De l’hyperbole à la droite :

1)
longueur 16,
xi 5 18 19,8 22 25 27 29 32 35 39 41,7
charge
yi 10 9 8 7 6 5,5 5 4,5 4 3,5 3,2

a)
12

10

0
15 20 25 30 35 40 45

b)
x y v(x) v(y) σx σy σxy r
27,73 5,97 65,40 4,69 8,09 2,17 -16,80 -0,96

Le coefficient de corrélation linéaire entre x et y est donc d’environ -0,96

c) L’équation de la droite de régression linaire par la méthode des

moindres carrés est y = -0,26x+13,10
d) D’âpres cette équation la charge maximal pour 26m est 6,42 tonnes.

2)
a)
x 16,5 18 19,8 22 25 27 29 32 35 39 41,7
0,10 0,111 0,12 0,14 0,16 0,18 0,20 0,22 0,25 0,28 0,31
z 00 1 50 29 67 18 00 22 00 57 25

b)
x y v(x) v(y) σx σy σxy r
27,7273 0,1907 65,3965 0,0046 8,0868 0,0676 0,5464 0,9993

Le coefficient de corrélation linéaire entre x et z est donc d’environ 0,9993

L’équation de la droite de régression linaire par la méthode des moindres
carrés est y = 0,0084x-0,0409

c)
L’image de 26 par la droite de régression linaire par la méthode des
moindres carrées est 0,1763 ce qui nous donne une charge maximum de
1/0,18 tonnes, soit 5,6726 tonnes.

d) Le résultat est plus satisfaisant vis a vis du nuage de points.

0,35

0,3

0,25

0,2

0,15

0,1

0,05

0
15 20 25 30 35 40 45

Activité : Démographie, Repéres semi-log, Statistiques.

Partie 1 :
1)

250000

200000

150000

100000

50000

0
0 5 10 15 20 25 30

2)
Le résultat n’est pas satisfaisant, on ne peut pas obséder l’évolution entre
le premier mois et le 10eme mois car les écarts entre les première valeurs
est très inférieur à celui des dernières.

a)
- à la place de 0 est ecrit 1 car ln(1)=0
- à l’ordonnée ln(2)≈ 0,69 est ecrit 2
- à l’ordonnée ln(10)≈ 2,30 est ecrit 10
- à l’ordonnée ln(10²)≈ 4,61 est écrit 10²
- à l’ordonnée ln(103)≈ 6,91 est ecrit 103

Représenter une valeur dans un repère canonique revient à représenter

ln(x) dans son repère semi-logarithmique.

b)
ln(10i) – ln(10i-1) = ln( 10i – (i-1)) = ln(10) ≈ 2,30
Donc finalement la différence entre chaque puissance de dix est fixe
lorsque l’on applique la fonction ln.

5) L’évolution après application du log semble linéaire et est beaucoup

plus visible.

Partie 2 :
1) ????

2)

0 2 4 6 8 10 12 14 16 18 20 22 24
3,6 4,4 5,1 5,6 6,2 7,0 7,6 8,5 9,3 10,2 10,9 11,5 12,2

3) Le coefficient de corrélation linéaire entre x et z est donc d’environ

0,9988 soit presque 1, donc un ajustement linéaire est pertinent.

4)
14,0

12,0

10,0

8,0

6,0

4,0

2,0

0,0
0 5 10 15 20 25 30

L’équation d’une droite d’un ajustement affine des valeurs pourrai être y =
0,36x+3,49

5) On peut en déduire une fonction f qui modélise l’évolution du nombre

d’habitant en appliquant la fonction réciproque de ln, soit l’exponentiel, en
fonction du temps.

f(t) = e0,36x+3,49
f(t) ≈ e0,36x + 32,78

6)
On utilise le repère semi-log.
Ln(500 000) ≈ 13,12
16

14

12

10

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

On obtient graphiquement que la population dépassera 500,000 habitants

après 27mois

Par le calcule :
f(27) ≈ 545795
f(26) ≈ 380788