$$\newcommand{\mtn}{\mathbb{N}}\newcommand{\mtns}{\mathbb{N}^*}\newcommand{\mtz}{\mathbb{Z}}\newcommand{\mtr}{\mathbb{R}}\newcommand{\mtk}{\mathbb{K}}\newcommand{\mtq}{\mathbb{Q}}\newcommand{\mtc}{\mathbb{C}}\newcommand{\mch}{\mathcal{H}}\newcommand{\mcp}{\mathcal{P}}\newcommand{\mcb}{\mathcal{B}}\newcommand{\mcl}{\mathcal{L}} \newcommand{\mcm}{\mathcal{M}}\newcommand{\mcc}{\mathcal{C}} \newcommand{\mcmn}{\mathcal{M}}\newcommand{\mcmnr}{\mathcal{M}_n(\mtr)} \newcommand{\mcmnk}{\mathcal{M}_n(\mtk)}\newcommand{\mcsn}{\mathcal{S}_n} \newcommand{\mcs}{\mathcal{S}}\newcommand{\mcd}{\mathcal{D}} \newcommand{\mcsns}{\mathcal{S}_n^{++}}\newcommand{\glnk}{GL_n(\mtk)} \newcommand{\mnr}{\mathcal{M}_n(\mtr)}\DeclareMathOperator{\ch}{ch} \DeclareMathOperator{\sh}{sh}\DeclareMathOperator{\th}{th} \DeclareMathOperator{\vect}{vect}\DeclareMathOperator{\card}{card} \DeclareMathOperator{\comat}{comat}\DeclareMathOperator{\imv}{Im} \DeclareMathOperator{\rang}{rg}\DeclareMathOperator{\Fr}{Fr} \DeclareMathOperator{\diam}{diam}\DeclareMathOperator{\supp}{supp} \newcommand{\veps}{\varepsilon}\newcommand{\mcu}{\mathcal{U}} \newcommand{\mcun}{\mcu_n}\newcommand{\dis}{\displaystyle} \newcommand{\croouv}{[\![}\newcommand{\crofer}{]\!]} \newcommand{\rab}{\mathcal{R}(a,b)}\newcommand{\pss}[2]{\langle #1,#2\rangle} $$
Bibm@th
Lien copié  ✅

Formulaire - Statistique descriptive à une variable

Vocabulaire

On étudie une population formée d'individus, sur lesquels on observe un caractère (ou variable statistique). Le caractère est qualitatif (couleur, catégorie...) ou quantitatif : discret s'il ne prend que des valeurs isolées (nombre d'enfants), continu s'il peut prendre toutes les valeurs d'un intervalle (taille, durée). La série peut être donnée :

  • valeur par valeur : $x_1,x_2,\dots,x_N$ ($N$ est l'effectif total) ;
  • par valeurs distinctes $x_1,\dots,x_p$ d'effectifs $n_1,\dots,n_p$, avec $N=n_1+\dots+n_p$. La fréquence de $x_i$ est $f_i=\dfrac{n_i}{N}$, et $f_1+\dots+f_p=1$ ;
  • par classes $[a_0,a_1[,\ [a_1,a_2[,\dots$ d'effectifs $n_1,n_2,\dots$ (voir plus bas).

Les effectifs cumulés croissants $n_1,\ n_1+n_2,\ n_1+n_2+n_3,\dots$ donnent le nombre d'individus dont la valeur est inférieure ou égale à $x_1,x_2,x_3,\dots$ On définit de même les fréquences cumulées.

Indicateurs de position
  • Moyenne : $$\bar x=\frac{1}{N}\sum_{k=1}^N x_k=\frac{1}{N}\sum_{i=1}^p n_ix_i=\sum_{i=1}^p f_ix_i.$$
    • Transformation affine : si $y_k=ax_k+b$ pour tout $k$, alors $\bar y=a\bar x+b$.
    • Moyenne de sous-groupes : si une population est formée de deux groupes d'effectifs $N_1$ et $N_2$ et de moyennes $\bar x_1$ et $\bar x_2$, la moyenne de la population est $$\bar x=\frac{N_1\bar x_1+N_2\bar x_2}{N_1+N_2}.$$ Ce n'est pas la moyenne de $\bar x_1$ et $\bar x_2$, sauf si $N_1=N_2$.
  • Médiane : on suppose les valeurs rangées dans l'ordre croissant : $$x_1\leq x_2\leq\dots\leq x_N.$$ La médiane $Me$ partage la série en deux groupes de même effectif :
    • si $N$ est impair, $Me=x_{(N+1)/2}$ est la valeur centrale ;
    • si $N$ est pair, $Me=\dfrac{x_{N/2}+x_{N/2+1}}{2}$ est la demi-somme des deux valeurs centrales.
    Au moins la moitié des valeurs sont inférieures ou égales à $Me$, et au moins la moitié lui sont supérieures ou égales. Contrairement à la moyenne, la médiane est peu sensible aux valeurs extrêmes.
  • Quartiles : le premier quartile $Q_1$ est la plus petite valeur de la série telle qu'au moins $25\,\%$ des valeurs lui soient inférieures ou égales ; le troisième quartile $Q_3$ est la plus petite valeur telle qu'au moins $75\,\%$ des valeurs lui soient inférieures ou égales. Autrement dit, les valeurs étant rangées dans l'ordre croissant, $$Q_1=x_{\lceil N/4\rceil},\qquad Q_3=x_{\lceil 3N/4\rceil},$$ où $\lceil t\rceil$ désigne le plus petit entier supérieur ou égal à $t$. On définit de même les déciles $D_1$ et $D_9$ avec $10\,\%$ et $90\,\%$.
    Les calculatrices et les logiciels utilisent parfois d'autres conventions (avec interpolation), qui peuvent donner des valeurs légèrement différentes.
  • Mode : valeur (ou classe) de plus grand effectif.
Indicateurs de dispersion
  • Étendue : $x_{\max}-x_{\min}$.
  • Écart interquartile : $Q_3-Q_1$. Environ la moitié des valeurs sont dans l'intervalle interquartile $[Q_1,Q_3]$.
  • Variance et écart-type : $$V=\frac{1}{N}\sum_{k=1}^N (x_k-\bar x)^2=\frac{1}{N}\sum_{i=1}^p n_i(x_i-\bar x)^2,\qquad \sigma=\sqrt V.$$ L'écart-type s'exprime dans la même unité que les valeurs.
  • Formule de König-Huygens : la variance est la moyenne des carrés moins le carré de la moyenne, $$V=\frac1N\sum_{k=1}^N x_k^2-\bar x^2=\overline{x^2}-\bar x^2.$$
  • Transformation affine : si $y_k=ax_k+b$, alors $V_y=a^2V_x$ et $\sigma_y=|a|\,\sigma_x$.
  • Propriétés de minimisation : la fonction $t\mapsto \sum_k (x_k-t)^2$ est minimale pour $t=\bar x$, et sa valeur minimale est $NV$ ; la fonction $t\mapsto \sum_k |x_k-t|$ est minimale en la médiane.
  • Inégalité de Bienaymé-Tchebychev : pour tout $\lambda>1$, la proportion des valeurs situées hors de l'intervalle $]\bar x-\lambda\sigma,\bar x+\lambda\sigma[$ est au plus $\dfrac{1}{\lambda^2}$. Ainsi, au moins $75\,\%$ des valeurs sont dans $]\bar x-2\sigma,\bar x+2\sigma[$.
  • Coefficient de variation : $\dfrac{\sigma}{\bar x}$ (pour des valeurs positives). Il est sans unité et permet de comparer la dispersion de séries d'ordres de grandeur différents.
  • Échantillon et estimation : si la série est un échantillon tiré d'une population plus grande et que l'on veut estimer la variance de cette population, on utilise la variance corrigée $$s^2=\frac{1}{N-1}\sum_{k=1}^N(x_k-\bar x)^2=\frac{N}{N-1}V.$$ Sur les calculatrices, $\sigma_x$ (ou $\sigma_n$) désigne $\sigma$, et $s_x$ (ou $\sigma_{n-1}$) désigne $s$. Voir aussi la fiche espérance, variance, covariance pour les variables aléatoires.
Données regroupées en classes

Quand les valeurs sont regroupées en classes $[a_{i-1},a_i[$ d'effectifs $n_i$, on ne connaît plus les valeurs exactes. On remplace chaque classe par son centre $c_i=\dfrac{a_{i-1}+a_i}{2}$ : $$\bar x\approx\frac{1}{N}\sum_i n_ic_i,\qquad V\approx\frac1N\sum_i n_ic_i^2-\bar x^2.$$ Pour la médiane, on repère la classe $[a_{i-1},a_i[$ dans laquelle l'effectif cumulé atteint $N/2$, et on fait une interpolation linéaire (on suppose les valeurs régulièrement réparties dans la classe) : $$Me\approx a_{i-1}+\frac{N/2-C_{i-1}}{n_i}\,(a_i-a_{i-1}),$$ où $C_{i-1}$ est l'effectif cumulé des classes situées avant. Graphiquement, c'est l'abscisse du point d'ordonnée $N/2$ sur le polygone des effectifs cumulés.

Représentations graphiques
  • Diagramme en bâtons (caractère discret) : un bâton de hauteur $n_i$ au-dessus de chaque valeur $x_i$.
    Diagramme en bâtons du nombre de frères et sœurs de 30 élèves

    Dans cet exemple, on a demandé à $30$ élèves leur nombre de frères et sœurs. Le mode est $1$. La moyenne vaut $$\bar x=\frac{0\times6+1\times9+2\times8+3\times4+4\times2+5\times1}{30}=\frac{50}{30}\approx1{,}67.$$ Les effectifs cumulés sont $6,\ 15,\ 23,\ 27,\ 29,\ 30$. Les valeurs étant rangées dans l'ordre croissant, on a donc $x_{15}=1$ et $x_{16}=2$, d'où $Me=\dfrac{1+2}2=1{,}5$. De même, $Q_1=x_8=1$ et $Q_3=x_{23}=2$.

  • Histogramme (données en classes) : un rectangle par classe, dont l'aire est proportionnelle à l'effectif. Si les classes n'ont pas toutes la même amplitude, la hauteur du rectangle est donc $\dfrac{n_i}{a_i-a_{i-1}}$ (effectif par unité), et non $n_i$.
    Histogramme de durées de trajet avec des classes d'amplitudes différentes

    Dans cet exemple, la classe $[30,60[$ contient $15$ élèves ; comme elle est trois fois plus large que les autres, son rectangle a pour hauteur $5$ élèves par tranche de $10$ minutes. Moyenne approchée : $$\bar x\approx\frac{12\times5+25\times15+18\times25+15\times45}{70}\approx 22{,}3\textrm{ min}.$$ Médiane : $N/2=35$ est atteint dans la classe $[10,20[$, d'où $$Me\approx 10+\frac{35-12}{25}\times10=19{,}2\textrm{ min}.$$

  • Boîte à moustaches (ou diagramme en boîte) : la boîte va de $Q_1$ à $Q_3$ et contient un trait à la médiane ; les moustaches vont jusqu'aux valeurs extrêmes. Certains logiciels arrêtent les moustaches à $1{,}5\,(Q_3-Q_1)$ de la boîte et représentent au-delà les valeurs « atypiques » par des points. Ce diagramme permet de comparer rapidement plusieurs séries.
    Boîte à moustaches de la série de notes de l'exemple
Exemple complet

Exemple : voici les notes de $N=10$ élèves, déjà rangées dans l'ordre croissant : $$7\quad 9\quad 10\quad 10\quad 11\quad 12\quad 12\quad 13\quad 14\quad 17.$$

  • Moyenne : $\bar x=\dfrac{115}{10}=11{,}5$.
  • Médiane : $N$ est pair, $Me=\dfrac{x_5+x_6}2=\dfrac{11+12}2=11{,}5$.
  • Quartiles : $N/4=2{,}5$ donc $Q_1=x_3=10$ ; $3N/4=7{,}5$ donc $Q_3=x_8=13$. Écart interquartile : $3$. Étendue : $17-7=10$.
  • Variance (König-Huygens) : la somme des carrés vaut $1393$, donc $$V=\frac{1393}{10}-11{,}5^2=139{,}3-132{,}25=7{,}05\quad\textrm{et}\quad\sigma=\sqrt{7{,}05}\approx 2{,}66.$$
  • Variance corrigée : $s^2=\dfrac{10}{9}\times 7{,}05\approx 7{,}83$, et $s\approx 2{,}80$.

Pour étudier deux caractères à la fois (nuage de points, corrélation, droite de régression), voir la fiche statistique à deux variables et régression.