Вы находитесь на странице: 1из 18

Statistiques Descriptives .

Module I

PRESENTATION DU MODULE
Ce module sadresse en priorit aux tudiants en premire anne de licence (L1)
Il rpond trois objectifs fondamentaux :
1) Lacquisition des connaissances : chaque chapitre comprend ainsi une partie Cours
dtaille : les formules mathmatiques fondamentales, mais aussi les points dlicats du
cours sont abords.
2) Lutilisation des connaissances : chaque chapitre comprend des applications
nombreuses et varies qui permettent aux apprenants dutiliser leurs connaissances.
La plupart de ces applications sont accompagnes dindications de rsultats ou
lments de rponse.
3) Ladaptation des connaissances : des Travaux Pratiques proposs, devront permettre
aux tudiants de mettre en application leurs qualits de raisonnement et dadaptation
face des problmes plus longs o de nombreuses connaissances sont exiges.

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 1

Chapitre I- Les statistiques descriptives :


I-

Terminologie :

1. Statistique :
La statistique est une mthode scientifique dont lobjet est de recueillir, dorganiser, de rsumer et
danalyser les donnes dune enqute, dune tude o dune exprience, aussi bien que de tirer les conclusions
logiques et de prendre les dcisions qui simposent partir des analyses effectues.
2. Population :
Ensemble d'individus dfinis par une proprit commune donne.
Exp : si lon veut tudier la dure de vie des ampoules lectriques fabriques par une compagnie, la
population considre est lensemble de toutes les ampoules fabriques par cette compagnie.
3. Echantillon :
Sous-ensemble de la population.
Exp : pour tablir la dure de vie des ampoules lectriques produites par une machine, on peut prlever au
hasard un certain nombre dampoules - un chantillon- parmi toutes les celles produites par cette machine.
4. Individu ou unit statistique :
Chaque lment de la population ou de lchantillon.
Exp : dans lexemple prcdant, chaque ampoule constitue un individu ou une unit statistique.
5. La taille :
Reprsente le nombre dindividus dun chantillon ou dune population. Elle est symbolise par n dans
le cas dun chantillon et par N dans le cas dune population.
6. Le caractre :
Cest laspect particulier que lon dsire tudier.
Exp : concernant un groupe de personnes, on peut sintresser leur ge, leur sexe leur taille
7. Les modalits :
Les diffrentes manires dtre que peut prsenter un caractre.
Exp 1 : le sexe est un caractre qui prsente deux modalits : fminin ou masculin
Exp 2 : quant au nombre denfants par famille, les modalits de ce caractre peuvent tre 0,1 2,3,20.
8. Caractre qualitatif :
Ses modalits ne sexpriment pas par un nombre
Exp : la religion, le sexe, lopinion
9. Caractre quantitatif :
Ses modalits sont numriques.
Exp : lage, la taille, le poids

10. Caractre quantitatif discret


Lensemble des valeurs que peut prendre le caractre est fini ou dnombrable. Le plus souvent, ces valeurs
sont entires.
Exp :le nombre denfant dans une famille, le nombre de tlviseurs par foyer et la pointure des souliers.
11. Caractre quantitatif continu :
Le caractre peut prendre thoriquement nimporte quelle valeur dans un intervalle donn de nombres rels.
Exp : la taille dun individu, le poids

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 2

12. Srie statistique :


Lensemble des diffrentes donnes associes un certain nombre dindividus.
Exp : la srie suivante rsulte dune courte enqute auprs de quelques personnes pour connatre leur age :
18 21 19 19 17 22 27 18 18 17 20 20 23

II-

Tableaux statistiques :

A- Cas dune seule variable :


Le tableau brut se prsente sous la forme suivante:

Le nombre d'individus observ tant en gnral important, le tableau prcdant ne permet pas d'analyser
l'information obtenue. Il est donc ncessaire de crer un tableau plus synthtique o les observations
identiques (possdant la mme modalit) ont t regroupes.

Pour une variable qualitative, les modalits ne sont pas mesurables.


Pour une variable quantitative, les modalits sont mesurables. Ce sont
des valeurs numriques ponctuelles lorsque la variable est discrte
des intervalles lorsque la variable est continue ou lorsque la variable est discrte et qu'elle comporte
beaucoup de modalits.

Application :
Nous tudions une population de 1000 entreprises selon le caractre modalit forme juridique .
Les modalits retenues : S.A (Socit Anonyme), SARL (Socit A Responsabilit Limite),
EI (Entreprise Individuelle), SNC ( Socit en Nom Collectif).
Leurs effectifs respectifs : 200, 400, 340, 60.
T.A.F :
Prsentez cette srie dans un tableau.

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 3

B- Cas de deux variables :


Le tableau brut se prsente sous la forme suivante:

On dsire crer un tableau appel tableau de contingence donnant le nombre d'individus possdant
simultanment la modalit i de variable1 et la modalit j de variable2 qui se prsentera sous la forme
suivante:

Application:
Dans une entreprise, une enqute statistique a t faite sur 300 employs, et portant sur deux caractres, lge
et la rmunration horaire. Les rsultats de lenqute sont prsents dans les deux tableaux suivants :
Age
n
20 25
150
25 30
100
30 35
200
35 40
50
Rmunration en F/h
n
Moins de 1500
200
1500 2000
150
2000 2500
100
plus de 2500
50
TAF :
Prsentez dans un mme tableau la distribution de ces deux caractres.

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 4

III-

Reprsentations graphiques :

Lorsqu'on observe un caractre sur des individus, on aboutit un tableau de chiffres peu parlant. L'objectif
est de donner une reprsentation graphique de ce tableau qui permette d'un seul coup d'il d'avoir une ide
de la manire dont se rpartissent les individus.

A- Variable qualitative :
A chaque modalit i est associ un effectif ni.
La seule reprsentation qui nous intresse est celle des effectifs ni (ou des frquences ni/n).
Suivant la variable observe, de nombreuses reprsentations plus ou moins informatives peuvent tre
utilises. Cependant les 2 plus classiques sont:

Les tuyaux d'orgue (ou diagramme en barre ou diagramme bandes)

- les modalits de la variable sont places sur une droite horizontale (attention: ne pas orienter cette
droite car les modalits ne sont pas mesurables et il n'y a donc pas de relation d'ordre entre elles).
- les effectifs (ou les frquences) sont placs sur un axe vertical. La hauteur du tuyau est
proportionnelle l'effectif.

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 5

les diagrammes secteurs (ou camemberts)


- L'effectif total est reprsent par un disque.
- Chaque modalit est reprsente par un secteur circulaire dont la surface (pratiquement : l'angle au
centre) est proportionnelle l'effectif correspondant.

Application :
La rpartition des candidats convoqus pour participer au Test dAdmissibilit la Formation en Management
(TAFEM 1998) pour laccession LEcole de Commerce et de Gestion dAbidjan , selon la srie du
baccalaurat se prsente comme suit :
Srie du Bac xi
Nombre de candidats ni
Sciences conomiques
250
Sciences mathmatiques
200
Sciences exprimentales
400
T.G.A
50
T.G.C
100
Total
1000
TAF: reprsentez cette distribution en Tuyaux dorgues et Diagramme circulaire.

B- Variable quantitative :
Avant toute tentative de reprsentation, il y a lieu de distinguer entre variable discrte et variable classe
(regroupements en classes).
Deux types de graphiques sont intressants de reprsenter:
a) les diagrammes diffrentiels qui mettent en vidence les diffrences d'effectifs (ou de frquences) entre
les diffrentes modalits ou classes.
b) les diagrammes cumulatifs qui permettent de rpondre aux questions du style "combien d'individus ont
pris une valeur infrieure (ou suprieure) tant?".
1) Variable discrte

Diagramme diffrentiel : le diagramme en btons


Les valeurs discrtes xi prises par les variables sont places sur l'axe des abscisses, et les
effectifs (ou les frquences) sur l'axe des ordonnes. La hauteur du bton est proportionnelle
l'effectif.

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 6

Diagrammes cumulatifs : ils permettent de visualiser l'volution des effectifs (frquences)


cumuls croissants ou dcroissants.

Remarque: les deux courbes sont symtriques par rapport un axe horizontal d'ordonne n/2 pour les
effectifs, pour les frquences.
On utilise l'effectif (frquence) cumul croissant pour rpondre aux questions du style :
Quel est le nombre (%) d'individus dont la valeur du caractre est infrieure ou gale x ?
On utilise l'effectif (frquence) cumul dcroissant pour rpondre aux questions du style :
Quel est le nombre (%) d'individus dont la valeur du caractre est strictement suprieure x ?
Se souvenir:
(au plus x) quivalent ( < x) donc utiliser N(x) ou F(x)
(plus que x) quivalent ( > x) donc utiliser N '(x) ou F '(x)
Exemple:

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 7

Application :
Reprsentez graphiquement la distribution des 50 tudiants en fonction du nombre de personnes par mnage
suivante :
Nombre de personnes par mnage xi
Nombre dtudiants ni
3
5
4
15
6
15
7
10
8
5
Total
50

2) Variable classe

Diagramme diffrentiel : l'histogramme

C'est un ensemble de rectangles contigus, chaque rectangle associ chaque classe ayant une surface
proportionnelle l'effectif (frquence) de cette classe.
Attention: Avant toute construction d'histogramme, il y a lieu de regarder si les classes sont d'amplitudes
gales ou ingales.
Le cas des classes d'amplitudes gales ne pose aucune difficult car il suffit de reporter en ordonne l'effectif
(la frquence).
Dans le cas d'amplitudes ingales on reporte en ordonne la densit di (effectif divis par l'amplitude de la
classe)

Diagrammes cumulatifs

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 8

L'utilisation des courbes est identique au cas discret.


Exemple:

Application :
Reprsentez graphiquement la distribution de 50 tudiants en fonction de leur taille suivante :
Taille en cm xi
Nombre dtudiants
150-160
16
160-165
6
165-170
12
170-175
14
175-180
2
Total
50

IV-

Caractristiques de tendance centrale et de position :

Les caractristiques de tendance centrale essayent de donner la valeur la plus reprsentative d'un
ensemble de valeurs numriques.

A- Mode :
C'est la valeur observe d'effectif maximum.
Variable discrte: classer les donnes par ordre croissant. Celle d'effectif maximum donne le mode.
Il est fortement conseill d'utiliser le diagramme en btons pour dterminer le mode. En effet, deux valeurs
conscutives xi , xi+1 peuvent avoir le mme effectif maximum; on parlera d'intervalle modal [xi , xi+1]. Il
peut aussi y avoir un mlange de deux populations qui conduit un diagramme en btons o apparaissent
deux bosses; on considrera deux modes. Il est dconseill, sauf raison explicite, d'envisager plus de deux
modes.
Variable classe: la classe modale correspond la classe ayant l'effectif maximum. Il est fortement
conseill d'utiliser l'histogramme pour dterminer le mode. Comme pour le cas discret, on peut avoir deux
classes modales. Toutes les valeurs de la classe pouvant priori se raliser, on ne se contentera pas de
dterminer la classe modale. Une des valeurs de cette classe sera le mode. Certains auteurs prconisent par
simplicit de prendre le centre de la classe modale. Il est prfrable cependant de tenir compte des classes
adjacentes de la manire suivante:

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 9

Application :
Dterminez la valeur modale de la distribution suivante, de 50 tudiants selon leur taille :
Taille en cm : xi
Nombre dtudiants : ni
[150 ;160[
15
[160 ;170[
6
[170 ;175[
10
[175 ;180[
16
[185 ;200[
3
Total
50
Elments de rponse :
Mo = 173.77 cm

B- Mdiane :
Les valeurs tant ranges par ordre croissant, c'est la valeur de la variable qui spare les observations
en deux groupes d'effectifs gaux.
Variable discrte: la dtermination peut s'obtenir partir du tableau statistique en recherchant la valeur de
la variable correspondant une fonction cumule gale n/2 (effectif cumul) ou (frquence cumule). Il
est encore plus facile de lire sur les graphiques cumulatifs les abscisses des points d'ordonne n/2 (effectif
cumul) ou (frquence cumule). Si tout un intervalle a pour image n/2 ( pour la frquence), on parlera
d'intervalle mdian (on peut prendre le milieu de l'intervalle comme mdiane)

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 10

Application :
Soit la srie statistique suivante :
19 17 20 18 17 17 20 19 15 16 20 23 22 14 15 24
TAF : Calculez la mdiane de cette srie
Elments de rponse :
Me=18.5

Variable classe: l'abscisse du point d'ordonne n/2 ( pour la frquence)se situe en gnral l'intrieur
d'une classe. Pour obtenir une valeur plus prcise de la mdiane, on procde une interpolation linaire. La
valeur de la mdiane peut tre lue sur le graphique ou calcule analytiquement.

d'o la valeur de la mdiane.


De manire gnrale, si a et b sont les bornes de la classe contenant la mdiane, F(a) et F(b) les valeurs de la
frquence cumule croissante en a et b, alors

Application :
Dterminez la valeur mdiane de la distribution des tailles suivantes :
Taille en cm xi
Nombre dtudiants ni
N
[150 ;160[
15
15
[160 ;165[
5
20
[165 ;170[
10
30
[170 ;175[
18
48
[175 ;180[
2
50
Total
50
#
Elments de rponse : Me = 167.5

N
50
35
30
20
2
#

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 11

C- Moyenne arithmtique :
Si xi sont les observations d'une variable discrte ou les centres de classe d'une variable classe,

La moyenne arithmtique est un paramtre de tendance centrale plus utilis que les autres de par ses
proprits algbriques:
a) Pour plusieurs populations d'effectifs n1, n2, ....., nk, de moyennes respectives
moyenne globale = moyenne des moyennes

b) La moyenne arithmtique conserve les changements d'chelle et d'origine

Application :
Dterminez la taille moyenne des 50 tudiants dont la distribution par taille se prsente comme suit :
Taille en cm xi
Nombre dtudiants
[150 ;160[
16
[160 ;165[
6
[165 ;170[
12
[170 ;175[
14
[175 ;180[
2
Total
50
Elments de rponse :
x = 168.3 cm

D- Moyenne gomtrique :
Si xi sont les observations d'une variable quantitative, la moyenne gomtrique est gale

Ce type de moyenne est surtout utilis pour calculer des pourcentages moyens.
r tant un taux d'accroissement, 1+r est appel coefficient multiplicateur; et le coefficient multiplicateur
moyen est alors gal la moyenne gomtrique des coefficients multiplicateurs.

E- Moyenne harmonique :
Si xi sont les observations d'une variable quantitative, la moyenne harmonique est gale

Il n'est pas vident d'utiliser ce type de moyenne.


Elle intervient lorsqu'on demande une moyenne de valeurs se prsentant sous forme de quotient de deux
variables x/y (km/h, km/litre,...). Attention, il faut cependant bien dcortiquer le problme car il peut aussi
s'agir d'une moyenne arithmtique.

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 12

Application :
Un cycliste effectue une travers de 50 kms. Pendant les 20 premiers kms il roulait avec une vitesse constance
de km/h, les 15 kms suivants une vitesse constante de 30 km/h. Du point kilomtrique 35 au 55 la vitesse de
notre cycliste nest que de 10 km/h et au-del du point kilomtrique sa vitesse nest que de 5 km/h.
TAF :
Quelle est la vitesse de ce cycliste sur lensemble du parcours ?
Elments de rponse :
H = 16.67

F- Moyenne quadratique :
Si xi sont les observations d'une variable quantitative, la moyenne harmonique est gale

G- Quantiles :
Ce sont des caractristiques de position.
Il y a 1 mdiane Me qui spare les observations en 2 groupes d'effectifs gaux
3 quartiles Q1, Q2, Q3 qui sparent les observations en 4 groupes d'effectifs gaux
9 dciles D1, D2, ..., D9 qui sparent les observations en 10 groupes d'effectifs gaux
99 centiles C1, C2, ..., C99 qui sparent les observations en 100 groupes d'effectifs gaux
La dtermination de ces caractristiques est identique celle de la mdiane.
Les quartiles sont obtenus lorsqu'on a cumul 25, 50, 75% de la population
Les dciles sont obtenus lorsqu'on a cumul 10, 20,...., 90% de la population
Les centiles sont obtenus lorsqu'on a cumul 1, 2,...., 99% de la population
Remarque: la notion de dciles et de centiles n'a de sens que s'il y a beaucoup d'observations et donc
essentiellement pour une variable classe.

Application :
Soit la population de 80 salaris classs daprs le niveau de leur salaire journalier.
Classes en F
ni
ni cumuls
1
[900 ; 1000[
5
5
2
[1000 ; 1100[
9
14
3
1100 ; 1200[
16
30
4
[1200 ;1 300[
25
55
5
[1300 ; 1400[
13
68
6
[1400 ; 1500[
7
75
7
[1500 ; 1600[
3
78
8
[1600 ; 1700[
2
80
Total
80
TAF : calculez la mdiane et les deux quartiles
Elments de rponse :
Me = 124
Q1= 110+ (10x6)/16 = 113.7
Q3= 130+(10x5)/13 = 133.8

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 13

V-

Caractristiques de dispersion :

Comme leur nom l'indique, ces caractristiques essayent de synthtiser par une seule valeur numrique la
dispersion de toutes les valeurs observes.

A- tendue :
C'est la diffrence entre la plus grande et la plus petite observation
Application :
Quelle est ltendue de la srie statistique suivante :
10 390 395 405 410 1000
Elments de rponse :
Etendue = 990

B- Intervalle interquartile :
C'est la diffrence entre le troisime et le premier quartile
Application :
Reprenez les donnes de lapplication sur les quartiles et calculez lintervalle interquartile.
Elments de rponse :
Q3-Q1=20

C- Variance et cart-type :
Si xi sont les observations d'une variable discrte ou les centres de classe d'une variable classe, la variance

On utilise plus couramment l'cart type qui est la racine carre de la variance et qui a l'avantage d'tre un
nombre de mme dimension que les donnes (contrairement la variance qui en est le carr)
La variance est un paramtre de dispersion plus utilis que les autres de par ses proprits algbriques:

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 14

D- Coefficient de variation :

C'est un coefficient qui permet de relativiser l'cart type en fonction de la taille des valeurs. Il permet ainsi
de comparer la dispersion de sries de mesures exprimes dans des units diffrentes

Applications :
App.1- Les sries suivantes reprsentent la mesure dun caractre auprs des individus dune population :
a. 6 1 8 10 5 4 11 3 2 9 7 12 13
b. 19 17 7 1 4 24 15 22 10 13
c. 15 12 17 15 20 15 20 15 15 9 7
d. 21 25 34 10 20 27 14 20 34
Dans chacun de ces cas calculez : la moyenne, la mdiane, le mode, la variance, lcart type et le coefficient de
variation.
Elments de rponse :
a. x=7, Me=7, pas de mode, =14, =3.74, V=53.4%
b. x=13.2, Me=14, pas de mode, =52.76, =7.26, V=55%
c. x=14.5, Me=15, Mo=15, =14.61, =3.82, V=26.3%
d. x=22.8, Me=21, deux modes :20 et 34, =59.28, =7.70, V=33.8%

App.2- La distribution suivante reprsente la rpartition de la longueur de pinces dcrevisse provenant dune
rivire :
Limites
ni
[1.02 ;1.24[
5
[1.24 ;1.46[
7
[1.46 ;1.68[
4
[1.68 ;1.90[
1
[1.90 ;2.12[
4
[2.12 ;2.34[
6
[2.34 ;2.56[
3
[2.56 ;2.78[
1
TAF : calculez : la moyenne, la mdiane, le mode, la variance, lcart type et le coefficient de variation.
Elments de rponse :
x=1.757, Mo=1.345 (le centre de la classe modale), Me=1.648, =0.238, =0.488, V=27.8%

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 15

VI-

Rgression et corrlation :

Lorsqu'on observe deux variables quantitatives sur les mmes individus, on peut s'intresser une liaison
ventuelle entre ces deux variables.
La rgression fournit une expression de cette liaison sous la forme d'une fonction mathmatique.
La corrlation renseigne sur l'intensit de cette liaison.

A- Ajustement dun nuage de points une fonction mathmatique :


a) Ajustement linaire par la mthode des moindres carrs

Lorsque le nuage de points (xi , yi) est peu prs rectiligne, on peut envisager d'exprimer la liaison entre x
et y sous forme de fonction affine y = ax + b

b) Ajustement une fonction exponentielle

Pour ajuster un nuage de points une courbe exponentielle


, il suffit de faire le changement de
variable Y = ln y , X = x , A = ln a , B = ln b , pour obtenir l'quation Y = AX + B, et d'utiliser ensuite
l'ajustement linaire par la mthode des moindres carrs sur les points (Xi , Yi).
c) Ajustement une fonction puissance

Pour ajuster un nuage de points une courbe puissance


, il suffit de faire le changement de variable
Y = ln y , X = ln x , A = a , B = ln b , pour obtenir l'quation Y = AX + B , et d'utiliser ensuite l'ajustement
linaire par la mthode des moindres carrs sur les points (Xi , Yi).

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 16

B- Mesure de lintensit de la relation linaire entre deux variables :


1) Covariance

x et y varient dans le mme sens


x et y varient en sens contraire

2) Coefficient de corrlation linaire

relation fonctionnelle linaire


indpendance linaire
dpendance linaire d'autant plus forte que

est grand

Attention:
Une forte causalit entre x et y implique une forte relation entre x et y qui n'est pas forcment
linaire; on n'a donc pas obligatoirement une forte corrlation linaire.
Une forte corrlation linaire n'implique pas forcment une forte causalit.
3) Droites de rgression

Dy/x : y = ax + b avec

Dx/y : x = a'y + b' avec

La position des deux droites de rgression l'une par rapport l'autre donne un renseignement sur l'intensit
de la relation linaire:
* droites de rgression confondues

relation fonctionnelle linaire

* droites de rgression perpendiculaires dont une de pente nulle


* Plus les droites sont proches, plus la relation linaire est importante

indpendance linaire

Relations intressantes:
r = aa'

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 17

Application :
Les sries statistiques simples de deux variables continues X et Y se prsentent comme suit :
Individus 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
X
2
12
13
7
6
3
12
10
9
7
4
2
10
6
3
Y
22
2
4
14
15
19
7
8
10
11
16
18
11
12
21
TAF : aprs avoir labor un tableau de contingence, en adoptant des classes damplitudes gales
4 units pour la variable X et des amplitudes 5 units pour la variable Y, il vous est demand
dapprcier la liaison qui existe entre ces deux variables.
Elments de rponse :
Y 27
7 12
12 17
17 22
n.j
X
26
0
0
2
3
5
6 10
0
3
2
0
5
10 14
3
2
0
0
5
ni.
3
5
4
3
15
Les quations des droites dajustement linaire :
-lajustement linaire de Y X : Y= a.X + b = -1.37 X+ 22.79
-lajustement linaire de X Y : X = a.Y + b = -0.56 Y+14.62
- coefficient de corrlation r : r = -0.87 Forte liaison linaire ngative entre les deux variables.

MODULE I : STATISTIQUES DESCRIPTIVES . ENSEIGNANT FORMATEUR : AGBAMATE C.S.

09 02 69 36

Page 18

Вам также может понравиться