SlideShare a Scribd company logo
Chapitre : Statistiques
Objectifs :
- Connaitre le vocabulaire des statistiques.
- Calculer l’effectif d’une valeur, l’effectif total et les effectifs cumulés croissants.
- Calculer la fréquence d’une valeur et les fréquences cumulées croissantes.
- Calculer la moyenne d’une série statistique.
Mise en situation :
On interroge les 26 élèves de 5ème
4 pour connaître le nombre de réseaux sociaux sur lesquels ils
sont inscrits. Voici leurs réponses :
1 . 3 . 4 . 1 . 1 . 1 . 3 . 2 . 2 . 2 . 2 . 1 . 3 . 3 . 4 . 5 . 1 . 3 . 2 . 4 . 6 . 5 . 3 . 2 . 1 . 1
I. Vocabulaire
- L'ensemble de ces résultats forment une série statistique.
Remarque : Dans une série statistique, une valeur n’est pas forcément un nombre. Par exemple, on
interroge chaque élève d’une classe sur le nom de son réseau social préféré.
- La population étudiée est l'ensemble des élèves de 5ème
4.
- Le caractère étudié est le nombre de réseaux sociaux sur lequel ils sont inscrits.
II. Effectifs
Dans notre exemple, le caractère étudié peut prendre 6 valeurs distinctes : 1, 2, 3, 4, 5 et 6.
- Pour chacune de ces valeurs, l'effectif correspond au nombre de fois où la valeur a été
recueillis.
Exemple : L'effectif de la valeur « 2 » est 6, l'effectif de la valeur « 5 » est 2, etc.
- L'effectif total est le nombre total de valeurs recueillis.
Exemple : Ici, l'effectif total est 26.
Remarque : L’effectif d’une valeur est inférieur ou égal à l’effectif total.
Pour présenter les résultats de manière plus claire, on utilise toujours un tableau des effectifs :
Nombre de réseaux 1 2 3 4 5 6
Effectifs 8 6 6 3 2 1
Définition : L'effectif cumulé croissant (ECC), d'une valeur est la somme des effectifs de cette
valeur avec les effectifs des valeurs précédentes.
Exemple : On a ajouté une ligne « effectifs cumulés croissants » dans le tableau des effectifs ci –
dessus.
Nombre de réseaux 1 2 3 4 5 6
Effectifs 8 6 6 3 2 1
Effectifs cumulés croissants 8 14 (6+8) 20 (6+14) 23 (3+20) 25 (2+23) 26 (1+25)
A savoir : Parfois, il est nécessaire de regrouper les valeurs d’une série sous forme de classe ou
d’intervalle. C’est le cas notamment lorsque qu’il y a un grand nombre de valeurs distincts
(différentes) dans la série statistique.
Exemple :
III. Fréquences
Définition : La fréquence d’une valeur est le quotient de son effectif sur l’effectif total.
Fréquence d’une valeur =
Effectif de la valeur
Effectif total
Remarques :
- Les fréquences sont proportionnelles aux effectifs (on divise chaque effectif par le même
nombre : l’effectif total).
- La fréquence d’une valeur est toujours comprise entre 0 et 1. (En effet, l’effectif d’une valeur étant
toujours inférieure à l’effectif total, la fréquence est une fraction inférieure à 1 et positive).
- La somme des fréquences de toutes les valeurs est égale à 1.
Exemple : On a ajouté une ligne « fréquence » dans le tableau des effectifs ci – dessus.
Nombre de réseaux 1 2 3 4 5 6
Effectifs 8 6 6 3 2 1
Effectifs cumulés croissants 8 14 20 23 25 26
Fréquences (à 0,01 près) ≈ 0,31
(8÷26)
≈ 0,23
(6÷26)
≈ 0,23
(6÷26)
≈ 0,11
(3÷26)
≈ 0,08
(2÷26)
≈ 0,04
(1÷26)
Définition : La fréquence cumulée croissante d'une valeur est la somme des fréquences des
valeurs qui lui sont inférieures ou égales.
Exemple : On a ajouté une ligne « fréquence cumulées croissantes » le tableau des effectifs ci –
dessus.
Nombre de réseaux 1 2 3 4 5 6
Effectifs 8 6 6 3 2 1
Effectifs cumulés
croissants
8 14 20 23 25 26
Fréquences (à 0,01
près)
≈ 0,31 ≈ 0,23 ≈ 0,23 ≈ 0,11 ≈ 0,08 ≈ 0,04
Fréquences cumulées
croissantes
0,31 0,54
(0,31 + 0,23)
0,77
(0,54 + 0,23)
0,88
(0,77 + 0,11)
0,96
(0,88 + 0,08)
1
(0,96 + 0,04)
I. Indicateurs de position
Il peut être intéressant de calculer quelques valeurs particulières de la série étudiée comme la moyenne qui
est un caractère de position (qui nous permet de se positionner dans la série).
Cette valeur permet de résumer une série statistique avec un seul nombre.
1. Moyenne simple
Définition : Dans une série statistique, on appelle moyenne le quotient de la somme des
données de la série statistique par l’effectif total.
Moyenne =
Somme des données
Effectif total
Exemple :
Remarque : La moyenne est toujours comprise entre la plus petite et la plus grande valeur de la série.
2. Moyenne pondérée
Pour quand ? C’est une méthode utilisée lorsqu’il y a un grand nombre de valeurs numériques
dans une série statistiques.
Définition : La moyenne pondérée d'une série statistique à valeurs numériques est égale à la
somme des produits de chaque valeur par son effectif, divisée par l'effectif total de cette série.
Moyenne pondérée =
𝑣1 × 𝑒1 + 𝑣2 × 𝑒2 + 𝑣3 × 𝑒3 + …
𝑒𝑓𝑓𝑒𝑐𝑡𝑖𝑓 𝑡𝑜𝑡𝑎𝑙
avec v1 = valeur 1 de la série
e1 = effectif de la valeur 1
Méthode – Exemple : Calculons la moyenne pondérée dans notre exemple :
1. J’additionne le produit de chaque valeur par son effectif.
1 × 8 + 2 × 6 + 3 × 6 + 4 × 3 + 5 × 2 + 6 × 1 = 8 + 12 + 18 +12 + 10 + 6 = 66
2. Je divise le résultat par l'effectif total de cette série.
66 ÷ 26 ≈ 2,5
Dans cette classe de 4ème
, les élèves sont inscrits sur en moyenne 2,5 réseaux sociaux différents.
II. Représentation des données
Lorsqu'il y a beaucoup de données à traiter, il peut être utile de les représenter sous la forme de tableaux,
de diagrammes et cela à l’aide des effectifs ou fréquences.
Mais pourquoi utiliser une représentation plutôt qu’une autre ?
1. Diagramme en bâton
C’est quoi ?
Un diagramme en bâtons permet de représenter les données d’une série à l’aide de segments/de rectangles
de même largeur. La hauteur de chaque bâton est proportionnelle à l’effectif de la valeur représentée.
Exemple :
2. Histogramme
C’est quoi ?
Un histogramme permet de représenter les données numériques d’une série regroupés par classe, à l’aide de
rectangles de même largeur. La hauteur de chaque rectangle est proportionnelle à l’effectif de la classe
représentée.
Exemple :
3. Diagramme circulaire
C’est quoi ?
Un diagramme circulaire permet de représenter les données d’une série à l’aide de secteurs circulaires. La
mesure de l’angle de chaque secteur circulaire est proportionnelle à l’effectif de la valeur représentée.
Exemple :
Cours Stats 5E

More Related Content

Similar to Cours Stats 5E

1) Chapter#02 Presentation of Data.ppt
1) Chapter#02 Presentation of Data.ppt1) Chapter#02 Presentation of Data.ppt
1) Chapter#02 Presentation of Data.ppt
MuntazirMehdi43
 
One-Way ANOVA: Conceptual Foundations
One-Way ANOVA: Conceptual FoundationsOne-Way ANOVA: Conceptual Foundations
One-Way ANOVA: Conceptual Foundations
smackinnon
 
Basics of Stats (2).pptx
Basics of Stats (2).pptxBasics of Stats (2).pptx
Basics of Stats (2).pptx
madihamaqbool6
 
R for Statistical Computing
R for Statistical ComputingR for Statistical Computing
R for Statistical Computing
Mohammed El Rafie Tarabay
 
BASIC OF ALGORITHM AND MATHEMATICS STUDENTS
BASIC OF ALGORITHM AND MATHEMATICS STUDENTSBASIC OF ALGORITHM AND MATHEMATICS STUDENTS
BASIC OF ALGORITHM AND MATHEMATICS STUDENTS
jainyshah20
 
Statistics.ppt
Statistics.pptStatistics.ppt
Statistics.ppt
zafariqbal989542
 
CS 151 Standard deviation lecture
CS 151 Standard deviation lectureCS 151 Standard deviation lecture
CS 151 Standard deviation lecture
Rudy Martinez
 
Data Science Interview Questions | Data Science Interview Questions And Answe...
Data Science Interview Questions | Data Science Interview Questions And Answe...Data Science Interview Questions | Data Science Interview Questions And Answe...
Data Science Interview Questions | Data Science Interview Questions And Answe...
Simplilearn
 
5 structured programming
5 structured programming 5 structured programming
5 structured programming
hccit
 
Source of DATA
Source of DATASource of DATA
Source of DATA
Nahid Amin
 
Estadistica i unidad 1 tablas de frecuencia
Estadistica i   unidad 1 tablas de frecuencia Estadistica i   unidad 1 tablas de frecuencia
Estadistica i unidad 1 tablas de frecuencia
Jorge Mario Petro M petro mosquera
 
Lecture 10.1 10.2 bt
Lecture 10.1 10.2 btLecture 10.1 10.2 bt
Lecture 10.1 10.2 bt
btmathematics
 
Measures of Central Tendency.ppt
Measures of Central Tendency.pptMeasures of Central Tendency.ppt
Measures of Central Tendency.ppt
AdamRayManlunas1
 
2014-mo444-practical-assignment-04-paulo_faria
2014-mo444-practical-assignment-04-paulo_faria2014-mo444-practical-assignment-04-paulo_faria
2014-mo444-practical-assignment-04-paulo_faria
Paulo Faria
 
Chapter3
Chapter3Chapter3
Chapter 2: Frequency Distribution and Graphs
Chapter 2: Frequency Distribution and GraphsChapter 2: Frequency Distribution and Graphs
Chapter 2: Frequency Distribution and Graphs
Mong Mara
 
INTRODUCTION TO BOOSTING.ppt
INTRODUCTION TO BOOSTING.pptINTRODUCTION TO BOOSTING.ppt
INTRODUCTION TO BOOSTING.ppt
BharatDaiyaBharat
 
Digital textbook std ix
Digital textbook std ixDigital textbook std ix
Digital textbook std ix
sandhyajayalekshmi
 
Describing and exploring data
Describing and exploring dataDescribing and exploring data
Describing and exploring data
Tarun Gehlot
 
Statistics for math (English Version)
Statistics for math (English Version)Statistics for math (English Version)
Statistics for math (English Version)
Tito_14
 

Similar to Cours Stats 5E (20)

1) Chapter#02 Presentation of Data.ppt
1) Chapter#02 Presentation of Data.ppt1) Chapter#02 Presentation of Data.ppt
1) Chapter#02 Presentation of Data.ppt
 
One-Way ANOVA: Conceptual Foundations
One-Way ANOVA: Conceptual FoundationsOne-Way ANOVA: Conceptual Foundations
One-Way ANOVA: Conceptual Foundations
 
Basics of Stats (2).pptx
Basics of Stats (2).pptxBasics of Stats (2).pptx
Basics of Stats (2).pptx
 
R for Statistical Computing
R for Statistical ComputingR for Statistical Computing
R for Statistical Computing
 
BASIC OF ALGORITHM AND MATHEMATICS STUDENTS
BASIC OF ALGORITHM AND MATHEMATICS STUDENTSBASIC OF ALGORITHM AND MATHEMATICS STUDENTS
BASIC OF ALGORITHM AND MATHEMATICS STUDENTS
 
Statistics.ppt
Statistics.pptStatistics.ppt
Statistics.ppt
 
CS 151 Standard deviation lecture
CS 151 Standard deviation lectureCS 151 Standard deviation lecture
CS 151 Standard deviation lecture
 
Data Science Interview Questions | Data Science Interview Questions And Answe...
Data Science Interview Questions | Data Science Interview Questions And Answe...Data Science Interview Questions | Data Science Interview Questions And Answe...
Data Science Interview Questions | Data Science Interview Questions And Answe...
 
5 structured programming
5 structured programming 5 structured programming
5 structured programming
 
Source of DATA
Source of DATASource of DATA
Source of DATA
 
Estadistica i unidad 1 tablas de frecuencia
Estadistica i   unidad 1 tablas de frecuencia Estadistica i   unidad 1 tablas de frecuencia
Estadistica i unidad 1 tablas de frecuencia
 
Lecture 10.1 10.2 bt
Lecture 10.1 10.2 btLecture 10.1 10.2 bt
Lecture 10.1 10.2 bt
 
Measures of Central Tendency.ppt
Measures of Central Tendency.pptMeasures of Central Tendency.ppt
Measures of Central Tendency.ppt
 
2014-mo444-practical-assignment-04-paulo_faria
2014-mo444-practical-assignment-04-paulo_faria2014-mo444-practical-assignment-04-paulo_faria
2014-mo444-practical-assignment-04-paulo_faria
 
Chapter3
Chapter3Chapter3
Chapter3
 
Chapter 2: Frequency Distribution and Graphs
Chapter 2: Frequency Distribution and GraphsChapter 2: Frequency Distribution and Graphs
Chapter 2: Frequency Distribution and Graphs
 
INTRODUCTION TO BOOSTING.ppt
INTRODUCTION TO BOOSTING.pptINTRODUCTION TO BOOSTING.ppt
INTRODUCTION TO BOOSTING.ppt
 
Digital textbook std ix
Digital textbook std ixDigital textbook std ix
Digital textbook std ix
 
Describing and exploring data
Describing and exploring dataDescribing and exploring data
Describing and exploring data
 
Statistics for math (English Version)
Statistics for math (English Version)Statistics for math (English Version)
Statistics for math (English Version)
 

Recently uploaded

Search Result Showing My Post is Now Buried
Search Result Showing My Post is Now BuriedSearch Result Showing My Post is Now Buried
Search Result Showing My Post is Now Buried
Trish Parr
 
制作原版1:1(Monash毕业证)莫纳什大学毕业证成绩单办理假
制作原版1:1(Monash毕业证)莫纳什大学毕业证成绩单办理假制作原版1:1(Monash毕业证)莫纳什大学毕业证成绩单办理假
制作原版1:1(Monash毕业证)莫纳什大学毕业证成绩单办理假
ukwwuq
 
Meet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdf
Meet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdfMeet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdf
Meet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdf
Florence Consulting
 
国外证书(Lincoln毕业证)新西兰林肯大学毕业证成绩单不能毕业办理
国外证书(Lincoln毕业证)新西兰林肯大学毕业证成绩单不能毕业办理国外证书(Lincoln毕业证)新西兰林肯大学毕业证成绩单不能毕业办理
国外证书(Lincoln毕业证)新西兰林肯大学毕业证成绩单不能毕业办理
zoowe
 
Design Thinking NETFLIX using all techniques.pptx
Design Thinking NETFLIX using all techniques.pptxDesign Thinking NETFLIX using all techniques.pptx
Design Thinking NETFLIX using all techniques.pptx
saathvikreddy2003
 
存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理
存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理
存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理
fovkoyb
 
Gen Z and the marketplaces - let's translate their needs
Gen Z and the marketplaces - let's translate their needsGen Z and the marketplaces - let's translate their needs
Gen Z and the marketplaces - let's translate their needs
Laura Szabó
 
办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理
办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理
办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理
uehowe
 
可查真实(Monash毕业证)西澳大学毕业证成绩单退学买
可查真实(Monash毕业证)西澳大学毕业证成绩单退学买可查真实(Monash毕业证)西澳大学毕业证成绩单退学买
可查真实(Monash毕业证)西澳大学毕业证成绩单退学买
cuobya
 
办理新西兰奥克兰大学毕业证学位证书范本原版一模一样
办理新西兰奥克兰大学毕业证学位证书范本原版一模一样办理新西兰奥克兰大学毕业证学位证书范本原版一模一样
办理新西兰奥克兰大学毕业证学位证书范本原版一模一样
xjq03c34
 
Discover the benefits of outsourcing SEO to India
Discover the benefits of outsourcing SEO to IndiaDiscover the benefits of outsourcing SEO to India
Discover the benefits of outsourcing SEO to India
davidjhones387
 
制作毕业证书(ANU毕业证)莫纳什大学毕业证成绩单官方原版办理
制作毕业证书(ANU毕业证)莫纳什大学毕业证成绩单官方原版办理制作毕业证书(ANU毕业证)莫纳什大学毕业证成绩单官方原版办理
制作毕业证书(ANU毕业证)莫纳什大学毕业证成绩单官方原版办理
cuobya
 
Understanding User Behavior with Google Analytics.pdf
Understanding User Behavior with Google Analytics.pdfUnderstanding User Behavior with Google Analytics.pdf
Understanding User Behavior with Google Analytics.pdf
SEO Article Boost
 
Explore-Insanony: Watch Instagram Stories Secretly
Explore-Insanony: Watch Instagram Stories SecretlyExplore-Insanony: Watch Instagram Stories Secretly
Explore-Insanony: Watch Instagram Stories Secretly
Trending Blogers
 
不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作
不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作
不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作
bseovas
 
留学挂科(UofM毕业证)明尼苏达大学毕业证成绩单复刻办理
留学挂科(UofM毕业证)明尼苏达大学毕业证成绩单复刻办理留学挂科(UofM毕业证)明尼苏达大学毕业证成绩单复刻办理
留学挂科(UofM毕业证)明尼苏达大学毕业证成绩单复刻办理
uehowe
 
学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作
学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作
学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作
zyfovom
 
成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理
成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理
成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理
ysasp1
 
Azure EA Sponsorship - Customer Guide.pdf
Azure EA Sponsorship - Customer Guide.pdfAzure EA Sponsorship - Customer Guide.pdf
Azure EA Sponsorship - Customer Guide.pdf
AanSulistiyo
 
[HUN][hackersuli] Red Teaming alapok 2024
[HUN][hackersuli] Red Teaming alapok 2024[HUN][hackersuli] Red Teaming alapok 2024
[HUN][hackersuli] Red Teaming alapok 2024
hackersuli
 

Recently uploaded (20)

Search Result Showing My Post is Now Buried
Search Result Showing My Post is Now BuriedSearch Result Showing My Post is Now Buried
Search Result Showing My Post is Now Buried
 
制作原版1:1(Monash毕业证)莫纳什大学毕业证成绩单办理假
制作原版1:1(Monash毕业证)莫纳什大学毕业证成绩单办理假制作原版1:1(Monash毕业证)莫纳什大学毕业证成绩单办理假
制作原版1:1(Monash毕业证)莫纳什大学毕业证成绩单办理假
 
Meet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdf
Meet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdfMeet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdf
Meet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdf
 
国外证书(Lincoln毕业证)新西兰林肯大学毕业证成绩单不能毕业办理
国外证书(Lincoln毕业证)新西兰林肯大学毕业证成绩单不能毕业办理国外证书(Lincoln毕业证)新西兰林肯大学毕业证成绩单不能毕业办理
国外证书(Lincoln毕业证)新西兰林肯大学毕业证成绩单不能毕业办理
 
Design Thinking NETFLIX using all techniques.pptx
Design Thinking NETFLIX using all techniques.pptxDesign Thinking NETFLIX using all techniques.pptx
Design Thinking NETFLIX using all techniques.pptx
 
存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理
存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理
存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理
 
Gen Z and the marketplaces - let's translate their needs
Gen Z and the marketplaces - let's translate their needsGen Z and the marketplaces - let's translate their needs
Gen Z and the marketplaces - let's translate their needs
 
办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理
办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理
办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理
 
可查真实(Monash毕业证)西澳大学毕业证成绩单退学买
可查真实(Monash毕业证)西澳大学毕业证成绩单退学买可查真实(Monash毕业证)西澳大学毕业证成绩单退学买
可查真实(Monash毕业证)西澳大学毕业证成绩单退学买
 
办理新西兰奥克兰大学毕业证学位证书范本原版一模一样
办理新西兰奥克兰大学毕业证学位证书范本原版一模一样办理新西兰奥克兰大学毕业证学位证书范本原版一模一样
办理新西兰奥克兰大学毕业证学位证书范本原版一模一样
 
Discover the benefits of outsourcing SEO to India
Discover the benefits of outsourcing SEO to IndiaDiscover the benefits of outsourcing SEO to India
Discover the benefits of outsourcing SEO to India
 
制作毕业证书(ANU毕业证)莫纳什大学毕业证成绩单官方原版办理
制作毕业证书(ANU毕业证)莫纳什大学毕业证成绩单官方原版办理制作毕业证书(ANU毕业证)莫纳什大学毕业证成绩单官方原版办理
制作毕业证书(ANU毕业证)莫纳什大学毕业证成绩单官方原版办理
 
Understanding User Behavior with Google Analytics.pdf
Understanding User Behavior with Google Analytics.pdfUnderstanding User Behavior with Google Analytics.pdf
Understanding User Behavior with Google Analytics.pdf
 
Explore-Insanony: Watch Instagram Stories Secretly
Explore-Insanony: Watch Instagram Stories SecretlyExplore-Insanony: Watch Instagram Stories Secretly
Explore-Insanony: Watch Instagram Stories Secretly
 
不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作
不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作
不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作
 
留学挂科(UofM毕业证)明尼苏达大学毕业证成绩单复刻办理
留学挂科(UofM毕业证)明尼苏达大学毕业证成绩单复刻办理留学挂科(UofM毕业证)明尼苏达大学毕业证成绩单复刻办理
留学挂科(UofM毕业证)明尼苏达大学毕业证成绩单复刻办理
 
学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作
学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作
学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作
 
成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理
成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理
成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理
 
Azure EA Sponsorship - Customer Guide.pdf
Azure EA Sponsorship - Customer Guide.pdfAzure EA Sponsorship - Customer Guide.pdf
Azure EA Sponsorship - Customer Guide.pdf
 
[HUN][hackersuli] Red Teaming alapok 2024
[HUN][hackersuli] Red Teaming alapok 2024[HUN][hackersuli] Red Teaming alapok 2024
[HUN][hackersuli] Red Teaming alapok 2024
 

Cours Stats 5E

  • 1. Chapitre : Statistiques Objectifs : - Connaitre le vocabulaire des statistiques. - Calculer l’effectif d’une valeur, l’effectif total et les effectifs cumulés croissants. - Calculer la fréquence d’une valeur et les fréquences cumulées croissantes. - Calculer la moyenne d’une série statistique. Mise en situation : On interroge les 26 élèves de 5ème 4 pour connaître le nombre de réseaux sociaux sur lesquels ils sont inscrits. Voici leurs réponses : 1 . 3 . 4 . 1 . 1 . 1 . 3 . 2 . 2 . 2 . 2 . 1 . 3 . 3 . 4 . 5 . 1 . 3 . 2 . 4 . 6 . 5 . 3 . 2 . 1 . 1 I. Vocabulaire - L'ensemble de ces résultats forment une série statistique. Remarque : Dans une série statistique, une valeur n’est pas forcément un nombre. Par exemple, on interroge chaque élève d’une classe sur le nom de son réseau social préféré. - La population étudiée est l'ensemble des élèves de 5ème 4. - Le caractère étudié est le nombre de réseaux sociaux sur lequel ils sont inscrits. II. Effectifs Dans notre exemple, le caractère étudié peut prendre 6 valeurs distinctes : 1, 2, 3, 4, 5 et 6. - Pour chacune de ces valeurs, l'effectif correspond au nombre de fois où la valeur a été recueillis. Exemple : L'effectif de la valeur « 2 » est 6, l'effectif de la valeur « 5 » est 2, etc. - L'effectif total est le nombre total de valeurs recueillis. Exemple : Ici, l'effectif total est 26. Remarque : L’effectif d’une valeur est inférieur ou égal à l’effectif total.
  • 2. Pour présenter les résultats de manière plus claire, on utilise toujours un tableau des effectifs : Nombre de réseaux 1 2 3 4 5 6 Effectifs 8 6 6 3 2 1 Définition : L'effectif cumulé croissant (ECC), d'une valeur est la somme des effectifs de cette valeur avec les effectifs des valeurs précédentes. Exemple : On a ajouté une ligne « effectifs cumulés croissants » dans le tableau des effectifs ci – dessus. Nombre de réseaux 1 2 3 4 5 6 Effectifs 8 6 6 3 2 1 Effectifs cumulés croissants 8 14 (6+8) 20 (6+14) 23 (3+20) 25 (2+23) 26 (1+25) A savoir : Parfois, il est nécessaire de regrouper les valeurs d’une série sous forme de classe ou d’intervalle. C’est le cas notamment lorsque qu’il y a un grand nombre de valeurs distincts (différentes) dans la série statistique. Exemple :
  • 3. III. Fréquences Définition : La fréquence d’une valeur est le quotient de son effectif sur l’effectif total. Fréquence d’une valeur = Effectif de la valeur Effectif total Remarques : - Les fréquences sont proportionnelles aux effectifs (on divise chaque effectif par le même nombre : l’effectif total). - La fréquence d’une valeur est toujours comprise entre 0 et 1. (En effet, l’effectif d’une valeur étant toujours inférieure à l’effectif total, la fréquence est une fraction inférieure à 1 et positive). - La somme des fréquences de toutes les valeurs est égale à 1. Exemple : On a ajouté une ligne « fréquence » dans le tableau des effectifs ci – dessus. Nombre de réseaux 1 2 3 4 5 6 Effectifs 8 6 6 3 2 1 Effectifs cumulés croissants 8 14 20 23 25 26 Fréquences (à 0,01 près) ≈ 0,31 (8÷26) ≈ 0,23 (6÷26) ≈ 0,23 (6÷26) ≈ 0,11 (3÷26) ≈ 0,08 (2÷26) ≈ 0,04 (1÷26) Définition : La fréquence cumulée croissante d'une valeur est la somme des fréquences des valeurs qui lui sont inférieures ou égales. Exemple : On a ajouté une ligne « fréquence cumulées croissantes » le tableau des effectifs ci – dessus. Nombre de réseaux 1 2 3 4 5 6 Effectifs 8 6 6 3 2 1 Effectifs cumulés croissants 8 14 20 23 25 26 Fréquences (à 0,01 près) ≈ 0,31 ≈ 0,23 ≈ 0,23 ≈ 0,11 ≈ 0,08 ≈ 0,04 Fréquences cumulées croissantes 0,31 0,54 (0,31 + 0,23) 0,77 (0,54 + 0,23) 0,88 (0,77 + 0,11) 0,96 (0,88 + 0,08) 1 (0,96 + 0,04)
  • 4. I. Indicateurs de position Il peut être intéressant de calculer quelques valeurs particulières de la série étudiée comme la moyenne qui est un caractère de position (qui nous permet de se positionner dans la série). Cette valeur permet de résumer une série statistique avec un seul nombre. 1. Moyenne simple Définition : Dans une série statistique, on appelle moyenne le quotient de la somme des données de la série statistique par l’effectif total. Moyenne = Somme des données Effectif total Exemple : Remarque : La moyenne est toujours comprise entre la plus petite et la plus grande valeur de la série. 2. Moyenne pondérée Pour quand ? C’est une méthode utilisée lorsqu’il y a un grand nombre de valeurs numériques dans une série statistiques. Définition : La moyenne pondérée d'une série statistique à valeurs numériques est égale à la somme des produits de chaque valeur par son effectif, divisée par l'effectif total de cette série. Moyenne pondérée = 𝑣1 × 𝑒1 + 𝑣2 × 𝑒2 + 𝑣3 × 𝑒3 + … 𝑒𝑓𝑓𝑒𝑐𝑡𝑖𝑓 𝑡𝑜𝑡𝑎𝑙 avec v1 = valeur 1 de la série e1 = effectif de la valeur 1 Méthode – Exemple : Calculons la moyenne pondérée dans notre exemple : 1. J’additionne le produit de chaque valeur par son effectif. 1 × 8 + 2 × 6 + 3 × 6 + 4 × 3 + 5 × 2 + 6 × 1 = 8 + 12 + 18 +12 + 10 + 6 = 66 2. Je divise le résultat par l'effectif total de cette série. 66 ÷ 26 ≈ 2,5 Dans cette classe de 4ème , les élèves sont inscrits sur en moyenne 2,5 réseaux sociaux différents.
  • 5. II. Représentation des données Lorsqu'il y a beaucoup de données à traiter, il peut être utile de les représenter sous la forme de tableaux, de diagrammes et cela à l’aide des effectifs ou fréquences. Mais pourquoi utiliser une représentation plutôt qu’une autre ? 1. Diagramme en bâton C’est quoi ? Un diagramme en bâtons permet de représenter les données d’une série à l’aide de segments/de rectangles de même largeur. La hauteur de chaque bâton est proportionnelle à l’effectif de la valeur représentée. Exemple : 2. Histogramme C’est quoi ? Un histogramme permet de représenter les données numériques d’une série regroupés par classe, à l’aide de rectangles de même largeur. La hauteur de chaque rectangle est proportionnelle à l’effectif de la classe représentée. Exemple : 3. Diagramme circulaire C’est quoi ? Un diagramme circulaire permet de représenter les données d’une série à l’aide de secteurs circulaires. La mesure de l’angle de chaque secteur circulaire est proportionnelle à l’effectif de la valeur représentée. Exemple :