STATISTIQUES
1. Statistique d’une seule variable
(a) Définitions
i. Statistiques
la statistique est une méthode scientifique dont l’objet est de recueillir , d’organiser , de résumer
et d’analyser les données d’une enquête, d’une étude ou d’une expérience aussi bien de tirer les
conclusions logiques et de prendre les décisions qui s’imposent à partir des analyses effectuées.
ii. Population
c’est l’ensemble étudié , ces éléments s’appelle individu ou les unités Statistiques
Exemple :
population d’habitants
population d’animaux
population de ville du Maroc
iii. Échantillon
Un tel sous-ensemble d’une population statistique s’appelle Échantillon
exemple :
dans une société, la quantité du carburant utilisé par voiture .on prélève un certain nombre de
voiture : 15 voitures – c’est un échantillon
iv. Caractères ou variable statistique
La propriété ou l’attribut sur laquelle porte une étude statistique est appelé le caractère étudié
On le note par xi avec i ∈ N
Exemple :
Le poids des élèves de la classe
La couleurs des yeux
La marque de voitures utilisées par une société
Salaires des familles
Remarque :
Il y’a deux types de caractères
A. Caractère Quantitatif
Ce caractère s’exprime par des nombres réels , dans ce caractère il y’a deux types
- DESCRET : note des élèves, nombres des accidents, nombres des enfants
- CONTINUE : poids , taille ,salaire dans ce cas au lieu de caractère on parle de classe
B. Caractère Qualitatif
Ce caractère ne peut pas s’exprime par des nombres réels
Exemple
le sexe le groupe sanguin, couleur des yeux, nature de la nutrition
v. Modalité statistique ≪de caractère≫ :
On appelle une modalité les différentes situations possibles d’un caractère Exemple :
caractère ≪ sexe ≫ : modalités possibles deux masculin ou féminin
Caractère ≪ état matrimonial ≫ : 4 modalités possibles : célibataire/marié/divorcé/veuf.
vi. Effectif, effectif cumulé
A. Effectif
le nombre des individus qui ont le caractère d’une population s’appelle effectif qu’on note ni
Soi Ω une population statistique on peut écrire Ω = {x1 , x2 , ....., xn }
On définie l’application Ω → N : xi → ni avec ni représente l’effectif attaché à xi .
N = n1 + n2 + .... + nn N s’appelle l’effectif total .
B. Effectif cumulé
Le nombre des individus de Ω dont le caractère à une valeur inférieur ou égal à ni s’appelle
effectif cumulé attachée à xi .
vii. Fréquence ,Fréquence cumulé, Pourcentage
Soient (xi , ni ) une série statistique et N = n1 + n2 + .... + nn
ni
A. le nombre fi = N
s’appelle fréquence lié à xi .
B. La fréquence cumulé est le rapport de l’effectif cumulé à l’effectif total
C. Le pourcentage lié à xi est pi avec pi = fi × 100
viii. Dominante - Classe Dominante
A. Si le caractère prend des valeurs discrets la dominante ou le modèle est la valeur des caractère
ayant le plus effectif .
B. Si le caractère prend des valeurs répartis par classe la classe dominante ou la classe modèle
est la classe ayant le plus grand effectif .
On peut avoir plusieurs dominantes ou classes modèles
ix. Moyen
Soit (xi , ni )1≤i≤n une série statistique , la moyenne de cette série statistique est le nombre x̄
définie par :
x1 n1 + x2 n2 + ... + xn nn x1 n1 + x2 n2 + ... + xn nn
x̄ = = = x1 f1 + x2 f2 + ... + xn fn
n1 + n2 + ... + nn N
x. Médiane
La médiane est la valeur de caractère telle que il ’ait autant de valeurs du caractère inférieur ou
égal à x̄ et autant de valeurs du caractère supérieur ou égal à x̄ ou la valeur du caractère qui
correspond à l’effectif cumulé N2
xi. Variance , Ecart-type
Soit (xi , ni )1≤i≤n une série statistique de moyen x̄.
n n
X ni 2
X
A. Variance : V (X) = σ = 2
(xi − x̄) = fi (xi − x̄)2
i=1
N i=1
p
B. L’ecart-type : σ(X) = V (X)
(b) Exercices
i. exercice 1
Cette série statistique représente les tailles (en m) des 21 personnes :
1,75 1,68 1,76 1,89 1,83 1,91 1,79 1,74 1,68 1,74 1,74 1,75 1,83 1,83 1,75 1,91 1,83 1,75 1,74
A. Quel est le caractère étudié X ?
B. Est-il qualitatif ou quantitatif ?
C. Donner l’effectif de chaque valeur xi
D. Calculer la moyen x̄ et la variance V(X) et la médiane m de cette série statistique
E. Quel est l’effectif cumulé de 1,91 ?
ii. Correction
A. le caractère étudié X est la taille
B. X est quantitatif
Note 1.75 1.68 1.76 1.89 1.83 1.91 1.79 1.74
C.
Effectif 4 2 1 1 4 2 1 4
D. x̄ = 1.75∗4+1.68∗2+1.76∗1+1.89∗1+1.83∗4+1.91∗2+1.79∗1+1.74∗4
4+2+1+1+4+2+1+4
= 1.78
V (X) =
E. l’effectif cumulé de 1,91 est 2 + 1 + 1 + 2 + 1 = 7
2. Statistique à deux variables
Définition :
On appelle série statistique à deux variables ou série double le résultat de l’observation Simultanée de
deux caractères d’une population .
Exemples :
Les notes de deux matières
l’âge et la taille des étudiants d’une classe
Salaire et qualification d’un personnel
Température et pression d’une ville pendant une année
.
On considère deux variables statistiques X , Y observées sur une même population de n individus.
On note x1 , x2 , ..., xn les valeurs relevées pour la variable X et les valeurs y1 , y2 , ..., yn relevées
pour la variable Y .
Les couples (x1 , y1 ), (x2 , y2 ), ..., (xn , yn ) forment une série statistique à deux variables.
On va s’intéresser au lien qui peut exister entre ces deux variables.
(a) Covariance :
la covariance de (xi , yi ) notée Cov(X, Y ) est définie par :
Cov(X, Y ) = n1 ((x1 − x̄)(y1 − ȳ) + (x2 − x̄)(y2 − ȳ) + ... + (xn − x̄)(yn − ȳ))
où x̄ est la moyen de (xi , ni )1≤i≤n et ȳ est la moyen de (yi , ni )1≤i≤n
(b) Coefficient de corrélation
On considère la série (xi , yi )1≤i≤n , le Coefficient de corrélation de cette série est définie par :
Cov(X, Y )
ρ=
σ(X)σ(Y )
σ(X) est L’ecart-type de X
σ(Y ) est L’ecart-type de Y
Remarque :
Cov(X,Y )
i. ρ = σ(X)σ(Y )
h√ i
ii. Si ρ ∈ 23 , 1 Alors il existe une bonne corrélation linéaire entre X et Y
h √ h
iii. Si ρ ∈ 21 , 23
Alors la corrélation linéaire entre X et Y est médiocre
1
iv. Si ρ ∈ 0, 2 Alors la corrélation linéaire entre X et Y est mauvaise
(c) Nuage de points (ou Nuage statistiques)
Dans un repère orthogonal, l’ensemble des points Mi de coordonnées (xi , yi ), avec 1 ≤ i ≤ n, est
appelé le nuage de points associé à la série statistiques (x1 , y1 ), (x2 , y2 ), ..., (xn , yn ) à deux variables.
(d) Point moyen G(x̄, ȳ)
Le point G de coordonnées (x̄, ȳ) sont les moyennes respectives des xi et des yi , est appelé le point
moyen du nuage de points associé à la série statistique (x1 , y1 ), (x2 , y2 ), ..., (xn , yn ) à deux variables.
(e) Droites de régression (ou Droite d’ajustement)
La droites de régression de Y en X a pour équation y = ax + b, avec :
Cov(X,Y )
• a= V (X)
• b = ȳ − ax̄
où cov(X, Y ) = n1 ((x1 − x̄)(y1 − ȳ) + (x2 − x̄)(y2 − ȳ) + ... + (xn − x̄)(yn − ȳ)) est la covariance de
(X, Y )
et V (X) = n1 ((x1 − x̄)2 + (x2 − x̄)2 + ... + (xn − x̄)2 ) est la variance de X
