Parametres Statistiques Cours Stat Des 20192020

1
Chapitre 2 : Les paramètres de

tendance centrale
2
Paramètres statistiques
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
100 % - A %
Dispersi
2000 2000 2000
Tendance
1500 1500
Position
1500
on
centrale
1000 1000
A% 1000
500 500 500
0 0 0
0 N° individu 0 N° individu 0 N° individu
3
La moyenne
Population m (mean) Echantillon x (average)
1.1-Définition
 Elle permet de résumer la tendance centrale. C’est la

somme des valeurs de la variable/nombre d’observations.
 Il peut s’agir d’une moyenne simple ou pondérée.
 La moyenne simple est égale au quotient de la somme des
valeurs par le nombre de valeurs.
 Si à chaque valeur possible correspond un nombre variable de
réalisations, on calcule une moyenne pondérée
4
La moyenne
intérêts et limites :
 très utilisée en statistiques descriptive et inférentielle
 souvent, pas toujours, la mesure la plus pertinente de la tendance centrale
La moyenne arithmétique est notée x
1 n
x =  xi
Série brute x1, x2, … ,
xn
n i=1
1 k
Série Valeurs de Effectifs Fréquences
la variable
x =  nixi
groupée n i=1
x1 n1 f1= n1/n
… … …
xi ni fi= ni/n k
ni xi k
… … …  = fi x i
xk nk fk= nk/n
i=1 n i=1
5
La moyenne
Classes Effectifs Fréquences Centres de classe

Série
[e1 – e2[ n1 f1 x1= ( e1 + e2)/2
classée
[e2 – e3[ n2 f2 x2= ( e2 + e3)/2
…. …. …. ….
[ek – ek+1[ nk fk xk= ( ek + ek+1)/2
1 k k
x =  n i x i   fi x i
n i=1 i=1
6
La moyenne
 Calcul de la moyenne simple
 La moyenne simple est égale au quotient de la somme des

valeurs par le nombre de valeurs.
 Moyenne arithmétique simple : x = ∑xi/N
 Exemple : voici le nombre de commandes prises par un
représentant pendant une semaine.
Jour Lundi Mardi Mercredi Jeudi vendredi

Nombre de 18 14 9 17 15
commandes
7
La moyenne
Jour Lundi Mardi Mercredi Jeudi vendredi

Nombre de 18 14 9 17 15
commandes
 Le nombre moyen de commande par jour est

égal à :
 (18+14+9+17+15) / 5 = 14.6 commandes / jour
8
La moyenne
 Calcul de la moyenne pondérée
 La moyenne pondérée est égale au quotient de la somme
des valeurs par le nombre total de valeurs, en tenant compte du
nombre de réalisations de chacune des valeurs.
 Moyenne arithmétique pondérée : x = nixi/N ou x = fixi
 Exemple : voici les salaires relevés dans une entreprise.
 Le salaire moyen est égal à : (1200x10) + (1600x20) + (2000x25) +
(2400x10) + (2800x10) /75= 1946.67
Moyenne pondérée des salaires mensuelles
Salaires (xi) ni nixi fi fixi
1200 10 12000 0,13 160
1600 20 32000 0,27 426,67
2000 25 50000 0,33 666,67
2400 10 24000 0,13 320
2800 10 28000 0,13 373,33
Total 75 146000 1946,67
Moyenne 1946,67 1946,67
9
La moyenne
 Calcul de la moyenne dans le cas d’une variable continue
 Pour chaque classe, on retiendra simplement le centre de classe
comme valeur pour réaliser les calculs.
 Exemple : à partir du tableau ci-dessous, on calcule le chiffre d’affaires

moyen mensuel des succursales d’une grande enseigne :
CA [100 - 300[ [300 - 500[ [500 - 600[ [600 - 700[ [700 - 900[ Total
xi (centre de classe)
ni (nb succursales) 14 22 25 18 5 84
Xi x ni
10
La moyenne
 à partir du tableau ci-dessous, on calcule le
chiffre d’affaires moyen mensuel des
succursales d’une grande enseigne :
 41050/84 = 488.69.
CA [100 - 300[ [300 - 500[ [500 - 600[ [600 - 700[ [700 - 900[ Total
xi (centre de classe) 200 400 550 650 800
ni (nb succursales) 14 22 25 18 5 84
Xi x ni 2800 8800 13750 11700 4000 41050

11
La moyenne
Comment faire la moyenne de plusieurs populations ?
Population P1 Population P2
Effectif n2
Effectif n1
Moyenne x2
Moyenne x1
Population P = P1 U P2
Effectif n = n1+ n2
Moyenne x?
k
ni xi
x= 1 1 2 2 
nx +n x Moyenne globale = moyenne des moyennes
n i=1 n
12
La moyenne
MOYENNES GEOMETRIQUE ET HARMONIQUE
Moyenne
géométrique
n1 n2 nk
G = x x .....x
n
1 2 k
Utilisée dans le cas de phénomènes multiplicatifs (taux de croissance
moyen)
Moyenne n
harmonique H= k
ni
x
i=1 i
Utilisée dans le cas où l’on combine 2 variables sous forme de
rapport (pièces/heure, km/litre,…)
13
La moyenne
LA MOYENNE QUADRATIQUE
Une moyenne qui trouve des applications lorsque l'on a affaire a des phénomène
présentant un caractère sinusoïdal avec alternance de valeurs positives et de valeurs
négatives. Elle permet notamment de calculer la grandeur d'un ensemble de nombre.
Soit x1, ..., xi, ..., xr les r observations numériques d'une variable statistique X
et soit les effectifs respectifs n1, ..., ni, ..., nr de ces r valeurs numériques avec
:
i r i r
n x 2
 ... n x 2
... n x 2
1
Q2 
1 1 i i
n1 ...ni ... nr
r r
 N i 1

ni xi2  f i xi2
i 1
14
La moyenne
! Inégalités des moyennes

15
La moyenne
MOYENNES GEOMETRIQUE ex. 1
 Les prix de l'immobilier ancien ont augmente ces
10 dernières années de la façon suivante :
 En utilisant la moyenne arithmétique simple, on
obtiendrait une évolution moyenne de (9,2+
12,7+8,8+7,7+3,9+1,7+0,9+2,2+4,7+3,3) / 10 =
55,1 / 10 = 5,51 % mais ce résultat est faux compte
tenu de la relation entretenue par les taux d'une
année sur l'autre.
 L'utilisation de la moyenne géométrique permet de
solutionner ce problème :
 Soit une hausse moyenne annuelle de 4,18 % contre

5,51 % avec la moyenne arithmétique.
16
La moyenne
MOYENNES GEOMETRIQUE ex. 2
Dans un certain pays, au mois de janvier d’une
certaine année, les prix ont augmenté de 0,9 %,
puis en février de 1,2 %.
Déterminer l’augmentation mensuelle constante
qu’il y aurait dû avoir pendant les deux mois
pour obtenir le même résultat à l’issue des deux
mois.
17
La moyenne MOYENNES GEOMETRIQUE

18
La moyenne
MOYENNES HARMONIQUE ex.
Un automobiliste roule 100 km à la vitesse
constante de 90 km/h, puis encore 100 km à la
vitesse constante de 120 km/h.
Déterminer à quelle vitesse constante il aurait
dû rouler sur la distance totale pour que la durée
du voyage soit identique.
19
La moyenne
MOYENNES HARMONIQUE
20
La moyenne
LA MOYENNE QUADRATIQUE ex.
considérons les nombre suivants

{-2, 5, -8, 9, -4 }
Nous pouvons en calculer la moyenne arithmétique
avec l'inconvenient de voir se neutraliser les valeurs
positives et négatives et d'aboutir a un résultat nul
sans que cela ne nous apprenne quoi que ce soit.
 En effet, la moyenne arithmétique =0
Le calcul de la moyenne quadratique pour la même
série donne: = 6,16
21
La médiane et les quantiles

intérêts et limites :
 intérêt théorique : dans certains cas, « bonne » manière de décrire la tendance
centrale
 peu utilisée pour les calculs de signification statistique
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 Nombre pair d’observations

d’observations
3 4 4 5 6 8 8 9 10 3 4 4 5 6 8 8 9
4 4 4 4
valeurs M valeurs valeurs valeurs
Intervalle
médian
M = milieu =
5,5
22

 La médiane est la valeur de
Distribution des notes pour le restaurant Y
la variable pour laquelle
fréquence fréquence
Note Effectif fixi 50% des observations ont
relative (%) cumulée (%)
une valeur supérieure et
1 2 4 4 0,04
2 6 12 16 0,24
50% des observations ont
3 10 20 36 0,6 une valeur inférieure.
4 13 26 62 1,04  Pour la calculer, il faut
5 19 38 100 1,9
Total 50 100 classer les observations par
Moyenne 3,82 ordre croissant, calculer les
source : D. ANDERSON, D. SWEENEY et T. WILLIAMS (2001) fréquences cumulées
Me - 3 4 -3 1 croissantes puis déterminer
= = = 3,85 la médiane par interpolation
0,5 - 0,36 0,62 - 0,36 0,26
linéaire.
Me = 3,85*0,14+3 = 3,54
23
F(x) F(x)
xi ni Fi xi ni Fi
0 0
0 103 0,286 0 103 0,286
0,286 0,286
M 1 115 0,606 0, Intervalle 1 77 0,500
0,606 5 0,500 0,5
2 95 0,869 médian 2 95 0,764
0,764
3 35 0,967 0,869 M = milieu = 3 35 0,861
0,861
4 10 0,994
0,967 1,5 4 10 0,889
5 2 1 0,889
5 40 1
0,994
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
24
x [ei – ei+1[ Fi F(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 0,68 0,6
0 0,50,5
[ 5 - 10 [ 0,920 0,4
10 0,92 0,3
[10 - 20 [ 0,963 0 0,2

0,1
20 0,96 0
[20 - 30 [ 0,993 3 -10 3,2210

0 20 30 40 50 60
30 0,993 M
[30 - 50 [ 1
50 1
M-3 0,5- 0,5  0,391
 0,391 D'où M  3   5  3  3, 22
5-3 0,680  0,391
0,680-0,391
25

La médiane
 Exemple d’une variable continue : le responsable d’un
supermarché étudie la valeur du caddie (150 relevés). La médiane
est égale à : 60 + (75-60) x (0.5-0.46)/(0.8-0.46) = 61.76
Valeur 10 30 à 50 à 60 à 75 à 100 150 Total

à 50 60 75 100 à à
30 150 250
Nb de 12 21 36 51 21 6 3 150
caddies
Fréquence 8% 14% 24% 34% 14% 4% 2% 100%
Cumul 8% 22% 46% 80% 94% 98% 100%
croissant
26

27

 Les quantiles (quartiles, déciles et centiles) généralisent la
logique de la médiane
 Les quartiles partagent les observations en 4 groupes égaux,

chacun représentant 25% des observations :
 Le premier quartile est la valeur telle que 25% des observations aient une
valeur inférieure (Q1 = 51.25 ),
 Le troisième quartile est la valeur telle que 75% des observations aient une
valeur inférieure (Q3 = 72.80 ),
 Le deuxième correspond à la médiane.
 Les déciles partagent les observations en 10 groupes égaux, chacun

représentant 10% des observations,
 Les centiles partagent les observations en 100 groupes égaux,
chacun représentant 1% des observations.
28
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
29

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
MQ3D
0
0
-2 -1 0 1 2 3 4 5 6 -10 0 10 20 30 40 50 60
D2 M Q3 9
30
Le mode
Une distribution est unimodale si intérêts et limites :
elle présente un maximum marqué, et  facile à déterminer
pas d'autres maxima relatifs.  difficile à manipuler mathématiquement (pour
tester statistiquement des hypothèses)
La lecture s’effectue sur le diagramme
 intérêt théorique : dans certains cas,
en bâtons ou l'histogramme. « bonne » manière de décrire la tendance
centrale
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
Mode
900 1400
Mode
1900
Classe
2400
modale
2900 3500 ou plus...
Le mode correspond à l'abscisse du maximum, c.à.d. la valeur la

plus fréquente
31
Le mode
Attention ! Le mode est la seule mesure centrale qui peut être relevée et
! utilisée aussi bien pour des données qualitatives que quantitatives.
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

32
Le mode EX.1
 Dans le cas d’une variable discrète
 Le mode est une caractéristique de position, comme la moyenne, la
médiane ou les quantiles.
 Il s’agit de la valeur la plus fréquente prise par la variable. C’est celle
pour laquelle on a le plus fort effectif.
 Dans le cas d’une variable continue

 On parle alors de classe modale, celle à laquelle correspond le plus
grand nombre d’observations.
 Ici, il s’agit de la classe 60 à 75.
Valeur 10 30 à 50 à 60 à 75 à 100 150 Total

à 50 60 75 100 à à
30 150 250
Nb de 12 21 36 51 21 6 3 150
caddies
Fréquence 8% 14% 24% 34% 14% 4% 2% 100%
Cumul 8% 22% 46% 80% 94% 98% 100%
croissant
33
Le mode EX.2
• En relevant les notes a un examen d'une classe

de 28 élèves, on obtient la série suivante :
• S1 =
{9;11;13;5;8;14;6;12;5;10;16;3;12;13;8;13;8;7;13;
13;9;17;10;13;6;13;7;14} qui triée devient :
• S1 =
{3;3;5;5;6;6;7;7;8;8;8;9;9;10;10;11;12;12;13;13;1
3;13;13;13;14;14;16;17}
34
Le mode EX.2
• La note ≪ 13 ≫
apparait 6 fois.
Elle est, avec
une fréquence
relative de
(6/28)*100 =
21,4 % la note
la plus
representee de
la distribution.
Le mode Mo
est donc ici
égale a 13.
35
Le mode EX.3
• Examinons les notes obtenues au même examen par la

classe voisine composée de 30 élèves:
• S2 =
{9;11;2;10;5;8;14;6;12;5;10;16;3;12;10;18;7;13;7;7
;13;11;9;17;10;7;6;10;7;17} qui une fois triée
devient :
• S2 =
{2;3;5;5;6;6;7;7;7;7;7;8;9;9;10;10;10;10;10;11;11;1
2;12;13;13;14;16;17;17;18}
• On obtient des lors le tableau de fréquences et
l'histogramme suivants:
36
Le mode EX.3
• Dans ce cas-ci,
deux modalites
presentent les
frequences les
plus elevees : les
notes ≪ 7 ≫ et
≪ 10 ≫ avec
toutes deux une
fréquence
relative de 16,6
% (5
occurrences
chacune).
• La distribution
comporte ici
deux modes,
Mo1 = 7 et
Mo2 = 10.
• On parle
alors de
distribution
bimodale.
37
Chapitre 3 : Les paramètres de

dispersion et de Concentration
38
Paramètres De Dispersion
Etendue : R = xmax - xmin
Intervalle interquartile : IQ = Q3 - Q1
Variance : Série brute : Série groupée ou classée :
1 n
V =  xi - x  1 k k
V =  n i  x i - x    fi  x i - x 
2 2 2
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
39
L’étendue
L'étendue est la mesure la plus simple de la dispersion
(ou variabilité ou étalement) des observations faites sur
une variable.
L'étendue ne dépend que très indirectement de
l'ensemble des valeurs xi de la variable X.
L'étendue est très influencée par les valeurs extrêmes de
la variable statistique qui sont parfois aberrantes, ce qui
en fait une mesure peu utilisée.
40
L’étendue interquartile
De par la définition des quartiles, l’intervalle
interquartile [ Q1, Q3] contient 50 % des
observations.
Sa longueur, notée EIQ (Étendue InterQuartile), est
un indicateur de dispersion : EIQ = Q3 – Q1
Le calcul de l’étendue interquartile a l’avantage par
rapport à celui de l’étendue d’écarter les valeurs
extrêmes, souvent sans signification.
Plus généralement, les longueurs des fourchettes
définies par les déciles extrêmes, les centiles
extrêmes constituent des indicateurs de dispersion
contenant respectivement 80 % et 98 % des
observations.
41
La variance et l’écart-type
Soit X une variable statistique de distribution (xi, ni) où , on appelle variance
(mesure de dispersion ou de variabilité), notée, la moyenne arithmétique
pondérée des carrés des écarts à la moyenne arithmétique pondérée :
 n x 
1 1
n x
2 2
V ( x)  x  x
2
i i i i
N i N i
On appelle écart-type de la variable X, noté, la racine carrée de la variance :
x  V (x)
42
Exemple
Voici l’exemple des notes Notes des étudiants
Etudiant X Etudiant Y Etudiant Z
de 3 étudiants. 0 7 12
0 6 12
0 15 12
0 13 12
20 4 12
20 18 12
20 20 12
20 16 12
20 12 12
20 9 12
Max 20 20 12
Min 0 4 12
intevalle de
20 16 0
variation
moyenne 12 12 12
variance 96 26 0
écart-type 9,80 5,10 0
43
Exemple
Voici l’exemple des notes Notes des étudiants
Etudiant X Etudiant Y Etudiant Z
de 3 étudiants. 0 7 12
0 6 12
0 15 12
0 13 12
20 4 12
20 18 12
20 20 12
20 16 12
20 12 12
20 9 12
Max 20 20 12
Min 0 4 12
intevalle de
20 16 0
variation
moyenne 12 12 12
variance 96 26 0
écart-type 9,80 5,10 0
44
Exemple avec un
regroupement
par classes Dépenses mensuelles en emplois à domicile
Dépense en centre de
Effectifs nici ni(ci-X)2
euros classe (ci)
[300; 400[ 5 350 1750,00 309530,90
[400; 500[ 60 450 27000,00 1328656,46
[500; 600[ 15 550 8250,00 35735,54
[600; 700[ 95 650 61750,00 248944,16
[700; 800[ 30 750 22500,00 685756,80
[800; 1000[ 5 900 4500,00 453578,51
Total 210 125750,00 3062202,38
Moyenne (X) 598,81
variance 14581,92
écart-type 120,76
coeff. Var. 0,58
Source : B. PY (2007)
45
Exemple avec un
regroupement
par classes Dépenses mensuelles en emplois à domicile
Dépense en centre de
Effectifs nici ni(ci-X)2
euros classe (ci)
[300; 400[ 5 350 1750,00 309530,90
[400; 500[ 60 450 27000,00 1328656,46
[500; 600[ 15 550 8250,00 35735,54
[600; 700[ 95 650 61750,00 248944,16
[700; 800[ 30 750 22500,00 685756,80
[800; 1000[ 5 900 4500,00 453578,51
Total 210 125750,00 3062202,38
Moyenne (X) 598,81
variance 14581,92
écart-type 120,76
coeff. Var. 0,58
Source : B. PY (2007)
46
Exemple
• Trouver la variance et l'ecart-type de la distribution suivante:

47
Exemple
• Cette distribution aura la même variance et le même écart-type

que la série {5; 5; 8; 8; 8; 8; 8; 11; 11; 11}.
4,41 2,1
48
Le coefficient de variation
L'ecart-type, malgré sa pertinence dans la mesure de la dispersion
d'une distribution, possède un inconvénient majeur: il est exprime dans
l'unité de la variable a laquelle il se rapporte. Il est alors impossible de
comparer les dispersions de deux ou davantage distributions ayant un
lien entre elles (lien de causalité ou autre) et dont les valeurs s'expriment
dans des unîtes différentes.
Le coefficient de variation est une mesure de dispersion des
observations d'une variable quantitative d'intervalle qui permet de
s'affranchir de la notion d'unité et ainsi de comparer la dispersion de
différentes distributions.
x
cv 
x
49
Exemple :
• considérons la surface des
logements dits de petite taille (1 a
3 pièces) a celle des logements
dits de
• grande taille (4 pièces et plus).
• Calculer les coefficients de
• Pour le groupe de logements de 1,
variation respectifs
2 et 3 pièces nous obtenons :
• Pour le groupe de logements dits

récents nous obtenons :
50
Exemple :
• A première vue, et en • On note que le coefficient de
examinant seulement les variation des logements de
écarts types, on pourrait petite taille est plus élève que
conclure que la dispersion de celui des logements de grande
la surface taille. Contrairement a ce que
• des logements de grande taille laissait penser les écart-type
est plus élevée que celle des calcules, la dispersion pour le
petits logements. Le calcul des groupe des petits logements
coefficients de est plus élevée que celle des
grands logements.
• variation respectifs montre
qu'il n'en est rien :
51
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 U P2
Effectif n = n1+ n2
Moyenne x
Variance V ?
1 k 1 k
V =  n i Vi +  n i  x i -x 
2
n i=1 n i=1
Variance globale = Moyenne des variances + Variance des moyennes
52
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 yi = a x i + 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
z i = x i + yi
yi
z= x+ y V(z)  V(x)+ V(y)
53
Exercice 1
• Pour les deux séries suivantes, calculer la
moyenne, la médiane, les deux quartiles et
l’étendue.
54
Exercice 1 (correction)
55
Exercice 2
• Calculer la médiane et l’écart inter-quartile des

différentes séries.
56
57
Exercice 3
• Avant de rendre les copies à ses élèves, un professeur a fait quelques calculs
statistiques à partir de la série de leurs notes :
• moyenne : 11
• médiane : 12
• 1 er quartile : 9
• 3 ème quartile : 13
• note minimale : 4
• note maximale : 15
• On sait de plus qu’il y a 24 élèves dans la classe. Répondre par vrai ou faux
aux affirmations suivantes
1. La moitié des élèves ont une note en dessous de 11 .

2. Il y a au moins un élève qui a eu pour note 12.
3. Il y a au moins un élève qui a eu 13 .
4. La moitié des notes de la classe se situent entre 9 et 13.
5. La médiane est la 12 ème note dans la série des notes rangées dans
l’ordre croissant
58
Représentation graphique de la série
CA et spots publicitaires pour le
magasin Truc
Nombres de CA en
Semaines spots centaines de
publicitaires dollars
1 2 50
2 5 57
3 1 41
4 6 54
5 5 54
6 1 38
7 6 63
8 3 48
9 4 59
10 7 65
Source : adapté de Anderson et alii ( 2001)
Question : existe-t-il une liaison statistique entre le

nombre de spots et le CA ?
Le CA et le nombre de spots évoluent-ils de manière
concomitante ?
59
Une représentation graphique du nuage de points (ou

diagramme de corrélation) permet :
D’apprécier l’existence ou non d’une éventuelle liaison
De déterminer la forme de la liaison
Magasin Truc
70
CA en centaines de $
60
50
40
30
20
10
0
0 2 4 6 8
Nombre de spots publicitaires
60
La forme du nuage de point suggère les interprétations

suivantes :
Il existe une liaison entre les 2 variables : si le nombre de

spots varie alors le CA a tendance à varier aussi
Cette liaison est linéaire : les points sont à peu près
alignés sur une droite
Cette liaison est positive : plus le nombre de spots
s’accroît, plus le CA augmente.
61

Parametres Statistiques Cours Stat Des 20192020

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

Parametres Statistiques Cours Stat Des 20192020

Transféré par

Droits d'auteur :

Formats disponibles

1

Chapitre 2 : Les paramètres de

! Les paramètres statistiques ne concernent que les variables

2500 2500 2500

500 500 500

 Elle permet de résumer la tendance centrale. C’est la

La moyenne arithmétique est notée x

Classes Effectifs Fréquences Centres de classe

 La moyenne simple est égale au quotient de la somme des

Jour Lundi Mardi Mercredi Jeudi vendredi

Jour Lundi Mardi Mercredi Jeudi vendredi

 Le nombre moyen de commande par jour est

 Exemple : à partir du tableau ci-dessous, on calcule le chiffre d’affaires

xi (centre de classe) 200 400 550 650 800

Xi x ni 2800 8800 13750 11700 4000 41050

Comment faire la moyenne de plusieurs populations ?

! Inégalités des moyennes

 Soit une hausse moyenne annuelle de 4,18 % contre

La moyenne MOYENNES GEOMETRIQUE

considérons les nombre suivants

La médiane et les quantiles

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

Nombre impair Nombre pair d’observations

La médiane et les quantiles

La médiane et les quantiles

La médiane et les quantiles

x [ei – ei+1[ Fi F(x)

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

[20 - 30 [ 0,993 3 -10 3,2210

La médiane et les quantiles

Valeur 10 30 à 50 à 60 à 75 à 100 150 Total

La médiane et les quantiles

La médiane et les quantiles

 Les quartiles partagent les observations en 4 groupes égaux,

 Les déciles partagent les observations en 10 groupes égaux, chacun

La médiane et les quantiles

On appelle fractiles ou quantiles d'ordre k les (k-1)

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

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

La médiane et les quantiles

Variable discrète Variable continue

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

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

Mode 1 Mode 2 Mode 1 Mode 2

 Dans le cas d’une variable continue

Valeur 10 30 à 50 à 60 à 75 à 100 150 Total

• En relevant les notes a un examen d'une classe

• Examinons les notes obtenues au même examen par la

Chapitre 3 : Les paramètres de

Etendue : R = xmax - xmin

Variance : Série brute : Série groupée ou classée :

n i=1 n i=1 i=1

On appelle écart-type de la variable X, noté, la racine carrée de la variance :

• Trouver la variance et l'ecart-type de la distribution suivante:

• Cette distribution aura la même variance et le même écart-type

• Pour le groupe de logements dits

! Comment se comportent la moyenne et la variance

y=ax+b V(y) = a 2 V(x) σ(y) = a σ(x)

Comment se comportent la moyenne et la variance

• Calculer la médiane et l’écart inter-quartile des

1. La moitié des élèves ont une note en dessous de 11 .

Question : existe-t-il une liaison statistique entre le