Fiche de révision : Introduction à la Statistique Descriptive

📋 Plan du Cours

1. Statistique descriptive
2. Vocabulaire de base
3. Caractère quantitatif
4. Caractère qualitatif
5. Caractéristiques série statistique
6. Moyenne
7. Médiane
8. Étendue
9. Quartiles et écart interquartile
10. Interprétation statistiques
11. Pondération série statistique

📖 1. Statistique descriptive

🔑 Notions clés & Définitions

• Statistique descriptive : étude visant à présenter et résumer une masse de données par des tableaux, graphiques et nombres caractéristiques, afin de rendre ces données lisibles et compréhensibles.
• Rôle des statistiques descriptives : faciliter l’interprétation des données en synthétisant l’information à l’aide d’indicateurs comme la moyenne, la médiane, l’étendue ou les quartiles.
• Origine étymologique : le mot « statistique » dérive du latin « statisticus » (1670), lié à l’étude des faits sociaux relatifs à l’état, soulignant son origine dans l’analyse des données concernant l’état social et politique.

📝 Points essentiels

• La statistique descriptive ne cherche pas à faire des inférences ou des prévisions, mais à organiser et à résumer les données pour en faciliter la lecture.
• Elle utilise des outils variés : tableaux, graphiques (histogrammes, diagrammes en secteurs), et nombres caractéristiques (moyenne, médiane, étendue, quartiles).
• La moyenne est une caractéristique de position qui représente une valeur centrale en calculant la somme des valeurs divisée par l’effectif total.
• La médiane partage une série ordonnée en deux parties égales, étant une mesure robuste face aux valeurs extrêmes.
• La dispersion des données est mesurée par des indicateurs comme l’étendue (différence entre la plus grande et la plus petite valeur) ou l’écart interquartile (différence entre Q3 et Q1), cette dernière étant moins sensible aux valeurs extrêmes.
• Les quartiles divisent une série en quatre parts égales, permettant une analyse fine de la répartition des données.
• La pédagogie de la statistique descriptive repose sur la capacité à présenter une masse de données de façon claire et synthétique, facilitant leur interprétation.

💡 À retenir

La statistique descriptive sert à organiser et simplifier l’analyse d’un ensemble de données pour en dégager des indicateurs clés, en s’appuyant sur des outils graphiques et numériques, avec une origine historique liée à l’étude des faits sociaux.

📖 2. Vocabulaire de base

🔑 Notions clés & Définitions

• Population : ensemble d’individus ou d’objets définis par une propriété commune.
  Exemple : les habitants d’une ville, les pièces fabriquées dans une usine pendant un mois.

• Individu : élément constitutif d’une population, c’est une unité distincte qui possède une ou plusieurs propriétés étudiées.

• Caractère : propriété étudiée chez les individus de la population, qui peut être quantitatif ou qualitatif.
  Exemple : l’âge, la couleur des yeux.

• Caractère quantitatif : propriété mesurable par un nombre associé à chaque individu.
  Exemple : la taille, le poids.

• Caractère qualitatif : propriété non quantifiable, ne pouvant être mesurée par un nombre.
  Exemple : la couleur des yeux, le type de loisirs.

• Auteur : PERROUX (date) : la population est un ensemble d’individus ou d’objets définis par une propriété commune, permettant d’étudier leur distribution ou leur comportement.

📝 Points essentiels

• La population regroupe tous les individus ou objets partageant une propriété commune, ce qui permet de définir un cadre pour l’étude statistique.
• Chaque individu constitue une unité d’observation dans cette population.
• Le caractère est la propriété spécifique que l’on étudie chez ces individus, pouvant être quantitatif (mesurable par un nombre) ou qualitatif (non mesurable par un nombre).
• La distinction entre caractère quantitatif et qualitatif est fondamentale pour choisir les méthodes d’analyse.
• La compréhension de ces notions permet d’analyser et de représenter efficacement des données statistiques.

💡 À retenir

La population est l’ensemble d’individus partageant une propriété commune, et le caractère étudié peut être quantitatif ou qualitatif, ce qui influence la façon dont on analyse ces données.

📖 3. Caractère quantitatif

🔑 Notions clés & Définitions

• Caractère quantitatif : propriété mesurable par un nombre associé à chaque individu, permettant une quantification précise (voir introduction).
• Caractère quantitatif continu : caractère pouvant prendre toutes les valeurs d’un intervalle, c’est-à-dire une infinité de valeurs possibles dans un continuum (exemple : taille, poids).
• Caractère quantitatif discret : caractère prenant des valeurs bien déterminées, souvent entières, avec un nombre fini ou dénombrable de valeurs possibles (exemple : nombre d’enfants, année de naissance).
• Caractère qualitatif : propriété non quantifiable, ne pouvant être mesurée par un nombre (pour référence, voir section 4).
• Notion de classe : intervalle de valeurs regroupant plusieurs mesures pour le caractère quantitatif continu, facilitant la classification (exemple : 160-165 cm).
• Notion d’effectif : nombre d’individus dans une série ou une classe, utilisé pour le calcul des fréquences et autres indicateurs (voir section 11).

📝 Points essentiels

• Le caractère quantitatif permet une mesure précise par un nombre, facilitant l’analyse statistique.
• La distinction entre continu et discret repose sur la nature des valeurs possibles : toutes les valeurs d’un intervalle pour le continu, valeurs déterminées pour le discret.
• La classification en classes (pour le continu) facilite la gestion et l’interprétation des données, notamment lors du regroupement par intervalles (exemple : tailles par classes de 5 cm).
• La notion d’effectif est essentielle pour le calcul des indicateurs statistiques comme la moyenne, la médiane, ou l’écart interquartile.
• La compréhension de ces notions est fondamentale pour analyser et interpréter les séries statistiques quantitatives.

💡 À retenir

Le caractère quantitatif se divise en continu et discret, permettant de mesurer et d’analyser précisément des propriétés numériques des individus ou objets.

📖 4. Caractère qualitatif

🔑 Notions clés & Définitions

• Caractère qualitatif : propriété des individus de la population qui ne peut pas être mesurée par un nombre, mais qui se manifeste par une qualité ou une caractéristique non quantifiable.
  Exemple : couleur des yeux, loisirs préférés.

• Caractère : propriété étudiée chez les individus d’une population, qui peut être qualitative ou quantitative.
  Exemple : le caractère « couleur des yeux » est qualitatif.

• Caractère non quantifiable : caractéristique qui ne peut pas être exprimée par un nombre, donc difficile à mesurer objectivement.
  Exemple : la beauté, la satisfaction.

📝 Points essentiels

• Le caractère qualitatif ne peut pas être mesuré par un nombre, ce qui le différencie du caractère quantitatif.
• Il se manifeste par des qualités ou des catégories, comme la couleur, le type ou la préférence.
• La distinction entre caractères qualitatifs et quantitatifs est fondamentale pour le traitement statistique des données, notamment dans la classification et la représentation graphique.
• La propriété non quantifiable de certains caractères qualitatifs rend leur analyse différente, souvent basée sur des fréquences ou des modes plutôt que sur des mesures de tendance centrale ou de dispersion.
• La définition du caractère qualitatif, selon la source, insiste sur son caractère non mesurable par un nombre, ce qui limite son traitement par des indicateurs numériques classiques.

💡 À retenir

Le caractère qualitatif désigne une propriété non quantifiable d’un individu ou d’un objet, exprimée par une qualité ou une catégorie, et nécessite des méthodes d’analyse spécifiques basées sur des fréquences ou des modes.

📖 5. Caractéristiques série statistique

🔑 Notions clés & Définitions

• Série statistique : ensemble des valeurs prises par un caractère dans une population.
• Caractéristiques d’une série : éléments permettant de décrire la série, comprenant la position (moyenne, médiane, quartiles) et la dispersion (étendue, écart interquartile).
• Effectif total : nombre d’individus ou d’observations dans la série, représentant la taille de la population étudiée.

📝 Points essentiels

• La série statistique rassemble toutes les valeurs observées pour un caractère donné dans une population, permettant d’analyser la distribution de ces valeurs.
• Les caractéristiques de position telles que la moyenne (somme des valeurs divisée par l’effectif), la médiane (valeur partageant la série en deux parties égales), et les quartiles (valeurs divisant la série en quatre parties) donnent des repères sur la localisation centrale des données.
• Les caractéristiques de dispersion comme l’étendue (différence entre la valeur maximale et minimale) et l’écart interquartile (différence entre Q3 et Q1) renseignent sur la variabilité et la concentration des valeurs.
• La moyenne est une caractéristique de position, souvent utilisée pour représenter la valeur centrale, tandis que l’étendue et l’écart interquartile sont des mesures de dispersion, indiquant la variabilité globale ou robuste aux valeurs extrêmes.
• La médiane est une caractéristique de position peu influencée par les valeurs extrêmes, utile pour décrire la tendance centrale dans des distributions asymétriques.
• La valeur de l’effectif total est essentielle pour calculer les quartiles et l’écart interquartile, notamment lors du regroupement par classes ou pour déterminer la position relative des valeurs.

💡 À retenir

Les caractéristiques d’une série statistique, en combinant position et dispersion, offrent une description complète de la distribution des données, permettant d’interpréter leur répartition et leur variabilité.

📖 6. Moyenne

🔑 Notions clés & Définitions

• Moyenne : somme des valeurs d'une série divisée par l'effectif total. C'est une caractéristique de position qui permet de représenter une série par une seule valeur centrale.
• Calcul de la moyenne : additionner toutes les valeurs de la série puis diviser par le nombre total d'individus (effectif).
• Interprétation de la moyenne : elle représente la valeur centrale ou typique d'une série, synthétisant l'ensemble des données en une seule valeur.

📝 Points essentiels

• La moyenne est une caractéristique de position, ce qui signifie qu'elle donne une idée de la tendance centrale de la série.
• Elle est calculée par la formule :
  $\text{Moyenne} = \frac{\text{Somme des valeurs}}{\text{Effectif total}}$
• La moyenne est sensible aux valeurs extrêmes (valeurs très élevées ou très faibles peuvent influencer fortement sa valeur).
• La moyenne permet de résumer une série de données en une seule valeur représentative, facilitant la comparaison entre différentes séries.
• Dans l'exemple des notes de Jérôme, Bertrand et Julie, la moyenne est de 11,80 pour chaque série, illustrant que malgré une même moyenne, la répartition des notes peut varier (voir notions de médiane, étendue, quartiles).
• La moyenne est souvent utilisée en statistique descriptive pour donner une première idée de la tendance centrale d'une série de données.

💡 À retenir

La moyenne est une valeur centrale qui synthétise une série de données en représentant la tendance générale, mais elle doit être complétée par d’autres indicateurs pour une analyse complète.

📖 7. Médiane

🔑 Notions clés & Définitions

• Médiane : valeur qui partage la série ordonnée en deux parties égales, c’est-à-dire que 50 % des valeurs sont inférieures ou égales à cette valeur, et 50 % sont supérieures ou égales.
• Méthode de calcul selon l’effectif : si l’effectif est impair, la médiane est la valeur centrale de la série ordonnée. si l’effectif est pair, la médiane est la moyenne des deux valeurs centrales.
• Interprétation : la médiane est une caractéristique de position, représentant la valeur centrale d’une série, non influencée par les valeurs extrêmes, contrairement à la moyenne (voir section 6).

📝 Points essentiels

• La médiane est définie comme une valeur telle que la moitié des valeurs de la série est inférieure ou égale à cette valeur, et l’autre moitié est supérieure ou égale.
• Pour une série ordonnée avec un nombre impair d’observations, la médiane est la valeur située à la position centrale.
• Pour une série avec un nombre pair d’observations, la médiane est la moyenne des deux valeurs centrales.
• La médiane est une mesure robuste face aux valeurs extrêmes, ce qui la rend utile pour analyser la répartition des données, notamment lorsque la distribution est asymétrique.
• La méthode de calcul dépend de l’effectif :
  • Effectif impair : médiane = valeur à la position $\frac{n+1}{2}$.
  • Effectif pair : médiane = moyenne des valeurs aux positions $\frac{n}{2}$ et $\frac{n}{2} + 1$.

💡 À retenir

La médiane est une caractéristique de position qui divise une série ordonnée en deux parties égales, offrant une mesure centrale robuste, peu influencée par les valeurs extrêmes.

📖 8. Étendue

🔑 Notions clés & Définitions

• Étendue : différence entre la plus grande et la plus petite valeur d'une série statistique.
  Définition : La mesure de la dispersion qui indique l'étendue de la variabilité des données.
  Auteur : AUTEUR (date) : La définition classique de l'étendue comme différence entre extrêmes.

• Caractéristique de dispersion : indicateur qui mesure la variabilité ou la dispersion des valeurs autour d'une tendance centrale.
  Définition : L'étendue est une caractéristique de dispersion, permettant d'apprécier la variabilité globale de la série.

• Calcul de l'étendue : opération consistant à soustraire la valeur minimale de la valeur maximale dans la série.
  Méthode : E = valeur maximale - valeur minimale.

• Interprétation de l'étendue : mesure simple de la variabilité globale, mais sensible aux valeurs extrêmes.
  Point à retenir : L'étendue donne une idée rapide de l'amplitude des données, mais ne fournit pas d'information sur la répartition des valeurs entre ces extrêmes.

📝 Points essentiels

• L'étendue se calcule en soustrayant la plus petite valeur de la série à la plus grande.
• Elle est une mesure de la dispersion, indiquant l'étendue totale des données.
• L'étendue est très sensible aux valeurs extrêmes, ce qui peut limiter son utilité pour des séries avec des valeurs aberrantes.
• Elle permet une première appréciation de la variabilité globale, mais doit être complétée par d'autres mesures pour une analyse approfondie.
• La formule : Étendue = valeur maximale - valeur minimale.

💡 À retenir

L'étendue est une mesure simple de la dispersion qui reflète la variabilité totale des données, mais sa sensibilité aux valeurs extrêmes limite son usage pour une analyse fine de la série.

📖 9. Quartiles et écart interquartile

🔑 Notions clés & Définitions

• Premier quartile (Q1) : La plus petite valeur de la série telle qu’au moins 25 % des autres valeurs sont inférieures ou égales à cette valeur.
• Troisième quartile (Q3) : La plus petite valeur de la série telle qu’au moins 75 % des autres valeurs sont inférieures ou égales à cette valeur.
• Écart interquartile (Eq) : La différence Q3 - Q1, qui mesure la dispersion autour de la médiane. Selon QUARTILE (voir section 3), c’est un indicateur robuste aux valeurs extrêmes.

📝 Points essentiels

• Les quartiles (Q1 et Q3) sont des caractéristiques de position permettant de diviser la série en quatre parties.
• La méthode de calcul consiste à ordonner la série et à déterminer la donnée correspondant au quart de l’effectif pour Q1, et au trois-quarts pour Q3.
• L’écart interquartile (Eq) indique la dispersion centrale de la série, contenant au moins 50 % des valeurs. Il est peu influencé par les valeurs extrêmes, contrairement à l’étendue.
• La formule pour Q1 et Q3 dépend de l’effectif (n) :
  • Q1 : donnée à la position $\frac{n+1}{4}$ dans la série ordonnée
  • Q3 : donnée à la position $\frac{3(n+1)}{4}$ dans la série ordonnée
• La différence Q3 - Q1 donne une idée précise de la variabilité des valeurs centrales.

💡 À retenir

Les quartiles segmentent la série en parties égales, et l’écart interquartile est un indicateur de dispersion robuste, peu sensible aux valeurs extrêmes, permettant une compréhension claire de la distribution centrale des données.

📖 10. Interprétation statistiques

🔑 Notions clés & Définitions

• Moyenne : somme de toutes les valeurs d’une série divisée par l’effectif total, caractéristique de position (voir section 6).
• Médiane : valeur qui partage une série ordonnée en deux parties égales, telle que la moitié des valeurs soient inférieures ou égales à cette valeur, et l’autre moitié supérieures ou égales (voir section 7).
• Étendue : différence entre la valeur maximale et la valeur minimale d’une série, caractéristique de dispersion (voir section 8).
• Quartiles : valeurs qui divisent une série ordonnée en quatre parties égales, Q1 étant la valeur au premier quartile (25%), Q3 au troisième (75%) (voir section 9).
• Signification des valeurs médianes et quartiles : elles indiquent la position centrale et la dispersion autour de cette position, permettant d’interpréter la répartition des données (voir points essentiels).
• Caractéristiques de position et de dispersion : outils pour analyser la distribution des données, la position (moyenne, médiane, quartiles) indique où se situe le centre, la dispersion (étendue, écart interquartile) montre la variabilité.

📝 Points essentiels

• La moyenne est une mesure de tendance centrale, mais elle peut être influencée par des valeurs extrêmes, contrairement à la médiane qui est robuste face à ces valeurs (voir section 6 et 7).
• La médiane partage la série en deux parties égales, ce qui la rend utile pour comprendre la répartition sans être affectée par des valeurs extrêmes (voir section 7).
• L’étendue donne une idée globale de la variabilité, mais elle est sensible aux valeurs extrêmes, ce qui limite son utilisation pour mesurer la dispersion (voir section 8).
• Les quartiles permettent une analyse plus fine de la distribution, notamment avec l’écart interquartile qui est une mesure robuste de dispersion, insensible aux valeurs extrêmes (voir section 9).
• La comparaison des valeurs médianes et quartiles entre différentes séries permet d’évaluer si la répartition des données est similaire ou différente, en termes de position centrale et de dispersion.
• L’interprétation des quartiles et de l’écart interquartile offre une compréhension précise de la concentration des données autour de la médiane.

💡 À retenir

Les indicateurs de position (moyenne, médiane, quartiles) et de dispersion (étendue, écart interquartile) sont essentiels pour analyser la répartition des données, en permettant de comparer différentes séries et d’évaluer leur variabilité.

📖 11. Pondération série statistique

🔑 Notions clés & Définitions

• Pondération d'une série statistique : Prise en compte des effectifs ou des fréquences associées aux valeurs pour refléter leur importance relative dans la série, permettant d’obtenir une moyenne ou d’autres indicateurs représentatifs.
• Regroupement par classes : Technique consistant à regrouper des caractères quantitatifs continus en intervalles (classes) afin de simplifier l’analyse de la série, notamment en regroupant des valeurs proches.
• Calcul des fréquences à partir des effectifs : Méthode consistant à déterminer la proportion de chaque valeur ou classe par rapport à l’effectif total, en divisant l’effectif de chaque valeur ou classe par l’effectif total.
• Utilisation des classes et fréquences : Approche permettant de représenter et analyser une série statistique en utilisant des classes d’intervalles et leurs fréquences pour mieux visualiser la distribution des données.

📝 Points essentiels

• La pondération consiste à ajuster l’impact de chaque valeur ou classe en fonction de son effectif ou de sa fréquence, ce qui est crucial pour obtenir une moyenne représentative ou d’autres indicateurs synthétiques (voir AUTEUR (date)).
• Le regroupement par classes est particulièrement utile pour les caractères quantitatifs continus, car il facilite la lecture et l’interprétation des données en réduisant la complexité.
• Le calcul des fréquences à partir des effectifs permet de normaliser les données, en exprimant chaque effectif en proportion de l’effectif total, ce qui facilite la comparaison entre séries de tailles différentes.
• L’utilisation combinée des classes et des fréquences permet une analyse synthétique et visuelle, notamment via des tableaux ou des graphiques, pour mieux comprendre la répartition des données.

💡 À retenir

La pondération d’une série statistique, par le biais du regroupement en classes et du calcul des fréquences, permet d’analyser efficacement la distribution des données en tenant compte de leur importance relative, simplifiant ainsi leur interprétation.

📊 Tableaux de Synthèse

📅 Repères chronologiques

⚠️ Pièges & Confusions Fréquentes

1. Confondre moyenne et médiane : la moyenne est sensible aux valeurs extrêmes, la médiane pas.
2. Confondre caractère quantitatif discret et continu : le discret prend des valeurs dénombrables, le continu peut prendre toutes les valeurs d’un intervalle.
3. Omettre la distinction entre population et échantillon : la population est l’ensemble, l’échantillon est une partie.
4. Confondre étendue et écart interquartile : l’étendue est la différence entre max et min, l’écart interquartile est la différence entre Q3 et Q1.
5. Négliger la différence entre caractère qualitatif nominal et ordinal : le nominal n’a pas d’ordre, l’ordinal oui.
6. Confusion entre effectif et fréquence : l’effectif est un nombre, la fréquence est un pourcentage ou une proportion.
7. Mal interpréter la médiane : elle divise la série en deux parts égales, pas nécessairement la valeur centrale en cas de série non ordonnée.

✅ Checklist Examen

• Connaître la définition de la statistique descriptive et ses objectifs.
• Savoir distinguer un caractère quantitatif d’un caractère qualitatif, avec exemples.
• Maîtriser la différence entre caractère discret et continu.
• Connaître la notion de classe et d’effectif dans une série statistique.
• Savoir calculer et interpréter la moyenne, la médiane, l’étendue, et les quartiles.
• Comprendre le rôle des graphiques (histogramme, diagramme en secteurs) dans la présentation des données.
• Connaître l’origine historique du terme « statistique » selon PERROUX.
• Identifier les pièges courants liés à l’analyse des séries statistiques.
• Savoir utiliser la notion d’effectif pour le calcul des indicateurs.
• Maîtriser la différence entre fréquence et effectif.
• Savoir interpréter une série statistique en termes de tendance centrale et de dispersion.
• Connaître la différence entre population et individu, ainsi que leur rôle dans l’analyse statistique.