Fiche de révision : Analyse Des Caractères Statistiques

📋 Plan du Cours

1. Caractères statistiques
2. Mesures de position
3. Moyenne pondérée
4. Médiane et quartiles
5. Caractères de dispersion
6. Étendue et écart interquartile
7. Écart type et variance
8. Représentations graphiques
9. Diagramme circulaire
10. Diagramme en bâtons
11. Diagramme en boîte
12. Statistique à deux variables

📖 1. Caractères statistiques

🔑 Notions clés & Définitions

• Caractère statistique : propriété ou caractéristique mesurable d’un individu dans une population. En statistique, on étudie pour tous les individus une propriété appelée « caractère » (source : chapitre 2).
• Types de caractères :
  • Qualitatif : désigne une propriété non numérique, comme un nom de pays.
  • Ordinal : caractère pouvant être ordonné selon un classement, comme les mois de l’année.
  • Quantitatif : caractéristique mesurable par une valeur numérique, comme un chiffre d’affaires en euros.
• Effectifs : nombre d’individus ou d’observations correspondant à une valeur ou une classe de valeurs dans une série statistique.
• Effectifs cumulés croissants (ECC) : somme progressive des effectifs, ordonnés selon la valeur du caractère, permettant de connaître le nombre d’individus ayant une valeur inférieure ou égale à un certain seuil (source : page 1).
• Série statistique ordonnée : suite de valeurs (x₁ ≤ x₂ ≤ ... ≤ xₙ) classées dans l’ordre croissant, utilisée pour analyser la distribution des données (source : page 1).

📝 Points essentiels

• La notion de caractère statistique est fondamentale pour décrire une population ou un échantillon en identifiant une propriété commune à tous ses individus.
• La classification en caractères qualitatifs, ordinales et quantitatifs permet d’adapter les méthodes d’analyse et de représentation graphique.
• La série statistique ordonnée (x₁ ≤ x₂ ≤ ... ≤ xₙ) facilite le calcul des mesures de position comme la médiane ou les quartiles, en permettant une lecture directe des rangs.
• Les effectifs et ECC sont essentiels pour déterminer la position relative d’une valeur dans la distribution et pour calculer des indicateurs comme la médiane ou les quartiles, notamment lorsque l’effectif total N est connu.
• La série ordonnée et les ECC permettent d’interpréter la répartition des données, notamment en identifiant la concentration ou la dispersion autour des valeurs centrales (source : pages 1-2).

💡 À retenir

Un caractère statistique est une propriété mesurable d’un individu, classée selon sa nature qualitative, ordinale ou quantitative, et analysée à travers ses effectifs et sa distribution ordonnée pour en extraire des caractéristiques clés comme la médiane ou les quartiles.

📖 2. Mesures de position

🔑 Notions clés & Définitions

• Médiane : La valeur centrale d'une série ordonnée. Si le nombre total d'observations N est impair, la médiane est la valeur située en position centrale. Si N est pair, c'est la moyenne des deux valeurs centrales. (source : cours)
• Quartiles Q1 et Q3 : Les valeurs qui divisent la série en quatre parties égales. Q1 est la plus petite valeur telle qu’au moins 25 % des valeurs sont inférieures ou égales, Q3 celle pour 75 %. Elles correspondent aux valeurs de rang N/4 et 3N/4 arrondis par excès. (source : cours)
• Résumé numérique des valeurs : La médiane, Q1, et Q3 permettent de résumer la position centrale et la dispersion relative des données dans une série. (source : cours)
• Caractéristiques de position : Ensemble des mesures qui donnent une idée de la localisation des valeurs dans une série, notamment la médiane et les quartiles. (source : cours)
• Remarque sur la médiane approximative : En cas d'effectif connu avec imprécision (par exemple, population arrondie), la médiane peut être prise comme la valeur de rang N/2, sans distinction pair ou impair. (source : cours)

📝 Points essentiels

• La médiane divise une série ordonnée en deux groupes de même effectif, ce qui en fait une mesure robuste en présence de valeurs extrêmes.
• Les quartiles Q1 et Q3 sont déterminés par la valeur de rang N/4 et 3N/4 arrondis par excès, permettant de mesurer la dispersion centrale.
• En cas d'effectif approximatif ou imprécis, la médiane est simplement la valeur de rang N/2, sans distinction entre N pair ou impair.
• La série statistique doit être ordonnée pour déterminer ces mesures, et leur calcul repose sur la position dans la série (rang).
• La médiane est une caractéristique de position qui résume la valeur centrale d'une distribution, indépendamment des valeurs extrêmes.

💡 À retenir

Les mesures de position, notamment la médiane et les quartiles, permettent de résumer la localisation centrale et la dispersion relative d'une série de données, en étant particulièrement robustes face aux valeurs extrêmes.

📖 3. Moyenne pondérée

🔑 Notions clés & Définitions

• Moyenne pondérée : La moyenne pondérée d'une série statistique est un indicateur de tendance centrale qui prend en compte l'importance relative de chaque valeur. Elle est calculée par la formule :
  $\bar{x} = \frac{n_1 x_1 + n_2 x_2 + \dots + n_p x_p}{n_1 + n_2 + \dots + n_p}$
  où $n_i$ représente l'effectif associé à la valeur $x_i$.
  (source : contenu fourni)

• Poids : Les effectifs $n_i$ jouent le rôle de poids dans le calcul de la moyenne pondérée, reflétant la fréquence ou l'importance de chaque valeur dans la série.

📝 Points essentiels

• La moyenne pondérée permet de synthétiser une série de données en tenant compte de la fréquence ou de l'importance relative de chaque valeur, contrairement à la moyenne arithmétique simple qui traite chaque valeur de façon égale.
• Elle est particulièrement utile lorsque les données ont des effectifs différents, comme dans l'exemple du prix du diesel dans différents départements, où chaque prix est associé à un nombre de départements.
• La formule de la moyenne pondérée est :
  $\bar{x} = \frac{\sum_{i=1}^p n_i x_i}{\sum_{i=1}^p n_i}$ où $\sum_{i=1}^p n_i = N$ représente l'effectif total.
• La moyenne pondérée est une généralisation de la moyenne arithmétique, qui correspond au cas où tous les poids $n_i$ sont égaux (par exemple, tous égaux à 1).
• La calculatrice ou un tableur peuvent être utilisés pour effectuer rapidement le calcul, comme illustré dans l'exemple du prix du diesel où la moyenne pondérée est d'environ 1,84 euro.

💡 À retenir

La moyenne pondérée est un outil essentiel pour obtenir une mesure représentative d'une série de données en tenant compte de l'importance relative de chaque valeur, notamment dans des contextes où les effectifs ou poids varient.

📖 4. Médiane et quartiles

🔑 Notions clés & Définitions

• Médiane : La valeur qui divise une série ordonnée en deux groupes de même effectif. Si le nombre total d’observations N est impair, la médiane est la valeur centrale. Si N est pair, c’est la moyenne des deux valeurs centrales. (source : page 1)

• Premier quartile (Q1) : La plus petite valeur de la série telle qu’au moins 25 % des valeurs sont inférieures ou égales à Q1. Il correspond à la valeur de rang N/4 arrondi par excès. (source : page 1)

• Troisième quartile (Q3) : La plus petite valeur de la série telle qu’au moins 75 % des valeurs sont inférieures ou égales à Q3. Il correspond à la valeur de rang 3N/4 arrondi par excès. (source : page 1)

• Méthode pour trouver la valeur correspondant à un rang : Identifier dans la série ordonnée la première valeur dont l’effectif cumulée croissant (ECC) est supérieure ou égale au rang calculé. La valeur de cette colonne est la caractéristique de position recherchée. (source : page 1)

📝 Points essentiels

• La médiane permet de diviser une série en deux parties égales en nombre d’observations, ce qui en fait une mesure robuste en présence de valeurs extrêmes. La méthode consiste à repérer la valeur de rang N/2 dans la série ordonnée, ou la moyenne des deux valeurs centrales si N est pair.

• Les quartiles Q1 et Q3 sont des indicateurs de position qui segmentent la série en quatre parties égales. Q1 correspond au 25e percentile, Q3 au 75e percentile, et leur différence (l’écart interquartile) mesure la dispersion centrale.

• La méthode pour déterminer ces valeurs repose sur la recherche dans la série ordonnée ou dans la liste des effectifs cumulés croissants (ECC). Il faut repérer la première valeur ECC supérieure ou égale à la position souhaitée (N/4 pour Q1, 3N/4 pour Q3).

• En cas d’imprécision sur l’effectif (par exemple, population arrondie), la médiane est approximée par la valeur de rang N/2, sans distinction pair ou impair.

💡 À retenir

La médiane et les quartiles sont des indicateurs de position robustes, permettant de résumer la répartition d’une série ordonnée, notamment en identifiant la tendance centrale et la dispersion centrale autour de la médiane. La méthode consiste à repérer la première valeur ECC supérieure ou égale au rang correspondant.

📖 5. Caractères de dispersion

🔑 Notions clés & Définitions

• Étendue : différence entre la plus grande et la plus petite valeur prises par le caractère.
• Intervalle interquartile [Q1 ; Q3] : plage délimitée par le premier quartile Q1 et le troisième quartile Q3.
• Écart interquartile (Q3 – Q1) : mesure de dispersion autour de la médiane, indiquant la concentration des valeurs centrales.
• AUTEUR (date) : KUZNETS (date) : l’écart interquartile permet d’évaluer la concentration des valeurs centrales autour de la médiane.
• Écart type σ : mesure de dispersion autour de la moyenne, calculée à partir de la variance, qui quantifie la dispersion globale des valeurs.

📝 Points essentiels

• La caractéristique de dispersion indique si les valeurs d’une série présentent de grandes ou faibles variations.
• L’étendue est simple à calculer, mais sensible aux valeurs extrêmes.
• L’intervalle interquartile est robuste face aux valeurs extrêmes, car il se concentre sur la plage entre Q1 et Q3, qui représentent 50 % des données centrales.
• La médiane divise la série en deux groupes de même effectif, et l’écart interquartile mesure la concentration autour de cette médiane.
• L’écart type σ quantifie la dispersion autour de la moyenne, avec une valeur faible indiquant une forte concentration des valeurs.
• La relation entre ces mesures permet d’évaluer la variabilité des données, notamment dans des contextes où la sensibilité aux valeurs extrêmes est importante.

💡 À retenir

Les caractéristiques de dispersion, telles que l’étendue, l’écart interquartile et l’écart type, permettent d’évaluer la variabilité des données, avec l’écart interquartile étant particulièrement robuste face aux valeurs extrêmes.

📖 6. Étendue et écart interquartile

🔑 Notions clés & Définitions

• Étendue : différence entre la valeur maximale et la valeur minimale d’une série de données, soit max – min.
• Écart interquartile : différence entre le troisième quartile Q3 et le premier quartile Q1, soit Q3 – Q1.
• Interprétation de l’écart interquartile : il mesure la concentration des valeurs centrales autour de la médiane. Plus cet écart est petit, plus les valeurs centrales sont regroupées autour de la médiane, indiquant une faible dispersion des données centrales.
• AUTEUR (date) : Les caractéristiques de dispersion permettent de savoir si les valeurs d’une série présentent de grandes variations ou non, notamment par l’étendue et l’écart interquartile.

📝 Points essentiels

• L’étendue est une mesure simple de dispersion, calculée par max – min, indiquant l’amplitude totale des valeurs. Elle est sensible aux valeurs extrêmes.
• L’écart interquartile, défini par Q3 – Q1, est une mesure robuste de dispersion, car il ne tient pas compte des valeurs extrêmes. Il permet d’évaluer la concentration des valeurs centrales autour de la médiane.
• La valeur Q1 (premier quartile) est la plus petite valeur telle qu’au moins 25 % des données sont inférieures ou égales à cette valeur, correspondant au rang N/4 arrondi par excès.
• La valeur Q3 (troisième quartile) est la plus petite valeur telle qu’au moins 75 % des données sont inférieures ou égales à cette valeur, correspondant au rang 3N/4 arrondi par excès.
• La différence Q3 – Q1 (écart interquartile) est une indication de la dispersion des valeurs centrales. Un écart faible indique une forte concentration autour de la médiane, tandis qu’un écart élevé indique une dispersion plus grande.
• La médiane, Q1 et Q3 sont des caractéristiques de position, mais l’étendue et l’écart interquartile concernent la dispersion.
• La robustesse de l’écart interquartile en fait un indicateur privilégié pour analyser la dispersion en présence de valeurs extrêmes ou de distributions asymétriques.

💡 À retenir

L’étendue donne une idée de l’amplitude totale des données, tandis que l’écart interquartile mesure la concentration des valeurs centrales autour de la médiane, étant moins sensible aux valeurs extrêmes.

📖 7. Écart type et variance

🔑 Notions clés & Définitions

• Variance (σ²) : La variance d'une série statistique est la moyenne des carrés des écarts de chaque valeur par rapport à la moyenne. Elle mesure la dispersion globale des données autour de la moyenne.
  AUTEUR (date) : La variance σ² est définie comme σ² = (1/N) Σ (xi – x̄)² pour une population, ou σ² = (1/(n–1)) Σ (xi – x̄)² pour un échantillon.

• Écart type (σ) : L’écart type est la racine carrée de la variance. Il représente une mesure de dispersion exprimée dans la même unité que la donnée.
  AUTEUR (date) : L’écart type σ est défini comme σ = √σ², permettant d’interpréter la dispersion autour de la moyenne.

• Interprétation de l’écart type : L’écart type σ indique la moyenne des écarts à la moyenne, en valeur absolue. Plus σ est petit, plus les valeurs sont concentrées autour de la moyenne ; plus σ est grand, plus la dispersion est importante.
  AUTEUR (date) : Selon la théorie statistique, σ mesure la dispersion par rapport à la moyenne, facilitant la compréhension de la variabilité des données.

• Méthode de calcul avec calculatrice ou tableur : La variance et l’écart type peuvent être calculés à l’aide d’une calculatrice ou d’un tableur en utilisant des fonctions spécifiques (ex : VAR.P, VAR.S, STDEV.P, STDEV.S). La formule de la variance se traduit par Σ (xi – x̄)² / N (pour population) ou / (n–1) (pour échantillon). La racine carrée de cette variance donne l’écart type.
  AUTEUR (date) : La méthode de calcul simplifiée consiste à utiliser les fonctions intégrées dans les outils numériques pour obtenir rapidement σ² et σ.

📝 Points essentiels

• La variance σ² est une mesure de dispersion qui calcule la moyenne des carrés des écarts à la moyenne, ce qui accentue l’impact des écarts importants.
• L’écart type σ, en étant la racine carrée de la variance, permet une interprétation plus intuitive, car il est exprimé dans la même unité que les données.
• La formule de la variance pour un échantillon est souvent notée comme σ² = Σ (xi – x̄)² / (n – 1), ce qui corrige le biais de l’estimation.
• La méthode de calcul avec calculatrice ou tableur facilite l’obtention de ces mesures, notamment via les fonctions dédiées (ex : "écart type" ou "variance").
• La variance et l’écart type sont complémentaires : la variance donne une idée globale de la dispersion, tandis que l’écart type permet une lecture immédiate dans l’unité des données.

💡 À retenir

L’écart type σ est la racine carrée de la variance σ² et mesure la dispersion des valeurs autour de la moyenne ; il se calcule aisément à l’aide d’outils numériques, facilitant l’interprétation de la variabilité des données.

📖 8. Représentations graphiques

🔑 Notions clés & Définitions

• Objectif des représentations graphiques : PERROUX (date) souligne que leur but est de permettre une lecture rapide et visuelle des caractéristiques statistiques d’un ensemble de données, facilitant ainsi leur compréhension et leur analyse.

• Diagramme circulaire (camembert) : Représentation adaptée pour visualiser la répartition d’un caractère qualitatif, en illustrant la proportion de chaque catégorie sous forme de secteurs dont la taille est proportionnelle à leur fréquence (exemple : population mondiale par continent).

• Diagramme en bâtons : Utilisé pour représenter des données qualitatives ou ordinales, il consiste en des barres dont la longueur est proportionnelle à la fréquence ou à la valeur de chaque catégorie, facilitant la comparaison entre elles (exemple : nombre de mouvements d’avions par mois).

• Diagramme en boîte (boîte à moustaches) : TUKEY (1977) a développé cet outil pour visualiser rapidement les caractéristiques de position d’une série de données, notamment le minimum, Q1, la médiane, Q3 et le maximum, permettant d’évaluer la dispersion et la symétrie.

• Représentation graphique adaptée au type de données : La sélection du graphique dépend du caractère étudié : circulaire pour qualitatif, bâtons pour qualitatif ou ordinal, boîte pour caractéristiques de position et dispersion.

📝 Points essentiels

• Le diagramme circulaire est particulièrement efficace pour représenter la répartition en pourcentages d’un caractère qualitatif, comme la population par continent, en permettant une lecture immédiate des proportions relatives.

• Le diagramme en bâtons est versatile, pouvant représenter aussi bien des données qualitatives que ordinales, en facilitant la comparaison des fréquences ou valeurs entre catégories.

• La boîte à moustaches offre une synthèse visuelle des caractéristiques de position (minimum, Q1, médiane, Q3, maximum), permettant d’identifier rapidement la dispersion, la symétrie et la présence d’éventuels outliers.

• La sélection de la représentation graphique doit correspondre à la nature des données : qualitative (camembert), qualitative ou ordinale (bâtons), ou pour visualiser la dispersion (boîte).

• La visualisation graphique ne remplace pas le calcul précis des indicateurs, mais facilite leur interprétation immédiate.

💡 À retenir

Les représentations graphiques sont des outils essentiels pour visualiser rapidement la répartition, la tendance et la dispersion des données, en choisissant le type de graphique adapté à la nature des caractères étudiés.

📖 9. Diagramme circulaire

🔑 Notions clés & Définitions

• Diagramme circulaire (camembert) : Représentation graphique sous forme de secteur d’un cercle, où chaque secteur correspond à une part relative d’un ensemble de données qualitatives. Il permet de visualiser la proportion de chaque catégorie par rapport à l’ensemble.
• Utilisation pour un caractère qualitatif : Le diagramme circulaire est adapté pour représenter des données portant sur un caractère qualitatif, c’est-à-dire des catégories ou des classes sans ordre numérique intrinsèque.
• Exemple d’application : La répartition de la population mondiale par continent, où chaque secteur représente la proportion de la population d’un continent par rapport à la population totale mondiale.

📝 Points essentiels

• Le diagramme circulaire est particulièrement utile pour visualiser rapidement la répartition proportionnelle de différentes catégories d’un caractère qualitatif, comme la population par continent ou la part de marché de différentes marques.
• La taille de chaque secteur est proportionnelle à la part de la catégorie qu’il représente, calculée en pourcentage ou en fraction du total.
• La somme de toutes les parts doit être égale à 100 %, ce qui garantit que l’ensemble des secteurs couvre la totalité de la population ou des données représentées.
• La lecture du diagramme permet une compréhension immédiate des parts relatives, facilitant la comparaison entre catégories.
• La construction du diagramme nécessite de calculer la proportion de chaque catégorie par rapport au total, puis de convertir cette proportion en angle (secteur) dans le cercle : angle = proportion × 360°.
• La représentation graphique doit respecter une bonne lisibilité, avec des secteurs clairement différenciés, souvent par des couleurs ou des motifs.

💡 À retenir

Le diagramme circulaire est un outil efficace pour représenter visuellement la répartition relative d’un caractère qualitatif, en illustrant la proportion de chaque catégorie dans l’ensemble.

📖 10. Diagramme en bâtons

🔑 Notions clés & Définitions

• Diagramme en bâtons : Représentation graphique de données qualitatives ou ordinales sous forme de barres verticales ou horizontales, dont la hauteur ou la longueur est proportionnelle à la fréquence ou à l’effectif de chaque catégorie.
• Utilisation pour représenter des données qualitatives ou ordinales : Ce type de diagramme permet de visualiser la répartition ou la fréquence d’un caractère qualitatif ou ordinal, facilitant la comparaison entre différentes catégories.
• Exemple d’application : Nombre de mouvements d’avions par mois, illustrant la variation ou la tendance dans une série de données classées ou qualitatives.

📝 Points essentiels

• Le diagramme en bâtons est adapté pour représenter des données portant sur un caractère qualitatif ou ordinal, permettant une lecture rapide des fréquences ou effectifs de chaque catégorie.
• La hauteur ou la longueur des barres est proportionnelle à l’effectif ou à la fréquence de chaque catégorie, ce qui facilite la comparaison visuelle.
• Contrairement au diagramme circulaire, il ne représente pas des proportions en pourcentages mais des effectifs ou des fréquences absolues ou relatives.
• Exemple d’application : le nombre de mouvements d’avions par mois, où chaque mois est représenté par une barre dont la hauteur indique le nombre de mouvements, illustrant la variation mensuelle.
• La lecture du diagramme en bâtons permet d’identifier rapidement la catégorie la plus fréquente ou la moins représentée, ainsi que les tendances générales.

💡 À retenir

Le diagramme en bâtons est un outil efficace pour visualiser et comparer rapidement des données qualitatives ou ordinales, en mettant en évidence la fréquence relative de chaque catégorie.

📖 11. Diagramme en boîte

🔑 Notions clés & Définitions

• Diagramme en boîte (boîte à moustaches) : Représentation graphique permettant de visualiser la répartition d'une série de données quantitatives en mettant en évidence ses caractéristiques de position et de dispersion, notamment le minimum, Q1, médiane, Q3 et maximum. AUTEUR (date) : outil de synthèse pour analyser rapidement la distribution des données.

• Minimum : La plus petite valeur de la série de données. Elle indique le début de la distribution. En termes de pourcentages, environ 0 % des données sont inférieures ou égales à cette valeur.

• Q1 (premier quartile) : La valeur en dessous de laquelle se trouvent au moins 25 % des données. C’est la plus petite valeur Q1 de la série telle qu’au moins 25 % des valeurs sont inférieures ou égales à Q1, correspondant au rang N/4 arrondi par excès.

• Médiane (Q2) : La valeur centrale qui divise la série ordonnée en deux groupes de même effectif. Si N est impair, c’est la valeur centrale ; si N est pair, c’est la moyenne des deux valeurs centrales. Elle correspond à 50 % des données.

• Q3 (troisième quartile) : La valeur en dessous de laquelle se trouvent au moins 75 % des données. C’est la plus petite valeur Q3 de la série telle qu’au moins 75 % des valeurs sont inférieures ou égales à Q3, correspondant au rang 3N/4 arrondi par excès.

• Maximum : La plus grande valeur de la série. Elle indique la fin de la distribution. Environ 100 % des données sont inférieures ou égales à cette valeur.

📝 Points essentiels

• Le diagramme en boîte est construit à partir des cinq chiffres clés : minimum, Q1, médiane, Q3 et maximum, permettant une synthèse visuelle de la distribution des données.

• La boîte (représentant l’intervalle interquartile [Q1 ; Q3]) contient au moins 50 % des données, ce qui met en évidence la concentration centrale.

• La ligne à l’intérieur de la boîte indique la médiane, séparant la distribution en deux parties égales.

• Les moustaches s’étendent du minimum au Q1 et de Q3 au maximum, illustrant la dispersion totale.

• L’interprétation en pourcentages : environ 25 % des données sont situées en dessous de Q1, 25 % entre Q1 et la médiane, 25 % entre la médiane et Q3, et 25 % au-dessus de Q3.

• Le diagramme en boîte est particulièrement utile pour détecter la présence de valeurs extrêmes ou outliers, qui apparaissent souvent en dehors des moustaches.

💡 À retenir

Le diagramme en boîte synthétise la distribution d’une série de données en mettant en évidence ses caractéristiques de position et de dispersion, facilitant la détection des asymétries et des valeurs extrêmes.

📖 12. Statistique à deux variables

🔑 Notions clés & Définitions

• Série statistique à deux variables : ensemble de couples (xi ; yi) où xi et yi représentent deux caractères mesurés sur la même population.
• Nuage de points : représentation graphique dans un plan muni d’un repère, où chaque point correspond à un couple (xi ; yi).
• Point moyen (x̄ ; ȳ) : point dont l’abscisse est la moyenne de la variable x, et l’ordonnée la moyenne de la variable y, permettant de repérer la tendance centrale du nuage.
• Régression linéaire par la méthode des moindres carrés : droite ajustée passant par le point moyen, minimisant la somme des carrés des distances verticales entre chaque point (xi ; yi) et la droite.
• Coefficient de corrélation linéaire R : nombre compris entre –1 et +1, mesurant la force et la direction de la relation linéaire entre x et y, selon PEARSON (1895).
• Coefficient de détermination R² : valeur comprise entre 0 et 1, indiquant la proportion de la variance de y expliquée par la relation linéaire avec x, selon PEARSON (1895).

📝 Points essentiels

• La série statistique à deux variables consiste en un ensemble de couples (xi ; yi), permettant d’étudier la relation entre deux caractères.
• La représentation par un nuage de points dans un plan permet d’observer visuellement la tendance et la dispersion des données.
• Le point moyen (x̄ ; ȳ) sert de référence pour la droite de régression, qui passe par ce point et modélise la relation linéaire.
• La droite de régression y = a x + b est déterminée par la méthode des moindres carrés, en minimisant la somme des carrés des écarts verticaux.
• Le coefficient de corrélation R indique la force de la relation : R proche de 1 ou –1 signifie une forte relation linéaire, R proche de 0 indique une absence de relation linéaire.
• Le coefficient de détermination R² exprime la part de la variance de y expliquée par x. Un R² élevé (proche de 1) indique un bon ajustement.
• La différence entre la régression de y en x et celle de x en y réside dans la minimisation des écarts (verticals ou horizontaux).

💡 À retenir

La relation linéaire entre deux variables peut être modélisée par une droite de régression, dont la qualité d’ajustement est mesurée par le coefficient de corrélation R et le coefficient de détermination R², selon PEARSON (1895).

📊 Tableaux de Synthèse

⚠️ Pièges & Confusions Fréquentes

1. Confondre la médiane et la moyenne arithmétique simple, surtout en présence de valeurs extrêmes.
2. Calcul incorrect des quartiles en ne tenant pas compte de l’arrondi du rang (N/4, 3N/4).
3. Utiliser la formule de la moyenne pondérée sans bien identifier les poids ou effectifs associés.
4. Confondre série ordonnée et série non triée lors du calcul des mesures de position.
5. Ignorer la différence entre effectifs et effectifs cumulés lors de la localisation de la médiane ou des quartiles.
6. Ne pas vérifier si N est pair ou impair, ce qui influence le calcul de la médiane.
7. Mal interpréter la valeur de rang dans la série, notamment en cas de séries avec effectifs non entiers ou arrondis.

✅ Checklist Examen

• Connaître la définition de caractère statistique selon le chapitre 2.
• Savoir distinguer un caractère qualitatif, ordinal et quantitatif.
• Être capable d’identifier et calculer les effectifs et effectifs cumulés croissants.
• Maîtriser la méthode pour ordonner une série statistique.
• Savoir calculer la médiane à partir d’une série ordonnée, en précisant si N est pair ou impair.
• Connaître la formule et l’interprétation des quartiles Q1 et Q3.
• Comprendre la différence entre la moyenne arithmétique simple et la moyenne pondérée.
• Savoir calculer une moyenne pondérée à partir d’effectifs et de valeurs.
• Être capable de représenter graphiquement une série statistique (diagramme en bâtons, boîte, circulaire).
• Connaître la construction et l’interprétation d’un diagramme en boîte.
• Savoir réaliser et interpréter un diagramme circulaire.
• Maîtriser la représentation graphique de deux variables (nuage de points, tableau de contingence).
• Connaître la définition et l’intérêt des mesures de dispersion (étendue, écart interquartile, écart type, variance).