Chacune des valeurs d une variable en est une modalité particulière.

Dimension: px
Commencer à balayer dès la page:

Download "Chacune des valeurs d une variable en est une modalité particulière."

Transcription

1 Psychologie générale Jean Paschoud STATISTIQUE Sommaire Rôle de la statistique Variables Échelles de mesure Résumer, décrire Comparer Rôle de la statistique La statistique est avant tout un outil permettant de communiquer, de synthétiser, de résumer, de comparer ou de mettre en relation des données multiples. Sans recours à la statistique, le chercheur et le praticien sont contraints à un discours approximatif qui prête à caution et à confusion. La statistique permet d instrumenter l analyse ou la communication des résultats en dépassant le sens commun. Comment situer et exprimer les résultats d un individu par rapport à un groupe ; peut on vraiment affirmer la supériorité d un groupe ; existe-t-il une relation entre les différents tests utilisés ; mesurentils la même chose ; le progrès après apprentissage est-il effectif? Variables Les données qui sont susceptibles de prendre des valeurs différentes dans une recherche, une expérience ou une enquête constituent des variables. Chacune des valeurs d une variable en est une modalité particulière. Si l on enregistre le QI en fonction de l âge et du sexe, variables sont en présence : L âge qui peut prendre plusieurs valeurs (7ans, huit ans et mois, ) ; Le sexe qui possède deux modalités : masculin ou féminin ; et les scores du test de QI ( points, 7 points, ). La variable qui constitue la réponse des sujets est appelée variable dépendante. C est cette variable que l on cherche à expliquer par les conditions de l expérience. Dans l exemple ci-dessus, on va chercher à expliquer les variations du QI en fonction du sexe ou de l âge. Ici, la variable dépendante est donc le QI. La variable expérimentale dont on postule qu elle influence les résultats de la variable dépendante est appelée variable indépendante. Sans qu il y ait nécessairement de liaison causale directe entre elles, c est cette variable qui est sensée conditionner les variations de réponse des sujets. Dans l exemple qui précède, le sexe et l âge sont supposés influencer la mesure de l intelligence. Les variables âge et sexe sont dites indépendantes. D une manière générale, une variable peut être continue, si elle peut prendre n importe quelle valeur entre deux autres. C est le cas de la taille, de l âge, de l intelligence, du temps, de l anxiété, Elle peut être discontinue, si elle présente des sauts, des ruptures dans ses modalités (classes de salaires dans la fonction publique). Elle peut être discrète, si toutes ses modalités sont des éléments séparés (sexe, origine sociale, profession, ).. Échelles de mesure Pour traiter statistiquement des données, il est indispensable de connaître les propriétés de l échelle de mesure sur laquelle les valeurs ont été enregistrées. Le type d échelle conditionne en effet le traitement ultérieur des données. Certaines opérations ne sont possibles que pour des échelles de mesure particulières. On ne peut calculer une moyenne sur des professions, on ne peut évaluer le lien entre le sexe et les choix politiques de la même manière qu entre les notes en français et en math.

2 Modalité F. abs. F. cum Tableau de fréquence Histogramme 1 Histogramme Courbe 1 % 1% Courbe % Secteurs 1 1% Secteurs 0% 1 nominale si chacune de ses modalités est une simple «étiquette» permettant de qualifier une modalité de la situation expérimentale ou une réponse du sujet. On constate la présence ou l absence d une qualité, ce qui permet de catégoriser la variable en deux, trois, classes. Le sexe, le fait de consommer ou non de l alcool, la religion sont des mesures qui s inscrivent sur une échelle nominale. ordinale si ses modalités peuvent être hiérarchisées, c est-à-dire si elles présentent entre elles une relation d ordre. Cette affirmation décrit «très bien/bien/mal/très mal» mon comportement habituel ; grades militaires ; degré de scolarité ;, évaluation EVM, sont des mesures qui s inscrivent sur une échelle ordinale. d intervalle si les écarts entre les modalités sont comparables, c està-dire si les distances qui les séparent sont régulières. L échelle présente alors une certaine homogénéité, chaque valeur étant à distance fixe ou proportionnelle des autres. Les résultats d un test s inscrivent généralement dans une telle échelle de mesure. C est également le cas de la température exprimée en degré Celsius ou Fahrenheit. Échelle de rapport L échelle de rapport possède toutes les propriétés des échelles d intervalle à quoi s ajoute l existence signifiante d un zéro absolu. Ce type d échelle est toutefois rare en sciences humaines. De plus, l unité peut, ou non, avoir une signification. La mesure de la température en degré Kelvin, le temps de réaction, relèvent de cette catégorie. Dans les échelles utilisées en démographie, on peut en outre noter que l unité a une réelle signification par exemple dans le dénombrement des «âmes» d une population.. Résumer, décrire Représenter Les données brutes d une variable peuvent être résumées et présentées sous la forme d un tableau de fréquence, c est-à-dire un tableau indiquant «combien» de sujets sont concernés par chacune des modalités de la variable. La fréquence peut être absolue (nombre) ou relative (%). Pour les échelles ordinales, la fréquence peut être cumulée. Elle indique alors combien d individus sont en dessous du score mentionné. Les logiciels courants offrent plusieurs représentations des données : histogramme, diagramme en bâtons, courbe, secteur ou «pies». Le choix de la représentation dépend du type de données, mais aussi de la lisibilité du graphique. Selon la nature des données, il peut être utile de préciser l étendue des scores, c est-à-dire le minimum et le maximum réalisés. Dans l exemple ci-dessus, les scores se répartissent entre «1» et. Compte tenu de l effectif total, il n y a pas de légitimité à calculer la fréquence relative (%).

3 Tendance centrale Les données brutes se répartissent sur les différentes modalités. Il est utile de définir un indice traduisant la tendance générale de la distribution. Cet indice va être fonction de l échelle de mesure utilisée. Mode : modalité la plus fréquente. Médiane : modalité qui partage au mieux la population en deux groupes de 0%. La moitié de la population se situe donc en dessous de cette valeur. Le mode peut également être défini. Moyenne (arithmétique) : La moyenne correspond au centre de gravité de la distribution. Elle est obtenue en pondérant la somme des scores par le nombre de scores. Le mode et la médiane peuvent également être définis. Dispersion L indice de tendance centrale définit le comportement général des données. Mais les données peuvent varier beaucoup autour de cette tendance. On doit donc définir un indice qui traduise la dispersion des données. Cet indice est également fonction de l échelle de mesure utilisée. Entropie: En physique, l entropie est une mesure de la richesse d une information, elle évalue le hasard et le désordre d un système. En statistique, cet indice indique si la répartition des modalités est équiprobable ou si au contraire une catégorie est fortement représentée. Un dé normal devrait se caractériser par une entropie maximale. S il est pipé et tombe systématiquement sur la même face, son entropie sera nulle. Cet indice est rarement utilisé. Quartiles: modalités de la variable qui partagent l effectif de la distribution respectivement en % et 7%. Un quart de la population se situe en dessous du premier quartile. La moitié se situe en dessous du e quartile (médiane) et trois quarts de la population se situe en dessous du e quartile. Écart-type : L écart-type évalue la tendance générale des écarts à la moyenne. Comme la moyenne arithmétique des écarts ne peut être calculée directement (les écarts positifs compensant les écarts négatifs), on calcule cet indice sur la base des carrés des écarts qui sont toujours positifs, puis on prend la racine carrée de cet indice. La variance est la moyenne des carrés des écarts à la moyenne. L écart-type est la racine carrée de la variance. Autres D autres indices peuvent être calculés pour les échelles d intervalle. Ils évaluent notamment la dissymétrie de la distribution. Ils font appel aux puissance e et e des écarts à la moyenne (Kurtosis, Skewness). On utilise parfois les moyennes géométrique ou harmonique. L espace semi-inter-quartile représente la moitié de la distance entre le premier et le e quartile. Minimum 1 Maximum Etendue Mode Kurtosis Médiane Quartile 1 Quartile Espace semi-inter-quartile 0. Moyenne.0000 Ecart-type Variance Moyenne géométrique Moyenne harmonique Statistiques descriptives Ces deux courbes représentent des distributions qui ont la même moyenne et des écarts-types différents.

4 Comparer Principe général Si deux échantillons ont été tirés au hasard d une même population d origine, leurs paramètres descriptifs devraient présenter des différences minimes explicables par les seuls effets du hasard. Si les deux groupes présentent des divergences importantes, on peut raisonnablement penser qu ils ne sont pas issus d une seule et même population d origine et on doit admettre que les différences sont, par conséquent, attribuables à une cause extérieure (sexe, âge, effet d un médicament, ). Pour prendre scientifiquement cette décision (hasard ou effet?), il est possible de calculer un indice statistique sur les distributions. Le type d indice dépend notamment du nombre d échantillons comparés et de l échelle de mesure des variables un groupe à une population de référence (les données observées sont-elles conformes à celles qui ont été publiées au niveau international?) ; deux groupes indépendants (les résultats des garçons sont-ils différents de ceux des filles?); un groupe comparé à lui-même, mais dans des conditions différentes (les sujets font-ils de meilleurs résultats après avoir reçu une information ou un médicament?) ; des groupes qui différent selon un seul critère (les résultats d un test sont-ils différents dans groupes constitués à partir du niveau socioéconomique?); des groupes qui différent selon deux critères croisés (en considérant conjointement le sexe et le niveau socio-économique, les résultats à un examen sont-ils comparables d un groupe à l autre ou peut-on affirmer l effet d une des variables, voire même l interaction des deux variables?). Dans tous les cas qui précèdent, l indice calculé sur les données empiriques est comparé à une valeur critique obtenue dans une table ou calculée par le logiciel statistique utilisé. Ceci permet de décider si la valeur observée est trop importante pour être imputée au hasard. Généralement, si la valeur de l indice calculé apparaît moins de fois sur cent dans un tirage aléatoire, on considère qu il est trop important pour être attribué au hasard. En d autres termes, la différence entre les groupes est trop importante pour que le seul hasard puisse être invoqué pour expliquer les différences entre les groupes. Dans ce cas, on rejette alors l idée d une origine commune des groupes et on affirme donc un effet de la variable indépendante sur les résultats observés. Les critères peuvent, dans certains cas, être plus ou moins sévères (1%,.%, ). La lecture des tables indique la valeur critique en fonction des risques acceptés par le chercheur (.%, %, ) et des degrés de liberté du système, c est-à-dire des contraintes imposées par le nombre de groupes en présence. Le type d indice dépend en outre de l échelle de mesure utilisée pour la variable dépendante : les tests peuvent être paramétriques ou non-paramétriques.

5 Résumé des différents tests de statistique inférentielle Échelle de mesure de la variable dépendante Nominale Fréquences observées/fréquences théoriques Fréquences observées/fréquences théoriques pour une variable à modalités groupes indépendants pour une variable à deux modalités Plusieurs données appariées pour des variables à modalités Ordinale Fréquence cumulée/fréquence théorique cumulée Test Chi carré Binomial Wald-Wolfowitz, «Runs test» (Z) Cochran (Q) Kolmogorov-Smirnoff (Z) groupes indépendants Mann-Whitney (U) groupes appariés Wilkoxen (W) Plusieurs groupes indépendants Plusieurs groupes appariés Test de la médiane pour données indépendantes Test de la médiane pour données appariées groupes appariés Test du signe Plusieurs groupes pour variables indépendantes croisées Kruskal-Wallis (H), analyse de variance sur des rangs 1 ou plusieurs groupes appariés Kendall (W) Paramétrique 1 groupe / distribution théorique Student (t) groupes indépendants Student pour données indépendantes 1 groupe sous deux conditions Student pour données appariées Plusieurs groupes pour 1 variable indépendante Plusieurs groupes pour variables indépendantes croisées Fisher (F), analyse de variance Fisher pour données indépendantes 1 ou plusieurs groupes sous des conditions différentes Fisher pour données appariées

Statistiques Descriptives à une dimension

Statistiques Descriptives à une dimension I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des

Plus en détail

Séries Statistiques Simples

Séries Statistiques Simples 1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &

Plus en détail

SCI03 - Analyse de données expérimentales

SCI03 - Analyse de données expérimentales SCI03 - Analyse de données expérimentales Introduction à la statistique Thierry Denœux 1 1 Université de Technologie de Compiègne tél : 44 96 tdenoeux@hds.utc.fr Automne 2014 Qu est ce que la statistique?

Plus en détail

Statistique : Résumé de cours et méthodes

Statistique : Résumé de cours et méthodes Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère

Plus en détail

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques.

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques. L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques 1 BUTS DU COURS : se familiariser avec le vocabulaire statistique o variable dépendante, variable indépendante o statistique descriptive,

Plus en détail

Module 2 29 Décembre 2009 Intervenant: Dhuin STATISTIQUES

Module 2 29 Décembre 2009 Intervenant: Dhuin STATISTIQUES STATISTIQUES I. Séries statistiques simples... 1 A. Définitions... 1 1. Population... 1 2. Caractère statistique... 1 B. Séries classées / représentations graphiques.... 2 1. Séries classées... 2 2. Représentations

Plus en détail

STATISTIQUES À UNE VARIABLE

STATISTIQUES À UNE VARIABLE STATISTIQUES À UNE VARIABLE Table des matières I Méthodes de représentation 2 I.1 Vocabulaire.............................................. 2 I.2 Tableaux...............................................

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2 UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 Master d économie Cours de M. Desgraupes MATHS/STATS Document 4 : Les tests statistiques 1 Généralités sur les tests

Plus en détail

TABLEAU 5 Nombre moyen (et écarts types) de mots produits selon le niveau scolaire et les trois conditions de révision

TABLEAU 5 Nombre moyen (et écarts types) de mots produits selon le niveau scolaire et les trois conditions de révision Dans ce tableau, si le chercheur ne s intéresse pas aux notes item par item mais simplement à la note globale, alors il conservera seulement les première et dernière colonnes et calculera des statistiques

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

Plus en détail

Analyse de données et méthodes numériques

Analyse de données et méthodes numériques Analyse de données et méthodes numériques Analyse de données: Que faire avec un résultat? Comment le décrire? Comment l analyser? Quels sont les «modèles» mathématiques associés? Analyse de données et

Plus en détail

Introduction à l analyse quantitative

Introduction à l analyse quantitative Introduction à l analyse quantitative Vue d ensemble du webinaire Le webinaire sera enregistré. Les diapositives et tous les autres documents seront envoyés aux participants après la séance. La séance

Plus en détail

T.P. 1 Exercice 1 Pourquoi les statistiques? (Corrigé)

T.P. 1 Exercice 1 Pourquoi les statistiques? (Corrigé) T.P. 1 Exercice 1 Pourquoi les statistiques? (Corrigé) Connaissances préalables : Buts spécifiques : Outils nécessaires : Consignes : Notions d hypothèse et d échantillon aléatoire Évaluer la compréhension

Plus en détail

Paramètres de position

Paramètres de position Paramètres de position 1 On va parler ici des statistiques quantitatives. On veut les résumer par des nombres. On a deux types de nombres Les paramètre de position : ce sont ceux qui définissent une notion

Plus en détail

Statistique Descriptive I (M1102)

Statistique Descriptive I (M1102) Illustration du cours de Statistique Descriptive I (M1102) Année scolaire 2013/2014 Université de Perpignan Via Domitia, IUT STatistique et Informatique Décisionnelle (STID) Table des matières 1 Généralités

Plus en détail

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail

STATISTIQUES A UNE VARIABLE EXERCICES CORRIGES

STATISTIQUES A UNE VARIABLE EXERCICES CORRIGES STATISTIQUES A UNE VARIALE EXERCICES CORRIGES Exercice n Les élèves d une classe ont obtenu les notes suivantes lors d un devoir : Note 4 5 8 0 4 5 8 0 Effectif 4 7 6 4 ) Déterminer l étendue et le mode

Plus en détail

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE Forum HH 05.02.2013 Ghislaine Gagnon Unité HPCI Qualitatif ou quantitatif? Les 2 méthodes peuvent être utilisées séparément ou en conjonction - le qualitatif

Plus en détail

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Département Universitaire de Recherche et d Enseignement en Médecine Générale GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Enseignants : Esther GUERY, Julien LE BRETON, Emilie FERRAT, Jacques

Plus en détail

Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire?

Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire? Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire? Cyril Ferdynus, USM, CHU RECUEIL DE DONNEES Recueil hors ligne Epidata (http://www.epiconcept.fr/html/epidata.html)

Plus en détail

Résumé du cours [POLS1221] Analyse de données quantitatives

Résumé du cours [POLS1221] Analyse de données quantitatives Résumé du cours [POLS1221] Analyse de données quantitatives Year 2006-2007 1/58 PLAN DU COURS Les parties sont indépendantes, l ordre est indifférent! 1 Rappel variables et autre 2 Analyses uni -variées

Plus en détail

Examen d accès - 1 Octobre 2009

Examen d accès - 1 Octobre 2009 Examen d accès - 1 Octobre 2009 Aucun document autorisé - Calculatrice fournie par le centre d examen Ce examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont

Plus en détail

Jeudi 10 décembre 2013

Jeudi 10 décembre 2013 Analyse de Analyse de IUT de Roubaix, Département STID Jeudi 10 décembre 2013 2 Analyse de Quelle est la population étudiée? Les lycéens de terminale? Les lycéens du lycée Saint Rémi de Roubaix? Quelles

Plus en détail

Cours de statistique descriptive

Cours de statistique descriptive Cours de statistique descriptive Séance 1 : Les caractères et la mise en forme des données Lætitia Perrier Bruslé Cours de statistique descriptive Les statistiques et la géographie La géographie est une

Plus en détail

16. Comment introduire les valeurs prises par la variable SPORT pour les 30 premiers sujets introduits dans L2?

16. Comment introduire les valeurs prises par la variable SPORT pour les 30 premiers sujets introduits dans L2? T.P. 5 partie 1 Variable ordinale Calcul manuel de quantiles Utilisation des fonctions intégrées de la TI-84 Utilisation du programme D1 (Corrigé pour 30 cas) V. Prise en compte de 30 cas (pour éviter

Plus en détail

Probabilités et Statistiques. Chapitre 1 : Statistique descriptive

Probabilités et Statistiques. Chapitre 1 : Statistique descriptive U.P.S. I.U.T. A, Département d Informatique Année 2008-2009 Probabilités et Statistiques Emmanuel PAUL Chapitre 1 : Statistique descriptive 1 Objectifs des statistiques. Il s agit d étudier un ou plusieurs

Plus en détail

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences

Plus en détail

UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans sa documentation) est autorisée.

UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans sa documentation) est autorisée. Université René Descartes- Paris V Licence de Psychologie Année L1, Semestre S1-2005 /2006 Page 1/5 UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans

Plus en détail

Les statistiques descriptives et les intervalles de confiance

Les statistiques descriptives et les intervalles de confiance Les statistiques et les intervalles de Yohann.Foucher@univ-nantes.fr Equipe d Accueil 4275 "Biostatistique, recherche clinique et mesures subjectives en santé", Université de Nantes Master 2 - Cours #2

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

Ch6 : Statistiques descriptives - analyse des données

Ch6 : Statistiques descriptives - analyse des données Ch6 : Statistiques descriptives - analyse des données 1. Caractéristiques de position : moyenne, médiane 2. Caractéristiques de dispersion : étendue, écart et intervalle inter-quartile 3. Utilisation de

Plus en détail

SECONDE DST CORRECTION. Voici le diagramme en bâtons des moyennes du second trimestre d'une classe de seconde comportant 34 élèves.

SECONDE DST CORRECTION. Voici le diagramme en bâtons des moyennes du second trimestre d'une classe de seconde comportant 34 élèves. SECONDE DST CORRECTION Exercice 1 Voici le diagramme en bâtons des moyennes du second trimestre d'une classe de seconde comportant 34 élèves 6 2e trimestre 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Plus en détail

3. COMPARAISON DE PLUS DE DEUX GROUPES

3. COMPARAISON DE PLUS DE DEUX GROUPES 3. COMPARAISON DE PLUS DE DEUX GROUPES La comparaison de moyennes de plus de deux échantillons se fait généralement par une analyse de variance (ANOVA) L analyse de variance suppose l homogénéité des variances

Plus en détail

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,

Plus en détail

LES DIFFERENTS TYPES DE MESURE

LES DIFFERENTS TYPES DE MESURE LES DIFFERENTS TYPES DE MESURE Licence - Statistiques 2004/2005 REALITE ET DONNEES CHIFFREES Recherche = - mesure. - traduction d une réalité en chiffre - abouti à des tableaux, des calculs 1) Qu est-ce

Plus en détail

Représentation d une distribution

Représentation d une distribution 5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque

Plus en détail

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2 Test du Khi 2 Le test du Khi 2 (khi deux ou khi carré) fournit une méthode pour déterminer la nature d'une répartition, qui peut être continue ou discrète. Domaine d application du test : Données qualitatives

Plus en détail

ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat

ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat Objectifs du TP : Savoir utiliser Excel et Rstat pour calculer des moyennes pondérées, des variances pondérées et savoir faire des approximations

Plus en détail

Description simple d une base de données

Description simple d une base de données Description simple d une base de données Sommaire I. Estimation des principaux paramètres de la statistique descriptive : moyenne, écart-type, pourcentage... 1 II. Les Graphiques dans Excel 2007... 3 A.

Plus en détail

Introduction à l'analyse statistique des données

Introduction à l'analyse statistique des données INTRODUCTION À L'ANALYSE STATISTIQUE DES DONNÉES CONCEPTS DE BASE Un certain nombre de concepts, préalables indispensables à la compréhension des analyses présentées, sont définis ici. De même pour quelques

Plus en détail

Probabilité mathématique et distributions théoriques

Probabilité mathématique et distributions théoriques Probabilité mathématique et distributions théoriques 3 3.1 Notion de probabilité 3.1.1 classique de la probabilité s Une expérience ou une épreuve est dite aléatoire lorsqu on ne peut en prévoir exactement

Plus en détail

Université Jinan Faculté de Gestion Tripoli - Liban. Statistiques. Examen Préparatoire. Version 1

Université Jinan Faculté de Gestion Tripoli - Liban. Statistiques. Examen Préparatoire. Version 1 Université Jinan Faculté de Gestion Tripoli - Liban Statistiques Examen Préparatoire Version 1 2011-2010 Statistiques Université de Jinan Faculté de Gestion Table des matières 1 Analyse statistique d'une

Plus en détail

(Statistical Package for the Social Sciences)

(Statistical Package for the Social Sciences) Initiation à l utilisation de SPSS (Statistical Package for the Social Sciences) 1 SPSS 2 3 Plan de l exposé Faire une recherche (bibliographique) sur le test; Définir le test à mesurer; Expliquer les

Plus en détail

Traitement des données avec EXCEL 2007

Traitement des données avec EXCEL 2007 Traitement des données avec EXCEL 2007 Vincent Jalby Octobre 2010 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation (questionnaire),

Plus en détail

Statistiques à une variable

Statistiques à une variable Statistiques à une variable Objectif : connaissances des termes et formules statistiques Acquis : Programme de seconde professionnelle. 1/ Généralités : Exploitation d une base de données. Vie économique

Plus en détail

3 - Salaires. Il va falloir compléter une succession de fenêtres pour arriver au graphique final.

3 - Salaires. Il va falloir compléter une succession de fenêtres pour arriver au graphique final. 3 - Objectif : Traiter les statistiques descriptives à l'aide du tableur Excel. Partie 1 : Représentations graphiques 1.1 Histogrammes Les données brutes sont placées dans les deux premières colonnes 1

Plus en détail

STATISTIQUES. I. Un peu de vocabulaire. II. Representations graphiques. 1. Diagramme circulaire

STATISTIQUES. I. Un peu de vocabulaire. II. Representations graphiques. 1. Diagramme circulaire STATISTIQUES I. Un peu de vocabulaire Toute étude statistique s'appuie sur des données. Dans le cas où ces données sont numériques, on distingue les données discrètes (qui prennent un nombre fini de valeurs

Plus en détail

Le regroupement de valeurs continues, ARRONDIR... Notion de discrétisation : groupes ou intervalles de valeurs. Exemple : Glycémie normale :

Le regroupement de valeurs continues, ARRONDIR... Notion de discrétisation : groupes ou intervalles de valeurs. Exemple : Glycémie normale : Variables : samedi 14 novembre 2009 12:54 1. Quelques Exemples : C'est une caractéristique ou un facteur susceptible de prendre des valeurs différentes selon les individus. Exemples : o Couleur des cheveux

Plus en détail

COURS DE STATISTIQUES (24h)

COURS DE STATISTIQUES (24h) COURS DE STATISTIQUES (24h) Introduction Statistiques descriptives (4 h) Rappels de Probabilités (4 h) Echantillonnage(4 h) Estimation ponctuelle (6 h) Introduction aux tests (6 h) Qu est-ce que la statistique?

Plus en détail

Problème 4: Les diagrammes suivants représentent la distribution de 4 variables discrètes X1, X2, X3 et X4 :

Problème 4: Les diagrammes suivants représentent la distribution de 4 variables discrètes X1, X2, X3 et X4 : Cours 5-62-96 : Traitement et analyse des données Test autodiagnostique PARTIE 1 : Problème 1 : Pour chacune des distributions ci-dessous, identifier la population et la variable étudiée en précisant si

Plus en détail

Décrire les données. Chapitre 2

Décrire les données. Chapitre 2 Chapitre 2 Décrire les données La description des données est une étape importante de la démarche d analyse. Beaucoup d enquêtes se limitent à cette étape, qui donne un premier niveau de lecture des résultats

Plus en détail

Chapitre 3 : INFERENCE

Chapitre 3 : INFERENCE Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage

Plus en détail

Loi normale ou loi de Laplace-Gauss

Loi normale ou loi de Laplace-Gauss LivreSansTitre1.book Page 44 Mardi, 22. juin 2010 10:40 10 Loi normale ou loi de Laplace-Gauss I. Définition de la loi normale II. Tables de la loi normale centrée réduite S il y avait une seule loi de

Plus en détail

L analyse de variance à un critère de classification (ANOVA)

L analyse de variance à un critère de classification (ANOVA) Bio 041 L analyse de variance à un critère de classification (ANOVA) Pierre Legendre & Daniel Borcard, Université de Montréal Référence: Scherrer (007), section 14.1.1.1 et 14.1. 1 - Introduction Objectif:

Plus en détail

Statistique Descriptive Élémentaire

Statistique Descriptive Élémentaire Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier

Plus en détail

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014 Télécom Physique Strasbourg Module 2101 STATISTIQUES Cours I : Test d hypothèses Fabrice Heitz Octobre 2014 Fabrice Heitz (Télécom PS) Statistiques 2014 1 / 75 Cours I TESTS D HYPOTHÈSES Fabrice Heitz

Plus en détail

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,

Plus en détail

T. D. n o 3 Analyse de données quantitatives avec le logiciel R

T. D. n o 3 Analyse de données quantitatives avec le logiciel R T. D. n o 3 Analyse de données quantitatives avec le logiciel R 1 Rappel de quelques fonctions statistiques sous R Fonction summary() cumsum() sum() mean() max() min() range() median() var() sd() Description

Plus en détail

PROBABILITÉS STATISTIQUES

PROBABILITÉS STATISTIQUES PROBABILITÉS ET STATISTIQUES Probabilités et Statistiques PAES 0-03 L FOUCA Sommaire Chapitre Statistique descriptive 4 La statistique et les statistiques 4 Généralités sur les distributions statistiques

Plus en détail

SERIE 1 Statistique descriptive - Graphiques

SERIE 1 Statistique descriptive - Graphiques Exercices de math ECG J.P. 2 ème A & B SERIE Statistique descriptive - Graphiques Collecte de l'information, dépouillement de l'information et vocabulaire La collecte de l information peut être : directe:

Plus en détail

Tableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1

Tableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1 UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés

Plus en détail

La méthode des quotas

La méthode des quotas La méthode des quotas Oliviero Marchese, décembre 2006 1 La méthode des quotas Principe de la méthode Point de départ et but recherché Caractère «intuitif» de la méthode A quoi ressemble une feuille de

Plus en détail

Introduction à Rcommander

Introduction à Rcommander Introduction à Rcommander Pauline Scherdel Septembre 2014 Table des matières 1 Introduction à Rcmdr sous R 2 2 Interagir avec R 3 3 Installer et charger le package Rcmdr sous R 3 4 Importation des données

Plus en détail

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème.

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème. Mathématiques - classe de 1ère des séries STI2D et STL. 1. Analyse On dote les élèves d outils mathématiques permettant de traiter des problèmes relevant de la modélisation de phénomènes continus ou discrets.

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

Relation entre deux variables : estimation de la corrélation linéaire CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence

Plus en détail

I. LA VARIABILITE AU SEIN DES POPULATIONS

I. LA VARIABILITE AU SEIN DES POPULATIONS I. LA VARIABILITE AU SEIN DES POPULATIONS La notion de population recouvre un concept difficilement réductible à une définition unique. Au sens de la génétique, une population représente une entité de

Plus en détail

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 I1 Connaissances préalables : Buts spécifiques : Outils nécessaires: Consignes générales : Test t de comparaison de moyennes pour

Plus en détail

Statistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier

Statistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

VI. Tests non paramétriques sur un échantillon

VI. Tests non paramétriques sur un échantillon VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes

Plus en détail

Cours 1: lois discrétes classiques en probabilités

Cours 1: lois discrétes classiques en probabilités Cours 1: lois discrétes classiques en probabilités Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module: Stat inférentielles Définition Quelques exemples loi d une v.a

Plus en détail

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Université Paris1, Licence 00-003, Mme Pradel : Principales lois de Probabilité 1 DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Notations Si la variable aléatoire X suit la loi L, onnoterax

Plus en détail

chap S1 : Statistiques descriptives Eléments de correction des exercices

chap S1 : Statistiques descriptives Eléments de correction des exercices 2ndes chap S1 : Statistiques descriptives Eléments de correction des exercices Objectifs : mieux comprendre les notions de moyenne et médiane utiliser des statistiques pour prendre des décisions Moyenne

Plus en détail

Analyse de la variance (ANOVA)

Analyse de la variance (ANOVA) Chapitre 7 Analyse de la variance (ANOVA) Introduction L analyse de la variance (ANOVA) a pour objectif d étudier l influence d un ou plusieurs facteurs sur une variable quantitative. Nous nous intéresserons

Plus en détail

Programme de Première

Programme de Première BAC TECHNO STAV 66 I. Algèbre Programme de Première Objectif 1 - Effectuer de manière autonome des calculs numériques ou algébriques, résoudre des équations ou inéquations en vue de résoudre des problèmes

Plus en détail

Séance 8 : Régression Logistique

Séance 8 : Régression Logistique Séance 8 : Régression Logistique Sommaire Proc LOGISTIC : Régression logistique... 2 Exemple commenté : Achat en (t+1) à partir du sexe et du chiffre d affaires de la période précédente. 4 La régression

Plus en détail

1ES Février 2013 Corrigé

1ES Février 2013 Corrigé 1ES Février 213 Corrigé Exercice 1 Le tableau ci-dessous renseigne sur les besoins en eau dans le monde : Population mondiale (Milliards d habitants) Volume moyen par habitant ( ) 195 2,5 4 1 197 3,6 5

Plus en détail

1 Retour sur le cours 3 Présentation de tableaux et graphiques Les mesures de tendance centrale Moyenne Mode (et classe modale) Médiane Les mesures de position Quartiles Déciles Mesures tendance centrale

Plus en détail

Loi binomiale Lois normales

Loi binomiale Lois normales Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli

Plus en détail

Licence Pro Amélioration Végétale

Licence Pro Amélioration Végétale Analyse de données Licence Pro Amélioration Végétale Marc Bailly-Bechet Université Claude Bernard Lyon I France marc.bailly-bechet@univ-lyon1.fr 1 marc.bailly-bechet@univ-lyon1.fr Analyse de données Des

Plus en détail

Traitement des données avec Microsoft EXCEL 2010

Traitement des données avec Microsoft EXCEL 2010 Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation

Plus en détail

1 Un objet aléatoire de base : le dé

1 Un objet aléatoire de base : le dé Dans le monde des statistiques, il est bien évident qu on ne fait plus aucun calcul à la main. Si nous le faisons en cours de mathématiques, c est pour mieux comprendre ce que font les divers logiciels

Plus en détail

Lois de probabilité. Anita Burgun

Lois de probabilité. Anita Burgun Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage

Plus en détail

Chapitre 4 NOTIONS DE PROBABILITÉS

Chapitre 4 NOTIONS DE PROBABILITÉS Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 4 NOTIONS DE PROBABILITÉS Les chapitres précédents donnent des méthodes graphiques et numériques pour caractériser

Plus en détail

Master 1 de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( 2014/2015) -

Master 1 de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( 2014/2015) - Dominique Ferrieux - Université Paul Valéry - Montpellier III Master de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( /) - Deuxième partie : Plans :

Plus en détail

INTRODUCTION A LA RECHERCHE QUANTITATIVE

INTRODUCTION A LA RECHERCHE QUANTITATIVE INTRODUCTION A LA RECHERCHE QUANTITATIVE Deuxième partie : de la base de données aux résultats Juin 2010 Julien Gelly, Caroline Huas, Josselin Le Bel Plan 2 1. Introduction 2. Saisie des données : Epi

Plus en détail

Activité 1 : échantillonnage

Activité 1 : échantillonnage Activité échantillonnage, intervalle de fluctuation, prise de décision (à partir d un même thème) Les trois activités qui suivent s inspirent du document «ressources pour la classe de première générale

Plus en détail

Statistiques descriptives (1/2)

Statistiques descriptives (1/2) Statistiques descriptives (1/2) Anita Burgun 2011-2012 http://www.med.univ-rennes1.fr Introduction! Statistique: méthode scientifique qui consiste à réunir des données chiffrées sur des ensembles d individus

Plus en détail

L indice des fonctionnaires à la liquidation de leur retraite DREES

L indice des fonctionnaires à la liquidation de leur retraite DREES CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 10 avril 2014 à 9 h 30 «Carrières salariales et retraites dans les secteurs privé et public» Document N 8 Document de travail, n engage pas le Conseil

Plus en détail

23. Interprétation clinique des mesures de l effet traitement

23. Interprétation clinique des mesures de l effet traitement 23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d

Plus en détail

1. Vocabulaire : Introduction au tableau élémentaire

1. Vocabulaire : Introduction au tableau élémentaire L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie

Plus en détail

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION

Plus en détail

ATELIER STATISTIQUES - PROBABILITES

ATELIER STATISTIQUES - PROBABILITES ATELIER STATISTIQUES - PROBABILITES I/ INTRODUCTION Extraits du document Ressources pour la classe de seconde Probabilités et Statistiques - : «L enseignement de la statistique et des probabilités constitue

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

Estimation et tests statistiques, TD 5. Solutions ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études

Plus en détail

Exercices : Probabilités

Exercices : Probabilités Exercices : Probabilités Partie : Probabilités Exercice Dans un univers, on donne deux événements et incompatibles tels que =0, et =0,7. Calculer,, et. Exercice Un dé (à faces) est truqué de la façon suivante

Plus en détail

Analyse des données «Hamburgers» à l aide de SPSS (v2, janvier 2011) Auteur : André Berchtold

Analyse des données «Hamburgers» à l aide de SPSS (v2, janvier 2011) Auteur : André Berchtold Analyse des données «Hamburgers» à l aide de SPSS (v2, janvier 2011) Auteur : André Berchtold Le site web «The Fast Food Explorer» (www.fatcalories.com) propose des données relatives à la composition des

Plus en détail

Test de Poisson à 1 échantillon et à 2 échantillons

Test de Poisson à 1 échantillon et à 2 échantillons Test de Poisson à 1 échantillon et à 2 échantillons Sous-menus de Minitab 15 : Stat>Statistiques élémentaires>test de Poisson à 1 échantillon Stat>Statistiques élémentaires>test de Poisson à 2 échantillons

Plus en détail

Cours 9 Une variable numérique : distribution et répartition

Cours 9 Une variable numérique : distribution et répartition Cours 9 Une variable numérique : distribution et répartition Lorsqu'une variable est qualitative et l'autre numérique, il est courant que la première identie des sous-populations (sexe, catégories socio-économiques,

Plus en détail

Séminaire de Statistique

Séminaire de Statistique Master 1 - Economie & Management Séminaire de Statistique Support (2) Variables aléatoires & Lois de probabilité R. Abdesselam - 2013/2014 Faculté de Sciences Economiques et de Gestion Université Lumière

Plus en détail

Collecter des informations statistiques

Collecter des informations statistiques Collecter des informations statistiques FICHE MÉTHODE A I Les caractéristiques essentielles d un tableau statistique La statistique a un vocabulaire spécifique. L objet du tableau (la variable) s appelle

Plus en détail