Scribd
Importer
94 vues1 page

STAT

Le document présente différentes méthodes statistiques comme le calcul de moyenne, variance, écart-type, covariance et coefficient de corrélation linéaire. Il décrit également la méthode des moindres carrés pour la régression linéaire ainsi que la méthode de Mayer.

Transféré par

Mahamoud Bacar
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
94 vues1 page

STAT

Le document présente différentes méthodes statistiques comme le calcul de moyenne, variance, écart-type, covariance et coefficient de corrélation linéaire. Il décrit également la méthode des moindres carrés pour la régression linéaire ainsi que la méthode de Mayer.

Transféré par

Mahamoud Bacar
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Groupe Scolaire Galaxy Mathématiques TD 2021/2022

Les statistiques

➢ Méthodes de moindres carrés :

𝒏 𝒏
Moyenne 𝟏 𝟏
̅=
𝑿 ∑ 𝒙𝒊 ̅=
𝒀 ∑ 𝒚𝒊
arithmétique 𝑵 𝑵
𝒊=𝟏 𝒊=𝟏

𝒏 𝒏
𝟏 𝟏
Variance ̅𝟐
𝑽(𝑿) = ∑ 𝒙𝟐𝒊 − 𝑿 ̅𝟐
𝑽(𝒀) = ∑ 𝒚𝟐𝒊 − 𝒀
𝑵 𝑵
𝒊=𝟏 𝒊=𝟏

Ecart-type 𝝈(𝑿) = √𝑽(𝑿) 𝝈(𝒀) = √𝑽(𝒀)

Point moyen ̅, 𝒀
𝑮(𝑿 ̅)

𝒏
𝟏
Covariance 𝑪𝒐𝒗(𝑿, 𝒀) = ∑ 𝒙𝒊 𝒚𝒊 − ̅𝑿̅̅𝒀̅
𝑵
𝒊=𝟏

Coefficient de 𝑪𝒐𝒗(𝑿, 𝒀)
𝒓(𝑿, 𝒀) = ∈ [−𝟏, 𝟏]
corrélation linéaire 𝝈(𝑿)𝝈(𝒀)

Si 𝑟(𝑋, 𝑌) ∈ [0; 0,70] alors la corrélation entre X et Y est faible.

Si 𝑟(𝑋, 𝑌) ∈ ]0,7; 0,95] alors la corrélation entre X et Y est forte.

Si 𝑟(𝑋, 𝑌) ∈]0,95; 1] alors la corrélation entre X et Y est très forte.

𝐶𝑜𝑣(𝑋,𝑌)
La droite de régression de X par rapport à Y : 𝑦 = 𝑎𝑥 + 𝑏 avec 𝑎 = 𝑒𝑡 𝑏 = 𝑌̅ − 𝑎𝑋̅.
𝑉(𝑋)

𝐶𝑜𝑣(𝑋,𝑌)
La droite de régression de Y par rapport à X : 𝑥 = 𝑎′𝑦 + 𝑏′ avec 𝑎′ = 𝑒𝑡 𝑏 = 𝑋̅ − 𝑎𝑌̅
𝑉(𝑌)

➢ Méthode de Mayer :

• Le principe de l’ajustement par la méthode de Mayer consiste à partager le nuage de points


associé à une série (𝑥𝑖 , 𝑦𝑖 ) en deux nuages dont le nombre de points diffère d’au plus un. On
désigne par 𝐺1 𝑒𝑡 𝐺2 les points moyens respectifs du premier et deuxième nuage.
• La droite (𝐺1 𝐺2 ) définit un ajustement affine du nuage de points représentant la série
statistique double (𝑋, 𝑌).
• La droite (𝐺1 𝐺2 ) est appelée droite de Mayer, elle passe le point moyen G du nuage

M.B.M 36

Vous aimerez peut-être aussi