Ikram atiq

Hind Ayoub

Alae Errida

Malak elyoussoufi

Wissal britel

Yasser benjdaa

Ilyass assaoul

Loubna Dorkami
 Résumé de l’ouvrage :
Aujourd'hui, presque tous les domaines d'activités utilisent les statistiques : économie, finance,
technologie, informatique, biologie, communication, c’est dans cette perspective qu’on va vous
présenter un résumé de ce chef-d’œuvre LES STATISTIQUES EN BD c Un ouvrage richement illustré et
passionnant pour mieux comprendre les sciences. De fait que ce dernier présente les best-sellers de
Lorry Gopnick, un dessinateur, professeur et mathématicien , avec son esprit d’humour et son
intelligence.Lorry Gonick voulait rendre les statistiques aimables aux étudiants , c’est un ouvrage
utile aux scientifiques et surtout a tout ceux qui s’intéressent a l’économie et à la finance. D’une
manière amusante d'acquerir les outils qui permettent de faire parler les chiffres . L’ouvrage nous
montre en bandes dessinées une progression pédagogique qui s’illustre comme suivant :

1-Les Données Et Les Probabilistes

A priori, le lien entre statistique et données va de soi : « La statistique est la discipline qui étudie des
phénomènes à travers la collecte de données, leur traitement, leur analyse, l’interprétation des
résultats et leur présentation afin de rendre ces données compréhensibles par tous ».Une donnée,
par définition, est une information brute, sans contexte, un fait sans aucun arrière-plan. Elle ne peut
pas être exploitée telle qu'elle.Probabiliste Se dit d'une doctrine, d'une théorie qui fait intervenir les
probabilités. Elle permet d'attribuer les chances de réalisation de chaque événement par une
méthode statistique, c'est-à-dire en réalisant plusieurs fois l'expérience et d'en déduire une
estimation des probabilités liées aux événements.

2-Une variable aléatoire

Une variable aléatoire X désigne le résultat d’une expérience aléatoire, telle le résultatd’un lancer de
dé, la durée de vie d’une clef usb, l’intention de vote aux prochaines élections, etc. Il existe différents
types de variables :Les variables quantitatives. Parmi celles-ci, on peut distinguer les variables :

— discrètes : résultat d’un tirage de dé, nombre de bugs dans un programme, nombre de contrôles
dans le tramway sur une année. . .

— continues : âge d’un étudiant, durée de vie d’un système, taux d’un composant chimique dans une
solution. . .

Les variables qualitatives par exemple la couleur des yeux d’une personne

3-LOI DE DISTRIBUTION :
En théorie de probabilité et en statistique, une loi de distribution décrit le comportement aléatoire
d'un phénomène dépendant du hasard Il existe beaucoup de lois de probabilités différentes. Parmi
toutes ces lois, la loi normale a une importance particulière puisque, d'après le théorème central
limite, elle approche le comportement asymptotique de nombreuses lois de probabilités. Le concept
de loi de probabilité se formalise mathématiquement à l'aide de la théorie de la mesure : une loi de

1
probabilité est une mesure, souvent vue comme la loi décrivant le comportement d'une variable
aléatoire, discrète ou continue. Une mesure est une loi de probabilité si sa masse totale vaut 1.
L'étude d'une variable aléatoire suivant une loi de probabilité discrète fait apparaître des calculs de
sommes et de séries, alors que si sa loi est absolument continue, l'étude de la variable aléatoire fait
apparaître des calculs d'intégrales. Des fonctions particulières permettent de caractériser les lois de
distribution, par exemple la fonction de répartition et la fonction caractéristique.

- Les Lois De Bernouilli, de Poisson, les intervalles de confiance, les tests d’hypothèse, les
comparaisons de population, etc.

-Un équilibre subtil entre le dessin scientifique, des exemples concrets et l’humour de bandes
dessinées

4- les échantillons
En statistique, un échantillon est un groupe d'individus qui représente une population.
L'échantillonnage vise à mieux comprendre un ou plusieurs groupes ou sous-groupes en étudiant un
large échantillon considéré comme statistiquement représentatif. Les plans d'échantillonnage sont
souvent utilisés pour répondre à des contraintes pratiques (manque de temps, d'espace, évaluation
destructive de la production, coût financier, etc.) qui interdisent des études exhaustives des
populations.

L'acte de sélection est appelé échantillonnage pour assurer une bonne représentativité, et il s'agit
généralement d'un échantillon entièrement ou partiellement aléatoire.

La statistique s'attache donc à des principes d'échantillonnage dans le but de garantir, ou du moins
d'estimer, la fiabilité des conclusions tirées d'études sur un échantillon, mais étendues à l'ensemble
de la population.

5-La loi de Bernoulli et La loi de poisson

Il a mentionné aussi la loi de Bernoulli comme étant une loi de la variable aléatoire qui code le
résultat d'une épreuve qui n'admet que deux issues par exemple : 1 pour « succès », 0 pour « échec
», ou quel que soit le nom qu'on donne aux deux issues d'une telle expérience aléatoire.

Ainsi que la loi poisson qui fait partie de La loi de la probabilité discrète, Elle décrit la probabilité
qu'un événement se réalise durant un intervalle de temps donné, lorsque la probabilité de réalisation
d'un événement est très faible et que le nombre d'essais est très grand.

6-Les tests d'hypothèse

En statistiques, un test, ou test d'hypothèse, est une procédure de décision entre deux hypothèses. Il
s'agit d'une démarche consistant à rejeter ou à ne pas rejeter une hypothèse statistique, appelée
hypothèse nulle, en fonction d'un échantillon de données.

Il s'agit de statistique inférentielle : à partir de calculs réalisés sur des données observées, on émet
des conclusions sur la population, en leur rattachant des risques d'être erronées.

2
L'hypothèse nulle notée H0 est celle que l'on considère vraie a priori. L’hypothèse H0 est donc
privilégiée et il faut des observations très éloignées de cette hypothèse pour la rejeter. Le but du test
est de décider si cette hypothèse H0est a priori crédible. L'hypothèse alternative notée H1 est
l'hypothèse complémentaire à l'hypothèse nulle.

Ces deux hypothèses ne sont toutefois pas symétriques. H1 est choisie uniquement par défaut si H0
n'est pas considérée comme crédible, H0étant l'hypothèse dont le rejet à tort est le plus
préjudiciable. Le choix de H0 et de H1 est en général imposé par le test que l'on utilise et ne relève
donc pas de l'utilisateur.

7-la comparaison de populations

Le principe la comparaison de populations est de tirer des conclusions sur une population à partir
d’échantillons. Les fondements théoriques modernes de la théorie des tests, utilisée à cet effet, ont
été posés entre 1926 et 1933 par Jerzy Neyman et Egon Pearson. cette problématique peut sembler
obsolète dans un contexte Big Data : si les Big Data permettaient d’observer une population dans son
ensemble (N = all)

Une comparaison de populations se base sur un test. On pose une hypothèse nulle (H0)
d’équivalence de deux ou plusieurs échantillons, pour une ou plusieurs variables d’intérêt
mesurée(s). Une hypothèse alternative est également formulée (H1). De ces choix dépendront la
nature du test : on parle de test bilatéral si H1 suppose que les deux échantillons ne sont pas
équivalents et de test unilatéral si H1 formule une hypothèse de supériorité ou d’infériorité entre les
deux échantillons. Cette distinction ne sera pas développée dans cet article, qui se placera dans le
cadre de tests bilatéraux.

On choisit alors un test statistique qui permettra d’accepter ou de rejeter l’hypothèse nulle. Puisque
l’on ne considère pas l’ensemble des individus étudiés (N < all), ce test se fait dans un cadre
probabiliste. Pour choisir ce test, deux points doivent être éclaircis :

* Tout d’abord, il convient de clarifier ce que l’on souhaite tester, afin de préciser H0 ;

* Ensuite, il faut être attentif aux contraintes de mise en œuvre, qui risqueraient d’en fausser les
résultats.