Chapitre 2 

: STATISTIQUES

I. Moyenne et variance :

1) Moyenne :
A partir d’une liste :

La moyenne d’une liste des valeurs est donnée par :

Voici les dernières notes obtenues par 2 élèves :

Ileya : 4 ; 6 ; 18 ; 7 ; 17 ; 12 ; 12 ; 18 MIleya ......................

Ibrahim: 13 ; 13 ; 12 ; 10 ; 12 ; 3 ; 14 ; 12 ; 14 ; 15 MIbrahim …………..

A partir d’un tableau d’effectifs

La moyenne d’une liste des valeurs est donnée par :
p p

x 1 n1 +x 2 n2 +.. .. . .. .. . .. .. . .. .. . .. .. .+x p n p ∑ ni x i ∑ ni x i
i=1 i=1
= = =
x N N x N
Relever les notes d’Ibrahim dans le tableau d’effectifs suivants, puis calculer sa moyenne.

Note
Effectif

…………………………………….

2) Variance :

Définitions :
- La variance V d'une série statistique de moyenne dont les valeurs du caractère sont , , , …,
et les effectifs correspondants sont , , , …, est égale à :

- L'écart-type d'une série statistique de variance V est égal à :

Remarque :

- Variance à partir d’un tableau d’effectif :

Exemple 1 :
Donner la variance et l’écart-type des notes d’Ibrahim.

V=……………………………………………………………………………………………………………
……………………………………………………………………………………………………………….
………………………………………………………………………………………………………………
………………………………………………………………………………………………………………
………………………………………………………………………………………………………………

=…………………………………………

II. Série statistique à caractère continue :

On a relevé les données de l’histogramme dans le tableau suivant.

Il s’agit d’un regroupement par classe.

Tailles [150 ; 155[ [155 ; 160[ [160 ; 165[ [165 ; 170[ [170 ; 175[ [175 ; 180[

Effectifs

ECC

Fréquences

FCC
 Construire le polygone des effectifs cumulés.

Moyenne :
Il s’agit d’un calcul de moyenne pondéré.

Définition :
La moyenne d’une série statistique continue est égale à :

, où les représentent les centres des classes et l’effectif

total avec

Calcul de la moyenne en centrant les classes :

Centres des
classes

Effectifs

Calculer la moyenne des tailles.

………………………………………………………………………………………………………………
………………………………………………………………………………………………………………
………………………………………………………………………………………………………………
………………………………………………………………………………………………………………
………………………………………………………………………………………………………………
……………………………………………………………………………………………………………..
2. Médiane et quartiles :

a) Médiane

Définition :
La médiane d’une série statistique est le nombre tel que :
…… au moins des individus ont une valeur du caractère ………………………… à ce nombre et
…….au moins des individus ont une valeur ……………………………………à ce nombre.

b) Les quartiles

Définitions :
-Le premier quartile est la plus petite valeur de la série telle qu'au moins ……… des autres valeurs de la
série sont …………………………………. à cette valeur.
- Le troisième quartile est la plus petite valeur de la série telle qu'au moins …….. des autres valeurs de
la série sont ………………………………… à cette valeur.

Exemple :
En utilisant le tableau des fréquences cumulées précédent, on trace le polygone des fréquences cumulées.

Médiane = …………………………………………………….

Q1 = ……………………………………………………………

Q3 = ……………………………………………………………
III Variable aléatoire et loi de probabilité

1) Variable aléatoire

Exemple :
Soit l'expérience aléatoire : "On lance un dé à six faces et on regarde le résultat."
L'ensemble de toutes les issues possibles est E = {1 ; 2 ; 3 ; 4 ; 5 ; 6}.
On considère l'événement A : "On obtient un résultat pair."
On a donc : A = {…………………….}.
On considère l'événement élémentaire B : "On obtient un 3".
On a donc : B = {3}.

On considère le jeu suivant :

 Si le résultat est pair, on gagne 2€.
 Si le résultat est 1, on gagne 3€.
 Si le résultat est 3 ou 5, on perd 4€.
On a défini ainsi une variable aléatoire X qui peut prendre les valeurs ….., …… ou …….
On a donc : X(….) = ….., X(….) = ….., X(…..) = ….., X(…..) = ….., X(…..) = ……, X(….) = …….
La variable aléatoire X peut ici être considérée comme une fonction qui pour des valeurs de

1 2
2
3 3
4
5 –4
6

L’ensemble E = {1 ; 2 ; 3 ; 4 ; 5 ; 6} associe des valeurs de l’ensemble {…………..}.

Définition :
Soit E l’ensemble des issues d’une expérience aléatoire.
Une variable aléatoire X définie sur E associe à chaque issue de E un nombre réel.

2) Loi de probabilité

Exemple :
On considère la variable aléatoire X définie dans l'exemple précédent.

Chaque issue du lancer de dé est équiprobable et égale à .

La probabilité que la variable aléatoire prenne la valeur 2 est égale à ……………………..

On note : P(X = 2) = ………...

De même : P(X = 3) = ………….. et P(X = -4) = ……………………

On peut résumer les résultats dans un tableau :

xi
P(X = xi)
Ce tableau résume la loi de probabilité de la variable aléatoire X.
Définition :
Soit une variable aléatoire X définie sur un ensemble E et prenant les valeurs
x1,x2,...,xn.
La loi de probabilité de X associe à toute valeur xi la probabilité P(X = xi).

Remarque :
- P(X = xi) peut se noter pi.
- p1+ p2+ … + pn = 1

Exemple :

Dans l'exemple traité plus haut : p1+ p2+ p3 = + + = 1.

Méthode : Déterminer une loi de probabilité

Une urne contient 3 boules bleues, 2 boules vertes et une boule jaune.
Soit l'expérience aléatoire : "On tire au hasard deux fois de suite une boule dans l’urne."
On considère le jeu suivant :
- Si on tire la boule jaune, on gagne 200 FDJ.
- Si on tire une boule verte, on gagne 10 FDJ.
- Si on tire une boule bleue, on perd 80 FDJ.
On appelle X la variable aléatoire qui à une boule tirée associe un gain ou une perte.
Déterminer la loi de probabilité de X.

Solution
On construit un arbre.

…………
….
………
…….
………

………
…….

………
…….
………
…….
Ω = {……………………………….……………………………………………………………..}

X(Ω) = {……………………………….…}

On constate que : …………