Académique Documents
Professionnel Documents
Culture Documents
I. Définitions
Population : Ensemble des individus sur lesquels on souhaite dégager des informations
Variable aléatoire : Toute variable dont la valeur dépend du résultat d’une expérience
probabiliste
- Les valeurs qu’elle peut prendre, que l’on appelle le support de la variable aléatoire
- La probabilité d’observer chaque valeur dans la population, c’est sa loi de probabilité
Variable qualitative : Les caractéristiques sont non numériques (couleur, sexe), ce sont des
niveaux (=modalités) et les opérations n’ont pas de sens :
Variable quantitative : Les caractéristiques sont numériques, ce sont des nombres réels et les
opérations (moyennes, variances) ont un sens :
Exemple :
- Qualitative nominale : Pas une mesure mais une observation (port de lunettes : oui ou
non)
- Lancer de dés ; Nombre de graines = Quantitative discrète
- Distance de Harmon = Quantitative continue
Loi de probabilité d’une variable qualitative : Il est possible d’énumérer toutes les valeurs
possible (modalités a1) de la variable aléatoire
X Probabilité
a1 P(X = a1)
a2 P(X = a2)
∑𝑛𝑖=1 𝑃(𝑋 = 𝑎𝑖) = 1 P(X = a1) + P(X=a2) + P(X=a3) + P(X=an) = 1
a3 P(X = a3)
a4 P(X = a4)
a5 P(X = a5)
Loi de probabilité d’une variable quantitative discrète : il est possible d’énumérer toutes les
valeurs possibles (dénombrements ai) de la variable aléatoires
Il n’est pas possible d’énumérer toutes les valeurs possibles x1 de la variable aléatoire
La loi de probabilité d’une variable continue X est sa fonction de densité f(x) (correspond à une
surface)
Correspond à un point
La moyenne d’un échantillon est X, mais c’est une estimation seulement donc pas la moyenne
réelle de la population
Nb d’enfants 0 1 2 3 4+
Mode d’une distribution : Valeur ou classe la plus représentée dans l’échantillon (ici 40-45)
La variance donne une indication sur l’ampleur des variations autour de la moyenne
STATISTIQUES DESCRIPTIVES ET LOIS 5 UE24
Si l’on classe les xi par ordre croissant, on peut facilement calculer la proportion des
observations inférieures à une certaine valeur a1 Fx(a)
La médiane est la valeur pour laquelle on trouve de part et d’autres la moitié des données.
Cela permet d’éviter de fausser la moyenne si une valeur (ou plusieurs) est sensiblement
différente des autres.
V. Statistiques inférentielles
Inférer les paramètres d’une population d’un n-échantillon (la moyenne de la taille des
individus de la population) à partir des données sur un échantillon, ou alors tester des
hypothèses (par ex : en moyenne les femmes sont-elles plus petites que les hommes)
STATISTIQUES DESCRIPTIVES ET LOIS 6 UE24
Fluctuations d’échantillonnage
STATISTIQUES DESCRIPTIVES ET LOIS 7 UE24
Population et Estimation
TD Exemple
Excel
= moyenne(C2 ; C27)
= var(C2 : C27)
Dataset → Visualiser
STATISTIQUES DESCRIPTIVES ET LOIS 8 UE24
VI. Lois
A. Binomiale
Loi de Bernoulli
Loi binomiale
Soit une population dans laquelle 45% des personnes portent des lunettes
Y = Nombre de porteurs de lunettes parmi 10 personnes prises au hasard dans cette population
P (y = k) = 𝑐𝑛𝑘 × 𝜋 𝑘 (1 – n)
STATISTIQUES DESCRIPTIVES ET LOIS 10 UE24
0.45 x 10 = 4.50 = µx
P (X = 4.50) = 0
P (X = 4) U P (X = 5) = P (X=4) + P (X = 5) = 47%
P (X < 3) = P (X = 1) + P (X = 2) + P (X = 3) + P (X = 0) = 26.6%
B. Loi Normale
Une variable aléatoire suit une loi normale si sa densité de probabilité est symétrique par
rapport à µx et continue sur
Si une courbe n’est pas (0 ;1), on la transpose pour l’axer sur (0 ;1)
Quelques exemples :
C’est l’aire sous la courbe qui nous donne la probabilité d’avoir un enfant de moins de 2kg
(exemple)
• + de 4kg
• - de 2.5kg
Donner la médiane, le 1er et le 3ème quantiles des poids des bébés à la naissance à partir de la
loi Normale (qnorm)
STATISTIQUES DESCRIPTIVES ET LOIS 13 UE24