Fiche de révision : Introduction aux mesures statistiques essentielles

1. 📌 L'essentiel

• La moyenne arithmétique : somme des valeurs / effectif total.
• La médiane : valeur centrale après tri croissant ; impaire : valeur du milieu ; paire moyenne des deux valeurs centrales.
• Le mode : valeur la plus fréquente ; peut être multiple ou absent.
• La variance : moyenne des carrés des écarts à la moyenne ; formule : $V = \frac{1}{n} \sum_{i=1}^{n} (x_i - \bar{x})^2$.
• La covariance : mesure de l’écart conjoint entre deux variables ; nulle si indépendantes.
• L’écart type : racine carrée de la variance ; unité identique aux données.
• La matrice de covariance : caractérise la dispersion multidimensionnelle.
• La relation entre variance et covariance : la variance est un cas particulier de la covariance.
• La distribution asymétrique influence le choix entre moyenne et médiane.
• La dispersion est mieux caractérisée par la variance ou l’écart type.

2. 🧩 Structures & Composants clés

• Moyenne arithmétique — mesure centrale la plus courante.
• Médiane — valeur centrale, robuste face aux valeurs extrêmes.
• Mode — valeur la plus fréquente, utile pour données discrètes.
• Variance — mesure la dispersion autour de la moyenne.
• Écart type — racine carrée de la variance, unité identique.
• Covariance — relation conjointe entre deux variables.
• Matrice de covariance — représentation multidimensionnelle.
• Distribution asymétrique — influence la position de la moyenne et de la médiane.
• Analyse en composantes principales — utilise la matrice de covariance.

3. 🔬 Fonctions, Mécanismes & Relations

• La moyenne synthétise la tendance centrale.
• La médiane divise la distribution en deux parties égales.
• Le mode indique la valeur la plus fréquente.
• La variance quantifie la dispersion, plus elle est grande, plus la distribution est étalée.
• La covariance indique si deux variables varient conjointement (positive, négative ou nulle).
• La corrélation : covariance normalisée, varie entre -1 et 1.
• La matrice de covariance permet l’analyse de la structure multidimensionnelle.
• La dispersion est mieux représentée par la variance ou l’écart type que par la moyenne.
• La distribution asymétrique peut faire privilégier la médiane à la moyenne.
• La relation entre variance et covariance : la variance est la covariance d’une variable avec elle-même.

4. Tableau comparatif

5. Diagramme Hiérarchique ASCII

Statistiques descriptives
 ├─ Mesures de tendance centrale
 │    ├─ Moyenne
 │    ├─ Médiane
 │    └─ Mode
 └─ Mesures de dispersion
      ├─ Variance
      ├─ Écart type
      └─ Covariance

6. ⚠️ Pièges & Confusions fréquentes

• Confondre moyenne et médiane dans distributions asymétriques.
• Penser que la variance peut être négative (elle est toujours positive).
• Confondre covariance et corrélation : la corrélation est la covariance normalisée.
• Oublier que la moyenne est sensible aux valeurs extrêmes, contrairement à la médiane.
• Confondre mode et médiane : mode est la valeur la plus fréquente.
• Croire que la covariance indique la force de la relation (elle indique la direction, pas la force).
• Négliger que la variance est un cas particulier de la covariance.
• Confondre dispersion et centrale : dispersion se mesure par variance ou écart type.

7. ✅ Checklist Examen Final

• Définir la moyenne, la médiane et le mode.
• Expliquer la formule de la variance.
• Savoir calculer la variance et l’écart type.
• Comprendre la relation entre covariance et corrélation.
• Interpréter une matrice de covariance.
• Identifier quand utiliser la médiane plutôt que la moyenne.
• Expliquer la signification d’une covariance nulle.
• Savoir différencier dispersion et tendance centrale.
• Comprendre l’impact de la distribution asymétrique.
• Savoir utiliser la matrice de covariance pour l’analyse en composantes principales.
• Connaître la formule de la covariance : $Cov(x,y) = E[(x - E[x])(y - E[y])]$.
• Reconnaître que la variance est toujours positive.
• Savoir que la moyenne est sensible aux valeurs extrêmes.
• Identifier la différence entre covariance et corrélation.
• Savoir interpréter la dispersion à partir de l’écart type.
• Maîtriser la hiérarchie des mesures : tendance centrale vs dispersion.