Définitions, intérêts et exemples

• Une série statistique à deux dimensions est un ensemble de

données qui comprend deux variables statistiques associées à
chaque individu d’une population étudiée.
• L’intérêt d’une série statistique à deux dimensions réside dans sa
capacité à analyser et à comprendre la relation entre deux variables.
• Prévision et estimation
• Ajustement affine
• Analyse des tendances
• Prise de décision éclairée
Définitions, intérêts et exemples
• Pour illustrer, imaginons que vous étudiez la relation entre les heures d’étude et les
notes obtenues par des étudiants. Ici, les heures d’étude constituent la première
variable et les notes la seconde. Chaque étudiant serait représenté par un point
dans le plan, où l’axe horizontal pourrait représenter les heures d’étude et l’axe
vertical les notes obtenues.
• Voici comment on pourrait représenter ces données :
• Axe horizontal (x): Heures d’étude
• Axe vertical (y): Notes obtenues
• Et pour chaque étudiant, vous auriez un couple de valeurs (x, y), où x est le nombre
d’heures d’étude et y la note obtenue. L’ensemble de ces points forme le nuage de
points qui peut révéler des tendances ou des corrélations entre les deux variables
 Tableaux et graphiques
Histoire Géographie
• Séries quantitatives connues individuellement 12 08
Evaluation 11 10
18 14 15
16 17 08
14 07 13
12
15 12
10
Notes

11 11
8
10 13
6
4
08 11

2 11 15
0 10 09
6 8 10 12 14 16 18
15 11
Notes
11 07

Notes Géographie Notes Histoire

 Tableaux et graphiques
courbe des évaluations
• Séries qualitatives groupées

Geo Assez
Médiocre Passable Bien
Bien Bien
12
F 11 5 11 7 10 Assez
8 Bien
G 1 4 2 12
6
Passable
4
2
Médiocre
0
Fille Garçon

Médiocre Passable Assez Bien Bien

 Tableaux et graphiques
• Séries quantitatives groupées

[12 [16
Geo [4 8[ [8 12[
16[ 20[
Hist
[4 8[ 0 0 1 0
[8 12[ 1 4 2 0
[12 16[ 0 2 2 0
[16 20[ 0 1 0 0
 Représentation abstraite d’un
tableau de contingence
Un tableau de contingence est une méthode de
représentation de données issues d’un comptage qui
permet d’estimer la dépendance entre deux caractères
statistiques. Il s’agit d’un tableau à double entrée où
l’on croise deux caractères d’une population, par
exemple, une classe d’âge et un score, en dénombrant
l’effectif correspondant à la conjonction de ces deux
caractères1.
Voici comment on peut décrire un tableau de
contingence :
•Les lignes représentent les catégories de la première
variable.
•Les colonnes représentent les catégories de la
seconde variable.
•Chaque cellule du tableau indique le nombre
d’observations (ou effectif) qui correspondent à la
combinaison des catégories des deux variables.
 Représentation abstraite d’un
tableau de contingence
• Un tableau de contingence est une méthode de combinaison des catégories des deux variables.
représentation de données issues d’un comptage qui
permet d’estimer la dépendance entre deux caractères [8 [12
Geo [4 8[ [16 20[
statistiques. Il s’agit d’un tableau à double entrée où l’on 12[ 16[
Hist
croise deux caractères d’une population, par exemple,
une classe d’âge et un score, en dénombrant l’effectif [4 8[ 0 0 1 0
correspondant à la conjonction de ces deux caractères. [8 12[ 1 4 2 0
• Voici comment on peut décrire un tableau de [12 16[ 0 2 2 0
contingence :
[16 20[ 0 1 0 0
• Les lignes représentent les catégories de la première
variable.
• Les colonnes représentent les catégories de la seconde
variable.
• Chaque cellule du tableau indique le nombre
d’observations (ou effectif) qui correspondent à la
Représentation abstraite d’un tableau de
contingence : effectif/fréquence marginal
• Les effectifs marginaux dans un tableau
de contingence représentent les totaux
Total((Effe
pour chaque ligne et chaque colonne. Ils Geo [4 8[
[8 [12 [16
ctif
12[ 16[ 20[
sont calculés en additionnant les effectifs Hist marginal)

de toutes les catégories d’une variable, [4 8[ 0 0 1 0 1

indépendamment de l’autre variable
[8 12[ 1 4 2 0 7
[12 16[ 0 2 2 0 4
[16 20[ 0 1 0 0 1
Total((Effect 1 7 5 0 13
if marginal)
 Représentation abstraite d’un tableau de
contingence : Moyenne/variance marginal

• Moyenne marginale

Geo Total((Effe
(y) [8 [12 [16 ctif
Hist (x) [4 8[ marginal)
12[ 16[ 20[
n.i
[4 8[ 0 0 1 0 1
• Variance marginale [8 12[ 1 4 2 0 7
[12 16[ 0 2 2 0 4
[16 20[ 0 1 0 0 1
Total((Effectif 1 7 5 0 13 (n..)
marginal) n.j
 Distributions conditionnelles
• La distribution conditionnelle permet distribution conditionnelle pour répondre à des
d’analyser la probabilité d’une variable questions telles que : "Quelle est la probabilité
lorsque l’autre variable est fixée à une que le baseball soit le sport préféré d’un homme
?"1.
condition donnée.
• Indépendance des variables : Les distributions
• Analyse ciblée : Les distributions conditionnelles nous aident à déterminer si
conditionnelles nous permettent de nous deux variables sont indépendantes. Si la
concentrer sur des sous-populations spécifiques. distribution conditionnelle d’une variable
Par exemple, si nous voulons connaître la donnée est égale à sa distribution
probabilité qu’une personne préfère un certain inconditionnelle, cela signifie que les variables
sport étant donné qu’elle est un homme, nous sont indépendantes.
utilisons une distribution conditionnelle basée
sur la population masculine1.
• Répondre à des questions spécifiques : Lorsque
nous connaissons la valeur d’une variable (par
exemple, le sexe), nous pouvons utiliser la
 Distributions conditionnelles

• Exemple