R1 04 Chap4

Rappels
Étude à partir des données individuelles

Étude à partir des données regroupées en classes
Bilan général
R.1-04 : Statistique descriptive 1

Chapitre 4 : Variables quantitatives continues
Vincent Brault
Vincent.Brault@univ-grenoble-alpes.fr
UGA/IUT2/SD
BUT SD 1A, 2023-2024
VB Statistique descriptive 1
Rappels
Bilan général
Variables quantitatives
2 sous-types de variables
discrètes : valeurs numériques (en général entières) concentrées sur
un petit nombre de valeurs différentes. Ex : nombre de tasses de thé
ou de café par jour, nombre de frères et sœurs, etc
continues : valeurs numériques (en général réelles) mesurées en
continu (sur un intervalle de R). Ex : hauteur d’eau, température,
âge, taille, poids, pression exercée par un doigt,
Rappels
Bilan général
Variables quantitatives
Où finit le discret, où commence le continu ?
Discret/continu
La distinction discret/continu porte plus sur le nombre de répétitions de
chaque modalité que sur la nature mathématique de la donnée.
Exemples :
nombre d’enfants par famille : beaucoup de familles auront 0, 1, 2
ou 3 enfants ⇒ variable discrète
nombre de logements mis en vente ou vendus : peu de chance de
trouver 2 trimestres avec exactement le même nombre de logements
⇒ variable continue
nombre d’habitants par commune : peu de chance de trouver 2
communes avec exactement le même nombre de logements ⇒
variable continue
nombre d’exemplaires du DL vendus dans un dépôt ⇒ variable
discrète dans les petits dépôts, continue dans les grandes surfaces.
Rappels
Étude à partir des données individuelles Résumés statistiques
Étude à partir des données regroupées en classes Représentations graphiques
Bilan général
Tableau statistique : le tri à plat

Pour une variable quantitative continue, il y a trop de modalités
différentes pour faire un tri à plat : 37 pour la variable Taille, 51 pour la
variable Poids, 28 pour la variable âge.
Tailles (cm) Effectifs Freq Poids (kg) Effectifs Freq Ages Effectifs Freq
140 1 0,44% 38 1 0,44% 65 6 2,65%
148 2 0,88% 40 1 0,44% 66 10 4,42%
150 5 2,21% 42 2 0,88% 67 11 4,87%
151 4 1,77% 44 1 0,44% 68 8 3,54%
152 5 2,21% 45 4 1,77% 69 17 7,52%
153 7 3,10% 48 4 1,77% 70 13 5,75%
154 12 5,31% 49 1 0,44% 71 13 5,75%
155 9 3,98% 50 6 2,65% 72 14 6,19%
156 11 4,87% 51 3 1,33% 73 16 7,08%
157 4 1,77% 52 2 0,88% 74 17 7,52%
158 8 3,54% 53 9 3,98% 75 12 5,31%
159 5 2,21% 54 6 2,65% 76 15 6,64%
160 22 9,73% 55 7 3,10% 77 12 5,31%
161 2 0,88% 56 5 2,21% 78 18 7,96%
162 10 4,42% 57 5 2,21% 79 7 3,10%
163 12 5,31% 58 8 3,54% 80 3 1,33%
164 8 3,54% 59 1 0,44% 81 4 1,77%
165 14 6,19% 60 13 5,75% 82 4 1,77%
166 4 1,77% 61 3 1,33% 83 2 0,88%
167 3 1,33% 62 7 3,10% 84 5 2,21%
168 11 4,87% 63 8 3,54% 85 5 2,21%
169 3 1,33% 64 8 3,54% 86 2 0,88%
170 10 4,42% 65 6 2,65% 87 3 1,33%
171 5 2,21% 66 5 2,21% 88 2 0,88%
172 10 4,42% 67 7 3,10% 89 4 1,77%
173 3 1,33% 68 6 2,65% 90 1 0,44%
174 3 1,33% 69 5 2,21% 91 2 0,88%
175 6 2,65% 70 8 3,54% Total général 226 100,00%
176 7 3,10% 71 3 1,33%
177 3 1,33% 72 2 0,88%
178 4 1,77% 73 5 2,21%
179 1 0,44% 74 9 3,98%
180 2 0,88% 75 18 7,96%
181 2 0,88% 76 4 1,77%
182 2 0,88% 77 3 1,33%
186 3 1,33% 78 3 1,33%
188 3 1,33% 79 2 0,88%
Total général 226 100,00% 80 9 3,98%
81 2 0,88%
82 4 1,77%
83 2 0,88%
85 4 1,77%
86 1 0,44%
87 1 0,44%
90 7 3,10%
91 1 0,44%
92 1 0,44%
94 1 0,44%
95 1 0,44%
96 1 0,44%
Total général 226 100,00%
Figure – Tri à plat des variables continues.
Rappels
Bilan général
Tableau statistique : le tri à plat

Figure – Tri à plat des variables continues (présenté horizontalement).
" Ce n’est pas un bon résumé statistique donc il est inutile de le

mettre dans un rapport.
En revanche, il peut être utile pour calculer les autres résumés
statistiques.
Rappels
Bilan général
Résumés statistiques des variables quantitatives
Pour résumer l’information contenue dans les variables quantitatives, on

peut également faire appel aux résumés statistiques.
Résumés statistiques
On distingue
les résumés statistiques de position qui donnent son ordre de
grandeur ;
les résumés statistiques de dispersion qui expriment la variabilité des
valeurs prises ;
les résumés statistiques de forme qui traduisent l’allure générale.
Rappels
Bilan général
Résumé statistique de position : la médiane
Médiane
La médiane est une valeur centrale qui divise la population en deux
sous-populations d’effectifs égaux : la sous-population des individus de
modalité inférieure à la médiane et la sous-population des individus de
modalité supérieure à la médiane.
Nous la notons me.
Rappels
Bilan général
Médiane
La médiane est une valeur centrale qui divise la population en deux
sous-populations d’effectifs égaux : la sous-population des individus de
modalité inférieure à la médiane et la sous-population des individus de
modalité supérieure à la médiane.
Nous la notons me.
En d’autres termes,
Définition
me est une médiane si les 2 conditions suivantes sont réalisées :
1 La proportion d’individus dont la valeur est inférieure ou égale à me
est supérieure ou égale à 0.5.
2 La proportion d’individus dont la valeur est supérieure ou égale à me
est supérieure ou égale à 0.5.
Rappels
Bilan général
Nous supposons que les modalités a1 < . . . < ak < . . . < aK sont
ordonnées
Pk et nous notons fk la fréquence associée à la modalité ak et
Fk = ℓ=1 fℓ la fréquence cumulée jusqu’à la modalité ak .
Calcul de la médiane
La médiane est la première valeur pour laquelle les fréquences cumulées
dépassent 50% c’est-à-dire que me est égale à la modalité ak vérifiant :
1 Fk ≥ 0.5.
2 Fk−1 < 0.5.
Rappels
Bilan général

Dans le cas d’une variable quantitative continue, il arrive que toutes les
valeurs prises par la variable soient distinctes (si on n’a pas trop d’effet
d’arrondi). Dans ce cas, pour tout k :
1 k
fk = , Fk = .
n n
Cas de données individuelles distinctes

Si nous organisons toutes les valeurs par ordre croissante
x(1) < x(2) < · · · < x(n) (où x(i) symbolise la i ème valeur dans cet ordre
croissant) alors nous avons :
Si n = 2m + 1 est impair, me = x(m+1) .
Si n = 2m est pair, toute valeur entre x(m) et x(m+1) peut être
considérée comme médiane (au sens de la définition). Certains
x +x
logiciels proposent de prendre me = (m) 2 (m+1) .
Rappels
Bilan général
Résumé statistique de position : les fractiles
Fractiles
Étant donné un réel α compris entre 0 et 1, le fractile d’ordre α est la
première valeur pour laquelle les fréquences cumulées dépassent α.
Exemples :
La médiane est le fractile d’ordre 0.5.
Le minimum est le fractile d’ordre 0.
Le maximum est le fractile d’ordre 1.
Rappels
Bilan général
Résumé statistique de position : Fractiles couramment utilisés
Quartiles
Les quartiles sont les fractiles d’ordre 0.25 et 0.75 notés souvent Q1 et
Q3 .
Déciles
Les déciles sont les fractiles d’ordre 0.1, 0.2,. . ., 0.8 et 0.9 notés souvent
D1 , D2 ,. . .,D8 et D9 .
Centiles
Les centiles sont les fractiles avec un ordre k/100, 1 ≤ k ≤ 99 notés
souvent Ck . Parmi eux, C95 et C99 sont souvent utilisés.
" Il est tout à fait possible d’avoir des fractiles valant la même valeur
comme, par exemple, Q1 = Q3 . Ceci est d’autant plus plausible quand il
y a peu de modalités.
Rappels
Bilan général
Résumé statistique de position : la moyenne
Moyenne
Étant donné un échantillon de n observations x1 , . . . , xn , la moyenne,
notée x, est définie par :
n
1X x1 + x2 + . . . + xn
x= xi = .
n n
i=1
Rappels
Bilan général
Résumé statistique de position : calcul de la moyenne

Calcul par les effectifs
Avec les notations précédentes, nous avons :
K
1X
x= nk ak .
n
k=1
Calcul par les fréquences

K
X
x= fk ak .
k=1
Solutions des exercices
Rappels
Bilan général
Résumé statistique de position : calcul de la moyenne

///////
Calcul/////
par////
les//////////
effectifs
//////
Avec////
les////////////
notations///////////////
précédentes,///////
nous///////
avons///:
/
K
/X
1
x////
= n/////
k ak .
n/
////
k=1
///////
Calcul/////
par////
les/////////////
fréquences
//////
Avec////
les////////////
notations///////////////
nous///////
avons///:
/
K
X
x////
= f////k ak .
////
k=1
Inutiles dans le cas de données continues.

Rappels
Bilan général
Résumé statistique de position : les propriétés de la moyenne
Moyenne d’une constante

Si toutes les valeurs xi valent la même constante c ∈ R alors :
x = c.
Linéarité
Étant donnés deux variables x1 , . . . , xn et y1 , . . . , yn prenant leurs valeurs
dans R et une constante λ ∈ R alors :
x +y = x + y,
λx = λx.
Rappels
Bilan général
Résumé statistique de position : les propriétés de la moyenne
Formule utile
Nous avons :
n
X
(xi − x) = 0.
i=1
Rappels
Bilan général
Résumé statistique de position : sensibilité de la moyenne par rapport à la médiane
Sensibilité
Contrairement à la médiane, la moyenne est sensible aux valeurs
extrêmes.
Lien internet pour le film
Rappels
Bilan général
Moyenne quadratique
Étant donné un échantillon de n observations x1 , . . . , xn , la moyenne quadratique est
définie par : v s
n
x12 + . . . + xn2
u
u1 X p
mQ = t 2
xi = = x 2.
n i=1 n
Moyenne géométrique
Étant donné un échantillon de n observations positives x1 , . . . , xn , la moyenne
géométrique est définie par :
n
!1/n
Y √
mG = xi = n x1 × · · · xn = e log x .
i=1
Moyenne harmonique
Étant donné un échantillon de n observations non nulles x1 , . . . , xn , la moyenne
harmonique est définie par :
n n 1
mH = Pn 1
= 1 1
= .
i=1 xi x1
+ ··· + xn
1
x
Rappels
Bilan général
Résumés statistiques de dispersion : l’étendue et l’intervalle interquartile
Étendue
L’étendue (range en anglais) de la distribution x1 , . . . , xn , notée W, est
définie comme l’écart (positif) entre la plus grande et la plus petite
valeur :
W = max xi − min xi .
1≤i≤n 1≤i≤n
Intervalle interquartile
L’intervalle interquartile de la distribution x1 , . . . , xn est l’intervalle de
bornes Q1 et Q3 . La longueur de cet intervalle est un indicatif de
dispersion noté IQ et valant :
IQ = Q3 − Q1 .
Rappels
Bilan général
Résumés statistiques de dispersion : rapport interdécile
Rapport interdécile
Étant donnée une distribution strictement positive x1 , . . . , xn , le
rapport interdécile entre le k ème et le ℓ ème décile de la distribution
correspond au rapport entre ces deux déciles, noté Rk/ℓ , est définie si Dℓ
est différent de 0 et vaut :
Dk
Rk/ℓ = .
Dℓ
Typiquement, le rapport R9/1 = D9 /D1 est utilisé pour l’évolution des

salaires en France.
Rappels
Bilan général
Résumés statistiques de dispersion : la variance et l’écart-type
Variance et écart-type
Étant donné un échantillon de n observations x1 , . . . , xn , la variance,
notée var (x), est définie par :
n
1X 2
var (x) = (xi − x) .
n
i=1
De plus, l’écart-type, noté σ̂x , est défini par :

v
u n
p u1 X 2
σ̂x = var (x) = t (xi − x) .
n
i=1
" Dans certains logiciels, les fonctions calculant la variance ou

l’écart-type divisent la somme par (n − 1) plutôt que par n. Il faut
toujours vérifier quelle normalisation est faite avant d’utiliser ces
commandes.
Rappels
Bilan général
Résumé statistique de dispersion : calcul de la variance
Calcul par les effectifs

K
1X 2
var (x) = nk (ak − x) .
n
k=1
Calcul par les fréquences

K
X 2
var (x) = fk (ak − x) .
k=1
Rappels
Bilan général

///////
Calcul/////
par////
les//////////
effectifs
//////
Avec////
les////////////
notations///////////////
nous///////
avons///:
/
K
1/ X
2
var (x) =
/////////// n k (ak − x) .
//////////////
n/ ///
k=1
///////
Calcul/////
par////
les/////////////
fréquences
//////
Avec////
les////////////
notations///////////////
nous///////
avons///:
/
K
X 2
var (x) =
/////////// k (ak − x) .
f/////////////
///
k=1
Inutiles dans le cas des données quantitatives continues

Rappels
Bilan général
Autres calculs
n
!
2 1X 2
var (x) = x2 −x = xi − x2
n
i=1
Rappels
Bilan général
Résumé statistique de dispersion : les propriétés de la variance
Variance d’une constante

Si toutes les valeurs xi valent la même constante c ∈ R alors :
var (x) = 0.
Positivité de la variance
Une variance est toujours positive.
" Après un calcul (à la main ou par programmation), il faut

TOUJOURS vérifier que le résultat est positif.
Rappels
Bilan général
Comment évaluer la valeur d’un écart-type ?
Coefficient de variation
Étant donné un échantillon de n observations x1 , . . . , xn , le coefficient de
variation, noté cv , est définie par :
q P
1 n 2
σ̂x n i=1 (xi − x)
cv = = 1
Pn .
x n i=1 xi
Rappels
Bilan général
Résumés statistiques de forme : skewness
Le coefficient d’asymétrie (ou skewness en anglais) mesure la dissymétrie

de la distribution. Sa formule vaut :
1
Pn 3
(xi − x)
G1 (x) = n i=1 3 .
σ̂x
Plus la distribution sera symétrique, plus le coefficient sera proche de 0.
Rappels
Bilan général
Résumés statistiques de forme : kurtosis
Le coefficient d’aplatissement (ou kurtosis) s’utilise dans le cadre d’une

distribution symétrique (donc si le précédent coefficient est proche de 0)
et mesure la répartition des poids. Sa formule vaut :
1
Pn 4
n i=1(xi − x)
G2 (x) = − 3.
σ̂x4
Il sera proche de 0 si la distribution ressemble à une loi gaussienne et

négatif si les points sont répartis uniformément.
Rappels
Bilan général
Représenter les variables quantitatives

2 graphiques qui conviennent aux variables quantitatives discrètes et
continues :
la fonction de répartition empirique, basée sur les fréquences
cumulées : proportion de valeurs inférieures à x
Figure – Fonctions de répartition empiriques des variables Thé et Poids.
A faire avec un autre logiciel que Excel !

Pour une variable discrète, il y a peu de sauts et ceux-ci sont de
taille importante. VB Statistique descriptive 1
Rappels
Bilan général

La fonction de répartition empirique est définie sur tout l’espace R et sa
formule mathématique est pour tout t ∈ R :
K
X K
X
Fb(t) = fk = fk 1ak ≤t .
k=1 k=1
tel que ak ≤t
Propriétés de la fonction de répartition empirique

Elle est croissante et constante par morceaux.
Chaque saut se fait au moment d’une modalité.
La hauteur de chaque saut correspond à la fréquence de la modalité
associée ( n1 si les données sont toutes distinctes).
Elle vaut 0 avant la première modalité et 1 après la dernière
modalité.
Elle est continue à droite.
Rappels
Bilan général

2 graphiques qui conviennent aux variables quantitatives discrètes et continues :
la boite à moustaches (boxplot) basée sur les quartiles
Figure – Boites à moustaches des variables Thé et Taille.
Pour la variable Thé, on retrouve le fait que le minimum, le premier quartile et la

médiane sont égaux.
Pour la variable Taille, on distingue bien tous les résumés statistiques.
Rappels
Création de classes
Représentation graphique
Résumés statistiques approchés
Bilan général
Résumé statistique d’une variable quantitative continue : le

regroupement en classes
⇒ On réalise un regroupement en classes des données.
Figure – Regroupement en classes des variables quantitatives continues Taille,

Poids et Age.
Rappels
Bilan général
Résumé statistique d’une variable quantitative continue : le

regroupement en classes
Attention : lors d’un regroupement en classes
on a perdu de l’information : (on ne peut plus reconstruire le tableau
des données individuelles à partir d’un regroupement en classes)
l’information présentée est sensible au choix des classes : combien de
classes choisir ? quelles bornes choisir ?
s’il existe des regroupements en classes ”naturels” ou ”habituels”, on
s’y conforme.
sinon, un bon choix peut être de faire des classes isofréquences (de
même fréquence approximativement).
Figure – Deux regroupements en classes de la variable Taille.

Rappels
Bilan général
Combien de classes ?
Critère de Sturges :
ln(n)
1 + log2 (n) = 1 + .
ln(2)
Règle de Yule : √
2, 5 4 n.
Règle de Freedman-Diaconis :
2 × IQ(x)
√ .
3
n
Rappels
Bilan général
" À partir du moment où les classes sont formées, nous ne pouvons
plus savoir comment sont répartis les points au sein de chaque classe.
Rappels
Bilan général
" À partir du moment où les classes sont formées, nous ne pouvons
plus savoir comment sont répartis les points au sein de chaque classe.
⇒ Nous allons donc supposer par la suite qu’ils sont répartis
uniformément.
Rappels
Bilan général
Représenter une variable quantitative continue

Histogramme
Figure – Trois histogrammes de la variable Taille. Version internet
Basé sur un regroupement en classe, donc l’histogramme hérite de

tous les problèmes liés : choix des classes, du nombre de classes, etc
La hauteur de chaque rectangle représente la densité : dk = flkk où fk
est la fréquence de la classe et lk la longueur de l’intervalle.
L’aire de chaque rectangle représente la fréquence fk de la classe.
Rappels
Bilan général
Polygone des fréquences cumulées
Le polygone des fréquences cumulées est le pendant de la fonction de

répartition.
L’hypothèse de base de la construction du polygone des fréquences
cumulées est la même que pour les histogrammes : supposer que, une fois
les classes formées, les observations au sein d’une même classe sont
réparties uniformément à l’intérieur de cette classe.
Rappels
Bilan général
Polygone des fréquences cumulées : construction
Rappels
Bilan général
Rappels
Bilan général
Polygone des fréquences cumulées

1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1 Solutions des exercices
0
135 140 145 150 155 160 165 170 175 180 185 190 195
Rappels
Bilan général

1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0
135 140 145 150 155 160 165 170 175 180 185 190 195
Rappels
Bilan général

1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0
135 140 145 150 155 160 165 170 175 180 185 190 195
Rappels
Bilan général
Résumé statistique de position : le mode

Définitions (Variables quantitatives discrètes)
Un mode absolu de la distribution est une modalité qui apparaı̂t
avec la plus grande fréquence.
Un mode (relatif) de la distribution est une modalité qui apparaı̂t
avec une fréquence supérieure à celle des valeurs voisines
immédiates. Les modes absolus sont les modes dont la fréquence est
plus élevée que celle des autres modes.
Rappels
Bilan général
Résumé statistique de position : le mode

Définitions (Variables quantitatives discrètes)
Un mode absolu de la distribution est une modalité qui apparaı̂t
avec la plus grande fréquence.
Un mode (relatif) de la distribution est une modalité qui apparaı̂t
avec une fréquence supérieure à celle des valeurs voisines
immédiates. Les modes absolus sont les modes dont la fréquence est
plus élevée que celle des autres modes.
Définitions (Variables quantitatives continues)

Une classe modale (absolue) de la distribution est une classe avec la
plus grande densité.
Une classe modale (relative) de la distribution est une classe avec
une densité supérieure à celle des classes voisines immédiates. Les
classes modales absolues sont les classes modales dont la densité est
plus élevée que celle des autres classes modales.
Rappels
Bilan général
Si nous notons PFC la fonction polygone des fréquences cumulées alors

nous avons :
Fractiles
Étant donné un réel α compris entre 0 et 1, le fractile approché d’ordre α
est la valeur xeα telle que PFC (e
xα ) = α.
Rappels
Bilan général
Résumé statistique de position : Fractiles couramment utilisés
Médiane
La médiane approchée est le fractile approché d’ordre 0.5 notée souvent
me.
f
Quartiles
Les quartiles approchés sont les fractiles approchés d’ordre 0.25 et 0.75
notés souvent Qe1 et Q
e3 .
Déciles
Les déciles approchés sont les fractiles approchés d’ordre 0.1, 0.2,. . ., 0.8
et 0.9 notés souvent De1 , D
e2 ,. . .,D
e8 et D
e9 .
Centiles
Les centiles approchés sont les fractiles approchés avec un ordre
k/100, 1 ≤ k ≤ 99 notés souvent Cek . Parmi eux, Ce95 et Ce99 sont souvent
utilisés.
Rappels
Bilan général

Construction à partir du graphique :
Rappels
Bilan général

1 Tracer le trait horizontal y = α sur le graphe du polygone des
fréquences cumulées.
Rappels
Bilan général

2 Tracer le trait vertical passant par l’intersection du trait horizontal
et de la courbe représentant le polygone.
Rappels
Bilan général

2 Tracer le trait vertical passant par l’intersection du trait horizontal
et de la courbe représentant le polygone.
3 xeα est l’abscisse du trait vertical.
xeα
Rappels
Bilan général
α
Rappels
Bilan général
1 Trouver l’intervalle [Fa ; Fb ] des fréquences cumulées dans lequel se trouve

α et les bornes a et b de la classe correspondante.
Fb
α
Fa
a b
Rappels
Bilan général

2 Calculer l’équation de la droite, c’est-à-dire :
Fb − Fa
y = Fa + (x − a).
b−a
Fb
α
Fa
a b
Rappels
Bilan général

2 Calculer l’équation de la droite, c’est-à-dire :
Fb − Fa
y = Fa + (x − a).
b−a
3 Trouver xeα vérifiant y = α :
Fb − Fa b−a
α = Fa + xα − a) ⇔ xeα = a +
(e (α − Fa ).
b−a Fb − Fa
Fb
α
Fa
a xeαb
Rappels
Bilan général

Centre d’une classe
Étant donnée une classe [ak ; bk ] (ou [ak ; bk [ ou ]ak ; bk ] ou ]ak ; bk [), nous appelons
centre de la classe, noté ck , le milieu de l’intervalle :
ak + b k
ck = .
2
Rappels
Bilan général

Centre d’une classe
Étant donnée une classe [ak ; bk ] (ou [ak ; bk [ ou ]ak ; bk ] ou ]ak ; bk [), nous appelons
centre de la classe, noté ck , le milieu de l’intervalle :
ak + b k
ck = .
2
Moyenne approchée par les effectifs

Si nous notons nk les effectifs des classes, la moyenne approchée vaut
K
1X
x=
e nk ck .
n k=1
Calcul approché par les fréquences

Si nous notons fk les fréquences des classes, la moyenne approchée vaut
K
X
x=
e fk c k .
k=1
Rappels
Bilan général
Résumés statistiques de dispersion : l’intervalle interquartile approché
Intervalle interquartile approché

L’intervalle interquartile approché de la distribution x1 , . . . , xn est
l’intervalle de bornes Qe1 et Qe3 . La longueur de cet intervalle est un
indicatif de dispersion noté IQ et valant :
f
IQ
f=Qe3 − Q
e1 .
Rappels
Bilan général
Résumés statistiques de dispersion : la variance et l’écart-type
Calcul approché par les effectifs

K 2
1X
var
f (x) = nk c k − e
x .
n
k=1
Calcul approché par les fréquences

K
X 2
var
f (x) = fk ck − e
x .
k=1
Rappels
Bilan général
Autres calculs
K
!
2 1X 2
f (x) = x 2 − e
var x = nk ck2 −e
x
e
n
k=1
Rappels
Bilan général
Pour quelles familles ?
Quanti Continue
Quali Nominale
Quanti discrète
Quali Ordinale
Rappels
Bilan général
Pour quelles familles ?
Quanti Continue
Classes isoamplitudes ou
isofréquences, classe modale,
Quali Nominale
statistiques approchées,
histogramme, polygone des fréquences cumulée
Diagramme de Pareto
moyenne, fractile, min, max,

Diagramme en barres variance, étendue, IQ, rapport
Tri à plat
Diagramme circulaire Diagramme en bâtons interdécile, skewness, kurtosis,
Mode
Diagramme empilé fonction de répartition
empirique, boxplot
Quanti discrète
Quali Ordinale
Moyenne
Taille Poids
x
Retour au cours
Moyenne
Taille Poids
x ≈ 178, 1 ≈ 68, 4
Retour au cours
Variance
Taille Poids
var
σ̂x
Retour au cours
Variance
Taille Poids
var ≈ 43, 2 ≈ 62, 7
σ̂x ≈ 6, 6 ≈ 7, 9
Retour au cours
Fonctions de répartitions
Fonction de répartition de la variable "Taille"

1,1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
150 152 154 156 158 160 162 164 166 168 170 172 174 176 178 180 182 184 186 188 190 192 194
Fonction de répartition de la variable "Poids"

1,1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
Retour au cours
0
45 50 55 60 65 70 75 80 85 90 95
Paramètres de position
Taille Poids
x
min
Q1
me
Q3
max
Retour au cours
Paramètres de position
Taille Poids
x ≈ 178, 1 ≈ 68, 4
min 155 50
Q1 175 63
me 179 68
Q3 182 72
max 190 92
Retour au cours
Paramètres de dispertion
Taille Poids
var
σ̂x
W
IQ
Retour au cours
Paramètres de dispertion
Taille Poids
var ≈ 43, 2 ≈ 62, 7
σ̂x ≈ 6, 6 ≈ 7, 9
W 35 42
IQ 7 9
Retour au cours
Boite à moustaches
Retour au cours
Boite à moustaches
Retour au cours
Données
Taille Poids Taille Poids Taille Poids
177 65 168 72 175 62
182 62 175 60 170 64
180 63 168 63 180 72
179 65 173 69 175 75
170 70 182 78 179 68
180 67 190 76 155 55
171 60 185 65 175 61
185 85 176 73 179 63
175 72 183 73 186 70
190 80 180 65 180 81
180 71 175 65 177 72
178 92 168 65 186 70
182 68 188 75 181 62
190 85 180 64 175 54
183 73 175 60 173 62
171 50 180 66 175 63
180 72 188 72 175 72
Regroupement
Retour au cours
Regroupement
Retour au cours
Classes isofréquences
Retour au cours
Classes isofréquences
Retour au cours
Histogrammes
Avec chacun des regroupements précédents, faire les histogrammes.
Retour au cours
Histogrammes
Taille Poids
0,05 0,06
0,045
0,05
0,04
0,035
0,04
Densité de fréquence
0,03
0,025 0,03
0,02
0,02
0,015
0,01
0,01
0,005
0 0
150 160 170 180 190 200 50 60 70 80 90 100
Valeur de la variable Valeur de la variable
Isoamplitudes
Retour au cours
Histogrammes
Taille Poids
0,25 0,12
0,1
0,2
0,08
0,15
0,06
0,1
0,04
0,05
0,02
0 0
154 159 164 169 174 179 184 189 49 54 59 64 69 74 79 84 89 94
Valeur de la variable Valeur de la variable
Isofréquences
Retour au cours
Avec chacun des regroupements précédents, faire les polygone des
Retour au cours
Taille Poids
Polygone des fréquences cumulées : Isoamplitude Tailles Polygone des fréquences cumulées : Isoamplitude Poids
100,00% 1
90,00% 0,9
80,00% 0,8
70,00% 0,7
60,00% 0,6
50,00% 0,5
40,00% 0,4
30,00% 0,3
20,00% 0,2
10,00% 0,1
0,00% 0
145 150 155 160 165 170 175 180 185 190 195 200 205 45 50 55 60 65 70 75 80 85 90 95 100 105
Isoamplitudes
Retour au cours
Taille Poids
Polygone des fréquences cumulées : Isofréquences Tailles

Polygone des fréquences cumulées : Isofréquences Poids
1
100,00%
0,9
90,00%
0,8 80,00%
0,7 70,00%
0,6 60,00%
0,5 50,00%
0,4 40,00%
0,3 30,00%
20,00%
0,2
10,00%
0,1
0,00%
0 45 50 55 60 65 70 75 80 85 90 95
150 155 160 165 170 175 180 185 190 195
Isofréquences
Retour au cours
Classes modales
Taille Poids
Isoamplitudes [170; 180[ [60; 70[
Isofréquences [175; 176[ et [180; 181[ [63; 66[ et [72; 74[
En rouge, les classes modales absolues.
Retour au cours
Calcul des fractiles
Sur les graphiques précédents, trouver les valeurs des quartiles et des
médianes.
Retour au cours
médianes.
Taille Poids
Isoamplitudes
Retour au cours
médianes.
Taille Poids
Isofréquences
Retour au cours
Par le calcul, trouver les valeurs des quartiles approchés et des médianes
approchées.
Isoamplitudes Isofréquences
Taille Poids Taille Poids
Q
f1
me
f
Q
f3
Pour rappel :
Taille Poids
Q1
me
Q3
Retour au cours
Par le calcul, trouver les valeurs des quartiles approchés et des médianes
approchées.
Q
f1 ≈ 173, 8 63, 9 175,275 63, 4
me
f ≈ 179, 3 69 ≈ 179, 1 ≈ 67, 7
Q
f3 ≈ 185, 4 ≈ 75, 7 181, 25 73, 25
Pour rappel :
Taille Poids
Q1 175 63
me 179 68
Q3 182 72
Retour au cours
Par le calcul, trouver les valeurs des quartiles et des médianes.
x
e
var
f
σ̂
fx
Pour rappel :
Taille Poids
x
var
σ̂x
Retour au cours
x
e ≈ 179, 3 ≈ 70, 1 ≈ 177, 6 ≈ 68, 6
var
f
σ̂
fx
Pour rappel :
Taille Poids
x ≈ 178, 1 ≈ 68, 4
var
σ̂x
Retour au cours
x
e ≈ 179, 3 ≈ 70, 1 ≈ 177, 6 ≈ 68, 6
var
f ≈ 59, 8 ≈ 64, 2 ≈ 57, 8 ≈ 78, 5
σ̂
fx ≈ 7, 7 ≈ 8, 0 ≈ 7, 6 ≈ 8, 9
Pour rappel :
Taille Poids
x ≈ 178, 1 ≈ 68, 4
var ≈ 43, 2 ≈ 62, 7
σ̂x ≈ 6, 6 ≈ 7, 9
Retour au cours

R1 04 Chap4

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

R1 04 Chap4

Transféré par

Droits d'auteur :

Formats disponibles

Rappels

Étude à partir des données individuelles

R.1-04 : Statistique descriptive 1

BUT SD 1A, 2023-2024

Tableau statistique : le tri à plat

Figure – Tri à plat des variables continues.

Tableau statistique : le tri à plat

Pour une variable quantitative continue, il y a trop de modalités

Figure – Tri à plat des variables continues (présenté horizontalement).

" Ce n’est pas un bon résumé statistique donc il est inutile de le

Résumés statistiques des variables quantitatives

Pour résumer l’information contenue dans les variables quantitatives, on

Résumé statistique de position : la médiane

Résumé statistique de position : la médiane

Résumé statistique de position : la médiane

Résumé statistique de position : la médiane

Cas de données individuelles distinctes

Résumé statistique de position : les fractiles

Résumé statistique de position : Fractiles couramment utilisés

Résumé statistique de position : la moyenne

Résumé statistique de position : calcul de la moyenne

Calcul par les fréquences

Solutions des exercices

Résumé statistique de position : calcul de la moyenne

Inutiles dans le cas de données continues.

Résumé statistique de position : les propriétés de la moyenne

Moyenne d’une constante

Résumé statistique de position : les propriétés de la moyenne

Résumé statistique de position : sensibilité de la moyenne par rapport à la médiane

Lien internet pour le film

Résumés statistiques de dispersion : l’étendue et l’intervalle interquartile

Résumés statistiques de dispersion : rapport interdécile

Typiquement, le rapport R9/1 = D9 /D1 est utilisé pour l’évolution des

Résumés statistiques de dispersion : la variance et l’écart-type

De plus, l’écart-type, noté σ̂x , est défini par :

" Dans certains logiciels, les fonctions calculant la variance ou

Résumé statistique de dispersion : calcul de la variance

Calcul par les effectifs

Calcul par les fréquences

Résumé statistique de dispersion : calcul de la variance

Inutiles dans le cas des données quantitatives continues

Résumé statistique de dispersion : calcul de la variance

Solutions des exercices

Résumé statistique de dispersion : les propriétés de la variance

Variance d’une constante

" Après un calcul (à la main ou par programmation), il faut

Comment évaluer la valeur d’un écart-type ?

Résumés statistiques de forme : skewness

Le coefficient d’asymétrie (ou skewness en anglais) mesure la dissymétrie

Plus la distribution sera symétrique, plus le coefficient sera proche de 0.

Résumés statistiques de forme : kurtosis

Le coefficient d’aplatissement (ou kurtosis) s’utilise dans le cadre d’une

Il sera proche de 0 si la distribution ressemble à une loi gaussienne et

Représenter les variables quantitatives

Figure – Fonctions de répartition empiriques des variables Thé et Poids.

A faire avec un autre logiciel que Excel !

Représenter les variables quantitatives

Propriétés de la fonction de répartition empirique

Représenter les variables quantitatives

Figure – Boites à moustaches des variables Thé et Taille.

Pour la variable Thé, on retrouve le fait que le minimum, le premier quartile et la

Solutions des exercices

Résumé statistique d’une variable quantitative continue : le