Aller au contenu

Statistiques tronc commun : cours, résumé et écart type

Type
Cours
Lecture
12 min

Une série statistique se résume par un paramètre de position (moyenne, médiane, mode) et un paramètre de dispersion (écart moyen, variance, écart type) : le premier dit autour de quelle valeur se placent les données, le second à quel point elles s'en écartent. Par exemple, les séries 9, 10, 11 et 2, 10, 18 ont la même moyenne 10 et la même médiane 10, mais leurs écarts moyens valent 23\frac23 et 163\frac{16}{3} : la seconde est huit fois plus dispersée.

Chapitre du tronc commun scientifique et technologique (TCS, TCT), option française. Prérequis : la moyenne pondérée et la lecture d'un histogramme vues au collège. Toutes les données des exemples sont fictives, mais choisies dans des situations réelles : SVT, consommation d'eau, don du sang.

Sommaire9 parties

Résumé de cours : l’essentiel du chapitre

Chaque ligne donne une règle avec sa condition d'emploi ; le lien de la première colonne mène à la section qui l'explique.

RègleFormule et condition
Effectif et fréquenceN=∑niN=\sum n_i ; fi=niNf_i=\frac{n_i}{N}, en pourcentage 100fi100f_i ; ∑fi=1\sum f_i=1
Effectifs cumulés croissantsECC de xix_i : n1+n2+⋯+nin_1+n_2+\dots+n_i, nombre d'individus de valeur au plus xix_i ; fréquence cumulée : ECC divisé par NN
Classe, amplitude, centreclasse [a ;b[[a\,;b\mathclose{[}, amplitude b−ab-a, centre a+b2\frac{a+b}{2}
Diagrammesbâtons (caractère discret), histogramme (classes), circulaire (angle 360∘×fi360^\circ\times f_i), polygone des ECC
Modevaleur (ou classe) de plus grand effectif
Moyennexˉ=1N∑nixi\bar{x}=\frac1N\sum n_ix_i ; en classes, xix_i devient le centre cic_i : valeur approchée
Médiane d'une série discrètesérie ordonnée ; NN impair : valeur de rang N+12\frac{N+1}{2} ; NN pair : demi-somme des valeurs de rangs N2\frac N2 et N2+1\frac N2+1
Médiane d'une série en classesMe=a+(b−a)×N/2−NaNb−NaM_e=a+(b-a)\times\frac{N/2-N_a}{N_b-N_a}, où [a ;b[[a\,;b\mathclose{[} est la classe médiane, NaN_a et NbN_b les ECC en aa et en bb
Écart moyene=1N∑ni∣xi−xˉ∣e=\frac1N\sum n_i\left|x_i-\bar{x}\right|
VarianceV=1N∑ni(xi−xˉ)2V=\frac1N\sum n_i\left(x_i-\bar{x}\right)^2, toujours positive ou nulle
Formule abrégéeV=1N∑nixi2−xˉ2V=\frac1N\sum n_ix_i^2-\bar{x}^2
Écart typeσ=V\sigma=\sqrt{V}, dans l'unité des données
Interprétationcomparer deux séries avec un paramètre de position et un paramètre de dispersion ; à moyenne égale, σ\sigma plus petit : série plus homogène
PDF A4 · 1 page · 106 KoTélécharger le résumé (PDF)

Population, caractère et tableau statistique

Une étude statistique part toujours d'une question posée sur un groupe : quel est le taux de germination d'une variété de lentilles ? combien d'eau consomme un foyer ? On observe alors une même propriété sur chaque membre du groupe.

Vocabulaire d’une série statistique

  • La population est l'ensemble étudié ; chacun de ses éléments est un individu.
  • Le caractère est la propriété observée. Il est qualitatif si ses modalités ne sont pas des nombres (groupe sanguin, filière choisie).
  • Un caractère quantitatif est discret s'il prend des valeurs isolées (nombre de graines germées), continu s'il peut prendre toute valeur d'un intervalle (volume d'eau, taille) ; on regroupe alors ses valeurs en classes.
  • L'effectif nin_i d'une valeur xix_i est le nombre d'individus qui présentent cette valeur ; l'effectif total est N=n1+n2+⋯+npN=n_1+n_2+\dots+n_p.
  • La fréquence de xix_i est fi=niNf_i=\frac{n_i}{N}. On a 0≤fi≤10\leq f_i\leq1 et la somme des fréquences vaut 1, soit 100 % en pourcentages.

Le tableau statistique range les valeurs dans l'ordre croissant et donne leurs effectifs. On y ajoute les fréquences et, pour un caractère quantitatif, les effectifs cumulés.

Effectifs et fréquences cumulés

Effectifs cumulés croissants et fréquences cumulées

Les valeurs d'un caractère quantitatif étant rangées dans l'ordre croissant x1<x2<⋯<xpx_1\lt x_2\lt\dots\lt x_p, l'effectif cumulé croissant (ECC) de xix_i est n1+n2+⋯+nin_1+n_2+\dots+n_i : c'est le nombre d'individus dont la valeur est inférieure ou égale à xix_i. La fréquence cumulée croissante (FCC) de xix_i est son ECC divisé par NN. Le dernier ECC vaut NN, la dernière fréquence cumulée vaut 1.

De même, l'effectif cumulé décroissant de xix_i compte les individus dont la valeur est supérieure ou égale à xix_i.

Exemple 1 : du relevé brut au tableau complet

En SVT, on sème 10 graines de lentilles dans chacun de 20 godets ; une semaine plus tard, on compte les graines germées dans chaque godet (données fictives) :

7, 8, 6, 9, 7, 10, 8, 7, 5, 8, 6, 7, 9, 8, 10, 7, 6, 8, 9, 7.

La population est l'ensemble des 20 godets, un individu est un godet, le caractère « nombre de graines germées » est quantitatif discret. On compte chaque valeur, puis on cumule :

xix_inin_ifif_i (%)ECCFCC (%)
51515
6315420
76301050
85251575
93151890
1021020100

Contrôles : la somme des effectifs vaut 20 et celle des fréquences 100 %. Lecture : l'ECC de 8 vaut 15, donc 15 godets sur 20, soit 75 %, ont au plus 8 graines germées ; l'effectif cumulé décroissant de 9 vaut 3+2=53+2=5.

Séries regroupées en classes

Classe, amplitude et centre

Pour un caractère continu, on regroupe les valeurs dans des intervalles [a ;b[[a\,;b\mathclose{[} appelés classes. L'amplitude de la classe est b−ab-a ; son centre c=a+b2c=\frac{a+b}{2} la représente dans les calculs. L'ECC d'une classe [a ;b[[a\,;b\mathclose{[} est le nombre de valeurs strictement inférieures à bb.

Exemple 2 : amplitudes, centres et effectifs cumulés

Une association de quartier de Meknès relève la consommation d'eau d'un mois pour 40 foyers, en m³ (données fictives).

ClasseCentre cic_inin_iECC
[0 ;6[[0\,;6\mathclose{[}344
[6 ;12[[6\,;12\mathclose{[}91115
[12 ;18[[12\,;18\mathclose{[}151530
[18 ;24[[18\,;24\mathclose{[}21636
[24 ;30[[24\,;30\mathclose{[}27440

Toutes les classes ont pour amplitude 6 m³, et le centre de [12 ;18[[12\,;18\mathclose{[} est 12+182=15\frac{12+18}{2}=15. La fréquence de cette classe vaut 1540=37,5 %\frac{15}{40}=37{,}5\,\%. L'ECC de [12 ;18[[12\,;18\mathclose{[} vaut 30 : 30 foyers sur 40, soit 75 %, consomment moins de 18 m³ dans le mois.

Diagrammes statistiques

Choisir le diagramme adapté

  • Diagramme en bâtons (caractère discret) : un bâton par valeur, de hauteur proportionnelle à l'effectif.
  • Histogramme (série en classes) : des rectangles accolés, de base la classe ; avec des classes de même amplitude, la hauteur est proportionnelle à l'effectif.
  • Diagramme circulaire (tout caractère, en particulier qualitatif) : un secteur par modalité, d'angle 360∘×fi360^\circ\times f_i.
  • Polygone des effectifs cumulés croissants (série en classes) : on place le point (a1 ;0)(a_1\,;0), où a1a_1 est la borne inférieure de la première classe, puis, pour chaque classe [a ;b[[a\,;b\mathclose{[}, le point (b ;ECC)(b\,;\text{ECC}), et on les joint par des segments.
Diagramme en bâtons du nombre de graines germées par godet : valeurs 5 à 10 en abscisse, effectifs 1, 3, 6, 5, 3 et 2 en ordonnée ; le bâton de la valeur 7, le plus haut, est en orange et porte l'étiquette mode : 7
Diagramme en bâtons de l'exemple 1 : le plus haut bâton désigne le mode, 7 graines germées.
Histogramme de la consommation mensuelle d'eau de 40 foyers : cinq rectangles accolés de largeur 6 m³ entre 0 et 30, de hauteurs 4, 11, 15, 6 et 4 ; le rectangle de la classe de 12 à 18, le plus haut, est en orange et marqué classe modale
Histogramme de l'exemple 2 : les classes ont la même amplitude, donc les hauteurs sont les effectifs.
Attention : si les classes n'ont pas la même amplitude, c'est l'aire du rectangle qui représente l'effectif ; la hauteur est alors proportionnelle à effectifamplitude\frac{\text{effectif}}{\text{amplitude}}.

Exemple 3 : angles d’un diagramme circulaire

Lors d'une collecte de don du sang, on relève le groupe sanguin de 60 donneurs (données fictives) : O pour 24, A pour 21, B pour 12, AB pour 3. Le caractère est qualitatif : un diagramme circulaire convient.

  • O : f=2460=0,4f=\frac{24}{60}=0{,}4, d'où un angle de 0,4 × 360° = 144° ;
  • A : f=2160=0,35f=\frac{21}{60}=0{,}35, angle 126° ;
  • B : f=1260=0,2f=\frac{12}{60}=0{,}2, angle 72° ;
  • AB : f=360=0,05f=\frac{3}{60}=0{,}05, angle 18°.

Contrôle : 144+126+72+18=360144+126+72+18=360. Un donneur correspond à 36060=6∘\frac{360}{60}=6^\circ. On trace les secteurs au rapporteur, à la suite les uns des autres, en partant d'un même rayon.

Paramètres de position : mode, médiane et moyenne

Mode, moyenne et médiane d’une série discrète

  • Le mode est la valeur de plus grand effectif.
  • La moyenne arithmétique est xˉ=1N∑nixi\bar{x}=\frac1N\sum n_ix_i : on multiplie chaque valeur par son effectif, on additionne, puis on divise par NN.
  • La médiane MeM_e partage la série ordonnée en deux groupes de même effectif. Si NN est impair, c'est la valeur de rang N+12\frac{N+1}{2} ; si NN est pair, c'est la demi-somme des valeurs de rangs N2\frac N2 et N2+1.\frac N2+1.

Les ECC donnent directement les rangs : la valeur de rang kk est la première valeur dont l'ECC atteint kk.

Attention : la médiane se lit sur la série ordonnée, grâce aux ECC, et non au milieu de la ligne des valeurs du tableau.

Exemple 4 : mode, médiane et moyenne des godets

On reprend le tableau de l'exemple 1.

  • Mode : la valeur 7, d'effectif 6.
  • Médiane : N=20N=20 est pair, on cherche les valeurs de rangs 10 et 11. L'ECC de 7 vaut 10 et celui de 8 vaut 15 : la 10e valeur est 7, la 11e est 8, donc Me=7+82=7,5M_e=\frac{7+8}{2}=7{,}5.
  • Moyenne : ∑nixi=5×1+6×3+7×6+8×5+9×3+10×2=152,\begin{aligned}&\sum n_ix_i\\&=5\times1+6\times3+7\times6\\&\quad+8\times5+9\times3\\&\quad+10\times2=152,\end{aligned} donc xˉ=15220=7,6\bar{x}=\frac{152}{20}=7{,}6.

En moyenne, 7,6 graines sur 10 germent : le taux de germination est de 76 %. La moitié des godets ont au plus 7 graines germées, l'autre moitié au moins 8.

Attention : le mode est une valeur du caractère, pas un effectif. Ici, le mode est 7 graines, et non 6.

Moyenne et classe modale d’une série en classes

Pour une série regroupée, on remplace chaque classe par son centre cic_i : xˉ≈1N∑nici\bar{x}\approx\frac1N\sum n_ic_i. La classe modale est la classe de plus grand effectif (classes de même amplitude).

Attention : calculée avec les centres, la moyenne d'une série en classes est une valeur approchée, car on ne connaît pas les valeurs exactes à l'intérieur des classes.

Exemple 5 : consommation moyenne d’eau

Avec les centres de l'exemple 2 :

∑nici=3×4+9×11+15×15+21×6+27×4=570\begin{aligned}\sum n_ic_i&=3\times4+9\times11\\&\quad+15\times15+21\times6\\&\quad+27\times4=570\end{aligned}

donc xˉ≈57040=14,25\bar{x}\approx\frac{570}{40}=14{,}25. Un foyer consomme en moyenne environ 14,25 m³ d'eau par mois. La classe modale est [12 ;18[[12\,;18\mathclose{[}, d'effectif 15, comme le montre l'histogramme.

Médiane d’une série regroupée : interpolation linéaire

La classe médiane [a ;b[[a\,;b\mathclose{[} est la première classe dont l'ECC atteint ou dépasse N2\frac N2. Notons NaN_a et NbN_b les ECC en aa et en bb. La médiane est l'abscisse du point d'ordonnée N2\frac N2 du polygone des ECC :

Me=a+(b−a)×N2−NaNb−Na.M_e=a+(b-a)\times\frac{\frac N2-N_a}{N_b-N_a}.

On suppose ainsi les valeurs réparties régulièrement dans la classe médiane : la médiane obtenue est une valeur approchée.

Démonstration : la formule d’interpolation

Sur [a ;b][a\,;b], le polygone est le segment qui joint A(a ;Na)A(a\,;N_a) à B(b ;Nb)B(b\,;N_b), et M(Me ;N2)M\left(M_e\,;\frac N2\right) est le point de ce segment d'ordonnée N2\frac N2. Notons C(b ;Na)C(b\,;N_a) et P(Me ;Na)P(M_e\,;N_a), point du segment [AC][AC]. Les droites (PM)(PM) et (CB)(CB) sont verticales, donc parallèles ; le théorème de Thalès dans le triangle ACBACB donne APAC=PMCB\frac{AP}{AC}=\frac{PM}{CB}, c'est-à-dire :

Me−ab−a=N2−NaNb−Na,\frac{M_e-a}{b-a}=\frac{\frac N2-N_a}{N_b-N_a},

ce qui donne la formule en multipliant par b−ab-a.

Exemple 6 : médiane de la consommation d’eau

N2=20\frac N2=20. L'ECC vaut 15 en 12 et 30 en 18 : la classe médiane est [12 ;18[[12\,;18\mathclose{[}, avec Na=15N_a=15 et Nb=30N_b=30.

Me=12+6×20−1530−15=12+6×13=14.\begin{aligned}M_e&=12+6\times\frac{20-15}{30-15}\\&=12+6\times\frac13=14.\end{aligned}

On estime qu'environ la moitié des foyers consomment moins de 14 m³ par mois. Contrôle : 14 appartient bien à la classe médiane, et la lecture graphique donne la même valeur.

Polygone des effectifs cumulés croissants de la consommation d'eau passant par les points (0 ; 0), (6 ; 4), (12 ; 15), (18 ; 30), (24 ; 36) et (30 ; 40) ; le segment de 12 à 18 est en orange ; la droite horizontale d'ordonnée 20 coupe ce segment au point d'abscisse 14, la médiane
Le point du polygone d'ordonnée N2=20\frac N2=20 se trouve sur le segment de la classe médiane, à l'abscisse Me=14M_e=14.

Paramètres de dispersion : écart moyen, variance et écart type

La moyenne ne dit pas si les données sont serrées autour d'elle ou très étalées. On mesure donc les écarts xi−xˉx_i-\bar{x}. Leur moyenne ne convient pas : elle est toujours nulle.

Démonstration : la somme des écarts à la moyenne est nulle

∑ni(xi−xˉ)=∑nixi−xˉ∑ni=Nxˉ−Nxˉ=0.\begin{aligned}&\sum n_i\left(x_i-\bar{x}\right)\\&=\sum n_ix_i-\bar{x}\sum n_i\\&=N\bar{x}-N\bar{x}=0.\end{aligned}

Les écarts positifs compensent exactement les écarts négatifs. Pour mesurer l'étalement, on prend donc leurs valeurs absolues ou leurs carrés.

Écart moyen, variance et écart type

  • Écart moyen : e=1N∑ni∣xi−xˉ∣e=\frac1N\sum n_i\left|x_i-\bar{x}\right|.
  • Variance : V=1N∑ni(xi−xˉ)2V=\frac1N\sum n_i\left(x_i-\bar{x}\right)^2.
  • Écart type : σ=V\sigma=\sqrt{V}.

Pour une série en classes, xix_i est remplacé par le centre cic_i. Ces trois nombres sont positifs ou nuls ; ils sont nuls seulement si toutes les valeurs sont égales.

Attention : la variance s'exprime dans le carré de l'unité des données ; l'écart moyen et l'écart type s'expriment dans l'unité des données, ce qui permet de les comparer à la moyenne.

Exemple 7 : dispersion du nombre de graines germées

Pour la série de l'exemple 1, xˉ=7,6\bar{x}=7{,}6.

xix_inin_i∣xi−xˉ∣\left|x_i-\bar{x}\right|(xi−xˉ)2\left(x_i-\bar{x}\right)^2
512,66,76
631,62,56
760,60,36
850,40,16
931,41,96
1022,45,76
∑ni∣xi−xˉ∣=2,6+4,8+3,6+2+4,2+4,8=22\begin{aligned}&\sum n_i\left|x_i-\bar{x}\right|\\&=2{,}6+4{,}8+3{,}6\\&\quad+2+4{,}2+4{,}8=22\end{aligned}

donc e=2220=1,1e=\frac{22}{20}=1{,}1.

∑ni(xi−xˉ)2=6,76+7,68+2,16+0,8+5,88+11,52=34,8\begin{aligned}&\sum n_i\left(x_i-\bar{x}\right)^2\\&=6{,}76+7{,}68+2{,}16\\&\quad+0{,}8+5{,}88+11{,}52\\&=34{,}8\end{aligned}

donc V=34,820=1,74V=\frac{34{,}8}{20}=1{,}74 et σ=1,74≈1,32\sigma=\sqrt{1{,}74}\approx1{,}32 graine. Un godet s'écarte en moyenne d'environ 1,1 graine de la moyenne 7,6.

Formule abrégée de la variance

V=1N∑nixi2−xˉ2V=\frac1N\sum n_ix_i^2-\bar{x}^2 : la variance est la moyenne des carrés moins le carré de la moyenne.

Démonstration : la formule abrégée

On développe (xi−xˉ)2=xi2−2xˉxi+xˉ2\left(x_i-\bar{x}\right)^2=x_i^2-2\bar{x}x_i+\bar{x}^2, puis on utilise ∑nixi=Nxˉ\sum n_ix_i=N\bar{x} et ∑ni=N\sum n_i=N :

V=1N∑nixi2−2xˉ×1N∑nixi+xˉ2=1N∑nixi2−2xˉ2+xˉ2=1N∑nixi2−xˉ2.\begin{aligned}V&=\frac1N\sum n_ix_i^2\\&\quad-2\bar{x}\times\frac1N\sum n_ix_i+\bar{x}^2\\&=\frac1N\sum n_ix_i^2-2\bar{x}^2+\bar{x}^2\\&=\frac1N\sum n_ix_i^2-\bar{x}^2.\end{aligned}

Contrôle sur l'exemple 7 : ∑nixi2=1 190\sum n_ix_i^2=1\,190, et 1 19020−7,62=59,5−57,76=1,74\frac{1\,190}{20}-7{,}6^2=59{,}5-57{,}76=1{,}74.

Exemple 8 : variance de la consommation d’eau

Avec les centres de l'exemple 2 et xˉ=14,25\bar{x}=14{,}25 :

∑nici2=4×9+11×81+15×225+6×441+4×729=9 864\begin{aligned}&\sum n_ic_i^2\\&=4\times9+11\times81\\&\quad+15\times225+6\times441\\&\quad+4\times729=9\,864\end{aligned} V=9 86440−14,252=246,6−203,0625=43,5375\begin{aligned}V&=\frac{9\,864}{40}-14{,}25^2\\&=246{,}6-203{,}0625\\&=43{,}5375\end{aligned}

La variance vaut environ 43,54 (m³)² et l'écart type σ=43,5375≈6,60\sigma=\sqrt{43{,}5375}\approx6{,}60 m³. La formule abrégée évite ici de calculer cinq écarts décimaux. Rapporté à la moyenne de 14,25 m³, cet écart type est grand : les consommations des foyers du quartier sont très inégales.

Interpréter et comparer deux séries

Un paramètre de position répond à la question « autour de quelle valeur ? », un paramètre de dispersion à la question « avec quel étalement ? ». Deux séries se comparent donc avec un paramètre de chaque sorte, dans la même unité. À moyenne égale, la série dont l'écart type (ou l'écart moyen) est le plus petit est la plus homogène : ses valeurs sont plus regroupées autour de la moyenne.

Exemple 9 : deux variétés de lentilles

Une seconde variété est semée dans 20 autres godets (données fictives) : 6 graines germées dans 1 godet, 7 dans 8 godets, 8 dans 9 godets, 9 dans 2 godets.

  • Moyenne : ∑niyi=6+56+72+18=152\sum n_iy_i=6+56+72+18=152, donc yˉ=15220=7,6\bar{y}=\frac{152}{20}=7{,}6, la même que pour la première variété.
  • Variance : ∑niyi2=36+392+576+162=1 166\sum n_iy_i^2=36+392+576+162=1\,166, donc V=1 16620−7,62=58,3−57,76=0,54V=\frac{1\,166}{20}-7{,}6^2=58{,}3-57{,}76=0{,}54 et σ≈0,73\sigma\approx0{,}73.

Les deux variétés ont le même taux moyen de germination, 76 %, mais l'écart type passe de 1,32 à 0,73 graine. La seconde variété est plus régulière : presque tous ses godets ont 7 ou 8 graines germées. Pour obtenir une parcelle homogène, on choisit la seconde, alors que la moyenne seule ne permettait pas de les départager.

Vérifier ses résultats

Quelques contrôles rapides détectent la plupart des erreurs de calcul :

  • la somme des effectifs vaut NN, celle des fréquences vaut 1, et le dernier ECC vaut NN ;
  • la moyenne et la médiane sont comprises entre la plus petite et la plus grande valeur ; la médiane d'une série en classes appartient à la classe médiane ;
  • l'écart moyen et l'écart type sont positifs et plus petits que l'écart entre la plus grande et la plus petite valeur ;
  • la définition et la formule abrégée donnent la même variance.

Pages liées