Ad Chp1 Sma2022

Analyse de données
Chap. 1.
Introduction à l’analyse statistiques élémentaires

des données expérimentales
Pr. H.HAMZAOUI SMA-S5 1

Introduction
• Lorsque on effectue plusieurs mesures d’une grandeur physique

on constate qu’elles ne sont presque jamais constantes :
(Exp. la valeur d’un paramètre physique varie toujours)
• Une grandeur physique n’est pas caractérisée par une valeur, mais
plutôt par la probabilité de trouver dans une expérience telle ou
telle valeur
• Pour cela on introduit une fonction la distribution d'une valeur physique,

qui montre quelles sont les valeurs les plus fréquentes ou les plus rares

Exemple:
Analyse de plomb sur 20 prélèvements indépendants provenant

d’un même échantillon de foie de bœuf lyophilisé:
Pour exploiter ces 20 résultats obtenus après 20 analyses

indépendantes Tab.1, on peut se faire une première idée
de leur distribution en calculant quelques paramètres
statistiques simples comme :
1. La moyenne
2. L’estimation de la variance et de l’écart-type
3. L’estimation des moments centrés d’ordre p de

la distribution (avec p =2, 3, 4), un moment centré
d’ordre p étant défini par la relation :
mp=E((X-E(X)) p)
Tab1. Analyse du plomb : résultats obtenus 3

Pr. H.HAMZAOUI SMA-S5
Introduction
À une grandeur physique on doit associé :
1. La valeur la plus probable : la valeur estimée
2. L’intervalle de confiance : l’incertitude
3. La probabilité que la vraie valeur se trouve dans

l’intervalle de confiance :
la confiance (1 -  ) ou bien le risque 
Exemple : Mesure de la capacité thermique de l'eau :

c = 4320  660 J/K/kg à 95% ( = 5%)
Valeur estimée
Incertitude Unitée
Confiance et Risque 4
Introduction :
Approches et objectifs
Statistique descriptive ou analyse de données : est l'ensemble

des techniques statistiques permettant de synthétiser
l'information recueillie au cours d'une enquête ou d'une étude.
•Ressortir des propriétés de la distribution des données
Objectifs
étudiées
•Suggérer des hypothèses

Introduction :
Statistique Inférentielle : regroupe les méthodes d’estimation

statistique et de tests d'hypothèse.
• Étendre les propriétés constatées sur un échantillon
à toute la population
Objectifs
• Vérifier l'adéquation des hypothèses a priori ou issues

d'une phase exploratoire
• Prévoir en présence de l’aléatoire

Statistique descriptive
Cas unidimensionnel
Etude de chaque variable séparément
Cas bidimensionnel
Etude des variables 2 à 2 : corrélation entre les variables
Cas multidimensionnel
Etude de plus de deux variables à la fois : analyse des données

Cas unidimensionnel

Variable unidimensionnelle
Définition:
Elles consistent à étudier les variables séparément via des techniques

descriptives ou probabilistes.
Les objectifs de ces études sont :
• Décrire et résumer chaque variable

• Généraliser les informations à la population entière
• Tester des hypothèses faites a prioiri
• Comparer 2 variables ou 1 variable sur plusieurs groupes

Selon la population en question, on peut classer les variables en

quatre types :
Variables qualitatives
(décrivent une caractéristique non-quantifiable de façon naturelle)
– Nominales (Exp.: groupe sanguin)
– Ordinales (Exp.: Niveau d’étude)
Variables quantitatives
(décrivent une caractéristique quantifiable exprimée dans une échelle de valeurs )
– Discrètes
– Continues
variables quantitatives
La première étape consiste à organiser les valeurs dans un tableau :

1. Sur la première colonne du tableau, on liste les valeurs ou les
Classes distinctes de la série en ordre croissant
2. Sur les autres colonnes, on présentent les effectifs (ou les
fréquences) et les effectifs cumulés (ou les fréquences cumulées) :
• Effectif d’une modalité : le nombre de répétitions de la modalité,

noté ni
• Fréquence d’une modalité : la proportion de l’effectif de la modalité
par rapport à l’effectif total, notée fi
• Effectif cumulé d’une modalité : est le cumul des effectifs des
modalités qui lui sont inférieures ou égales, noté Ni
• Fréquence cumulée d’une modalité : est le cumul des fréquences
des modalités qui lui sont inférieures ou égales, noté Fi
Les données brutes:

On considère une variable quantitative X et x1, ….., xN sont les modalités de X
de taille N.
Le regroupement des données se fait par un tableau de la manière suivante:
Modalité X Effectif Effectif Fréquence Fréquence

cumulé cumulée
Modalités
x1 n1 n1 f1=n1/n f1
x2 n2 n1+n2 f2=n2/n f1+f2
⁞ ⁞ ⁞ ⁞ ⁞
xN-1 nN-1 n1+….+ nN-1 fk-1=nk-1/n f1+….+ fN-1
xN nN n1+….+ nN-1+nN fk=nk/n 1
Total ni = n 1

Définition :
Une modalité d’une variable est une des façons possibles d’effectuer la description
d’un individu au moyen de cette variable.
Valeur est synonyme de modalité
Exemple :
Si on décrit les livres de la bibliothèque à l’aide de la variable « couleur de
la couverture », une modalité (valeur) possible est « bleu ».
Si on décrit ces livres à l’aide du nombre de pages, une modalité (valeur)

possible est 436
On évitera la terminologie «valeur» et on lui préfèrera «modalité» car une valeur

d’une variable statistique n’est pas nécessairement une valeur numérique.
Exemple:
On considère la série quantitative discréte suivante :

Variables quantitatives continues
On discrétise une variable quantitative continue en découpant son domaine de

variation en classes définies par des intervalles semi ouverts à droite sans
discontinuité ni chevauchement.
On regroupe les valeurs observées par classes pour cela il faut définir :
– le nombre de classes k
– les limites des classes (bornes des intervalles) : a1, a2 , ..., ak+1
– les centres de classes x1, …, xk :
– On appelle amplitude de la classe i la longueur de cette classe:

li =(ai+1 –ai)
On calcule l’effectif de chaque classe : le nombre d'observations appartenant à

la classe
Classe Centre Effectif Effectif Fréquence Fréquence Densité des

cumulé cumulée effectifs
[a1, a2[ x1 n1 n1 f1=n1/N f1 d1=n1/(a2-a1)
[a2, a3[ x2 n2 n1+n2 f2=n2/N f1+f2 d2=n2/(a3-a2)
⁞ ⁞ ⁞ ⁞ ⁞ ⁞ ⁞
⁞ ⁞ ⁞ ⁞ ⁞ ⁞ ⁞
[ak, ak+1[ xk nk N fk=nk/N 1 Dk=nk/(ak-ak-1)
Total N 1

Exemple:
On considère la répartition d’une variable quantitative continue suivante :

Remarque :
Lorsque la variable X présente beaucoup de modalités différentes, presque tous les

individus de la population présentent des modalités différentes de la variable.
C’est typiquement le cas lorsque X est une variable a priori continue

et appartient à l’échelle numérique.
Dans ce cas, on procède parfois à une opération appelée

regroupement par classes des modalités observées de la variable.

Description numérique des données:

Fréquence:
On appelle fréquence de (ou associée à) la modalité xk de X le nombre

noté fk et défini par
On constate que la fréquence fk mesure l’importance de la sous-population composée

des individus présentant la modalité xk de la variable X. Tandis que l’effectif nk
mesure cette importance de façon absolue, la fréquence fk la mesure relativement à
la taille N de la population, et par conséquent de façon indépendante d’elle.
Nous avons les propriétés suivantes:

Indicateurs de position:
Les indicateurs de position les plus couramment utilisés sont le mode,
la médiane et la moyenne.
Le mode :
Le mode de la variable X est la modalité la plus fréquemment observée
dans la population.
La médiane :
La médiane d’une variable X est un indicateur déterminé à partir d’un
classement des individus selon un critère d’ordre des modalités de X.
Ceci n’est évidemment possible que s’il existe un ordre sur l’ensemble
des modalités.

La moyenne arithmétique:
Données individualisées :
Données regroupées:
Données par classes, variable continue :
Chaque classe est remplacée par son centre pour le calcul.

Différente position de la moyenne par rapport à la distribution :

Les quartiles
Trois valeurs Q1 , Q2 , Q3 qui partagent la série ordonnée des observations en

4 groupes d’effectifs égaux
Le premier quartile Q1 est obtenu lorsqu’on a cumulé 25% de la population
Le second quartile Q2 est obtenu lorsqu’on a cumulé 50% de la population :

c’est la médiane
Le troisième quartile Q3 est obtenu lorsqu’on a cumulé 75% de la population

Les quartiles
Pour déterminer les quartiles Q1 et Q3 d'une série de n valeurs :
• On calcule la quantité q= n/4.

Deux cas sont possibles: soit le résultat est entier (la division tombe juste),
soit non.
– 1er cas : q est un entier alors Q1 est la valeur qui se trouve à

la position q et Q3 est la valeur située à la position 3q
– 2ème cas : q n’est pas un entier alors on arrondi q à l'entier

supérieur, Q1 est la valeur qui se trouve à cette position et on arrondi 3q à
l'entier supérieur pour trouver la position de la valeur de Q3 .
24
Les quartiles
Pour une distributions regroupées en classes, le calcul des quartiles

Q1 et Q3 se fait en deux étapes :
On détermine la classe qui contient le quartile Q1 (resp. Q3) :

C’est la classe dont la fréquence cumulée vérifie:
Fi  0,25 et Fi+1 > 0,25 ( resp. Fi  0,75 et Fi+1 > 0,75 )
On calcule la médiane par interpolation linéaire :
Si [ ai , ai+1 [ est la classe de Q1 (resp. Q3 ) alors

Les quartiles
Exemple :
26
Exercices:
On considère la série suivante :
Modalités xi 70 72 74 75 78 80 83
Effectifs ni 2 1 2 2 1 3 1
Soit la répartition des ouvriers d’un établissement industriel selon leur salaire
mensuel:
Classes des effectifs
salaires
[ 800, 1000 [ 26
[ 1000, 1100[ 33
[1100, 1200[ 64
[1200, 1300[ 7
[1300, 1500[ 10
Calculer la fréquence et la fréquence cumulée des deux tableaux
27
et déterminer le 1er, le 2ème ainsi que le 3ème quartiles.
Tableau Statistique:
Modalité xi ni Ni fi Fi
70 2 2 1/6 1/6
72 1 3 1/12 ¼
74 2 5 1/6 5/12
75 2 7 1/6 7/12
78 1 8 1/12 8/12
80 3 11 ¼ 11/12
83 1 12 1/12 1

Nous avons n=7  q = n / 4 = 1.75
Alors Q1 = x2 = 72 et
3q = 5.25 alors Q3 = x6 = 80
2q = 3.5 alors Q2 = x4 = 75

Tableau Statistique:
Classes des Centres Effectifs Ni Fréquence Fi di

salaires ci ni fi
[ 800, 1000 [ 900 26 26 0.186 0.186 0.13
[ 1000, 1100[ 1050 33 59 0.236 0.422 0.33
[1100, 1200[ 1150 64 123 0.457 0.879 0.64
[1200, 1300[ 1250 7 130 0.05 0.929 0.07
[1300, 1500[ 1400 10 140 0.071 1 0.05
Total 140 1
On s’intéresse à la 2ème classe donc Q1 = 1000+100*(0.25-

0.186)/(0.422-0.186)= 1027.12
Q3 = 1200+100*(0.75-0.422)/(0.879-0.422) = 1128

Indicateurs de dispersion:
L’écart- type :
L’écart type (X) mesure la dispersion de l’échantillon autour de la moyenne.

Pour calculer l’écart type, il faut calculer la variance de
l’échantillon :
Variance, données individualisées :
Variance, données regroupées:
 et
31
Coefficient de variation
Le coefficient de variation (CV) est le rapport de l'écart-type à la moyenne;
CV = ecart-type / moyenne
1. Le coefficient de variation n’a pas d’unité
2. Ce coefficient est souvent exprimé sous forme de pourcentage

Intervalle et écart interquartile
On appelle intervalle interquartile l'intervalle [ Q1 ; Q3 ];

L’écart interquartile est l'amplitude de l'intervalle [ Q1 ; Q3 ],
c'est-à-dire le nombre IQ = (Q3 - Q1 );
L’écart interquartile est utilisé comme indicateur de dispersion. Il

correspond à 50% des effectifs situés dans la partie centrale de la
distribution
Toute valeur n’appartenant pas à l’intervalle

[ Q1 -1,5*IQ; Q3+1.5*IQ ] est considérée comme aberrante.
Exercice:
On considère la série suivante :

Modalités xi 70 72 74 75 78 80 83
Effectifs ni 2 1 2 2 1 3 1
et la répartition des ouvriers d’un établissement industriel selon leur salaire mensuel
Classes des salaires effectifs

[ 800, 1000 [ 26
[ 1000, 1100[ 33
[1100, 1200[ 64
[1200, 1300[ 7
[1300, 1500[ 10
Déterminer les paramètres de dispersion pour les deux tableaux

34
REPRÉSENTATIONS GRAPHIQUES
Représentations graphiques de variables quantitatives
1. Le choix de la représentation graphique est fortement lié à la nature des

variables étudiées.
2. Les représentations les plus fréquemment utilisées sont :
3. Représentations des effectifs (ou des fréquences ):
• diagramme en bâtons pour les variables discrètes
• histogramme pour les variables continues
4. Représentations des effectifs cumulés (ou des fréquences cumulées)
5. Représentations de la dispersion des valeurs : boîte à moustaches

Représentations graphiques de variables quantitatives discrète
Diagrammes en bâtons
Il est constitué de segments de droite

verticaux dont les hauteurs sont égales
aux effectifs ou aux fréquences de chaque
modalité.
- Sur l'axe des abscisses (horizontal) sont

reportées les modalités de la série par
ordre croisant.
- Sur l'axe des ordonnés sont reportées
les effectifs ou les fréquence

Représentations graphiques de variables quantitatives discrète
Diagrammes des fréquences cumulées
Il représente une fonction en escaliers

(fonction de répartition de la distribution) :
F(x) = Fi pour xi  x < xi+1
les paliers correspondent aux effectifs

cumulés (ou aux fréquences cumulées) de
la série.
1. Sur l'axe des abscisses (horizontal)

sont reportées les modalités de la série par
ordre croissant.
2. Sur l'axe des ordonnées sont reportées

les effectifs cumulés ou les fréquences
cumulées
37
Représentations graphiques de variables quantitatives continue
Histogramme
Un histogramme est constitué de
rectangles contigus dont les aires sont
proportionnelles aux effectifs (ou bien
aux fréquences) de chaque classe :
• Sur l'axe des abscisses sont reportées les
bornes des classes de la série.
• Chaque rectangle correspond à une
classe et sa hauteur est hi =  * di
où  est une constante de mise à
l’échelle.
• Remarque : si les classes ont tous la
même amplitude, alors on peut prendre
hi = ni ou hi = fi
Représentations graphiques de variables quantitatives continue
Histogramme
Elle représente la fonction de répartition de la

distribution qui doit être continue :
• Sur l'axe des abscisses sont reportées les

bornes des classes de la série.
• Sur l'axe des ordonnées sont reportées les

effectifs cumulés ou les fréquences cumulées
A la borne supérieure de chaque classe

on fait correspondre en ordonnée la
fréquence cumulée (ou l’effectif
cumulé) de la classe puis on relie les
points obtenus par des segments.
39
Représentations graphiques de variables quantitatives

continue
Boite à moustaches
Graphique très pratique qui permet de résumer quelques

caractéristiques (min=d1 « 10% », max=d9 « 90% »)
40
Exemple
Mode = 119.40
Q1 = 119.4, Q2= 119.5, Q3=119.9
IQ= Q3-Q1 = 0.5
Q1-1.5(Q3-Q1)=118.65
Q3+1.5(Q3-Q1)=120.65
X = 119.64
 = 0.38
41
Cas bidimensionnel

Variable bidimensionnelle :
On considère deux variables quantitatives X et Y de modalités respectives x1, ….., xk
et y1, ….., yl . Le regroupement des données se fait à l’aide d’un tableau croisé
(tableau à double entrée)
Y y1 ... yj ... yl Total

X
x1 n11 ... n1j ... n1l n1.
. . . . . .
. . . . . .
. . . . . . l
xi ni1 ... nij ... nil ni. ni.   nij
j 1
. . . . . .
. . . . . .
. . . . . .
xk nk1 ... nkj ... nkl nk. k l
Total n.1 ... n.j ... n.l n n   nij

k i 1 j 1
n. j   nij 43
i 1
nij: Effectif de (X=xi , Y= yj) , ni. : Effectif de (X=xi ) et n.j : Effectif de (Y=yj )
Variable bidimensionnelle
Les fréquences :
On peut considérer les fréquences au lieu des effectifs :
nij
Fréquence de (X=xi , Y= yj) : f ij  on a  f ij  1
n i, j
k
n
Fréquence de (X=xi ) : f i.  i. , on a  f i.  1
n i 1
n. j l
Fréquence de (Y= yj) : f . j  , on a  f. j  1
n j 1
Fréquences conditionnelles : nij

• Fréquence de (X=xi ) conditionnellement à (Y= yj): f  X  x  / Y  y   f i / j 
i j
n. j
nij
• Fréquence de (Y= yj) conditionnellement à (X=xi ): f Y  y /  X  x   f j / i 
j i
ni.
f ij  f. j f i / j  f i. f j / i

Distributions marginales
1 k k
x   ni. xi   f i. xi
n i 1 i 1
1 l l
y   n. j y j   f. j y j
n j 1 j 1
1 k 1 k 2
  X    ni. xi  x     ni. xi    x 
2 2 2
n
n i 1  n i 1 
  f i. xi  x     f i. xi2   x 2

k k
2
i 1  i1 

Distributions conditionnelles
Y  y   j 1 k
Moyenne conditionnelle de X sachant (Y= yj) : x j
x   nij xi
n. j i 1
Y  y 
 
2
Variance conditionnelle de X sachant (Y= yj) : Vn j
 X   Vn  X    nij xi  x  j 
 j 1 k
n. j i1
 
k
  f i / j xi  x  j 
2
i 1
Propriétés :
1 l
x   n. j x   f . j x  j 
 j l
n j 1 j 1
 
Vn  X   Vn X  j   Vn j   X   
avec Vn X  j  
1 l
  j
 n. j x  x
n j 1
2
Vn j   X  
1 l
n j 1
 j
 n. jV  X 

Covariance de X et Y
La covariance est un paramètre en statistique et théorie des

probabilités qui indique pour deux variables aléatoires X et Y la
mesure dans laquelle les deux variables aléatoires sont liées les
unes aux autres. La covariance indique si, et indirectement dans
quelle mesure, les valeurs d'une variable augmentent ou
diminuent avec les valeurs croissantes de l'autre.
La formule mathématique de la covariance de X et Y est:
1 k l
   
Covn  X , Y     nij xi  x  y j  y   f ij xi  x  y j  y
n i 1 j 1 i, j

Propriétés pour la covariance :

 k l 
Cov n  X , Y      f ij xi y j    x  y 
 i 1 j 1 
Cov n  X , X   Vn  X 
Covn  X , Y   Covn Y , X 
Covn  X  Y , Z   Covn  X , Z   Covn Y , Z 
a  IR  Covn  X , a   0
a  IR  Covn aX , Y   aCovn  X , Y 

Corrélation de X et Y
le coefficient de corrélation indique le degré de cohérence

linèaire et indique directement la force de la corrélation. Le
coefficient de corrélation est basé sur la covariance, mais
contrairement au coefficient de corrélation, la covariance
dépend de l'échelle.
Covn  X , Y 
rX ,Y 
 n  X  n Y 
 1  rX ,Y  1
Si rX ,Y  1 les variables X et Y sont liées de façon linéaire, Y= a X +b
Si rX ,Y  0 les variables X et Y ne sont pas corrélées.

Exercice :
On désigne respectivement par et le nombre d’enfants et

les dépenses annuels en fournitures scolaires:
Y 0,4 4,10 10,20 20,40

X
1 322 12 2 0
2 14 230 116 36
3 0 0 20 248
Calculer la valeur modale des dépenses ainsi que la dépense médiane.

Calculer les moyennes et les variances conditionnelles de X et Y .

Pr. H.HAMZAOUI SMA- 56
S5

Ad Chp1 Sma2022

Transféré par

Informations du document

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

Ad Chp1 Sma2022

Transféré par

Droits d'auteur :

Formats disponibles

Analyse de données

Introduction à l’analyse statistiques élémentaires

Pr. H.HAMZAOUI SMA-S5 1

• Lorsque on effectue plusieurs mesures d’une grandeur physique

• Pour cela on introduit une fonction la distribution d'une valeur physique,

Pr. H.HAMZAOUI SMA-S5 2

Analyse de plomb sur 20 prélèvements indépendants provenant

Pour exploiter ces 20 résultats obtenus après 20 analyses

2. L’estimation de la variance et de l’écart-type

3. L’estimation des moments centrés d’ordre p de

Tab1. Analyse du plomb : résultats obtenus 3

À une grandeur physique on doit associé :

1. La valeur la plus probable : la valeur estimée

2. L’intervalle de confiance : l’incertitude

3. La probabilité que la vraie valeur se trouve dans

Exemple : Mesure de la capacité thermique de l'eau :

Statistique descriptive ou analyse de données : est l'ensemble

Pr. H.HAMZAOUI SMA-S5 5

Statistique Inférentielle : regroupe les méthodes d’estimation

• Vérifier l'adéquation des hypothèses a priori ou issues

Pr. H.HAMZAOUI SMA-S5 6

Etude de chaque variable séparément

Etude des variables 2 à 2 : corrélation entre les variables

Etude de plus de deux variables à la fois : analyse des données

Pr. H.HAMZAOUI SMA-S5 7

Pr. H.HAMZAOUI SMA-S5 8

Elles consistent à étudier les variables séparément via des techniques

Les objectifs de ces études sont :

• Décrire et résumer chaque variable

Pr. H.HAMZAOUI SMA-S5 9

Selon la population en question, on peut classer les variables en

La première étape consiste à organiser les valeurs dans un tableau :

• Effectif d’une modalité : le nombre de répétitions de la modalité,

Les données brutes:

Modalité X Effectif Effectif Fréquence Fréquence

Pr. H.HAMZAOUI SMA-S5 12

Si on décrit ces livres à l’aide du nombre de pages, une modalité (valeur)

On évitera la terminologie «valeur» et on lui préfèrera «modalité» car une valeur

On considère la série quantitative discréte suivante :

Pr. H.HAMZAOUI SMA-S5 14

Variables quantitatives continues

On discrétise une variable quantitative continue en découpant son domaine de

– On appelle amplitude de la classe i la longueur de cette classe:

On calcule l’effectif de chaque classe : le nombre d'observations appartenant à

Classe Centre Effectif Effectif Fréquence Fréquence Densité des

[a1, a2[ x1 n1 n1 f1=n1/N f1 d1=n1/(a2-a1)

[a2, a3[ x2 n2 n1+n2 f2=n2/N f1+f2 d2=n2/(a3-a2)

[ak, ak+1[ xk nk N fk=nk/N 1 Dk=nk/(ak-ak-1)

Pr. H.HAMZAOUI SMA-S5 16

On considère la répartition d’une variable quantitative continue suivante :

Pr. H.HAMZAOUI SMA-S5 17

Lorsque la variable X présente beaucoup de modalités différentes, presque tous les

C’est typiquement le cas lorsque X est une variable a priori continue

Dans ce cas, on procède parfois à une opération appelée

Pr. H.HAMZAOUI SMA-S5 18

Description numérique des données:

On appelle fréquence de (ou associée à) la modalité xk de X le nombre

On constate que la fréquence fk mesure l’importance de la sous-population composée

Nous avons les propriétés suivantes:

Pr. H.HAMZAOUI SMA-S5 19

Pr. H.HAMZAOUI SMA-S5 20

Données par classes, variable continue :

Chaque classe est remplacée par son centre pour le calcul.

Pr. H.HAMZAOUI SMA-S5 21