
100 % - A %
y=ax
100 % - A % A%
x
100 % - A %
A%
A%
Q (x) = quantile Q (y) = a Q (x) Q (z) = a Q (x) + b
41
Dispersion
(1) PARAMETRES DE DISPERSION
Etendue : E = xmax - xmin
Intervalle interquartile : IQ = Q3 - Q1
Variance : Série brute : Série groupée ou classée :
1 n 2 1 k 2
k
2
V =   xi - x  V =  n i  x i - x    fi  x i - x 
n i=1 n i=1 i=1
1 k
V =  n i x i2  x 2 = Moyenne des carrés - Carré de la moyenne
n i=1
Ecart-type : σ= V
42
43
Comment faire la variance de plusieurs populations ?
Population P1 Population P2
Effectif n1 Effectif n2
Moyenne x1 Moyenne x 2
Variance V1 Variance V2
Population P = P1  P2
Effectif n = n 1+ n2
Moyenne x
Variance V ?
1 k 1 k 2
V =  n i Vi +  n i  x i -x 
n i=1 n i=1
Variance globale = Moyenne des variances + Variance des moyennes
44
z=ax+b
y=ax
P (x) = étendue, écart-type, P (y) = a P (x) P (z) = a P (x)

intervalle interquartile
45
PROPRIETES IMPORTANTES
DE LA MOYENNE ET DE LA VARIANCE
Comment se comportent la moyenne et la variance

lorsqu’on fait subir un changement de variable aux observations?
xi y i = a xi + b
y=ax+b V(y) = a 2 V(x) σ(y) = a σ(x)
Comment se comportent la moyenne et la variance

de la somme de deux séries d’observations?
xi
zi = xi + yi
yi
z= x+ y V(z)  V(x)+ V(y)
46
(4) PARAMETRES DE FORME
47
48
49
50
51
fi
leptocurti
mésocurti
platicurti
x
Pour une loi très connue en statistique, la loi normale centré réduite, 2 = 0 ; la courbe
de la distribution est similaire à une distribution normale centrée réduite N(0,1) ; elle
est mésokurtique
la courbe de la distribution est moins plate que la distribution normale ; elle est
leptocurtique.
la courbe de la distribution est plus plate que la distribution normale, elle est
platicurtique.
52
ETUDE DE 2 VARIABLES
QUANTITATIVES
53
ETUDE DE 2 VARIABLES QUANTITATIVES
(1) MESURE DE LA LIAISON ENTRE 2
95
90
Poids
Nom Taille xi (cm) Poids yi (kg)
85
Pierre 175 73
80
Arantxa 168 56
….. ….. ….. 75
Martin 185 87 70
65
60
55
50
Taille
150 160 170 180 190 200
La connaissance de la taille x apporte une certaine information sur le poids y
Il existe une relation de dépendance entre x et y
54
La connaissance de x n’apporte La connaissance de x permet de

aucune certaine information sur y connaître exactement la valeur de y
x et y sont indépendantes Il existe une relation fonctionnelle

entre x et y
55
1 n
Covariance : Cov  x,y  =   x i -x  yi -y 
n i=1
Propriétés :
Cov  x,y   0  x et y varient dans le même sens
Cov  x,y  < 0  x et y varient en sens contraire
Cov  x,y   Cov  y,x 
Cov  x,x   V(x)
Cov  a x + b y , z   a Cov  x,z   b Cov  y,z 

56
cov(x,y)
Corrélation linéaire: ρ =
σ(x) σ(y)
Propriétés :
1  ρ  1
 ρ = 1 si a > 0
y=ax+b 
ρ = -1 si a < 0
ρ  1  Il existe une relation fonctionnelle entre x et y
ρ0  x et y sont indépendantes
0 < ρ < 1  Il existe une dépendance linéaire d’autant plus forte que |r| est grand
57
(1) AJUSTEMENT LINEAIRE

95
90
y = Poids
85
80
75
70
65
60
55
50
x = Taille
150 160 170 180 190 200
Est-il possible de trouver une fonction numérique f telle que y = f (x) ?
Si une telle fonction existe, on dit que f est un modèle du phénomène étudié.
x est la variable explicative.

y est la variable expliquée.
58

95
90
y = Poids
85
80
75
70
65
60
55
50
x = Taille
150 160 170 180 190 200
On désire trouver la droite qui passe « au mieux » à l’intérieur du nuage de points
59
« au mieux »
n n
Minimiser S =  e 2
i
Minimiser S' =  e'i2
i=1 i=1
95 95
90
y = Poids 90
y = Poids
85 85
80 80
e'i
75 ei 75
70 70
65 65
60 60
55 55
50
x = Taille 50
x = Taille
150 160 170 180 190 200 150 160 170 180 190 200
Droite de régression de y en x Droite de régression de x en y
60

REGRESSION LINEAIRE DE Y EN X
95
90
y = Poids
85
f(x) = y = ax+b
Droite de régression y80i
75
linéaire de y en x
y = f(x) = ax + b axi+b70 ei = |yi-axi-b|
65
60
55
50
x = Taille
150 160 170 180 190 200
xi
n n
2 2
La droite de régression linéaire de y en x, notée Dy/x , minimise S = 
i=1
e =
i   yi -ax i -b 
i=1
n
  x -x  y -y 
i i
Cov  x,y 
a= i=1
= b = y - ax
n
2 V(x)
  x i -x 
i=1
Dy/x passe par le point moyen  x , y 
61

REGRESSION LINEAIRE DE Y EN X
95
90
y = Poids
85
f(x) = y = ax+b
Droite de régression y80i
75
linéaire de y en x
y = f(x) = ax + b axi+b70 ei = |yi-axi-b|
65
60
55
x = Taille
50
150 160 170 180 190 200
xi
y=ax+b définit un modèle affine
ŷ i = a x i + b = valeur de y prévue par le modèle
i
ri = yi - yˆ i = résidu de la ième observation
ei = ri = yi - a x i - b = erreur due au modèle
62

REGRESSION LINEAIRE DE X EN Y
95 ei’ = |xi-a’yi-b’|
90
y = Poids
85
Droite de régression 80 f(y) = x = a’y+b’

yi
linéaire de x en y 75
70
x = f(y) = a’y + b’ 65
60
55
50
x = Taille
150 160 170 180 190 200
xi a’yi+b’
n n
2 2
La droite de régression linéaire de x en y, notée Dx/y , minimise S' = 
i=1
e' =
i   x i -a'yi -b'
i=1
n
  x -x  y -y 
i i
Cov  x,y 
a' = i=1
n
= b' = x - a' y
2 V(y)
  y -y 
i=1
i
Dx/y passe par le point moyen  x , y 
63
LIENS ENTRE CORRELATION
ET DROITES DE REGRESSION
Cov  x,y 
Dy/x : y = ax + b a= b = y - ax
σ(x) σ(y)
V(x) r² = a a’ ρ=a = a'
σ(y) σ(x)
Cov  x,y 
Dx/y : x = a’y + b’ a' = b' = x - a' y
1 b' V(y)
 y= x 
a' a'
x, y  x, y 
x, y 
r² = a a’ = 0 0< r² = a a’ < 1 r² = a a’ = 1
Le degré de dépendance linéaire
Indépendance linéaire se mesure à la proximité des Liaison fonctionnelle linéaire
droites de régression 64
(1) AJUSTEMENT A UNE FONCTION EXPONENTIELLE

25,0
xi yi
2,8 0,8 20,0
4,3 1,2 droite de régression linéaire
2,7 1,5 15,0 de y en x
4,2 1,9
4,1 2,3 10,0
…. ….
4,0 3,1 5,0
0,0
0 10 20 30 40 50 60
2
Analyse des résidus
1
0
Les résidus devraient se répartir
-1
0 10 20 30 40 50 60 au hasard autour de l’axe des
-2 abscisses:
-3 le modèle affine ne convient pas
65
Exemple avec xl
taille xi poids yi
150 55
155 62
165 63 80
160 61
70
170 65
172 65 60
163 67 50
175 70
174 72 40
180 75 30
20
66

25,0
20,0
Modèle exponentiel
y = ex exponentielle de base e
15,0
10,0
y = ax exponentielle de base a
5,0 y = b a x Forme exponentielle générale

0,0
0 10 20 30 40 50 60
Changement de variable
ln y = ln b + x ln a
Y=AX+B avec Y = ln y
X=x
A = ln a
L’ajustement affine de Y en fonction de X donne A et B, B = ln b
d ’où a = e A , b = e B , et le modèle y = b a x
67

25,00
20,00
Série initiale (xi,yi)
15,00 Série prévue par le modèle  x i ,yˆ i 
10,00
5,00
0,00
0 10 20 30 40 50 60
1,50
1,00
0,50
Analyse des résidus 0,00

0 10 20 30 40 50 60
-0,50
-1,00 Le modèle exponentiel est mieux

-1,50 adapté que le modèle affine
68
(1) AJUSTEMENT A UNE FONCTION PUISSANCE
900
800
700
600
500 Droite de régression linéaire de y en x
400
300
200
100
0
0 20 40 60
150
100
50
0
0 10 20 30 40 50 60
Analyse des résidus
-50
Le modèle affine ne
-100
convient pas
-150
69

900
800
Modèle puissance y = b xa
700
600
500 Changement de variable
400
300 ln y = ln b + a ln x
200
100 Y=AX+B
0
avec Y = ln y
0 20 40 60 X = ln x
A=a
B = ln b
L’ajustement affine de Y en fonction de X donne A et B,

d ’où a = A , b = e B , et le modèle y = b x a
70

900
800
700 Série initiale (xi,yi)
600
500 Série prévue par le modèle  x i ,yˆ i 
400
300
200
100
0
0 20 40 60
80
60
40
20
Analyse des résidus 0

0 10 20 30 40 50 60
-20
-40
Le modèle puissance est mieux
-60
adapté que le modèle affine
-80 71
QUALITE D’UN AJUSTEMENT
2 2 2
On montre que   yi -y    yˆ i -y     yi -yˆ i 
SCM SCR
SCT = SCM + SCR  1 
SCT SCT
Somme des carrés des Somme des carrés des Somme des
= +
écarts à la moyenne écarts du modèle carrés des résidus
L’ajustement est d’autant meilleur que SCR est proche de 0, c.à.d. que SCR/SCT est
proche de 0 ou SCM/SCT est proche de 1.
SCM
R = Coefficient de détermination = r² = (coef. de corrélation)²
SCT
= proportion de la variation totale due à l'ajustement
0  R 1
72
ETUDE DE 2 VARIABLES QUALITATIVES
73
74
75
76
Paramètre de liaison
77

Cours 1 SD (Tableaux + Graphes + Paramètres) - PR. A. Jarra

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours 1 SD (Tableaux + Graphes + Paramètres) - PR. A. Jarra

Transféré par

Droits d'auteur :

Formats disponibles

STATISTIQUES DESCRIPTIVES

La Statistique Inférentielle, "Echantillonnage - Estimation" et

Individu (ou unités statistiques) :

Caractère statistique ou variable statistique :

Variable quantitative discrète: Variable quantitative continue:

Variable qualitative nominale : Variable qualitative ordinale :

(1) UN OUTIL : L ’OPERATEUR SOMME S

REMARQUE 1: i est une variable muette  x  x  x

Quand il n’y a pas d’ambiguïté sur le domaine x  x  x

de variation de i, celui-ci peut être omis

 ka i  ka p  ka p 1  ......  kaq  k  a p  a p 1  ......  aq   k  ai

Noms Couleur des yeux Modalités Effectifs Fréquences %

Modalités Effectifs Fréquences %

Diagramme circulaire ou camembert

Les Modalités Effectifs = Nombre de personnes

Nbre de produits financiers Effectif Fréquence

Valeurs de la Effectif Effectifs cumulés Effectifs cumulés

(4) VARIABLES QUANTITATIVES DISCRETES

Nombre de Nombre de Effectifs Effectifs Fréquences Fréquences Fréquences

Il y a 313 clients possédant un nombre de produits financiers inférieur ou égal à 2

Il y a 47 clients possédant un nombre de pro. fin. supérieur ou égal à 3

(1) VARIABLES QUANTITATIVES CONTINUES

(2) VARIABLES QUANTITATIVES CONTINUES

Remarque 3: Il ne faut prendre ni trop ni trop peu de classes.

Remarque 4: Le choix et le nombre de classes influent sur les représentations

[20 – 30[ 63 300

[30 – 50[ 15 200

[10 – 20 [ 92 10 9,2 100

Classes Effectifs Amplitude Effectifs 350

La surface = ai × (ni/ai) est de 615 unités

Remarque: Le tracé de l’histogramme des fréquences est identique. Il suffit de porter

Classes Effectifs Effectifs Effectifs Fréquences Fréquences

Il y a 1445 employés dont l’augmentation est strictement inférieure à 5

17 [10 - 20 [ 0,963 p 0,2

VARIABLE QUALITATIVE VARIABLE QUANTITATIVE

Effectifs ou Fréquences Effectifs ou Fréquences

! Les paramètres statistiques ne concernent que les variables quantitatives

Variable Variable Variable

2500 2500 2500

2000 2000 100 % - A % 2000

Mode Mode Classe modale

Le mode correspond à l'abscisse du maximum, c.à.d. la valeur la plus fréquente

Si la distribution présente 2 ou plus maxima relatifs, on dit qu'elle est bimodale ou

Mode 1 Mode 2 Mode 1 Mode 2

Les valeurs observées doivent être rangées par ordre croissant.

Nombre impair d’observations Nombre pair d’observations

4 valeurs 4 valeurs 4 valeurs 4 valeurs

[ei – ei+1[ Fi F(x)

[20 - 30 [ 0,993 -10 0 3,2210 20 30 40 50 60

La moyenne arithmétique est notée x

Valeurs de Effectifs Fréquences 1 k

Comment faire la moyenne de plusieurs populations ?

P (x) = moyenne, médiane, mode P (y) = a P (x) P (z) = a P (x) + b

Utilisée dans le cas de phénomènes multiplicatifs (taux de croissance moyen)

Utilisée dans le cas où l’on combine 2 variables sous forme de rapport

1 médiane M qui divise les observations en 2 parties égales

3 quartiles Q1, Q2, Q3 qui divisent les observations en 4 parties égales

9 déciles D1, D2, …, D9 qui divisent les observations en 10 parties égales

Quartiles, déciles, centiles s’obtiennent de la même façon que la médiane.

Variable discrète Variable continue

Q (x) = quantile Q (y) = a Q (x) Q (z) = a Q (x) + b

(1) PARAMETRES DE DISPERSION

Etendue : E = xmax - xmin