Statistique descriptive
Introduction
Une série statistique se résume par quelques indicateurs : où se situent les valeurs (moyenne, médiane), et à quel point elles sont dispersées (étendue, écart interquartile, écart type). Cette leçon reprend les indicateurs du collège, puis étudie comment ils réagissent quand on transforme la série, et comment les estimer quand les valeurs sont regroupées en classes.
1. Vocabulaire
Vocabulaire statistique :
- Population : ensemble des individus étudiés
- Caractère (ou variable) : propriété étudiée sur chaque individu
- Caractère quantitatif : ses valeurs sont des nombres (âge, taille, note…)
- Caractère qualitatif : ses valeurs ne sont pas des nombres (couleur, métier…)
- Effectif nᵢ d'une valeur : nombre d'individus qui ont cette valeur
- Effectif total N : somme de tous les effectifs
- Fréquence d'une valeur : fᵢ = (nᵢ)/N
2. La moyenne
Moyenne : La moyenne x̄ d'une série de valeurs x₁, x₂, …, xₚ d'effectifs n₁, n₂, …, nₚ est la moyenne pondérée par les effectifs :
x̄ = (n₁ x₁ + n₂ x₂ + ⋯ + nₚ xₚ)/N avec N = n₁ + n₂ + ⋯ + nₚ
Exemple : Notes d'un devoir (sur 20) :
| Note | 8 | 10 | 12 | 14 | 16 |
|---|---|---|---|---|---|
| Effectif | 3 | 5 | 8 | 6 | 3 |
N = 25 et x̄ = (3 × 8 + 5 × 10 + 8 × 12 + 6 × 14 + 3 × 16)/25 = 302/25 = 12,08
Linéarité de la moyenne
Linéarité de la moyenne : Si l'on transforme chaque valeur xᵢ en yᵢ = a xᵢ + b (avec a et b deux nombres réels), alors la moyenne subit la même transformation :
ȳ = a x̄ + b
Deux usages : Le professeur ajoute 2 points à chaque note du devoir précédent : la nouvelle moyenne est 12,08 + 2 = 14,08, sans refaire le calcul.
Une série de températures a pour moyenne 15 °C. Pour passer en degrés Fahrenheit, on applique F = 1,8 C + 32 à chaque valeur ; la moyenne en °F vaut donc 1,8 × 15 + 32 = 59 °F.
Ajouter ou supprimer une valeur
Nouvelle moyenne : Une série de N valeurs a pour moyenne x̄ : la somme de ses valeurs vaut N × x̄.
Si l'on ajoute une valeur v, la nouvelle moyenne est (N × x̄ + v)/(N + 1) ; si l'on en supprime une, on retire v de la somme et on divise par N - 1.
Le salaire du directeur : Cinq employés gagnent 1 500, 1 600, 1 700, 1 800 et 2 000 € par mois : moyenne (8 600)/5 = 1 720 €, médiane 1 700 €.
On ajoute le salaire du directeur, 6 000 € : la moyenne devient (8 600 + 6 000)/6 = (14 600)/6 ≈ 2 433 €, alors que la médiane devient (1 700 + 1 800)/2 = 1 750 €.
Une seule valeur a fait monter la moyenne de plus de 700 €, et la médiane de 50 €.
Ce qu'il faut en retenir : Ajouter une valeur supérieure à la moyenne la fait monter, une valeur inférieure la fait baisser, une valeur égale ne la change pas. La médiane, elle, ne dépend que du rang des valeurs : une valeur extrême la déplace peu. C'est pourquoi on préfère la médiane pour décrire un salaire « typique ».
3. Médiane et quartiles
Médiane : La médiane Me partage la série ordonnée en deux groupes de même effectif : au moins 50 % des valeurs sont inférieures ou égales à Me, et au moins 50 % lui sont supérieures ou égales.
Trouver la médiane :
Ordonner les valeurs par ordre croissant.
Si N est impair : Me est la valeur de rang (N+1)/2.
Si N est pair : Me est la demi-somme des valeurs de rang N/2 et N/2 + 1.
Quartiles :
- Q₁ (premier quartile) : la plus petite valeur de la série telle qu'au moins 25 % des valeurs lui soient inférieures ou égales.
- Q₃ (troisième quartile) : la plus petite valeur de la série telle qu'au moins 75 % des valeurs lui soient inférieures ou égales.
- Écart interquartile : Q₃ - Q₁. L'intervalle [Q₁ ;Q₃] contient environ la moitié centrale des valeurs.
Exemple : Série ordonnée de N = 10 valeurs : 3 ; 5 ; 7 ; 8 ; 9 ; 12 ; 15 ; 15 ; 18 ; 20.
Me = (9 + 12)/2 = 10,5 (demi-somme des valeurs de rang 5 et 6).
10/4 = 2,5 : il faut au moins 3 valeurs, donc Q₁ est la valeur de rang 3, Q₁ = 7. (3 × 10)/4 = 7,5 : Q₃ est la valeur de rang 8, Q₃ = 15.
4. Indicateurs de dispersion
Étendue : L'étendue est la différence entre la plus grande et la plus petite valeur : e = xₘₐₓ - xₘᵢₙ.
Écart type : L'écart type σ mesure la dispersion des valeurs autour de la moyenne. On calcule l'écart de chaque valeur à la moyenne, on l'élève au carré, on fait la moyenne de ces carrés (pondérée par les effectifs), puis on prend la racine carrée :
σ = √((n₁ (x₁ - x̄)² + n₂ (x₂ - x̄)² + ⋯ + nₚ (xₚ - x̄)²)/N)
Il s'exprime dans la même unité que les valeurs.
Un calcul à la main, sur une petite série : Série : 7 ; 9 ; 11 ; 13. La moyenne vaut 10, les écarts à la moyenne -3 ; -1 ; 1 ; 3, leurs carrés 9 ; 1 ; 1 ; 9.
σ = √((9 + 1 + 1 + 9)/4) = √(5) ≈ 2,24
Sur une vraie série, la calculatrice, le tableur ou un programme fait ce calcul.
Lire une fonction Python qui calcule une moyenne et un écart type
from math import sqrt
def moyenne(L):
s = 0
for x in L:
s = s + x
return s / len(L)
def ecart_type(L):
m = moyenne(L)
s = 0
for x in L:
s = s + (x - m) ** 2
return sqrt(s / len(L))
Ce que font ces deux fonctions :
La fonction moyenne additionne les valeurs puis divise par leur nombre len(L). La fonction ecart_type additionne les carrés des écarts à la moyenne, divise par le nombre de valeurs, puis prend la racine carrée : c'est la formule ci-dessus, avec des effectifs tous égaux à 1.
Interpréter l'écart type : Un petit écart type signale des valeurs regroupées autour de la moyenne, un grand écart type des valeurs dispersées. Une série dont toutes les valeurs sont égales a un écart type nul.
5. Séries regroupées en classes de même amplitude
Quand les valeurs sont nombreuses (durées, tailles, masses), on les regroupe en classes de même amplitude. On perd alors les valeurs exactes : on sait seulement combien d'individus tombent dans chaque classe.
Temps de trajet domicile-lycée de 80 élèves (données fictives) :
| Durée (min) | [0 ;10[ | [10 ;20[ | [20 ;30[ | [30 ;40[ | [40 ;50[ |
|---|---|---|---|---|---|
| Effectif | 10 | 26 | 24 | 14 | 6 |
| Centre | 5 | 15 | 25 | 35 | 45 |
Histogramme : Pour des classes de même amplitude, l'histogramme représente chaque classe par un rectangle de hauteur proportionnelle à son effectif.
Moyenne d'une série regroupée en classes
Moyenne pondérée des classes : Si l'on connaît la moyenne de chaque classe, la moyenne de la série est la moyenne de ces moyennes, pondérée par les effectifs des classes.
Si l'on suppose les valeurs réparties uniformément dans chaque classe, la moyenne de chaque classe est son centre, et l'on obtient une valeur approchée de la moyenne.
Dans l'exemple : x̄ ≈ (10 × 5 + 26 × 15 + 24 × 25 + 14 × 35 + 6 × 45)/80 = (1 800)/80 = 22,5 min.
Fréquences cumulées et classe médiane
Fréquences cumulées croissantes : La fréquence cumulée d'une classe est la somme des fréquences de cette classe et des classes précédentes : c'est la proportion des valeurs strictement inférieures à la borne supérieure de la classe.
Le polygone des fréquences cumulées relie les points d'abscisse la borne supérieure de chaque classe et d'ordonnée sa fréquence cumulée, en partant du point d'ordonnée 0 placé à la borne inférieure de la première classe.
| Durée (min) | [0 ;10[ | [10 ;20[ | [20 ;30[ | [30 ;40[ | [40 ;50[ |
|---|---|---|---|---|---|
| Effectif cumulé | 10 | 36 | 60 | 74 | 80 |
| Fréquence cumulée | 0,125 | 0,45 | 0,75 | 0,925 | 1 |
Classe médiane et estimation de la médiane : La classe médiane est la première classe dont la fréquence cumulée atteint ou dépasse 0,5 : ici [20 ;30[, car 0,45 < 0,5 ≤ 0,75.
Si l'on suppose les valeurs réparties uniformément dans la classe médiane, on estime la médiane par proportionnalité : il manque 0,5 - 0,45 = 0,05 pour atteindre la moitié, et la classe apporte 0,75 - 0,45 = 0,30 sur 10 minutes.
Me ≈ 20 + 10 × (0,05)/(0,30) = 20 + 5/3 ≈ 21,7 min
Graphiquement, c'est l'abscisse du point du polygone d'ordonnée 0,5.
6. Comparer deux séries
Choisir un couple d'indicateurs : On décrit une série par un indicateur de position et un indicateur de dispersion qui vont ensemble :
le couple (moyenne ; écart type), sensible à toutes les valeurs, donc aux valeurs extrêmes ;
le couple (médiane ; écart interquartile), peu sensible aux valeurs extrêmes, que représente le diagramme en boîte.
Deux classes, même moyenne : Deux classes ont 12 de moyenne à un contrôle. Dans la classe A, l'écart type vaut environ 2 ; dans la classe B, environ 6. Les deux classes ont le même niveau moyen, mais les notes de la classe B sont beaucoup plus dispersées : la moyenne seule ne le dit pas.
À retenir
Résumé :
Moyenne pondérée : x̄ = (n₁ x₁ + ⋯ + nₚ xₚ)/N ; linéarité : a x + b̅ = a x̄ + b.
Une valeur extrême déplace beaucoup la moyenne, peu la médiane.
Q₁, Q₃ : plus petites valeurs de la série atteignant 25 % et 75 % des valeurs.
L'écart type mesure la dispersion autour de la moyenne ; on compare deux séries avec (moyenne ; écart type) ou (médiane ; écart interquartile).
Classes de même amplitude : moyenne avec les centres, classe médiane par les fréquences cumulées, médiane estimée par proportionnalité dans la classe médiane.