cours3
DESCRIPTION
freeTRANSCRIPT
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Cours de Maths 4: ProbabilitStatistiquesSance 3 - Statistique descriptive
Mohamed CHERFI
Universit Hassiba BenboualiChlef
18 dcembre 2014
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Calcul du mode pour des donnes regroupes en classes
Une classe modale est une classe du caractre ayant le plus grand effectif. Une sriestatistique peut avoir plusieurs classes modales.On caclule le mode en utilisant la formule suivante :
Mo := ei1 +1
1 + 2 ai
avec
ei := Borne infrieure de la classe modale1 := ni ni12 := ni ni+1ni := Effectif de la classe modale
ni1 := Effectif de la classe prcdenteni+1 := Effectif de la classe suivanteai := Amplitude de la classe modale
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Classes ni[ 700; 740 [ 30[ 740; 780 [ 54[ 780, 820 [ 20[ 820, 860 [ 46[ 860, 900 [ 50Total 200
Mo := ei1 +1
1 + 2 ai = 740 + 54 30(54 30) + (54 20) 40 = 756.55
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Classes ni[ 700; 740 [ 30[ 740; 780 [ 54[ 780, 820 [ 20[ 820, 860 [ 46[ 860, 900 [ 50Total 200
Mo := ei1 +1
1 + 2 ai = 740 + 54 30(54 30) + (54 20) 40 = 756.55
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Classes ni[ 700; 740 [ 30[ 740; 780 [ 54[ 780, 820 [ 20[ 820, 860 [ 46[ 860, 900 [ 50Total 200
Mo := ei1 +1
1 + 2 ai =
740 + 54 30(54 30) + (54 20) 40 = 756.55
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Classes ni[ 700; 740 [ 30[ 740; 780 [ 54[ 780, 820 [ 20[ 820, 860 [ 46[ 860, 900 [ 50Total 200
Mo := ei1 +1
1 + 2 ai = 740 +
54 30(54 30) + (54 20) 40 = 756.55
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Classes ni[ 700; 740 [ 30[ 740; 780 [ 54[ 780, 820 [ 20[ 820, 860 [ 46[ 860, 900 [ 50Total 200
Mo := ei1 +1
1 + 2 ai = 740 + 54 30(54 30) + (54 20)
40 = 756.55
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Classes ni[ 700; 740 [ 30[ 740; 780 [ 54[ 780, 820 [ 20[ 820, 860 [ 46[ 860, 900 [ 50Total 200
Mo := ei1 +1
1 + 2 ai = 740 + 54 30(54 30) + (54 20) 40 =
756.55
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Classes ni[ 700; 740 [ 30[ 740; 780 [ 54[ 780, 820 [ 20[ 820, 860 [ 46[ 860, 900 [ 50Total 200
Mo := ei1 +1
1 + 2 ai = 740 + 54 30(54 30) + (54 20) 40 = 756.55
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Calcul de la mdiane pour des donnes regroupes en classes
Par le calcul, on cherche la classe dans laquelle se trouve la mdiane. On lit dans letableau
Me := ei1 +
N2 Ni1ni
aiavec
ei := Borne infrieure de la classe mdianeNi1 := Effectif cumul des classes prcdentes
ni := Effectif de la classe mdianeai := Amplitude de la classe mdiane
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
On a N2
= 100.
Classes ni Nj [ 700; 740 [ 30 30[ 740; 780 [ 54 84[ 780, 820 [ 20 104[ 820, 860 [ 46 150[ 860, 900 [ 50 200Total 200
Me := ei1 +
N2 Ni1ni
ai = 780 + 100 8420 40 = 812
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
On a N2
= 100.
Classes ni Nj [ 700; 740 [ 30 30[ 740; 780 [ 54 84[ 780, 820 [ 20 104[ 820, 860 [ 46 150[ 860, 900 [ 50 200Total 200
Me := ei1 +
N2 Ni1ni
ai = 780 + 100 8420 40 = 812
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
On a N2
= 100.
Classes ni Nj [ 700; 740 [ 30 30[ 740; 780 [ 54 84[ 780, 820 [ 20 104[ 820, 860 [ 46 150[ 860, 900 [ 50 200Total 200
Me := ei1 +
N2 Ni1ni
ai =
780 + 100 8420
40 = 812
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
On a N2
= 100.
Classes ni Nj [ 700; 740 [ 30 30[ 740; 780 [ 54 84[ 780, 820 [ 20 104[ 820, 860 [ 46 150[ 860, 900 [ 50 200Total 200
Me := ei1 +
N2 Ni1ni
ai = 780 +
100 8420
40 = 812
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
On a N2
= 100.
Classes ni Nj [ 700; 740 [ 30 30[ 740; 780 [ 54 84[ 780, 820 [ 20 104[ 820, 860 [ 46 150[ 860, 900 [ 50 200Total 200
Me := ei1 +
N2 Ni1ni
ai = 780 + 100 8420
40 = 812
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
On a N2
= 100.
Classes ni Nj [ 700; 740 [ 30 30[ 740; 780 [ 54 84[ 780, 820 [ 20 104[ 820, 860 [ 46 150[ 860, 900 [ 50 200Total 200
Me := ei1 +
N2 Ni1ni
ai = 780 + 100 8420 40 =
812
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
On a N2
= 100.
Classes ni Nj [ 700; 740 [ 30 30[ 740; 780 [ 54 84[ 780, 820 [ 20 104[ 820, 860 [ 46 150[ 860, 900 [ 50 200Total 200
Me := ei1 +
N2 Ni1ni
ai = 780 + 100 8420 40 = 812
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Dans le cas de rpartition par classes, la mdiane peut tre value graphiquement.Lhistogramme des effectifs cumuls croissants :
Classes
700 750 800 850 900
050
100
150
200
700 750 800 850 900
050
100
150
200
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Classes
700 750 800 850 900
050
100
150
200
700 750 800 850 900
050
100
150
200
700 750 800 850 900
050
100
150
200
700 750 800 850 900
050
100
150
200
700 750 800 850 900
050
100
150
200
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Ltendue
Ltendue : indicateur de la variabilit, de lparpillement dun ensemble de donnes.
E := xmax xmin.
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
La variance
La variance est un indicateur de dispersion de la variable statistique.
VX := 2X =1N
pi=1
ni (xi x)2 = 1N
pi=1
nixi 2 x2
Pour revenir lunit de lchantillon initial, on dfinit finalement : Lcart-type, quiest un indicateur de dispersion, et il est gal la racine carre de la variance :
X =VX
Si on opre un changement de variable affine yi = axi + b avec (a R et b R)alors on a : VY = a2VX et Y = |a|X .Gomtriquement on peut caractriser de manire assez gnrale lcart-type commetant le rayon (autour de la moyenne) de la cloche de la distribution des rsultatsenglobant environ les 2
3des donnes.
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
La variance
La variance est un indicateur de dispersion de la variable statistique.
VX := 2X =1N
pi=1
ni (xi x)2 = 1N
pi=1
nixi 2 x2
Pour revenir lunit de lchantillon initial, on dfinit finalement : Lcart-type, quiest un indicateur de dispersion, et il est gal la racine carre de la variance :
X =VX
Si on opre un changement de variable affine yi = axi + b avec (a R et b R)alors on a : VY = a2VX et Y = |a|X .
Gomtriquement on peut caractriser de manire assez gnrale lcart-type commetant le rayon (autour de la moyenne) de la cloche de la distribution des rsultatsenglobant environ les 2
3des donnes.
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
La variance
La variance est un indicateur de dispersion de la variable statistique.
VX := 2X =1N
pi=1
ni (xi x)2 = 1N
pi=1
nixi 2 x2
Pour revenir lunit de lchantillon initial, on dfinit finalement : Lcart-type, quiest un indicateur de dispersion, et il est gal la racine carre de la variance :
X =VX
Si on opre un changement de variable affine yi = axi + b avec (a R et b R)alors on a : VY = a2VX et Y = |a|X .Gomtriquement on peut caractriser de manire assez gnrale lcart-type commetant le rayon (autour de la moyenne) de la cloche de la distribution des rsultatsenglobant environ les 2
3des donnes.
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Le coefficient de variation
Il exprime la dispersion par rapport la moyenne. Il sagit dune caractristique sansdimension, exprime en %.
CV := Xx 100.
sil est < 5%, la population est trs (trop ?) homogne.sil est entre 5% et 20%, la population est homogne.sil est entre 20% et 60%, pas grand chose dire ?sil est > 80%, la population est trs htrogne (constitue de 2sous-populations diffrentes ?).
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Le coefficient de variation
Il exprime la dispersion par rapport la moyenne. Il sagit dune caractristique sansdimension, exprime en %.
CV := Xx 100.
sil est < 5%, la population est trs (trop ?) homogne.
sil est entre 5% et 20%, la population est homogne.sil est entre 20% et 60%, pas grand chose dire ?sil est > 80%, la population est trs htrogne (constitue de 2sous-populations diffrentes ?).
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Le coefficient de variation
Il exprime la dispersion par rapport la moyenne. Il sagit dune caractristique sansdimension, exprime en %.
CV := Xx 100.
sil est < 5%, la population est trs (trop ?) homogne.sil est entre 5% et 20%, la population est homogne.
sil est entre 20% et 60%, pas grand chose dire ?sil est > 80%, la population est trs htrogne (constitue de 2sous-populations diffrentes ?).
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Le coefficient de variation
Il exprime la dispersion par rapport la moyenne. Il sagit dune caractristique sansdimension, exprime en %.
CV := Xx 100.
sil est < 5%, la population est trs (trop ?) homogne.sil est entre 5% et 20%, la population est homogne.sil est entre 20% et 60%, pas grand chose dire ?
sil est > 80%, la population est trs htrogne (constitue de 2sous-populations diffrentes ?).
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Le coefficient de variation
Il exprime la dispersion par rapport la moyenne. Il sagit dune caractristique sansdimension, exprime en %.
CV := Xx 100.
sil est < 5%, la population est trs (trop ?) homogne.sil est entre 5% et 20%, la population est homogne.sil est entre 20% et 60%, pas grand chose dire ?sil est > 80%, la population est trs htrogne (constitue de 2sous-populations diffrentes ?).
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Exemple
Votre oncle du Canada se plaint du climat. Il doit supporter une temprature moyennede 41 degrs Fahrenheit avec un cart-type de 27 degrs. Traduire ces caractristiquesen degr Celsius.On sait que 0C (temprature de fusion de la glace) correspond 32F et que 100C(bullition de leau) correspondent 212F.
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Le changement de variable est le suivant :
TC =TF 32
1.8
La temprature moyenne se transforme de la mme manire (on rappelle queax + b = ax + b) :
xC =xF 32
1.8= 41 32
1.8= 5C.
Alors que lcart-type est seulement divis par 1.8 (on rappelle queVar(ax + b) = a2Var(x)), donc :
C =F1.8
= 271.8
= 15C.
On trouve donc une moyenne de 5 degrs Celsius avec un cart-type de 15 degrs.Le climat chez votre oncle est plutt froid, mais avec dnormes carts detemprature. Des carts de 2 carts-types au moins doivent se produire de temps autre, ce qui correspond des tempratures de 35C ou bien 25C.
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Le changement de variable est le suivant :
TC =TF 32
1.8
La temprature moyenne se transforme de la mme manire (on rappelle queax + b = ax + b) :
xC =xF 32
1.8= 41 32
1.8= 5C.
Alors que lcart-type est seulement divis par 1.8 (on rappelle queVar(ax + b) = a2Var(x)), donc :
C =F1.8
= 271.8
= 15C.
On trouve donc une moyenne de 5 degrs Celsius avec un cart-type de 15 degrs.Le climat chez votre oncle est plutt froid, mais avec dnormes carts detemprature. Des carts de 2 carts-types au moins doivent se produire de temps autre, ce qui correspond des tempratures de 35C ou bien 25C.
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Le changement de variable est le suivant :
TC =TF 32
1.8
La temprature moyenne se transforme de la mme manire (on rappelle queax + b = ax + b) :
xC =xF 32
1.8= 41 32
1.8= 5C.
Alors que lcart-type est seulement divis par 1.8 (on rappelle queVar(ax + b) = a2Var(x)), donc :
C =F1.8
= 271.8
= 15C.
On trouve donc une moyenne de 5 degrs Celsius avec un cart-type de 15 degrs.Le climat chez votre oncle est plutt froid, mais avec dnormes carts detemprature. Des carts de 2 carts-types au moins doivent se produire de temps autre, ce qui correspond des tempratures de 35C ou bien 25C.
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Le changement de variable est le suivant :
TC =TF 32
1.8
La temprature moyenne se transforme de la mme manire (on rappelle queax + b = ax + b) :
xC =xF 32
1.8= 41 32
1.8= 5C.
Alors que lcart-type est seulement divis par 1.8 (on rappelle queVar(ax + b) = a2Var(x)), donc :
C =F1.8
= 271.8
= 15C.
On trouve donc une moyenne de 5 degrs Celsius avec un cart-type de 15 degrs.
Le climat chez votre oncle est plutt froid, mais avec dnormes carts detemprature. Des carts de 2 carts-types au moins doivent se produire de temps autre, ce qui correspond des tempratures de 35C ou bien 25C.
-
Cours deMaths 4:ProbabilitStatistiques
MohamedCHERFI
Caractristiquesde positionLe modeLa mdiane
CaractristiquesdedispersiontendueLa varianceLecoefficientde variation
Le changement de variable est le suivant :
TC =TF 32
1.8
La temprature moyenne se transforme de la mme manire (on rappelle queax + b = ax + b) :
xC =xF 32
1.8= 41 32
1.8= 5C.
Alors que lcart-type est seulement divis par 1.8 (on rappelle queVar(ax + b) = a2Var(x)), donc :
C =F1.8
= 271.8
= 15C.
On trouve donc une moyenne de 5 degrs Celsius avec un cart-type de 15 degrs.Le climat chez votre oncle est plutt froid, mais avec dnormes carts detemprature. Des carts de 2 carts-types au moins doivent se produire de temps autre, ce qui correspond des tempratures de 35C ou bien 25C.
Caractristiques de positionLe modeLa mdiane
Caractristiques de dispersiontendueLa varianceLe coefficient de variation