1. Mode - Classe modale 2. Médiane - Classe médiane
Une série statistique peut avoir plusieurs modes ou classes modales. Le mode ou la classe modale désigne l'endroit ùla répartilion est la plus dense et
statistiques corrigé
Une classe modale est une classe pour laquelle l'effectif est le plus élevé. :::::::::: Exercice 6 :::::::::::::::::::: 1. Quel est le mode de la série A
Cours dintroduction 0pt40pt à lanalyse statistique 0pt30pt 3
Détermination graphique du mode d'une classe modale. Si on ne suppose pas que Exemple : La classe médiane de revenus est la classe ]100200]. En supposant ...
â /-/../frft-5 6a
Effectif de la classe après la classe modale. rcffife : Soit le tableau süvant qui représenle !a répartition. :flr#*
Séance 4
Dans une distribution connue par classes ou catégories: - Si le caractère est quantitatif continu la classe modale est celle de plus grande densité de
TYPOLOGIE DES CLASSES MODALES
(1) En tempérament égal le rapport de fréquences correspondant à un intervalle élémentaire sur une trame de résolu- tion ρ vaut 21/r.
TITRE 1
Attention : Si on fait des regroupements en classes la classe modale dépend du découpage retenu. Dans l'exemple 2 la classe modale est [1000 ; 1500[ par contre
Statistiques
11 avr. 2018 La classe qui a le plus grand effectif est appelée classe modale. REMARQUE : il peut y avoir plusieurs modes et plusieurs classes modales.
Chapitre 2: Les caractéristiques de tendances centrales
On appelle classe modale une classe dont la fréquence moyenne par unité de on s'intéresse uniquement `a trois classes : la classe modale et les deux classes ...
1. Mode - Classe modale 2. Médiane - Classe médiane
Une série statistique peut avoir plusieurs modes ou classes modales. Le mode ou la classe modale désigne l'endroit ùla répartilion est la plus dense et
statistiques corrigé
Calculer la fréquence d'une valeur ou d'une classe : Une classe modale est une classe pour laquelle l'effectif est le plus élevé.
Séance 10
Pour l'Alsace calculer : a. le salaire moyen
Séance 4
Ou nj = l'effectif de la classe cj = le centre de la classe Si le caractère est quantitatif continu la classe modale est celle de plus grande densité.
1 Leffectif dune classe statistique est le nombre déléments de la
tranche de 500€ la classe modale serait [500 ; 1000[. LA MEDIANE. La médiane d'une série statistique est une valeur de la variable telle qu'il y ait.
Cours de statistique descriptive - Archive ouverte HAL
2 août 2016 intervalle ces valeurs peuvent alors être regroupées en classes
TITRE 1
tranche de 500€ la classe modale serait [500 ; 1000[. LA MEDIANE. La médiane d'une série statistique est une valeur de la variable telle qu'il y ait autant.
Caractéristiques des distributions à un caractère
La classe modale est C4 :[25 30[
STATISTIQUE DESCRIPTIVE
Dans le cas d'une variable statistique continue on parle plutôt de classe modale. NB : Le mode ou la classe modale n'est pas obligatoirement unique.
VARIABLES QUANTITATIVES CONTINUES
(c) Déterminer la classe modale de la variable. (d) Représenter graphiquement la proportion de salariés ayant un trajet compris entre 7 et 22 minutes.
[PDF] 1 Mode - Classe modale 2 Médiane
Une série statistique peut avoir plusieurs modes ou classes modales Le mode ou la classe modale désigne l'endroit ùla répartilion est la plus dense et
[PDF] Les paramètres statistiques de centralité
Dans une distribution connue par classes ou catégories: - Si le caractère est quantitatif continu la classe modale est celle de plus grande densité
[PDF] Cours de statistique descriptive
Le mode est alors le centre de la classe modale c'est à dire la classe qui a la fréquence moyenne la plus élevée Page
Moyenne Médiane Classe Modale Et Dispersion DUne Série
Moyenne Médiane Classe Modale Et Dispersion D'Une Série Statistique Téléchargez comme PDF TXT ou lisez en ligne sur Scribd
[PDF] Chapitre-3pdf - UMMTO
a- Déterminer la classe modale : Ciest la classe qui a le plus grand effectif ou la plus granCe f iiffiJiliTi; rormure :Mo: ito * ai (hiwo * ni no
[PDF] Séries Statistiques Simples - EcoFoG
2 2 Mode Classe modale 2 3 Effectifs Fréquences cumulées 2 4 Médianes 2 5 Variance Ecart-Type 2 6 Caractéristiques de position
[PDF] 1 Chapitre 03 : Etude dune variable statistique continue
Definition 8 Nous définissions la classe modale comme étant la classe des valeurs de X qui a le plus grand effectif partiel (où la plus grande fréquence
[PDF] STATISTIQUE DESCRIPTIVE
Dans le cas d'une variable statistique continue on parle plutôt de classe modale NB : Le mode ou la classe modale n'est pas obligatoirement unique
443 Calcul du mode - Statistique Canada
2 sept 2021 · La classe modale serait l'intervalle de 160 à 179 cm car c'est celle avec la fréquence la plus élevée Tableau 4 4 3 5 Nombre de personnes
C'est quoi la classe modale ?
Le mode, ou la classe modale, est une mesure de tendance centrale qui permet de rapidement analyser la donnée, ou le groupe de données, la plus populaire d'une distribution. Le mode (Mod) est la valeur dont l'effectif est le plus élevé dans une distribution de données.Comment déterminer la classe modale ?
Pour calculer le mode d'une distribution de données groupées, on peut utiliser le milieu de l'étendue (ou de l'amplitude) de la classe modale.
1LMod=48.2d1=9.3d2=12.4a=3.Quel est la formule de mode ?
Mode : La valeur la plus fréquente d'une série statistique — C'est la (ou les) valeur(s) du caractère dont l'effectif est le plus grand. Exemple : le mode de la série {4 , 2, 4, 3, 2, 2} est 2 car il apparaît trois fois. 2 est la valeur qui a le plus grand nombre d'occurrences.- La formule de sturge k =1+3.3 log10 (N) . La formule de yule k = 2.5 4 ?N. Remarque :On peut avoir plusieurs tableaux statistiques selon le nombre de classes.
1 LES CARACTÉRISTIQUES DE LA TENDANCE CENTRALE
Il est souvent utile de réduire les données ou de les résumer par le calcul de paramètres ou de va-
leurs typiques qui permettent de caractériser de façon simple les séries statistiques et les distributions
observées. Nous allons nous intéresser à trois types de paramètres :paramètres de position (tendance
centrale), paramètre de dispersion, paramètres de disymétrie.1 Les caractéristiques de la tendance centrale
Elles servent à caractériser l'ordre de grandeur des observations.1.1 Le mode
On appelle mode(s) (ou valeur(s) dominante(s) d'une distribution discrète )(données non regroupées)la ou les valeurs(s) observée(s) de fréquences (ou d'effectif) maximum. De même, on appelle classe
modale d'une distriburtion continue (données regroupées) la ou les classe(s) de fréquences maximum.
Si les classes ne sont pas de même amplitude on définit la classe modale comme étant celle qui a une
densité de fréquences maximum. Remarque :Une distribution est diteunimodalesi elle admet un mode unique,bimodalesi elle admet deux modes ouplurimodalesi elle admet plusieurs modes.Exemples :
1.Variable discrète
Il est possible de déterminer le mode aussi bien pour des variables qualitatives que quantitatives.
Reprenons le tableau des données présenté dans la précédente séance :Département de naissance(xi)Effectifs(ni)
0550618
7580
7764
9170
Tab.1 - Département de naissance des femmes hospitalisées dans un hopital parisien Le département75presente le plus grand nombre de femmes hospitalisées dans cet hopital (80).
C"est le mode de cette distribution.
2.Variable continueIl faut distinguer le cas ou les classes sont de même amplitude et le cas ou elles ne
le sont pas. 21.1 Le mode
•Classes de même amplitudeAgesCiEffectifs(ni)fréquencesfi
C1:[10,15[1010/80
C2:[15,20[1818 /80
C3:[20,25[1515/80
C4:[25,30[3030/80
C5:[30,35[77/80
Tab.2 - Distribution de l"âge des clients rentrant dans un magasin de musiqueLa classe modale estC4:
[25,30[ , c"est elle qui présente le plus fort effectif ou la plus forte fréquencre. •Classes d"amplitudes différentesLa détermination de la classe modale se fait à partir de la densité des fréquenceshi. D"autres
moyens qui tiennent compte des amplitudes des classes peuvent être utilisés. AgesCiEffectifs(ni)Fréquences relatives(fi)Densité de fréquences(hi)C1:[10,15[1010/8010/400
C2:[15,25[1818/8018/800
C3:[25,30[1515/8015/400
C4:[30,50[3030/8030/1600
C5:[50,55[77/807/400
Tab.3 - Distribution des salaires des employés d"une entreprise La plus forte densité de fréquences est15/400, la classe correspondanteC3: [25,30[est la classe modale. Remarque :Dans le cas d"une distribution continue, il est possible de determiner graphiquement un mode dans la classe modale :Mo=L+ai?Δi
Δi+ Δs?
oùL: représente la borne inférieure de la classe modale, a i: l"amplitude de la classe modale,iΔi:l'excéden
t d'effectif ou de fréquence entre la classe modale et la classe pré-modale,Δs:l'excéden
t d'effectif ou de fréquence entre la classe modale et la classe post-modale .Remarque: si les amplitudes entre la classe modale et les classes adjac entes sont différentes, on calcule les excédents de densités de fréquence au lieu des exceédents de fréquences ou d'effectifs. 31 LES CARACTÉRISTIQUES DE LA TENDANCE CENTRALE
Fig.1 - Détermination graphique de la valeur du mode. La figure représentela portion d"un histo-
gramme entourant la classe modale.1.2 Les moyennes
Il existe plusieurs manières de calculer une valeur moyenne suivant sa signification. Nous nous focalisons
dans ce cours sur les moyennes classiques.1.2.1 La moyenne d"ordre 1 ou la moyenne arithmétique
La moyenne arithmétique d'une série de données x1,...,xi,...xn, ou tout simplement la moyenne, notée
x, est égale à la somme des valeurs obsevées divisée par le nombre n d'observations, soit :
x=1nn i=1x iComme chaque valeur x
idoit être prise en considération, le cas échéant autant de fois qu'elle a été observée, cette expression devient alors : x=1nk i=1x i=k? i=1n inxi=k? i=1f ixiPour obtenir la moyenne d'une distribution continue (ou de données groupées), on remplace, dans les
expressions suivantes, lesxipar les centres des classesci.Propriétés :
?k i=1(nixi- x ) = 0Preuve :
?k i=1(nixi- x ) =?k i=1nixi-nx=nx-nx= 0 41.3 Les quantiles
•y=ax+bsiaetbdésignent deux constantes telles que pour toutes les valeurs observées ou tous les centres
de classesxion ayi=axi+b.Preuve :
y=1n? k i=1niyi=1n? k i=1ni(axi+b) =1n(a?ki=1nixi+nb) =ax+b •La fonctiong(a) =?k i=1ni(xi-a)2est minimale ena= x Preuve :il suffit de résoudre l"équationg?(a) = 0. (xq1,....,xqi,...,xqkq)qséries statistiquesd"effectifs différents (mais de même nature), la moyenne générale est obtenue comme suit :
x=? q j=1? kj i=1xji?q j=1kj=? qj=1(kjxj)?qj=1kj, C"est la moyenne arithmétique pondérée des différentes moyennes xj, les coefficients de pondé- ration étant les effectifskjdes différentes séries statistiques.1.2.2 La moyenne d"ordrer
La moyennequadratiqueoud"ordre 2d"une série de donnéesx1,...,xi,...xnest la racine des moyennes
des carrés, soit : x2=? ???1 nn i=1x 2i( 1 nn i=1n ix2i)Cette moyenne est utilisé
een thermodynamique où l"on montre que la température absolue d"un gaz est liée aux carrés des vitesses des molécules de ce gaz.Plus généralement, on définitla moyenne d"ordre roude degré kde la suite de donnéesx1,...,xi,...xn
par : xr=? 1nn i=1x ri? 1/r( 1nk i=1n ixri? 1/r)Exemple :
Si un rectangle a pour côtés3et7, le carré qui a même diagonale que le rectangle a pour côté la
moyenne quadratique de3et7, c"est à dire5.38.1.3 Les quantiles
1.3.1 la médiane
La médiane est la valeur de la variable (ou du caractère) qui se situe aucentre de la série statistique
simple classée par ordre croissant (ou décroissant). C"est une valeur qui sépare la distribution en deux
51 LES CARACTÉRISTIQUES DE LA TENDANCE CENTRALE
groupes d"égale importance numérique. Ainsi50%des éléments de l"échantillon ont une valeure infé-
rieure à la médiane et50%une valeur supérieure.•Dans le cas d"un caractère discret on notex(1),...,x(i),...x(n), la médiane est définiepar
-Mé=x((n+1)/2), sinest impair, -[x(n/2),x(n/2+1)]est un intervalle median. Un choix possible d"une médiane dans cet intervalle est donné parMé=x(n/2)+x(n/2+1) 2.•Dans la cas continu (ou données groupées), il faut considérer les effectifs ou les fréquences cumulés
et procéder par interpolation linéaire. Soit [ bi,bi+1[la classe des données pourlaquelle les effectifs cumulés (ou les fréquences cumulées) atteignentn/2éléments de l"échantillon
( ou1/2). On suppose que les éléments de cette classe sont uniformément répartis à l"intérieur
de celle-ci, la médiane est alors obtenue par :Mé=bi+(bi+1-bi)?
n/2)-Ni-1 ni?
Mé=bi+ (bi+1-bi)?(1/2)-Fi-1
f iRemarque :
A partir de la fonctionFdes fréquences cumulées, on définit la médiane comme suit : Mé=F-1(1/2), F-1étant l"inverse généralisée deFExemples :
1. SoitS={1,7,8,3,6,12,20,19,18}une série de notes obtenues par un élève. La série ordonnée
des notes estS()={1,3,6,7,8,12,18,19,20}, la médiane estMé= 8. Si on considère la série S ?= 1,7,3,6,12,20,19,18,S?()={1,3,6,7,12,18,19,20}, l"intervalle médian est alors[7,12]et une médianeMé=(7+12)/2=9,52. Reprenons les données du tableau Tab 2, rajoutons la colonne relative aux fréquences cumulées,
on obtient le tableau suivant AgesCiEffectifs(ni)fréquencesfifréquences cumuléesFiC1:[10,15[1010/8010/80
C2:[15,20[1818 /8028/80
C3:[20,25[1515/8043/80
C4:[25,30[3030/8073/80
C5:[30,35[77/8080/80
Tab.4 - Distribution de l"âge des clients rentrant dans un magasin de musiqueLa médiane appartient donc à la classeC3,M?[20,25[. En utilisant ce qui précède, on obtient
M= 20 + (25-20)?40-28
15? = 241.3.2 Généralisation aux quantiles
Soitα?]0,1[, le quantile d"ordreα(ou leα-quantile) est la valeur du caractèreqαqui vérifie :
61.l'ensem ble des individus dont le caractère est au plus égal àqαest de[nα]+1, où [[.]représente la
partie entière denα, ou na si c'est un nombre entier, 2. l'ensem ble des individus dont le caractère est au moins égal àqαest den-[nα].Quelques quantiles particuliers :
•Les pourcentiles :α? {0.01,0.02,...,0.99} •Les déciles :α? {0.1,0.2,...,0.9} •Les quartiles :α? {0.25,0.5,0.75}Remarque :
A partir de la fonctionFdes fréquences cumulées, on définit le quantile d"ordreαcomme suit :
qα=F-1(α)
Le calcul des différents quantiles est analogue à celui de la médiane.Exemple :
Reprenons le tableau Tab 4 puis cherchons, par interpolation linéaire, les différents quartilesQ1,Q2et
Q 3 •Q1=q0.25= 17.77 •Q2=q0.5=Mé= 24 •Q3=q0.75= 27.832 Caractéristiques de dispersion ou variabilité
Les paramètres de dispersion nous renseignent sur l'étalement de la distribution. En e ff et, deux distri-butions de fréquences peuvent avoir la même moyenne, la même médiane et le même mode et présenter
des formes très di ff érentes. Les caractéristiques (ou paramètres) les plus utilisés sont l'écart interquartiles, la variance et l'écart-type.2.1 L"étendue
L'étendue est la di
ff érence entre les valeurs extrêmes de la distribution (la plus grande et la plus petite valeur de la variable). Ce paramètre, notéEest rarement utilisé,E=maximum-minimum=x(n)-x(1)
Exemple :
Soit la série des données suivanteS={10,1,5,7,2,20},x(6)= 20etx(1)= 1,E= 20-1 = 19.2.2 L"écart interquartile
C'est la différenceI = Q3 - Q1. Cet intervalle englobe la moitié, ou approximativement la moitié, des
observations qui se situent au centre de la distribution. Ce paramètre, est assez souvent utilisé.
Exemple :
Soit la série des données suivanteS={3,4,5,2,1,10,16,13,7,29,21},Q3= 14.5etQ1= 3.5,I= 145-3.5 = 11.
72 CARACTÉRISTIQUES DE DISPERSION OU VARIABILITÉ
2.3 La variance
Au niveau de la population statistique, la variance est la moyenne arithmétique des carrés des écarts
des valeurs à leur moyenne, var(x) =1 nk i=1n i(xi-x)2=k? i=1f i(xi-x)2=1nk i=1n ixi2-x2=k? i=1f ixi2-x2 Pour les variables continues,xireprésentent les centres de classes. Remarque :On notera aussi que de nombreux auteurs définissent la variance en divisant la sommedes carrés des écarts par rapport à la moyennen-1, et non pasn. De même, de nombreux logiciels
effectuent le calcul de la variance de cette manière.2.3.1 L"écart-type
C'est la racine carrée de la variance, aussi appeléécart quadratique moyenoud viation standard var(x)Cette quantité représente l'avantage de s'exprimer en même unité que la variable et donne une idée
plus précise de la ßuctuation autour de la moyenne. Exemple :Longueur du corps de 20 vaches laitières. Pour un lot de 20 vaches, les observations sont, en centimètres :145, 146, 148, 150, 150,151, 151, 154, 155, 157, 158, 159, 161, 161, 163, 165,168, 169, 169, 176.
x=120(145 +...+ 176) = 157.8V(X) =1
20((145-157.8)2+ (146-157.8)2+...+ (176-157.8)2) = 71.16
7116 = 8
4 4 Remarque :On suppose que la population statistique est composée de plusieurs sous-populations P1,P2,...,Pk).C"est le cas d"une entreprisePcomposée de plusieurs établissementsP1,P2,...Pk. On
suppose que les salaires moyens dans ces établissements sont x1,x2,...,xk, le salaire moyen de l"entre- prisePest x=1n(n1x1+n2x2+...+nkxk). La variance est donnée par l"expression suivante : var(x) =1 n(n1var(x1) +n2var(x2) +...+nkvar(xk)) +1n(n1(x1-x)2+...+nk(xk-x)2) 1 nk i=1n ivar(xi) +1nk i=1n i(xi-x)2 var(xi) +var(xi), où 82.4 Les moments d"ordrer
-var(xi),variance intrapopulation, est la variance que l"on obtiendrait si toutes les sous-populations
avaient la même moyenne (moyenne globale), -var( xi),variance interpopulation, est la variance que l"on obtiendrait si les sous populationsétaient homogènes c.a.d. chaque variable de chaque sous populationétait égale à sa moyenne.
2.4 Les moments d"ordrer
Le moment d'ordre 2 n'est autre que la variance. De manière générale, on définit le moment d'ordre r,
notéµrde la façon suivante : r= xr=1nk i=1n i(xi-x)r Ces moments seront utiles dans les sections suivantes.2.5 Autres caractéristiques de dispersion
Les caractéristiques suivantes sont rarement utilisées :1. Ecart absolu moyen par rapport à la moyenne ar
i thmétique eX=1nk i=1n i|x i-x|2. Ecart absolu par rapport à la médiane
eM=1nk i=1n i|xi-M|3. Intervalle interdécile
ID=D9-D1
4. Coefficient de variation : dans certaines situations, on désire comparer le taux de dispersion de
distributions alors que leur échelle de mesure respective ne sont pascomparables, l"objectif de ce
coefficient est de fournir un indice quantitatif permettant cette comparaison car il est sans unitéC.V.=σ
x×100%L'étendue
, l'intervalle interquartile, l'écart absolu moyen et l'écart type sont des paramètres de dispersion
absolue qui mesurent la variation absolue des données.Ils s'expriment dans l'unité de mesure de la
variable.3 Caractéristiques de forme
3.1 Mesure de l"asymétrie
Les courbes suivantes (Figure 2) donnent une idée sur la forme d'une distribution quelconque : Distri
butionsymétrique, distribution non symétrique (courbe oblique à gauche), distribution non symétrique
(courbe oblique à droite). 93 CARACTÉRISTIQUES DE FORME
Fig.2 - Mesures de l"asymétrie. Centre : Distribution symétrique. Gauche et droite : Distributions
non symétriquesCertains coefficients (indices) permettent de situer la distribution dans un des trois cas précédents :
1.Coefficient de Yule
S=(Q3-M)-(M-Q1)
(Q3-M) + (M-Q1)? ?S= 0symétrieS >0la courbe est étalée à droite
S <0la courbe est étalée à gauche
2.Coefficient de Pearson
S 1= x-M0 ?S1= 0symétrie
S1>0la courbe est étalée à droite
S1<0la courbe est étalée à gauche
3.Coefficient de Fisher
1=μ3
σ3?
1= 0symétrie
1>0la courbe est étalée à droite
1<0la courbe est étalée à gauche
3.2 Mesure de l"aplatissement
La courbe normale (mesokurtique du latin kurtosis) est celle qui représente une série de données issues
d'une distribution suivant une loi normale. Un courbe est aplatie (platykurtique du latin plutos (large))
quand une variation forte de la valeur étudiée ne s'accompagne pas de forte variation de la fréquence,
par référence à la courbe des fréquences de la loi normale. Une courbe est concentrée (leptokurtique
du latin leptos (mince)) si elle est moins aplatie que la distribution normale (Figure 3). 103.2 Mesure de l"aplatissement
Fig.3 - Mesures de l"aplatissement. Courbe A : Distribution normale. Courbe B : Distribution lepto- kurtique. Courbe C : Distribution platykurtique. La mesure de l"aplatissement peut s"effectuer par l"intermédiaire des coefficients suivants :1.Coefficient de Pearson
2=μ4
μ22=μ4σ4???β
2= 3courbe normale
2>3courbe leptokurtique
2<3courbe platykurtique
2.Coefficient de Fisher
2=β2-3 =μ4
σ4-3???γ
2= 0courbe normale
2>0courbe leptokurtique
2<0courbe platykurtique
11quotesdbs_dbs15.pdfusesText_21[PDF] formule pib optique demande
[PDF] pib = cf + fbcf + vs + xm
[PDF] pib optique revenu
[PDF] comment calculer le pouvoir d'achat formule
[PDF] exemple de calcul du pouvoir d'achat
[PDF] calcul indice prix consommation
[PDF] calcul pouvoir d'achat ses
[PDF] calcul du pouvoir d'achat du revenu disponible brut
[PDF] compte de résultat syscoa excel
[PDF] compte de résultat cours
[PDF] calcul du seuil de pauvreté 2017
[PDF] la pauvrete causes consequences et solutions
[PDF] taux de pauvreté formule
[PDF] calcul du seuil de pauvreté 2016