Reprise du cours (08-11-2016) Remarque : milieu du quadrimestre si encore aucun travail personnel et en plus difficultés du genre : a = b/c  c = b/a ou b = a*c a = b + c  c = a – b calcul de % : (partie/tout)*100 (et transformation en décimales) si pas encore de calculette ou si problèmes avec… Distributions simples : GR 4&5

Reprise du cours (08-11-2016) Remarque : milieu du quadrimestre si encore aucun travail personnel et en plus difficultés du genre : a = b/c  c = b/a ou b = a*c a = b + c  c = a – b calcul de % : (partie/tout)*100 (et transformation en décimales) si pas encore de calculette ou si problèmes avec… Distributions simples : GR 4&5

Il est plus que temps de s’y mettre ! Reprise du cours (08-11-2016) Remarque : milieu du quadrimestre si encore aucun travail personnel et en plus difficultés du genre : a = b/c  c = b/a ou b = a*c a = b + c  c = a – b calcul de % : (partie/tout)*100 (et transformation en décimales) si pas encore de calculette ou si problèmes avec… Distributions simples : GR 4&5 Il est plus que temps de s’y mettre !

Reprise du cours (08-11-2016) Remarque : milieu du quadrimestre si encore aucun travail personnel et en plus difficultés du genre : a = b/c  c = b/a ou b = a*c a = b + c  c = a – b calcul de % : (partie/tout)*100 (et transformation en décimales) si pas encore de calculette ou si problèmes avec… Distributions simples : GR 4&5

Reprise du cours (08-11-2016) Remarque : milieu du quadrimestre si encore aucun travail personnel et en plus difficultés du genre : a = b/c  c = b/a ou b = a*c a = b + c  c = a – b calcul de % : (partie/tout)*100 (et transformation en décimales) si pas encore de calculette ou si problèmes avec… Distributions simples : GR 4&5

Reprise du cours (08-11-2016) Tableau à double entrée « double entrée » car deux variables nécessaires pour classer un « i » ici : sexe (p) et statut matrimonial (q) 4 : 4 individus sont des femmes célibataires = n21 7 = le total des femmes, tous statuts confondus = n2 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femme (p = 2) n21 n22 n23 n24 GR 1 à 3

Reprise du cours (08-11-2016) Tableau à double entrée « double entrée » car 2 variables nécessaires pour classer un « i » ici : sexe (p) et statut matrimonial (q) 4 : 4 individus sont des femmes célibataires = n21 7 = le total des femmes, tous statuts confondus = n2 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femme (p = 2) n21 n22 n23 n24 GR 1 à 3

Reprise du cours (08-11-2016) Tableau à double entrée « double entrée » car 2 variables nécessaires pour classer un « i » ici : sexe (p) et statut matrimonial (q) 4 : 4 individus sont des femmes célibataires = n21 7 = le total des femmes, tous statuts confondus = n2 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femme (p = 2) n21 n22 n23 n24 GR 1 à 3

Reprise du cours (08-11-2016) Tableau à double entrée « double entrée » car 2 variables nécessaires pour classer un « i » ici : sexe (p) et statut matrimonial (q) 4 : 4 individus sont des femmes célibataires = n21 7 = le total des femmes, tous statuts confondus = n2 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femme (p = 2) n21 n22 n23 n24 GR 1 à 3

Reprise du cours (08-11-2016) Tableau à double entrée « double entrée » car 2 variables nécessaires pour classer un « i » ici : sexe (p) et statut matrimonial (q) 4 : 4 individus sont des femmes célibataires = n21 7 = le total des femmes, tous statuts confondus = n2 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femme (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●

Reprise du cours (08-11-2016) Tableau à double entrée « double entrée » car 2 variables nécessaires pour classer un « i » ici : sexe (p) et statut matrimonial (q) 4 : 4 individus sont des femmes célibataires = n21 7 = le total des femmes, tous statuts confondus = n2 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femme (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●

Point le plus important Reprise du cours (08-11-2016) Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles 8 Cf. tableaux 1.8, 1.9 et 1.10 (en page 11, établis au départ du tableau 1.8) Point le plus important Reprise partielle pour certain(e)s GR 1 à 3

Reprise du cours (25-10-2016) Chapitre 1 : Résumé du cours précédent Reprise de la correction de l’exercices 4 Exercices (suite) Tableau à double entrée (début) ?

Reprise du cours (25-10-2016) Distribution (simple) ou tableau des effectifs et des fréquences: effectifs (simples) : effectifs cumulés : fréquences(simples) : fréquences cumulées :

Reprise du cours (25-10-2016) Distribution (simple) ou tableau des effectifs et des fréquences: effectifs (simples) : effectifs cumulés : fréquences(simples) : fréquences cumulées :

Reprise du cours (25-10-2016) Distribution (simple) ou tableau des effectifs et des fréquences: effectifs (simples) : effectifs cumulés : fréquences(simples) : fréquences cumulées :

Reprise du cours (25-10-2016) Distribution (simple) ou tableau des effectifs et des fréquences: À privilégier ! effectifs (simples) : effectifs cumulés : fréquences(simples) : fréquences cumulées :

Reprise du cours (25-10-2016) On déverse np en % dans fp Distribution (simple) ou tableau des effectifs et des fréquences: On déverse np en % dans fp effectifs (simples) : effectifs cumulés : fréquences(simples) : fréquences cumulées :

Reprise du cours (25-10-2016) On déverse Nk en % dans Fk Distribution (simple) ou tableau des effectifs et des fréquences: On déverse Nk en % dans Fk effectifs (simples) : effectifs cumulés : fréquences(simples) : fréquences cumulées :

Reprise du cours (25-10-2016) Distribution (simple) ou tableau des effectifs et des fréquences: À privilégier ! effectifs (simples) : effectifs cumulés : fréquences(simples) : fréquences cumulées :

Reprise de la correction de l’exercice 4 Reprise du cours (25-10-2016) Valeurs automatiques/forcées dans un tableau : somme des np = n somme des fp = 1 n1 = N1 et f1 = F1 NP = n FP = 1 ou 100% Reprise de la correction de l’exercice 4

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque formule « officielle » (cf. formulaire)

Reprise de la correction de l’exercice 4 Reprise du cours (25-10-2016) Valeurs automatiques/forcées dans un tableau : somme des np = n somme des fp = 1 ou 100 % n1 = N1 et f1 = F1 NP = n FP = 1 ou 100% Reprise de la correction de l’exercice 4

Reprise de la correction de l’exercice 4 Reprise du cours (25-10-2016) Valeurs automatiques/forcées dans un tableau : somme des np = n somme des fp = 1 ou 100 % n1 = N1 NP = n FP = 1 ou 100% Reprise de la correction de l’exercice 4

Reprise de la correction de l’exercice 4 Reprise du cours (25-10-2016) Valeurs automatiques/forcées dans un tableau : somme des np = n somme des fp = 1 ou 100 % n1 = N1 et f1 = F1 NP = n FP = 1 ou 100% Reprise de la correction de l’exercice 4

Reprise de la correction de l’exercice 4 Reprise du cours (25-10-2016) Valeurs automatiques/forcées dans un tableau : somme des np = n somme des fp = 1 ou 100 % n1 = N1 et f1 = F1 NP = n FP = 1 ou 100% Reprise de la correction de l’exercice 4

Reprise de la correction de l’exercice 4 Reprise du cours (25-10-2016) Valeurs automatiques/forcées dans un tableau : somme des np = n somme des fp = 1 ou 100 % n1 = N1 et f1 = F1 NP = n FP = 1 ou 100% Reprise de la correction de l’exercice 4

Reprise de la correction de l’exercice 4 Reprise du cours (25-10-2016) Valeurs automatiques/forcées dans un tableau : somme des np = n somme des fp = 1 ou 100 % n1 = N1 et f1 = F1 NP = n FP = 1 ou 100% Reprise de la correction de l’exercice 4

Reprise du cours (18-10-2016) Chapitre 1 : Résumé de la fois passée Reprise de la correction des exercices 1 à 3 Théorie (suite) Exercices

Reprise du cours (18-10-2016) Résumé cours précédent : Données trop nombreuses  méthodes pour s’y retrouver Préliminaires : Sur qui ? de qui/quoi connait-on une caractéristique à analyser ? individu sous observation : « i » et « n » Sur quoi ? caractéristique à analyser ? variable sous observation : « X » et « xi » 3 types de variable : qualitative (codes) ; quantitative (nombre) : discrète peu de valeurs possibles continue : beaucoup de valeurs différentes possibles Lecture des données/notation mathématique (écran suivant)

Reprise du cours (18-10-2016) Résumé cours précédent : Données trop nombreuses  méthodes pour s’y retrouver Préliminaires : Sur qui ? de qui/quoi connait-on une caractéristique à analyser ? individu sous observation : « i » et « n » Sur quoi ? caractéristique à analyser ? variable sous observation : « X » et « xi » 3 types de variable : qualitative (codes) ; quantitative (nombre) : discrète peu de valeurs possibles continue : beaucoup de valeurs différentes possibles Lecture des données/notation mathématique (écran suivant)

Reprise du cours (18-10-2016) Résumé cours précédent : Données trop nombreuses  méthodes pour s’y retrouver Préliminaires : Sur qui ? de qui/quoi connait-on une caractéristique à analyser ? individu sous observation : « i » et « n » Sur quoi ? caractéristique à analyser ? variable sous observation : « X » et « xi » 3 types de variable : qualitative (codes) ; quantitative (nombre) : discrète peu de valeurs possibles continue : beaucoup de valeurs différentes possibles Lecture des données/notation mathématique (écran suivant)

Reprise du cours (18-10-2016) Résumé cours précédent : Données trop nombreuses  méthodes pour s’y retrouver Préliminaires : Sur qui ? de qui/quoi connait-on une caractéristique à analyser ? individu sous observation : « i » et « n » Sur quoi ? caractéristique à analyser ? variable sous observation : « X » et « xi » 3 types de variable : qualitative (codes) ; quantitative (nombre) : discrète peu de valeurs possibles continue : beaucoup de valeurs différentes possibles Lecture des données/notation mathématique (écran suivant)

Reprise du cours (18-10-2016) Résumé cours précédent : Données trop nombreuses  méthodes pour s’y retrouver Préliminaires : Sur qui ? de qui/quoi connait-on une caractéristique à analyser ? individu sous observation : « i » et « n » Sur quoi ? caractéristique à analyser ? variable sous observation : « X » et « xi » 3 types de variable : qualitative (codes) ; quantitative (nombre) : discrète peu de valeurs possibles continue : beaucoup de valeurs différentes possibles Lecture des données/notation mathématique (écran suivant)

Reprise du cours (18-10-2016) Lecture des données Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? 2.500 C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8 (soit 0,8*100.000 = 80.000 CFA) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Cette façon d’exprimer les données est considérée comme acquise !

Distribution selon les valeurs Distribution en classes Reprise du cours (18-10-2016) Mettre de l’ordre et réduire le nombre de lignes : 3 étapes Ordre croissant Nombre de lignes réduit Étape 2 : distribution selon les valeurs Étape 3 : distribution en classes Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500 Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11 Distribution en classes p/k Classes np 1 1.000 −< 2.000 5 2 2.000 −< 3.000 4 3 3.000 −< 4.000 Tot. SO 11

Reprise du cours (18-10-2016) i  xi xP  nP Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées : individuelles (tableau 1.1) i  xi groupées ou distribuées (tableau 1.3) xP  nP Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11

Cette notation est considérée comme acquise ! Reprise du cours (18-10-2016) Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque «  xp  », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.3) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P » Notation pour les données individuelles Notation pour les données groupées Cette notation est considérée comme acquise !

Reprise du cours (18-10-2016) Reprise de la correction des exercices 1 à 3 (écran 37)

Reprise du cours (18-10-2016) Chapitre 1 : Données trop nombreuses  méthodes pour s’y retrouver Préliminaires : caractéristique à analyser ? variable sous observation : « X » et « xi » 3 types de variable : qualitative (codes) ; quantitative (nombre) : discrète peu de valeurs possibles continue : beaucoup de valeurs différentes possibles Lecture des données/notation mathématique

Reprise du cours (11-10-2016) Au menu du jour : chapitre 5 : conclusions chapitre 1 : début Informations : sur le site Claroline de l’école : syllabus PowerPoints (avec et sans animation) exercices (avec corrections pour chapitre 5) accès au site : adresse : http://claroline.isfsc.be/ accès libre accès effectif aux documents (pages suivantes + p. vii du syllabus)

Reprise du cours (11-10-2016) Résumé du chapitre 5 : raisonnement : échantillon  hasard  prudence dans l’interprétation comment se matérialise la prudence ? incertitude (x %) imprécision (fourchette) 3 formules (dans le formulaire de la p. xii et le questionnaire lors de l’examen) marge fourchette [p – marge ; p + marge] interprétation : selon ce qui a été observé parmi les 1.000 : à 95 chances sur 100 Le pourcentage parmi les 8.000.000 est dans la fourchette

Reprise du cours (11-10-2016) Résumé du chapitre 5 : raisonnement : échantillon  hasard  prudence dans l’interprétation comment se matérialise la prudence ? Deux mots : incertitude (x %) imprécision (fourchette) 3 formules (dans le formulaire de la p. xii et le questionnaire lors de l’examen) marge fourchette [p – marge ; p + marge] interprétation : selon ce qui a été observé parmi les 1.000 : à 95 chances sur 100 Le pourcentage parmi les 8.000.000 est dans la fourchette

Reprise du cours (11-10-2016) Résumé du chapitre 5 : raisonnement : échantillon  hasard  prudence dans l’interprétation comment se matérialise la prudence ? Deux mots : incertitude (95 ou 99 %) imprécision (fourchette) 3 formules (dans le formulaire de la p. xii et le questionnaire lors de l’examen) marge fourchette [p – marge ; p + marge] interprétation : selon ce qui a été observé parmi les 1.000 : à 95 chances sur 100 Le pourcentage parmi les 8.000.000 est dans la fourchette

Reprise du cours (11-10-2016) Résumé du chapitre 5 : raisonnement : échantillon  hasard  prudence dans l’interprétation comment se matérialise la prudence ? Deux mots : incertitude (95 ou 99 %) imprécision (fourchette) 3 formules (dans le formulaire de la p. xii et le questionnaire lors de l’examen) Marge : Fourchette : [p – marge ; p + marge] interprétation : selon ce qui a été observé parmi les 1.000 : à 95 chances sur 100 le pourcentage parmi les 8.000.000 est dans la fourchette

Reprise du cours (11-10-2016) Résumé du chapitre 5 : raisonnement : échantillon  hasard  prudence dans l’interprétation comment se matérialise la prudence ? Deux mots : incertitude (95 ou 99 %) imprécision (fourchette) 3 formules (dans le formulaire de la p. xii et le questionnaire lors de l’examen) Marge : Fourchette : [p – marge ; p + marge] interprétation : selon ce qui a été observé parmi les 1.000 : à 95 chances sur 100 le pourcentage parmi les 8.000.000 est dans la fourchette

Reprise du cours (11-10-2016) Après la théorie, que diriez-vous ? Données de l’enquête Peut-on dire que le sondage s’est trompé, si après dépouillement… … A obtient 48% et B, 52% ? Non, résultats dans la fourchette … A obtient 40% et B, 60% ? Non, résultats hors fourchette, mais on est dans les 5 malchances sur 100 … A obtient 51% et B, 49% ? Non, la victoire change de camp, mais résultats dans fourchette … A obtient 60% et B, 40% ? Candidat Borne infé. « p » Borne supé. A 46,4% 49,5% 52,6% B 47,4% 50,5% 53,6% Conclusion : un sondage ne peut jamais se tromper si exécuté selon les règles !

° la justification des 5 malchances sur 100 Reprise du cours (11-10-2016) Après la théorie, que diriez-vous ? Données de l’enquête Peut-on dire que le sondage s’est trompé, si après dépouillement… … A obtient 48% et B, 52% ? Non, résultats dans la fourchette … A obtient 40% et B, 60% ? Non, résultats hors fourchette, mais on est dans les 5 malchances sur 100 … A obtient 51% et B, 49% ? Non, la victoire change de camp, mais résultats dans fourchette … A obtient 60% et B, 40% ? Candidat Borne infé. « p » Borne supé. A 46,4% 49,5% 52,6% B 47,4% 50,5% 53,6% Attention : ° la justification des 5 malchances sur 100 ° ne peut être invoquée que rarement (± une fois sur 20). Si employée régulièrement  le signe d’un mauvais travail !

Interprétation des données d’enquête Interprétation des données : non-exhaustivité <> exhaustivité Hypothèse : pas d’erreur d’observation (déclarations sincères, bon enregistrement des réponses…) d’une valeur unique, on passe à une fourchette de certaine, la donnée devient incertaine Conclusions : prudence avec les données d’enquête ne pas jeter toutes les enquêtes : l’interprétation correcte quantifie les risques d’erreur pour beaucoup de sujets, pas d’autres données que des enquêtes… Collecte Valeur tirée de l’observation Degré de certitude Exhaustive unique certaine Non exhaustive : enquête fourchette (= imprécision) incertaine (= incertitude)

Interprétation des données d’enquête Interprétation des données : non-exhaustivité <> exhaustivité d’une valeur unique, on passe à une fourchette de certaine, la donnée devient incertaine Conclusions : prudence avec les données d’enquête il n’a pas été dit que tout est mauvais dans les enquête ne pas jeter toutes les enquêtes : l’interprétation correcte quantifie les risques d’erreur pour beaucoup de sujets, pas d’autres données que des enquêtes…

Interprétation des données d’enquête Interprétation des données : non-exhaustivité <> exhaustivité d’une valeur unique, on passe à une fourchette de certaine, la donnée devient incertaine Conclusions : prudence avec les données d’enquête il n’a pas été dit que tout est mauvais dans les enquête ne pas jeter toutes les enquêtes : l’interprétation correcte quantifie les risques d’erreur pour beaucoup de sujets, pas d’autres données que des enquêtes…

Interprétation des données d’enquête Interprétation des données : non-exhaustivité <> exhaustivité d’une valeur unique, on passe à une fourchette de certaine, la donnée devient incertaine Conclusions : prudence avec les données d’enquête il n’a pas été dit que tout est mauvais dans les enquêtes ne pas jeter toutes les enquêtes : l’interprétation correcte quantifie les risques d’erreur pour beaucoup de sujets, pas d’autres données que des enquêtes…

Interprétation des données d’enquête Interprétation des données : non-exhaustivité <> exhaustivité d’une valeur unique, on passe à une fourchette de certaine, la donnée devient incertaine Conclusions : prudence avec les données d’enquête il n’a pas été dit que tout est mauvais dans les enquêtes ne pas jeter toutes les enquêtes : l’interprétation correcte quantifie les risques d’erreur pour beaucoup de sujets, pas d’autres données que des enquêtes…

Interprétation des données d’enquête Interprétation des données : non-exhaustivité <> exhaustivité Hypothèse : pas d’erreur d’observation (déclarations sincères, bon enregistrement des réponses…) d’une valeur unique, on passe à une fourchette de certaine, la donnée devient incertaine Conclusions : prudence avec les données d’enquête ne pas jeter toutes les enquêtes pour autant : l’interprétation correcte quantifie les risques d’erreur pour beaucoup de sujets, pas d’autres données que des enquêtes… Collecte Valeur tirée de l’observation Degré de certitude Exhaustive unique certaine Non exhaustive : enquête fourchette (= imprécision) incertaine (= incertitude)

Interprétation des données d’enquête Interprétation des données : non-exhaustivité <> exhaustivité Hypothèse : pas d’erreur d’observation (déclarations sincères, bon enregistrement des réponses…) d’une valeur unique, on passe à une fourchette de certaine, la donnée devient incertaine Conclusions : prudence avec les données d’enquête ne pas jeter toutes les enquêtes pour autant : l’interprétation correcte quantifie les risques d’erreur pour beaucoup de sujets, pas d’autres données que des enquêtes… Collecte Valeur tirée de l’observation Degré de certitude Exhaustive unique certaine Non exhaustive : enquête fourchette (= imprécision) incertaine (= incertitude)

Interprétation des données d’enquête Interprétation des données : non-exhaustivité <> exhaustivité Hypothèse : pas d’erreur d’observation (déclarations sincères, bon enregistrement des réponses…) d’une valeur unique, on passe à une fourchette de certaine, la donnée devient incertaine Conclusions : prudence avec les données d’enquête ne pas jeter toutes les enquêtes pour autant : l’interprétation correcte quantifie les risques d’erreur pour beaucoup de sujets, pas d’autres données que des enquêtes… Collecte Valeur tirée de l’observation Degré de certitude Exhaustive unique certaine Non exhaustive : enquête fourchette (= imprécision) incertaine (= incertitude)

Chapitre 1 Généralités sur les données

Chapitre 1 Généralités sur les données Le chapitre 5 est terminé. Dans le chapitre 1, on ne parle plus : de la marge ; de la fourchette !

Chapitre 1. Généralités sur les données Si analyse de données quantitatives (toujours le cas dans cette AA) 1er objectif : « prendre possession des données » souvent : noyés par le nombre des données : comparaison des revenus dans les 3 Régions belges l’âge des chômeurs dans les 3 Régions belges la réussite des étudiant(e)s de 1re année dans le supérieur  méthodes pour commencer : à s’y retrouver à faire parler les données

Chapitre 1. Généralités sur les données Si analyse de données quantitatives (toujours le cas dans cette AA) 1er objectif : « prendre possession des données » souvent : noyés par le nombre des données : comparaison des revenus dans les 3 Régions belges l’âge des chômeurs dans les 3 Régions belges la réussite des étudiant(e)s de 1re année dans le supérieur  méthodes pour commencer : à s’y retrouver à faire parler les données

Chapitre 1. Généralités sur les données Si analyse de données quantitatives (toujours le cas dans cette AA) 1er objectif : « prendre possession des données » souvent : noyés par le nombre des données : comparaison des revenus dans les 3 Régions belges l’âge des chômeurs dans les 3 Régions belges la réussite des étudiant(e)s de 1re année dans le supérieur  méthodes pour commencer : à s’y retrouver à faire parler les données

Chapitre 1. Généralités sur les données Si analyse de données quantitatives (toujours le cas dans cette AA) 1er objectif : « prendre possession des données » souvent : noyés par le nombre des données : comparaison des revenus dans les 3 Régions belges l’âge des chômeurs dans les 3 Régions belges la réussite des étudiant(e)s de 1re année dans le supérieur  méthodes pour commencer : à s’y retrouver à faire parler les données

Chapitre 1. Généralités sur les données Si analyse de données quantitatives (toujours le cas dans cette AA) 1er objectif : « prendre possession des données » souvent : noyés par le nombre des données : comparaison des revenus dans les 3 Régions belges l’âge des chômeurs dans les 3 Régions belges la réussite des étudiant(e)s de 1re année dans le supérieur  méthodes pour commencer : à s’y retrouver à faire « parler les données »

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » Thème traité (avec d’autres en plus) : état nutritionnel de la population d’un pays de 11 habitants tableau 1.1, la variable RJC (Ration Journalière en (grandes) Calories) problème simple : pourquoi simple ? population seulement 11 individus avantage : on n’est pas noyé par la masse des données inconvénient (mais généralisation aisée)

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » Thème traité (avec d’autres en plus) Tableau de données initiales (début du tableau 1.1, p. 2) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » État nutritionnel dans un pays Avant toute chose, 2 éléments à identifier (pourquoi ?) pourquoi ? éviter des erreurs grossières en confondant ces 2 éléments ex. : l’âge moyen des jeunes de 0 à 15 ans = 262.375 2 questions correspondant aux 2 éléments sur qui porte l’étude ? sur quoi porte l’étude ?

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » État nutritionnel dans un pays Avant tout, 2 éléments à identifier pourquoi ? éviter des erreurs grossières en confondant ces 2 éléments ex. : l’âge moyen des jeunes de 0 à 15 ans = 262.375 2 questions correspondant aux 2 éléments sur qui porte l’étude ? sur quoi porte l’étude ?

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » État nutritionnel dans un pays Avant tout, 2 éléments à identifier pourquoi ? éviter des erreurs grossières en confondant ces 2 éléments ex. à l’examen : l’âge moyen des jeunes de 0 à 15 ans = 262.375 2 questions correspondant aux 2 éléments sur qui porte l’étude ? sur quoi porte l’étude ?

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » État nutritionnel dans un pays Avant tout, 2 éléments à identifier pourquoi ? éviter des erreurs grossières en confondant ces 2 éléments ex. à l’examen : l’âge moyen des jeunes de 0 à 15 ans = 262.375 2 questions correspondant aux 2 éléments sur qui porte l’étude ? sur quoi porte l’étude ?

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » État nutritionnel dans un pays Avant tout, 2 éléments à identifier pourquoi ? éviter des erreurs grossières en confondant ces 2 éléments ex. à l’examen : l’âge moyen des jeunes de 0 à 15 ans = 262.375 2 questions correspondant aux 2 éléments sur qui porte l’étude ? sur quoi porte l’étude ?

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse de qui/de quoi connait-on une caractéristique ? à qui a-t-on posé des questions ? qui a répondu aux questions ? Souplesse & imagination : taille des enfants à la naissance = les « INDIVIDUS » ou « unités » SOUS OBSERVATION dans l’exemple : les 11 habitants du pays

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus, soit 11 i peut donc varier de 1 à 11 population sous observation =  population de référence  ensemble des unités sous obs.  ensemble des « i » sous obs.

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : souvent , parfois  les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus, soit 11 i peut donc varier de 1 à 11 population sous observation =  population de référence  ensemble des unités sous obs.  ensemble des « i » sous obs.

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus, soit 11 i peut donc varier de 1 à 11 population sous observation =  population de référence  ensemble des unités sous obs.  ensemble des « i » sous obs.

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus, soit 11 i peut donc varier de 1 à 11 population sous observation =  population de référence  ensemble des unités sous obs.  ensemble des « i » sous obs.

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus observés, soit 11 i peut donc varier de 1 à 11 population sous observation =  population de référence  ensemble des unités sous obs.  ensemble des « i » sous obs. Attention à « n » : ° dans chapitre 5 = taille de l’échantillon ° dans chapitre 1 = l’ensemble des « i » auxquels on s’intéresse. C’est la même idée générale, mais c’est différent ! Essayons de ne pas dire ici : « n » = « taille de l’échantillon » !

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus observés, soit 11 « i » peut donc varier de 1 à 11 population sous observation =  population de référence  ensemble des unités sous obs.  ensemble des « i » sous obs.

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus observés, soit 11 « i » peut donc varier de 1 à 11 population sous observation =  population de référence  ensemble des unités sous obs.  ensemble des « i » sous obs.

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL = le phénomène étudié choix d’une VARIABLE pour analyser le phénomène étudié « variable » = CARACTÈRE mesurable pour les « i » bon révélateur du phénomène étudié mesurable (classiquement ou répartition en catégories) quelle question posée aux « i » à propos de l’état nutritionnel ? RJC dans notre exemple RJC = la variable pour analyser l’état nutritionnel (on peut mieux faire)

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemple : pour l’individu 5, RJC vaut 3.500 C/J ○ pour 11, 1.100 X5 = 3.500 C/J ○ X11 = 1.100 C/J

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemple : pour l’individu 5, RJC vaut 3.500 C/J ○ pour 11, 1.100 X5 = 3.500 C/J ○ X11 = 1.100 C/J

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemples (tableau 1.1) : pour l’individu 5, RJC vaut 3.500 C/J ○ pour 11, 1.100 X5 = 3.500 C/J ○ X11 = 1.100 C/J

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemples (tableau 1.1) : pour l’individu 5, RJC vaut 3.500 C/J ○ pour 11, 1.100 X5 = 3.500 C/J ○ X11 = 1.100 C/J

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemples (tableau 1.1) : pour l’individu 5, RJC vaut 3.500 C/J ○ pour 11, 1.100 X5 = 3.500 C/J ○ X11 = 1.100 C/J

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemples (tableau 1.1) : pour l’individu 3, RJC vaut 1.800 C/J ○ pour 11, 1.100 x3 = 1.800 C/J ○ X11 = 1.100 C/J Individu i RJC X 1 2.000 2 2.500 3 1.800

Chapitre 1. Généralités sur les données Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemples (tableau 1.1) : pour l’individu 3, RJC vaut 1.800 C/J ○ pour 11, 1.100 x3 = 1.800 C/J ○ X11 = 1.100 C/J Individu i RJC X 1 2.000 2 2.500 3 1.800

Chapitre 1. Généralités sur les données Thème = l’état nutritionnel de la population d’un pays 2e ex. = la taille des étudiant(e)s de l’ISFSC un individu sous observation = un(e) étudiant(e) inscrit(e) à l’ISFSC un « i » sous observation la pop. sous observation = l’ensemble des étudiant(e)s de l’ISFSC si 903 inscrit(e)s, n = 903 la variable = X = la taille la valeur de la variable pour l’étudiant(e) 231 : x231 = 1,65 mètre

Chapitre 1. Généralités sur les données Thème = l’état nutritionnel de la population d’un pays 2e ex. = la taille des étudiant(e)s de l’ISFSC 3e ex. = la couleur des voitures vendues en Belgique en 2012 une unité sous observation = une voiture vendue en Belgique en 2012 à un « i », on ne peut poser de question  imagination ! la pop. sous observation = l’ensemble des voitures vendues en Belgique en 2012 la variable = X = la couleur la valeur de X pour la 1.106e voiture : x1.106 = rouge

Chapitre 1. Généralités sur les données Sur qui porte l’étude (bref retour) ? Attention : en prenant l’exemple de la couleur des voitures un « individu » : pas nécessairement un être humain une « pop. statistique » : pas nécessairement une pop. humaine  Souplesse et imagination!

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? 2.500 C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8, soit 0,8*100.000 = 80.000 CFA Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? 2.500 C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8, soit 0,8*100.000 = 80.000 CFA Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? 2.500 C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8, soit 0,8*100.000 = 80.000 CFA Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? 2.500 C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8, soit 0,8*100.000 = 80.000 CFA Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? 2.500 C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8 (soit 0,8*100.000 = 80.000 CFA) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Cette façon d’exprimer les données est considérée comme acquise !

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Variables qualitatives : nombres = codes arbitraires, sans valeur numérique exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Variables qualitatives : nombres = codes arbitraires, sans valeur numérique exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Exemple : sens mathématique ou pas de calculer une moyenne ?

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Autre système de codes pour le sexe : ° « 1 » pour « femme » et « 2 » pour « homme » ° si indiqué quelque part, les données restent lisibles

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 État civil : sens mathématique ou pas de calculer une moyenne ?

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Âge : sens mathématique ou pas de calculer une moyenne ?

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories : discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories : discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories : discrètes : peu de valeurs ≠ possibles (descendance et VM) continues : beaucoup de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Pas de limite précise entre « peu » et « beaucoup » ! Attention quand on arrondit (poids) ou tronque (âge)

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories : discrètes : peu de valeurs ≠ possibles (descendance et VM) continues : beaucoup de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 On devrait écrire « (implicitement) continues », mais on écrira simplement « continues »

Chapitre 1. Généralités sur les données Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories : discrètes : peu de valeurs ≠ possibles (descendance et VM) continues : beaucoup de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Variable du type sexe ou état civil ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Variable du genre descendance ou visite(s) médicale(s) ? Oui  variable DISCRÈTE (exemples dans le tableau) Non  variable (implicitement) CONTINUE (exemples dans le tableau) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Présentation simplifiée par rapport au syllabus !

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Variable du type sexe ou état civil ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Variable du genre descendance ou visite(s) médicale(s) ? Oui  variable DISCRÈTE (exemples dans le tableau) Non  variable (implicitement) CONTINUE (exemples dans le tableau) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Présentation simplifiée par rapport au syllabus !

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Variable du type sexe ou état civil ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Variable du genre descendance ou visite(s) médicale(s) ? Oui  variable DISCRÈTE (exemples dans le tableau) Non  variable (implicitement) CONTINUE (exemples dans le tableau) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Présentation simplifiée par rapport au syllabus !

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Variable du type sexe ou état civil ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Variable du genre descendance ou visite(s) médicale(s) ? Oui  variable DISCRÈTE (exemples dans le tableau) Non  variable (implicitement) CONTINUE (exemples dans le tableau) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Si « oui », pas nécessaire d’aller plus loin ! Si « non », question suivante. Présentation simplifiée par rapport au syllabus !

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Variable du type sexe ou état civil ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Si non, variable du type descendance ou visite(s) médicale(s) ? Oui  variable DISCRÈTE (exemples dans le tableau) Non  variable CONTINUE (exemples dans le tableau) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Présentation simplifiée par rapport au syllabus !

Chapitre 1. Généralités sur les données Les types de variables (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Variable du type sexe ou état civil ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Si non, variable du type descendance ou visite(s) médicale(s) ? Oui  variable DISCRÈTE (exemples dans le tableau) Non  variable CONTINUE (exemples dans le tableau) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Présentation simplifiée par rapport au syllabus !

Chapitre 1. Généralités sur les données Les types de variables : résumé 3 types de variable : QUALITATIVE (nationalité, couleur des voitures…) QUANTITATIVE DISCRÈTE (descendance…) QUANTITATIVE (implicitement) CONTINUE (âge, revenus…) Nomenclatures plus diversifiées avec notamment les var. ordinales Pas pour nous

Chapitre 1. Généralités sur les données Les types de variables : résumé 3 types de variable : QUALITATIVE (sexe, nationalité, couleur des voitures…) QUANTITATIVE DISCRÈTE (descendance…) QUANTITATIVE CONTINUE (âge, revenus…) Nomenclatures plus diversifiées avec notamment les var. ordinales Pas pour nous

Chapitre 1. Généralités sur les données Les types de variables : résumé 3 types de variable : QUALITATIVE (sexe, nationalité, couleur des voitures…) QUANTITATIVE DISCRÈTE (descendance…) QUANTITATIVE CONTINUE (âge, revenus…) Nomenclatures plus diversifiées avec notamment les var. ordinales Pas pour nous !

Chapitre 1. Généralités sur les données Observations ou données brutes (p. 4) Tableau 1.1 Valeurs telles que collectées sur le terrain = réponses telles qu’entendues quand la question a été posée Exemples : données brutes ou pas ? variable « âge » ? Oui, c’est comme si on entendait la réponse variable « RJC » ? Non, sauf si… Idéal : les données brutes : rien n’échappe ! Abus de langage : données brutes = les données trouvées Et maintenant, les traitements sur les données ! Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Observations ou données brutes (p. 4) Tableau 1.1 Valeurs telles que collectées sur le terrain = réponses telles qu’entendues quand la question a été posée Exemples : données brutes ou pas ? variable « âge » ? Oui, c’est comme si on entendait la réponse variable « RJC » ? Non, sauf si… Idéal : les données brutes : rien n’échappe ! Abus de langage : données brutes = les données trouvées Et maintenant, les traitements sur les données ! Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Observations ou données brutes (p. 4) Tableau 1.1 Valeurs telles que collectées sur le terrain = réponses telles qu’entendues quand la question a été posée Exemples : données brutes ou pas ? variable « âge » ? Oui, c’est comme si on entendait la réponse variable « RJC » ? Non, sauf si… Idéal : les données brutes : rien n’échappe ! Abus de langage : données brutes = les données trouvées Et maintenant, les traitements sur les données ! Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Observations ou données brutes (p. 4) Tableau 1.1 Valeurs telles que collectées sur le terrain = réponses telles qu’entendues quand la question a été posée Exemples : données brutes ou pas ? variable « âge » ? Oui, c’est comme si on entendait la réponse variable « RJC » ? Non, sauf si… Idéal : les données brutes : rien n’échappe ! Abus de langage : données brutes = les données trouvées Et maintenant, les traitements sur les données ! Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Observations ou données brutes (p. 4) Tableau 1.1 Valeurs telles que collectées sur le terrain = réponses telles qu’entendues quand la question a été posée Et maintenant, les traitements sur les données ! Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » Exemple simple : tableau 1.1 et les 11 RJC Mettre de l’ordre et réduire le nombre de lignes : 3 étapes

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » Exemple simple : tableau 1.1 et les 11 RJC Mettre de l’ordre et réduire le nombre de lignes : 3 étapes Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » Exemple simple : tableau 1.1 et les 11 RJC Mettre de l’ordre et réduire le nombre de lignes : 3 étapes Étape 1 : mettre de l’ordre Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » Exemple simple : tableau 1.1 et les 11 RJC Mettre de l’ordre et réduire le nombre de lignes : 3 étapes Étape 2 : distribution selon les valeurs Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500 Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » Exemple simple : tableau 1.1 et les 11 RJC Mettre de l’ordre et réduire le nombre de lignes : 3 étapes Étape 3 : distribution en classes Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500 Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11 Distribution en classes p/k Classes np 1 1.000 −< 2.000 5 2 2.000 −< 3.000 4 3 3.000 −< 4.000 Tot. SO 11

Chapitre 1. Généralités sur les données Mettre de l’ordre et réduire le nombre de lignes : 3 étapes Ordre croissant Nombre de lignes réduit Étape 3 : distribution en classes Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500 Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11 Distribution en classes p/k Classes np 1 1.000 −< 2.000 5 2 2.000 −< 3.000 4 3 3.000 −< 4.000 Tot. SO 11

1re étape : mettre de l’ordre

Suite ordonnée (croissante) (p. 5) Objectif classer les données par ordre croissant Exemple : Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500

Suite ordonnée (croissante) (p. 5) Objectif classer les données par ordre croissant Exemple : Résultat : suite ordonnée croissante : 1re valeur : la plus petite ; la dernière : la plus élevée Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500

Suite ordonnée (croissante) (p. 5) Objectif classer les données par ordre croissant Exemple : Résultat : suite ordonnée croissante : 1re valeur : la plus petite ; la dernière : la plus élevée Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500

Suite ordonnée (croissante) (p. 5) Objectif classer les données par ordre croissant Exemple : Résultat : suite ordonnée croissante : 1re valeur : la plus petite ; la dernière : la plus élevée amplitude des données : 3.500 – 1.100 = 2.400 1re information sur la dispersion, l’écart entre le max et le min Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500

2e et 3e étapes : grouper les données

Les distributions ou grouper les données Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si)  mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions :  selon les valeurs observées  selon des classes  données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 pp. 5-10 Remarques : ° 1re méthode que nous envisageons ; ° base pour une bonne part de la suite du cours ! Familles classées par taille Individus classés par âge 1 107.567 0-< 5 ans 203 907 2 187.987 5-<10 ans 217 312 3 160 342 10-<15 ans 234 942 ... …

Les distributions ou grouper les données Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si)  mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions :  selon les valeurs observées  selon des classes  données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 107.567 0-< 5 ans 203 907 2 187.987 5-<10 ans 217 312 3 160 342 10-<15 ans 234 942 ... …

Les distributions ou grouper les données Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si)  mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions :  selon les valeurs observées  selon des classes  données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 107.567 0-< 5 ans 203 907 2 187.987 5-<10 ans 217 312 3 160 342 10-<15 ans 234 942 ... …

Les distributions ou grouper les données Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si)  mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions :  selon les valeurs observées  selon des classes  données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 107.567 0-< 5 ans 203 907 2 187.987 5-<10 ans 217 312 3 160 342 10-<15 ans 234 942 ... …

Les distributions ou grouper les données Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si)  mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions :  selon les valeurs observées  selon des classes  données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 107.567 0-< 5 ans 203 907 2 187.987 5-<10 ans 217 312 3 160 342 10-<15 ans 234 942 ... …

Les distributions ou grouper les données Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si)  mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions :  selon les valeurs observées  selon des classes  données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 107.567 0-< 5 ans 203 907 2 187.987 5-<10 ans 217 312 3 160 342 10-<15 ans 234 942 ... …

Les distributions ou grouper les données Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si)  mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions :  selon les valeurs observées  selon des classes  données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 107.567 0-< 5 ans 203 907 2 187.987 5-<10 ans 217 312 3 160 342 10-<15 ans 234 942 ... …

Les distributions ou grouper les données Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si)  mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions :  selon les valeurs observées  selon des classes  données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 107.567 0-< 5 ans 203 907 2 187.987 5-<10 ans 217 312 3 160 342 10-<15 ans 234 942 ... …

Les distributions ou grouper les données Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si)  mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions :  selon les valeurs observées  selon des classes  données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 107.567 0-< 5 ans 203 907 2 187.987 5-<10 ans 217 312 3 160 342 10-<15 ans 234 942 ... …

Les distributions ou grouper les données Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si)  mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions :  selon les valeurs observées  selon des classes  données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 107.567 0-< 5 ans 203 907 2 187.987 5-<10 ans 217 312 3 160 342 10-<15 ans 234 942 ... …

Les distributions ou grouper les données Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si)  mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions :  selon les valeurs observées  selon des classes  données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 107.567 0-< 5 ans 203 907 2 187.987 5-<10 ans 217 312 3 160 342 10-<15 ans 234 942 ... …

Les distributions selon les valeurs observées Tableau 1.3 au départ du tableau 1.0 Suite ordonnée (Tableau 1.2 (p. 4)) Distribution selon les valeurs Tableau 1.3 (p. 5) Observation Valeur p Valeur de X ou xp Effectif ou poids ou np 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 2.000 5 x10 2.500 6 x1 2.800 7 x2 2.950 8 x7 3.100 9 x8 3.500 10 x6 Total − 11 x5

Les distributions selon les valeurs observées Tableau 1.3 au départ du tableau 1.2 Comment passer du tableau 2 au tableau 3 ? dans nos exemples, peu de lignes en moins, mais si n = 10.000.000… un peu de théorie à propos des distributions pour suivre

Les distributions selon les valeurs observées Tableau 1.3 au départ du tableau 1.2 Comment passer du tableau 2 au tableau 3 ? dans nos exemples, peu de lignes en moins, mais si n = 10.000.000… un peu de théorie à propos des distributions pour suivre

Les distributions selon les valeurs observées Tableau 1.3 au départ du tableau 1.2 Comment passer du tableau 2 au tableau 3 ? dans nos exemples, peu de lignes en moins, mais si n = 10.000.000… un peu de théorie à propos des distributions pour suivre

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi »  groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi »  groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi »  groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi »  groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi »  groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi »  groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi »  groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi »  groupées (tableau 1.3) une ligne = une valeur observée, soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi »  groupées (tableau 1.3) une ligne = une valeur observée, soit xp le nombre de « i » concernés, soit np np xp à chaque «  xp  », on associe un « np » 

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi »  groupées (tableau 1.3) une ligne = une valeur observée, soit xp le nombre de « i » concernés, soit np np xp à chaque «  xp  », on associe un « np » 

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi »  groupées (tableau 1.3) une ligne = une valeur observée, soit xp le nombre de « i » concernés, soit np np xp à chaque «  xp  », on associe un « np » 

Les distributions selon les valeurs observées Tableau 1.3 au départ du tableau 1.2 Comment passer du tableau 3 au tableau 4 ? dans nos exemples, peu de lignes en moins, mais si n = 10.000.000… un peu de théorie à propos des distributions pour suivre

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque «  xp  », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.4) : si « p » lignes actives « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque «  xp  », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.4) : si « p » lignes actives « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque «  xp  », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.4) : si « p » lignes actives « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque «  xp  », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.3) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque «  xp  », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.3) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque «  xp  », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.3) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque «  xp  », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.3) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P » Notation pour les données individuelles

Les distributions selon les valeurs observées Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque «  xp  », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.3) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P » Notation pour les données groupées Cette notation est considérée comme acquise !

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total − 11

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total − 11

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total − 11

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total − 11

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total − 11

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total SO 11

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total SO 11 « SO » : ° = « sans objet » (et pas 50…) = rien à mettre dans cette cellule ° le mieux : mettre « SO », mais parfois « - » par la suite !

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total SO 11

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays, par ex. Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total SO 11

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes  poursuivre le regroupement des données  distributions en classes  un tableau avec moins de lignes  données lisibles, utilisables On en revient à l’exemple RJC

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes  poursuivre le regroupement des données  distributions en classes  un tableau avec moins de lignes  données lisibles, utilisables On en revient à l’exemple RJC

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes  poursuivre le regroupement des données  distributions en classes  un tableau avec moins de lignes  données lisibles, utilisables On en revient à l’exemple RJC

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes  poursuivre le regroupement des données  distributions en classes  un tableau avec moins de lignes  données lisibles, utilisables On en revient à l’exemple RJC

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes  poursuivre le regroupement des données  distributions en classes  un tableau avec moins de lignes  données lisibles, utilisables On en revient à l’exemple RJC

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes  poursuivre le regroupement des données  distributions en classes  un tableau avec moins de lignes  données lisibles, utilisables On en revient à l’exemple RJC

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes  poursuivre le regroupement des données  distributions en classes  un tableau avec moins de lignes  données lisibles, utilisables On en revient à l’exemple RJC

Les distributions selon les valeurs observées Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes  poursuivre le regroupement des données  distributions en classes  un tableau avec moins de lignes  données lisibles, utilisables On en revient à l’exemple RJC

Les distributions en classes Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1.000 -< 2.000 2.000 -< 3.000 3.000 -< 4.000 au départ d’une distribution selon les valeurs : facile !

Les distributions en classes Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ?

Les distributions en classes Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : 1.000 -< 2.000

Les distributions en classes Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : 1.000 -< 2.000

Les distributions en classes Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : 1.000 -< 2.000 Pourquoi un effectif de 5 ?

Les distributions en classes Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : 1.000 -< 2.000 Pourquoi un effectif de 5 ? 1 + 1 + 3 = 5

Les distributions en classes Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : 1.000 -< 2.000 2e ligne : 2.000 -< 3.000

Les distributions en classes Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : 1.000 -< 2.000 2e ligne : 2.000 -< 3.000 3e ligne : 3.000 -< 4.000

Les distributions en classes Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : 1.000 -< 2.000 2e ligne : 2.000 -< 3.000 3e ligne : 3.000 -< 4.000 au départ d’une distribution selon les valeurs : facile !

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences Observer les 3 premières colonnes : description des classes Comment obtenir les colonnes : effectif (np) ? effectif cumulé (Nk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 5 premières colonnes du tableau 3

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes : description des classes Comment obtenir les colonnes : effectif (np) ? effectif cumulé (Nk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 5 premières colonnes du tableau 3

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne « Bornes des classes » = les limites de chaque classe « Centre de classe » : pour la 1re classe : (1.000 + 2.000)/2 c’est bien le centre valeur utile pour la suite, symbolisée par « xp »

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » : pour la 1re classe : (1.000 + 2.000)/2 c’est bien le centre valeur utile pour la suite, symbolisée par « xp »

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » : pour la 1re classe : (1.000 + 2.000)/2 c’est bien le centre valeur utile pour la suite, symbolisée par « xp »

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » ou « xp » : pour la 1re classe : (1.000 + 2.000)/2 c’est bien le centre de la classe valeur symbolisée par « xp » = valeur de la variable X de la ligne p pour la 1re classe : x1 valeur utile pour la suite

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » ou « xp » : calcul pour la 1re classe : (1.000 + 2.000)/2 c’est bien le centre de la classe valeur symbolisée par « xp » = valeur de la variable X de la ligne p pour la 1re classe : x1 valeur utile pour la suite

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » ou « xp » : calcul pour la 1re classe : (1.000 + 2.000)/2 c’est bien le centre de la classe valeur symbolisée par « xp » = valeur de la variable X de la ligne p pour la 1re classe : x1 valeur utile pour la suite

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » ou « xp » : calcul pour la 1re classe : (1.000 + 2.000)/2 c’est bien le centre de la classe valeur symbolisée par « xp » = valeur de la variable X de la ligne p pour la 1re classe : x1 valeur utile pour la suite

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » ou « xp » : calcul pour la 1re classe : (1.000 + 2.000)/2 c’est bien le centre de la classe valeur symbolisée par « xp » = valeur de la variable X de la ligne p pour la 1re classe : x1 = 1.500 valeur utile pour la suite

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » ou « xp » : calcul pour la 1re classe : (1.000 + 2.000)/2 c’est bien le centre de la classe valeur symbolisée par « xp » = valeur de la variable X de la ligne p pour la 1re classe : x1 = 1.500 valeur utile pour la suite (notamment chapitre 3)

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes : effectif (np) ? effectif cumulé (Nk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 5 premières colonnes du tableau 3

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes : effectif (np) ? Déjà expliqué ! effectif cumulé (Nk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 5 premières colonnes du tableau 3

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes : effectif (np) ? Déjà expliqué ! effectif cumulé (Nk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 5 premières colonnes du tableau 3

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes : effectif (np) ? Déjà expliqué ! effectif cumulé (Nk) ? 2e ligne : 9 = 5 + 4 ligne total : « SO » = « sans objet » = on ne met rien ! Imitation pour l’exercice d’application : au départ du tableau 2, remplir les 5 premières colonnes du tableau 3

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes : effectif (np) ? Déjà expliqué ! effectif cumulé (Nk) ? 2e ligne : 9 = 5 + 4 ligne total : « SO » = « sans objet » = on ne met rien ! Imitation pour l’exercice d’application : au départ du tableau 2, remplir les 5 premières colonnes du tableau 3

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes : effectif (np) ? Déjà expliqué ! effectif cumulé (Nk) ? 2e ligne : 9 = 5 + 4 ligne total : « SO » = « sans objet » = on ne met rien ! Imitation pour l’exercice d’application : au départ du tableau 2, remplir les 5 premières colonnes du tableau 3 Rappel : ° mettre « SO » pour « Sans Objet » ° et pas « - » comme fait erronément !

Les distributions en classes Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes Interprétation N2 = 9 : 9 observations inférieures à 3.000 C/J effectif cumulé et variables qualitatives ?

Les distributions en classes Exercices 1, 2 et 3 : remplir exclusivement les colonnes « classe » ou « p/k » ; « xp », éventuellement = « centre de classe » « effectif (simple) » ou « np » « effectif cumulé » ou « Nk » les autres colonnes (fp et Fk )  PLUS TARD ! pour désignation et interprétation : uniquement les «np» et «Nk» ! Les 2 écrans suivants dans vos blocs de feuilles = espaces pour les exercices 1 et 2 !

Les distributions en classes Exercice 1. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= 5  ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= 7  ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45%  ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64%  ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= 5  ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= 7  ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45%  ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64%  ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= 5  ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= 7  ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45%  ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64%  ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= 5  ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= 7  ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45%  ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64%  ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= 5  ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= 7  ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45%  ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64%  ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO Bien distinguer : ° désignation : donner un nom au nombre ° interprétation : faire une phrase pour expliquer ce que le nombre signifie

Les distributions en classes Exercice 2. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= 4  ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= 6  ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg f3= 36,36%  ° fréquence (simple) de la 3e ligne ° 36,36% des « i » ont un poids de 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO

Les distributions en classes Exercice 2. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= 4  ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= 6  ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO

Les distributions en classes Exercice 2. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= 4  ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= 6  ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO

Les distributions en classes Exercice 2. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= 4  ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= 6  ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO

Les distributions en classes Exercice 2. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= 4  ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= 6  ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO Différence par rapport à distribution en classe

Les distributions en classes Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » ne pas calculer les effectifs et fréquences cumulés en effet, pas d’ordre au contraire de la variable « poids » regroupements possibles p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 . 60,70% S. O. 2 Marocaine 2 ou M 37 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00%

Les distributions en classes Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » ne pas calculer les effectifs et fréquences cumulés en effet, pas d’ordre au contraire de la variable « poids » regroupements possibles p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 . 60,70% S. O. 2 Marocaine 2 ou M 37 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00%

Les distributions en classes Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » ne pas calculer les effectifs et fréquences cumulés en effet, pas d’ordre au contraire de la variable « poids » regroupements possibles p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 . 60,70% S. O. 2 Marocaine 2 ou M 37 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00%

Les distributions en classes Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » si N2 = 159, comment l’interpréter ? ne pas calculer les effectifs cumulés en effet, pas d’ordre au contraire de la variable « poids » regroupements possibles p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 . 60,70% S. O. 2 Marocaine 2 ou M 37 159. 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00%

Les distributions en classes Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » si N2 = 159, comment l’interpréter ? ne pas calculer les effectifs cumulés en effet, pas d’ordre au contraire de la variable « poids » regroupements possibles p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 S. O. 60,70% 2 Marocaine 2 ou M 37 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00%

Les distributions en classes Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » si N2 = 159, comment l’interpréter ? ne pas calculer les effectifs cumulés en effet, pas d’ordre au contraire de la variable « poids » regroupements possibles : européens et non-européens p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 S. O. 60,70% 2 Marocaine 2 ou M 37 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00%

Les distributions en classes Fin provisoire des exercices 1 à 3 Retour à la théorie pour les fréquences Puis retour aux exercices

Les distributions en classes : théorie Tableau 1.4 Méthode d’application pour : variables (implicitement) continues aussi pour d’autres types, mais parfois seulement en partie (qualitatives) Les classes groupements de valeurs contiguës bornes / doubles comptes & omissions amplitude centre de (la) classe classes ouvertes (pas pour nous dans exercices)

Les distributions en classes : théorie Tableau 1.4 Méthode d’application pour : variables (implicitement) continues aussi pour d’autres types, mais parfois seulement en partie (qualitatives) Les classes groupements de valeurs contiguës bornes / doubles comptes & omissions amplitude centre de (la) classe classes ouvertes (pas pour nous dans exercices)

Les distributions en classes : théorie Tableau 1.4 Méthode d’application pour : variables continues aussi pour d’autres types, mais parfois seulement en partie (qualitatives) Les classes groupements de valeurs contiguës bornes / doubles comptes & omissions amplitude centre de (la) classe classes ouvertes (pas pour nous dans exercices)

Les distributions en classes : théorie Tableau 1.4 Méthode d’application pour : variables continues aussi pour d’autres types, mais parfois seulement en partie (qualitatives) Les classes groupements de valeurs contigües bornes / doubles comptes & omissions amplitude centre de (la) classe classes ouvertes (pas pour nous)

Les distributions en classes : théorie Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p distribuer les observations dans les classes  « DISTRIBUTION » notation : 1.500  5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1  n1 : généralisation pour toutes les 1res lignes xp  np : généralisation pour toutes les lignes

Les distributions en classes : théorie Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p distribuer les observations dans les classes  « DISTRIBUTION » notation : 1.500  5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1  n1 : généralisation pour toutes les 1res lignes xp  np : généralisation pour toutes les lignes

Les distributions en classes : théorie Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p  observations distribuées dans les classes  « DISTRIBUTION » notation : 1.500  5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1  n1 : généralisation pour toutes les 1res lignes xp  np : généralisation pour toutes les lignes

Les distributions en classes : théorie Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p  observations distribuées dans les classes  « DISTRIBUTION » notation : 1.500  5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1  n1 : généralisation pour toutes les 1res lignes xp  np : généralisation pour toutes les lignes

Les distributions en classes : théorie Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p  observations distribuées dans les classes  « DISTRIBUTION » notation : 1.500  5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1  n1 : généralisation pour toutes les 1res lignes xp  np : généralisation pour toutes les lignes

Les distributions en classes : théorie Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p  observations distribuées dans les classes  « DISTRIBUTION » notation : 1.500  5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1  n1 : généralisation pour toutes les 1res lignes xp  np : généralisation pour toutes les lignes

Les distributions en classes : théorie Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p  observations distribuées dans les classes  « DISTRIBUTION » notation : 1.500  5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1  n1 : généralisation pour la 1re ligne de tous les tableaux xp  np : généralisation pour toutes les lignes

Les distributions en classes : théorie Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p  observations distribuées dans les classes  « DISTRIBUTION » notation : 1.500  5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1  n1 : généralisation pour la 1re ligne de tous les tableaux xp  np : généralisation pour toutes les lignes de tous les tableaux

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)

Les distributions en classes : théorie Sigle de sommation pour les hésitant(e)s explication pas à pas sigle de sommation : on veut faire une somme, une addition on veut faire une somme d’effectifs  np à droite du sigle S « p = 1 » : le 1er élément de la somme = l’effectif de la 1re ligne « 3 » : le dernier élément de la somme = l’effectif de la 3e ligne

Les distributions en classes : théorie Sigle de sommation pour les hésitant(e)s explication pas à pas sigle de sommation : on veut faire une somme, une addition on veut faire une somme d’effectifs  np à droite du sigle S « p = 1 » : le 1er élément de la somme = l’effectif de la 1re ligne « 3 » : le dernier élément de la somme = l’effectif de la 3e ligne

Les distributions en classes : théorie Sigle de sommation pour les hésitant(e)s explication pas à pas sigle de sommation : on veut faire une somme, une addition on veut faire une somme d’effectifs  np à droite du sigle S « p = 1 » : le 1er élément de la somme = l’effectif de la 1re ligne « 3 » : le dernier élément de la somme = l’effectif de la 3e ligne

Les distributions en classes : théorie Sigle de sommation pour les hésitant(e)s explication pas à pas sigle de sommation : on veut faire une somme, une addition on veut faire une somme d’effectifs  np à droite du sigle S « p = 1 » : le 1er élément de la somme = l’effectif de la 1re ligne « 3 » : le dernier élément de la somme = l’effectif de la 3e ligne

Les distributions en classes : théorie Sigle de sommation pour les hésitant(e)s explication pas à pas sigle de sommation : on veut faire une somme, une addition on veut faire une somme d’effectifs  np à droite du sigle S « p = 1 » : le 1er élément de la somme = l’effectif de la 1re ligne « 3 » : le dernier élément de la somme = l’effectif de la 3e ligne

Les distributions en classes : théorie Sigle de sommation pour les hésitant(e)s explication pas à pas sigle de sommation : on veut faire une somme, une addition on veut faire une somme d’effectifs  np à droite du sigle S « p = 1 » : le 1er élément de la somme = l’effectif de la 1re ligne « 3 » : le dernier élément de la somme = l’effectif de la 3e ligne

Les distributions en classes : théorie Sigle de sommation pour les hésitant(e)s explication pas à pas sigle de sommation : on veut faire une somme, une addition on veut faire une somme d’effectifs  np à droite du sigle S « p = 1 » : le 1er élément de la somme = l’effectif de la 1re ligne « 3 » : le dernier élément de la somme = l’effectif de la 3e ligne entre le 1er et le dernier, on prend « tout » !

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque formule « officielle » (cf. formulaire) Rappel : « P » = nombre de lignes actives dans le tableau

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque formule « officielle » (cf. formulaire)

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque formule « officielle » (cf. formulaire)

Les distributions en classes : théorie Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation Équivalence entre l’idée initiale et la formule ! formule « officielle » (cf. formulaire)

Les distributions en classes : théorie Effectif cumulé définition : somme des effectifs de la classe k des classes qui précèdent (selon un ordre croissant) exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe Interprétation : 9 observations avant 3.000 C/J

Les distributions en classes : théorie Effectif cumulé définition : somme des effectifs de la classe k des classes qui précèdent (selon un ordre croissant) exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe Interprétation : 9 observations avant 3.000 C/J

Les distributions en classes : théorie Effectif cumulé définition : somme des effectifs de la classe k (avec k qui fonctionne comme p) des classes qui précèdent (selon un ordre croissant) exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe Interprétation : 9 observations avant 3.000 C/J

Les distributions en classes : théorie Effectif cumulé définition : somme des effectifs de la classe k des classes qui précèdent (selon un ordre croissant) exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe Interprétation : 9 observations avant 3.000 C/J

Les distributions en classes : théorie Effectif cumulé définition : somme des effectifs de la classe k des classes qui précèdent (selon un ordre croissant) exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe Interprétation : 9 observations avant 3.000 C/J

Les distributions en classes : théorie Effectif cumulé définition : somme des effectifs de la classe k des classes qui précèdent (selon un ordre croissant) exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe Interprétation : 9 observations avant 3.000 C/J

Les distributions en classes : théorie Effectif cumulé définition : somme des effectifs de la classe k des classes qui précèdent (selon un ordre croissant) exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe Interprétation : 9 observations avant 3.000 C/J

Les distributions en classes : théorie Effectif cumulé exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe autre distribution : si k = 6 et P = 10 (toujours 1 ≤ k ≤ P) si k et P quelconques (1 ≤ k ≤ P) l’effectif cumulé de la dernière classe, soit k = P :

Les distributions en classes : théorie Effectif cumulé exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe autre exemple ne venant pas du tableau 1.5 : si k = 6 et P = 10 si k et P quelconques (1 ≤ k ≤ P) l’effectif cumulé de la dernière classe, soit k = P :

Les distributions en classes : théorie Effectif cumulé exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe autre exemple : si k = 6 et P = 10 (toujours 1 ≤ k ≤ P) si k et P quelconques (1 ≤ k ≤ P) l’effectif cumulé de la dernière classe, soit k = P :

Les distributions en classes : théorie Effectif cumulé exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe autre exemple : si k = 6 et P = 10 (toujours 1 ≤ k ≤ P) si k et P quelconques (1 ≤ k ≤ P) l’effectif cumulé de la dernière classe, soit k = P :

Les distributions en classes : théorie Effectif cumulé exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe autre exemple : si k = 6 et P = 10 (toujours 1 ≤ k ≤ P) si k et P quelconques (1 ≤ k ≤ P) l’effectif cumulé de la dernière classe, soit k = P :

Les distributions en classes : théorie Effectif cumulé exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe autre exemple : si k = 6 et P = 10 (toujours 1 ≤ k ≤ P) si k et P quelconques (1 ≤ k ≤ P) l’effectif cumulé de la dernière classe, soit k = P :

Les distributions en classes : théorie Effectif cumulé exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe autre exemple : si k = 6 et P = 10 (toujours 1 ≤ k ≤ P) si k et P quelconques (1 ≤ k ≤ P) l’effectif cumulé de la dernière classe, soit k = P :

Les distributions en classes : théorie Un truc pour faciliter le calcul :  p/k Bornes xp np Nk 1 0 -< 5 2,5 75.687 2 5-< 10 7,5 62.367 138.054 3 10 -< 15 12,5 57.085 195.139 4 15 -< 20 17,5 58.149 253.288 5 20 -< 25 22,5 69.594 322.882 Total SO

Les distributions en classes : théorie Un truc pour faciliter le calcul :  p/k Bornes xp np Nk 1 0 -< 5 2,5 75.687 2 5-< 10 7,5 62.367 138.054 3 10 -< 15 12,5 57.085 195.139 4 15 -< 20 17,5 58.149 253.288 5 20 -< 25 22,5 69.594 322.882 Total SO

Les distributions en classes : théorie Un truc pour faciliter le calcul :  p/k Bornes xp np Nk 1 0 -< 5 2,5 75.687 2 5-< 10 7,5 62.367 138.054 3 10 -< 15 12,5 57.085 195.139 4 15 -< 20 17,5 58.149 253.288 5 20 -< 25 22,5 69.594 322.882 Total SO

Les distributions en classes : théorie Un truc pour faciliter le calcul :  p/k Bornes xp np Nk 1 0 -< 5 2,5 75.687 2 5-< 10 7,5 62.367 138.054 3 10 -< 15 12,5 57.085 195.139 4 15 -< 20 17,5 58.149 253.288 5 20 -< 25 22,5 69.594 322.882 Total SO

Les distributions en classes : théorie Un truc pour faciliter le calcul :  p/k Bornes xp np Nk 1 0 -< 5 2,5 75.687 2 5-< 10 7,5 62.367 138.054 3 10 -< 15 12,5 57.085 195.139 4 15 -< 20 17,5 58.149 253.288 5 20 -< 25 22,5 69.594 322.882 Total SO

Les distributions en classes : théorie Effectif cumulé Formule générale : si k et P quelconques (1 ≤ k ≤ P) Autres effectifs cumulés (pas pour nous) : sans prendre en compte la classe k en prenant en compte les classes supérieures (ou égales) Variables qualitatives et Nk ? Sens ou pas ? Pourquoi ? Pas de sens, car ordre n’a pas de sens ! Variables quantitatives groupées selon les valeurs et Nk ? Sens, car ordre a du sens !

Les distributions en classes : théorie Effectif cumulé Formule générale : si k et P quelconques (1 ≤ k ≤ P) Autres effectifs cumulés (pas pour nous) : sans prendre en compte la classe k en prenant en compte les classes supérieures (ou égales) Variables qualitatives et Nk ? Sens ou pas ? Pourquoi ? Pas de sens, car ordre n’a pas de sens ! Variables quantitatives groupées selon les valeurs et Nk ? Sens, car ordre a du sens !

Les distributions en classes : théorie Effectif cumulé Formule générale : si k et P quelconques (1 ≤ k ≤ P) Autres effectifs cumulés (pas pour nous) : sans prendre en compte la classe k en prenant en compte les classes supérieures (ou égales) Variables qualitatives et Nk ? Sens ou pas ? Pourquoi ? Pas de sens, car ordre n’a pas de sens ! Variables quantitatives groupées selon les valeurs et Nk ? Sens, car ordre a du sens !

Les distributions en classes : théorie Effectif cumulé Formule générale : si k et P quelconques (1 ≤ k ≤ P) Autres effectifs cumulés (pas pour nous) : sans prendre en compte la classe k en prenant en compte les classes supérieures (ou égales) Variables qualitatives et Nk ? Sens ou pas ? Pourquoi ? Pas de sens, car ordre n’a pas de sens ! Variables quantitatives groupées selon les valeurs et Nk ? Sens, car ordre a du sens !

Les distributions en classes : théorie Effectif cumulé Formule générale : si k et P quelconques (1 ≤ k ≤ P) Autres effectifs cumulés (pas pour nous) : sans prendre en compte la classe k en prenant en compte les classes supérieures (ou égales) Variables qualitatives et Nk ? Sens ou pas ? Pourquoi ? Pas de sens, car ordre n’a pas de sens ! Variables quantitatives groupées selon les valeurs et Nk ? Sens, car ordre a du sens !

Les distributions en classes : théorie Effectif cumulé Formule générale : si k et P quelconques (1 ≤ k ≤ P) Autres effectifs cumulés (pas pour nous) : sans prendre en compte la classe k en prenant en compte les classes supérieures (ou égales) Variables qualitatives et Nk ? Sens ou pas ? Pourquoi ? Pas de sens, car ordre n’a pas de sens ! Variables quantitatives groupées selon les valeurs et Nk ? Sens, car ordre a du sens !

Les distributions en classes Les fréquences (simples ou cumulées) cumulées) Observer les 2 dernières colonnes Comment obtenir la colonne des fréquences (fp) ? fréquences cumulées (Fk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 2 dernières colonnes du tableau 3

Les distributions en classes Les fréquences (cumulées) Observer les 2 dernières colonnes Comment obtenir la colonne des fréquences (fp) ? fréquences cumulées (Fk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 2 dernières colonnes du tableau 3

Les distributions en classes Les fréquences (cumulées) Observer les 2 dernières colonnes Sur la 2e ligne, comment obtenir la colonne des fréquences (fp) ? 0,36 = 4/11 fréquences cumulées (Fk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 2 dernières colonnes du tableau 3

Les distributions en classes Les fréquences (cumulées) Observer les 2 dernières colonnes Sur la 2e ligne, comment obtenir la colonne des fréquences (fp) ? 0,36 = 4/11 fréquences cumulées (Fk) ? 0,82 = 9/11 Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 2 dernières colonnes du tableau 3

Les distributions en classes Les fréquences ou « fp » définition : proportion des observations dans la classe p proportion = part = pourcentage = % Si p = 2, f2 = fréquence de la 2e classe sous forme décimale, arrondie à 2 décimales sous forme de % sans décimale interprétation : 36 % des observations sont dans la 2e classe

Les distributions en classes Les fréquences ou « fp » définition : proportion des observations dans la classe p proportion = part = pourcentage = % Si p = 2, f2 = fréquence de la 2e classe sous forme décimale, arrondie à 2 décimales sous forme de % sans décimale interprétation : 36 % des observations sont dans la 2e classe

Les distributions en classes Les fréquences ou « fp » définition : proportion des observations dans la classe p proportion = part = pourcentage = % Si p = 2, f2 = fréquence de la 2e classe sous forme décimale, arrondie à 2 décimales sous forme de % sans décimale interprétation : 36 % des observations sont dans la 2e classe

Les distributions en classes Les fréquences ou « fp » définition : proportion des observations dans la classe p proportion = part = pourcentage = % Si p = 2, f2 = fréquence de la 2e classe sous forme décimale, arrondie à 2 décimales sous forme de % sans décimale interprétation : 36 % des observations sont dans la 2e classe

Les distributions en classes Les fréquences ou « fp » définition : proportion des observations dans la classe p proportion = part = pourcentage = % Si p = 2, f2 = fréquence de la 2e classe sous forme décimale, arrondie à 2 décimales sous forme de % sans décimale interprétation : 36 % des observations sont dans la 2e classe

Les distributions en classes Les fréquences ou « fp » définition : proportion des observations dans la classe p proportion = part = pourcentage = % Si p = 2, f2 = fréquence de la 2e classe sous forme décimale, arrondie à 2 décimales sous forme de % sans décimale interprétation : 36 % des observations sont dans la 2e classe

Les distributions en classes Les fréquences ou « fp » définition : proportion des observations dans la classe p proportion = part = pourcentage = % Si p = 2, f2 = fréquence de la 2e classe sous forme décimale, arrondie à 2 décimales sous forme de % sans décimale interprétation : 36 % des observations sont dans la 2e classe

Les distributions en classes Les fréquences ou « fp » définition : proportion des observations dans la classe p proportion = part = pourcentage = % Si p = 2, f2 = fréquence de la 2e classe sous forme décimale, arrondie à 2 décimales sous forme de % sans décimale interprétation : 36 % des observations sont dans la 2e classe

Les distributions en classes Les fréquences ou « fp » définition : proportion des observations dans la classe p proportion = part = pourcentage = % Si p = 2, f2 = fréquence de la 2e classe sous forme décimale, arrondie à 2 décimales sous forme de % sans décimale interprétation : 36 % des observations sont dans la 2e classe

Les distributions en classes Les fréquences ou « fp » définition : proportion des observations dans la classe p proportion = part = pourcentage = % Si p = 2, f2 = fréquence de la 2e classe sous forme décimale, arrondie à 2 décimales sous forme de % sans décimale interprétation : 36 % des observations sont dans la 2e classe

Les distributions en classes Les fréquences ou « fp » définition : proportion des observations dans la classe p proportion = part = pourcentage = % Si p = 2, f2 = fréquence de la 2e classe sous forme décimale, arrondie à 2 décimales sous forme de % sans décimale interprétation : 36 % des observations sont dans la 2e classe

Les distributions en classes Les pourcentages (%) Pour calculer un pourcentage : Pour f2 : le tout = 11 = n = l’ensemble des individus interrogés la partie = 4 = n2 = l’effectif de la classe 2 qui est une partie des 11 en %, arrondi à 0 décimale en %, arrondi à 2 décimales si pas déjà fait, urgent de trouver la fonction « fix »

Les distributions en classes Les pourcentages (%) Pour calculer un pourcentage : Pour f2 : le tout = 11 = n = l’ensemble des individus interrogés la partie = 4 = n2 = l’effectif de la classe 2 qui est une partie des 11 en %, arrondi à 0 décimale en %, arrondi à 2 décimales si pas déjà fait, urgent de trouver la fonction « fix »

Les distributions en classes Les pourcentages (%) Pour calculer un pourcentage : Pour f2 : le tout = 11 = n = l’ensemble des individus interrogés la partie = 4 = n2 = l’effectif de la classe 2 qui est une partie des 11 en %, arrondi à 0 décimale en %, arrondi à 2 décimales si pas déjà fait, urgent de trouver la fonction « fix »

Les distributions en classes Les pourcentages (%) Pour calculer un pourcentage : Pour f2 : le tout = 11 = n = l’ensemble des individus interrogés la partie = 4 = n2 = l’effectif de la classe 2 qui est une partie des 11 en %, arrondi à 0 décimale en %, arrondi à 2 décimales si pas déjà fait, urgent de trouver la fonction « fix »

Les distributions en classes Les pourcentages (%) Pour calculer un pourcentage : Pour f2 : le tout = 11 = n = l’ensemble des individus interrogés la partie = 4 = n2 = l’effectif de la classe 2 qui est une partie des 11 en %, arrondi à 0 décimale en %, arrondi à 2 décimales si pas déjà fait, urgent de trouver la fonction « fix »

Les distributions en classes Les pourcentages (%) Pour calculer un pourcentage : Pour f2 : le tout = 11 = n = l’ensemble des individus interrogés la partie = 4 = n2 = l’effectif de la classe 2 qui est une partie des 11 en %, arrondi à 0 décimale en %, arrondi à 2 décimales si pas déjà fait, urgent de trouver la fonction « fix »

Les distributions en classes Les pourcentages (%) Pour calculer un pourcentage : Pour f2 : le tout = 11 = n = l’ensemble des individus interrogés la partie = 4 = n2 = l’effectif de la classe 2 qui est une partie des 11 en %, arrondi à 0 décimale en %, arrondi à 2 décimales si pas déjà fait, urgent de trouver la fonction « fix »

Les distributions en classes Les pourcentages (%) Pour calculer un pourcentage : Pour f2 : le tout = 11 = n = l’ensemble des individus interrogés la partie = 4 = n2 = l’effectif de la classe 2 qui est une partie des 11 en %, arrondi à 0 décimale en %, arrondi à 2 décimales si pas déjà fait, urgent de trouver la fonction « fix » Attention : arrondir n’est pas tronquer : Exemple : 7/11 = 0,6363… ° = 0,64 si arrondi à 2 décimales ° = 0,63 si tronqué à la 2e décimale.

Les distributions en classes Les fréquences ou « fp » généralisation : La somme de la fréquence de toutes les classes donne 1 ou 100 % « démonstration » : Attention aux effets d’arrondis : 0,45+0,36+0,18 ≠ 1,00 ! Une question ? Pourquoi calculer les fréquences ?

Les distributions en classes Les fréquences ou « fp » généralisation : La somme de la fréquence de toutes les classes donne 1 ou 100 % « démonstration » : Attention aux effets d’arrondis : 0,45+0,36+0,18 ≠ 1,00 ! Une question ? Pourquoi calculer les fréquences ?

Les distributions en classes Les fréquences ou « fp » généralisation : la somme de la fréquence de toutes les classes donne 1 ou 100 % « démonstration » : Attention aux effets d’arrondis : 0,45+0,36+0,18 ≠ 1,00 ! Une question ? Pourquoi calculer les fréquences ?

Les distributions en classes Les fréquences ou « fp » généralisation : la somme de la fréquence de toutes les classes donne 1 ou 100 % « démonstration » : Attention aux effets d’arrondis : 0,45+0,36+0,18 ≠ 1,00 ! Une question ? Pourquoi calculer les fréquences ?

Les distributions en classes Les fréquences ou « fp » généralisation : la somme de la fréquence de toutes les classes donne 1 ou 100 % « démonstration » : attention aux effets d’arrondis : 0,45+0,36+0,18 ≠ 1,00 ! (Plus tard) Une question ? Pourquoi calculer les fréquences ?

Les distributions en classes Fréq. cumulées ou « Fk » 2 « définitions » : somme des fréquences de la classe k et des classes qui précèdent effectif cumulé de la classe k divisé par n Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Interprétation : 82 % des observations avant 3.000 C/J

Les distributions en classes Fréq. cumulées ou « Fk » 2 « définitions » : somme des fréquences de la classe k et des classes qui précèdent effectif cumulé de la classe k divisé par n Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Interprétation : 82 % des observations avant 3.000 C/J

Les distributions en classes Fréq. cumulées ou « Fk » 2 « définitions » : somme des fréquences de la classe k et des classes qui précèdent effectif cumulé de la classe k divisé par n Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Interprétation : 82 % des observations avant 3.000 C/J

Les distributions en classes Fréq. cumulées ou « Fk » 2 « définitions » : somme des fréquences de la classe k et des classes qui précèdent effectif cumulé de la classe k divisé par n Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Interprétation : 82 % des observations avant 3.000 C/J

Les distributions en classes Fréq. cumulées ou « Fk » 2 « définitions » : somme des fréquences de la classe k et des classes qui précèdent effectif cumulé de la classe k divisé par n Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Interprétation : 82 % des observations avant 3.000 C/J

Les distributions en classes Fréq. cumulées ou « Fk » 2 « définitions » : somme des fréquences de la classe k et des classes qui précèdent effectif cumulé de la classe k divisé par n Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Interprétation : 82 % des observations avant 3.000 C/J

Les distributions en classes Fréq. cumulées ou « Fk » 2 « définitions » : somme des fréquences de la classe k et des classes qui précèdent effectif cumulé de la classe k divisé par n Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Interprétation : 82 % des observations avant 3.000 C/J

Les distributions en classes Fréq. cumulées ou « Fk » 2 « définitions » : somme des fréquences de la classe k et des classes qui précèdent effectif cumulé de la classe k divisé par n Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Interprétation : 82 % des observations avant 3.000 C/J

Les distributions en classes Fréq. cumulées ou « Fk » 2 « définitions » : somme des fréquences de la classe k et des classes qui précèdent effectif cumulé de la classe k divisé par n Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Interprétation : 82 % des observations avant 3.000 C/J

Les distributions en classes Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 !  Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant

Les distributions en classes Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 !  Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant

Les distributions en classes Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 !  Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant

Les distributions en classes Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 !  Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant

Les distributions en classes Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 !  Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant

Les distributions en classes Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 !  Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant

Les distributions en classes Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 !  Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant

Les distributions en classes Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 !  Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant

Les distributions en classes Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 !  Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant

Les distributions en classes Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 !  Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant

Les distributions en classes Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 !  Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant + exercice dans le syllabus

Les distributions en classes Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 !  Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant + exercice dans le syllabus Plutôt prendre la 2e formule : moins de problèmes d’arrondis

Les distributions en classes Fréquences cumulées Généralisation : pour k et P quelconques (1 ≤ k ≤ P) Si k = P (fréquence cumulée de la dernière classe) Fk en cas de variable qualitative ? Pourquoi calculer les Fk ?

Les distributions en classes Fréquences cumulées Généralisation : pour k et P quelconques (1 ≤ k ≤ P) Si k = P (fréquence cumulée de la dernière classe) Fk en cas de variable qualitative ? Pourquoi calculer les Fk ?

Les distributions en classes Fréquences cumulées Généralisation : pour k et P quelconques (1 ≤ k ≤ P) Si k = P (fréquence cumulée de la dernière classe)

Les distributions en classes Fréquences cumulées Généralisation : pour k et P quelconques (1 ≤ k ≤ P) Si k = P (fréquence cumulée de la dernière classe)

Les distributions en classes Fréquences cumulées Généralisation : pour k et P quelconques (1 ≤ k ≤ P) Si k = P (fréquence cumulée de la dernière classe)

Les distributions en classes Exercices 1, 2 et 3 : remplir rapidement les colonnes « fréquence (simple) » ou « fp » « fréquence cumulée » ou « Fk » correction dans 10-15 minutes Exercice 4 (type de question souvent posé) Exercice 5 (idem) Exercice 6 (sur données réelles) Exercice 7 (idem) Exercice 8 (idem) : calculs déjà faits  commentaires Rappel des formules :

Les distributions en classes Exercice 1. Distribution des poids en classes : np p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes : np p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes : Nk p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes : Nk p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes : Nk Formule à privilégier ! p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes : fp Fréquence d’une ligne = division ° du contenu de la cellule « effectif » de la ligne ° par n p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes : fp Fréquence d’une ligne = division ° du contenu de la cellule « effectif » de la ligne ° par n Si méthode applicable à une cellule, ° applicable à toutes les cellules de la colonne, ° y compris pour la ligne « Total » ° sauf exception (sans objet).

Les distributions en classes Exercice 1. Distribution des poids en classes : fp Fréquence d’une ligne = division ° du contenu de la cellule « effectif » de la ligne ° par n Si méthode applicable à une cellule, ° applicable à toutes les cellules de la colonne, ° y compris pour la ligne « Total » ° sauf exception (sans objet).

Les distributions en classes Exercice 1. Distribution des poids en classes : fp Fréquence d’une ligne = division ° du contenu de la cellule « effectif » de la ligne ° par n Si méthode applicable à une cellule, ° applicable à toutes les cellules de la colonne, ° y compris pour la ligne « Total » ° sauf exception (sans objet).

Les distributions en classes Exercice 1. Distribution des poids en classes : fp Fréquence d’une ligne = division ° du contenu de la cellule « effectif » de la ligne ° par n Si méthode applicable à une cellule, ° applicable à toutes les cellules de la colonne, ° y compris pour la ligne « Total » ° sauf exception (sans objet).

Les distributions en classes Exercice 1. Distribution des poids en classes : Fk p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes : Fk p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes : Fk p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes : Fk Formule à privilégier ! p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= 5  ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= 7  ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45%  ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64%  ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= 5  ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= 7  ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45%  ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64%  ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= 5  ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= 7  ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45%  ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64%  ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 1. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= 5  ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= 7  ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45%  ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64%  ° fréquence cumulée de la 3e ligne ° 63,64% des observations sont inférieures à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO

Les distributions en classes Exercice 2. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= 4  ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= 6  ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg f3= 36,36%  ° fréquence (simple) de la 3e ligne ° 36,36% des « i » ont un poids de 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO

Les distributions en classes Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » ne pas calculer les effectifs et fréquences cumulés en effet, pas d’ordre au contraire de la variable « poids » p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 S. O. 60,70% 2 Marocaine 2 ou M 37 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00%

Les distributions en classes Exercice 4. Distribution des revenus mensuels. Données Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : (0 + 1.000)/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = 110 + 60 = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. Question fréquemment posée à l’examen…

Les distributions en classes Exercice 4. Distribution des revenus mensuels Correction disponible sur claroline Interprétation de données p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot.

Les distributions en classes Exercice 4. Distribution des revenus mensuels Variable et individus sous observation Interprétation de données p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot.

Les distributions en classes Exercice 4. Distribution des revenus mensuels Variable et individus sous observation Interprétation de données p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. Revenus mensuels et adultes d’une localité

Les distributions en classes Exercice 4. Distribution des revenus mensuels Variable et individus sous observation Interprétation de données : p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. ° pour 60 « i », les revenus vont de 2.000 à moins de 3.000 ° 110 individus disposent de revenus inférieurs à 3.000 ° 55% des individus gagnent moins de 3.000

Les distributions en classes Exercice 4. Distribution des revenus mensuels Variable et individus sous observation Interprétation de données : p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. ° pour 60 « i », les revenus vont de 2.000 à moins de 3.000 ° 110 individus disposent de revenus inférieurs à 3.000 ° 55% des individus gagnent moins de 3.000

Les distributions en classes Exercice 4. Distribution des revenus mensuels Variable et individus sous observation Interprétation de données : p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. ° pour 60 « i », les revenus vont de 2.000 à moins de 3.000 ° 110 individus disposent de revenus inférieurs à 2.000 ° 55% des individus gagnent moins de 3.000

Les distributions en classes Exercice 4. Distribution des revenus mensuels Variable et individus sous observation Interprétation de données : p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. ° pour 60 « i », les revenus vont de 2.000 à moins de 3.000 ° 110 individus disposent de revenus inférieurs à 3.000 ° 55% des individus gagnent moins de 2.000

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : (0 + 1.000)/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = 110 + 60 = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot.

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : (0 + 1.000)/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = 110 + 60 = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : (0 + 1.000)/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = 110 + 60 = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : (0 + 1.000)/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = 110 + 60 = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 0,85 4 3.000-<4.000 3.500 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : (0 + 1.000)/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = 110 + 60 = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 0,85 4 3.000-<4.000 3.500 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : (0 + 1.000)/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = 110 + 60 = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : (0 + 1.000)/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1,00 N3 = N2 + n3 = 110 + 60 = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : (0 + 1.000)/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1,00 N3 = N2 + n3 = 110 + 60 = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : (0 + 1.000)/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1,00 N3 = N2 + n3 = 110 + 60 = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : (0 + 1.000)/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1,00 N3 = N2 + n3 = 110 + 60 = 170 Autre(s) indice(s) ? Éventuellement oui : les fp p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : (0 + 1.000)/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1,00 N3 = N2 + n3 = 110 + 60 = 170 Autre(s) indice(s) ? Généralement, c’est ici que cela coince ! p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver sur base d’une manipulation des équations théoriques (cf. p. XII) trouver un élément inconnu et une équation où il serait la seule inconnue Exemple : où F2 et N2 sont connus  calcul de n p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver sur base d’une manipulation des équations théoriques (cf. p. XII) trouver un élément inconnu et une équation où il serait la seule inconnue Exemple : où F2 et N2 sont connus  calcul de n p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver sur base d’une manipulation des équations théoriques (cf. p. XII) trouver un élément inconnu et une équation où il serait la seule inconnue Exemple : où F2 et N2 sont connus  calcul de n p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver sur base d’une manipulation des équations théoriques (cf. p. XII) trouver un élément inconnu et une équation où il serait la seule inconnue Exemple : où F2 et N2 sont connus  calcul de n p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple : Explication qui va suivre : détaillée ! Si vous connaissez des raccourcis, tant mieux ! (Cf. correction sur le site)

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple : À mon avis, attendre le dernier moment pour introduire les nombres dans la formule ! Pourquoi ?

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple : 200

Les distributions en classes Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple : 200 200 Une 2e fois dans le tableau

Les distributions en classes Exercice 4. Distribution des revenus mensuels Autre exemple : Exemple : avec F2 et f1 connues  f2 200 200

Les distributions en classes Exercice 4. Distribution des revenus mensuels Autre exemple : Exemple : 200 200

Les distributions en classes Exercice 4. Distribution des revenus mensuels Autre exemple : Exemple : 200 200

Les distributions en classes Exercice 4. Distribution des revenus mensuels Autre exemple : Exemple : 200 200

Les distributions en classes Exercice 4. Distribution des revenus mensuels Autre exemple : Exemple : 200 200

Les distributions en classes Exercice 4. Distribution des revenus mensuels Autre exemple : Exemple : 0,45 200 200

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver Après des valeurs plus difficiles : équations et manipulation Quand le tableau est complet, vérifications : retrouver une valeur par différents chemins déjà faire des vérifications en cours de route

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver Après des valeurs plus difficiles : équations et manipulation Quand le tableau est complet, vérifications : retrouver une valeur par différents chemins déjà faire des vérifications en cours de route

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver Après des valeurs plus difficiles : équations et manipulation Quand le tableau est complet, vérifications : retrouver une valeur par différents chemins déjà faire des vérifications en cours de route

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver Après des valeurs plus difficiles : équations et manipulation Quand le tableau est complet, vérifications : retrouver une valeur par différents chemins déjà faire des vérifications en cours de route repérer au fur et à mesure les résultats certains

Les distributions en classes Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver Après des valeurs plus difficiles : équations et manipulation Quand le tableau est complet, vérifications : retrouver une valeur par différents chemins déjà faire des vérifications en cours de route repérer au fur et à mesure les résultats certains

Les distributions en classes Exercices 1, 2 et 3 : remplir rapidement les colonnes Exercice 4 (type de question souvent posé) Exercice 5 (idem) Exercice 6 (sur données réelles) Exercice 7 (idem) Exercice 8 (idem) : calculs déjà faits  commentaires Syllabus : exercice 1.8 Rappel des formules (p. XII du syllabus) :

Les distributions en classes Exercice 5. Distribution du poids dans une localité Remarques : méthode : cf. exercice 4 ici, les résultats sont moins évidents dès lors les manipulations théoriques sont plus utiles p/k Bornes (en kg) xp np Nk fp Fk 1 0-<20 10 875 0,07 2 20-<40 30 1.625 2.500 0,13 0,20 3 40-<60 50 4.000 6.500 0,32 0,52 4 60-<80 70 2.625 9.125 0,21 0,73 5 80-<100 90 3.375 12.500 0,27 1,00 Tot. SO

Les distributions en classes Exercice 5. Distribution du poids dans une localité Remarques : méthode : cf. exercice 4 ici, les résultats sont moins évidents dès lors les manipulations théoriques sont plus utiles p/k Bornes (en kg) xp np Nk fp Fk 1 0-<20 10 875 0,07 2 20-<40 30 1.625 2.500 0,13 0,20 3 40-<60 50 4.000 6.500 0,32 0,52 4 60-<80 70 2.625 9.125 0,21 0,73 5 80-<100 90 3.375 12.500 0,27 1,00 Tot. SO

Les distributions en classes Exercice 5. Distribution du poids dans une localité Remarques : méthode : cf. exercice 4 ici, les résultats sont moins évidents dès lors les manipulations théoriques sont plus utiles p/k Bornes (en kg) xp np Nk fp Fk 1 0-<20 10 875 0,07 2 20-<40 30 1.625 2.500 0,13 0,20 3 40-<60 50 4.000 6.500 0,32 0,52 4 60-<80 70 2.625 9.125 0,21 0,73 5 80-<100 90 3.375 12.500 0,27 1,00 Tot. SO

Les distributions en classes Exercice 5. Distribution du poids dans une localité Remarques : méthode : cf. exercice 4 ici, les résultats sont moins évidents  dès lors les manipulations théoriques sont plus utiles p/k Bornes (en kg) xp np Nk fp Fk 1 0-<20 10 875 0,07 2 20-<40 30 1.625 2.500 0,13 0,20 3 40-<60 50 4.000 6.500 0,32 0,52 4 60-<80 70 2.625 9.125 0,21 0,73 5 80-<100 90 3.375 12.500 0,27 1,00 Tot. SO

Les distributions en classes Exercice 6. Distribution de l’âge sur données réelles Remarques : méthode : cf. exercice 4 ici, les résultats ne sont pas du tout évidents  les manipulations théoriques sont indispensables attendre le dernier moment pour remplacer les symboles par les nombres lors des manipulations, si uniquement emploi des nombres : procédure longue et fastidieuse ne pas s’étonner de trébucher p/k Bornes xp np Nk fp Fk 1 6-<9 ans 7,5 323.562 21,46% 2 9-<12 ans 10,5 365.766 689.328 24,26% 45,72% 3 12-<15 ans 13,5 418.625 1.107.953 27,77% 73,48% 4 15-<18 ans 16,5 399.784 1.507.737 26,52% 100,00% Tot. SO 1,00

Les distributions en classes Exercice 6. Distribution de l’âge sur données réelles Remarques : méthode : cf. exercice 4 ici, les résultats ne sont pas du tout évidents  les manipulations théoriques sont indispensables attendre le dernier moment pour remplacer les symboles par les nombres lors des manipulations, si uniquement emploi des nombres : procédure longue et fastidieuse ne pas s’étonner de trébucher p/k Bornes xp np Nk fp Fk 1 6-<9 ans 7,5 323.562 21,46% 2 9-<12 ans 10,5 365.766 689.328 24,26% 45,72% 3 12-<15 ans 13,5 418.625 1.107.953 27,77% 73,48% 4 15-<18 ans 16,5 399.784 1.507.737 26,52% 100,00% Tot. SO 1,00

Les distributions en classes Exercice 6. Distribution de l’âge sur données réelles Remarques : méthode : cf. exercice 4 ici, les résultats ne sont pas du tout évidents  les manipulations théoriques sont indispensables attendre le dernier moment pour remplacer les symboles par les nombres lors des manipulations, si uniquement emploi des nombres : procédure longue et fastidieuse ne pas s’étonner de trébucher p/k Bornes xp np Nk fp Fk 1 6-<9 ans 7,5 323.562 21,46% 2 9-<12 ans 10,5 365.766 689.328 24,26% 45,72% 3 12-<15 ans 13,5 418.625 1.107.953 27,77% 73,48% 4 15-<18 ans 16,5 399.784 1.507.737 26,52% 100,00% Tot. SO 1,00 Faites encore comme vous le voulez !

Les distributions en classes Exercice 7. Distribution des chômeurs par âge Population : les chômeurs indemnisés de Bruxelles en 2008 Variable :  l’âge, avec regroupement en classes de 5 ans  var. quantitative continue (valeur numérique et infinité de valeurs) Données groupées : pour un paquet de 484 individus, âge entre 18 –< 20 ans Tableau des effectifs et des fréquences (interprétation : cf. site) Pourquoi calculer les fréquences ? p/k Classes xp np Nk fp Fk 1 18-< 20 ans 19,0 484 0,7% 2 20-< 25 ans 22,5 7.452 7.936 10,1% 10,8% 3 25-< 30 ans 27,5 12.270 20.206 16,6% 27,4% 4 30-< 35 ans 32,5 11.294 31.500 15,3% 42,7% 5 35-< 40 ans 37,5 10.479 41.979 14,2% 56,9% 6 40-< 45 ans 42,5 9.126 51.105 12,4% 69,3% 7 45-< 50 ans 47,5 8.207 59.312 11,1% 80,4% 8 50-< 55 ans 52,5 8.637 67.949 11,7% 92,1% 9 55-< 60 ans 57,5 4.863 72.812 6,6% 98,7% 10 60-< 65 ans 62,5 942 73.754 1,3% 100,0% S.O. Total

Les distributions en classes Exercice 7. Distribution des chômeurs par âge Population : les chômeurs indemnisés de Bruxelles en 2008 Variable :  l’âge, avec regroupement en classes de 5 ans  var. quantitative continue (valeur numérique et infinité de valeurs) Données groupées : pour un paquet de 484 individus, âge entre 18 –< 20 ans Tableau des effectifs et des fréquences (interprétation : cf. site) p/k Classes xp np Nk fp Fk 1 18-< 20 ans 19,0 484 0,7% 2 20-< 25 ans 22,5 7.452 7.936 10,1% 10,8% 3 25-< 30 ans 27,5 12.270 20.206 16,6% 27,4% 4 30-< 35 ans 32,5 11.294 31.500 15,3% 42,7% 5 35-< 40 ans 37,5 10.479 41.979 14,2% 56,9% 6 40-< 45 ans 42,5 9.126 51.105 12,4% 69,3% 7 45-< 50 ans 47,5 8.207 59.312 11,1% 80,4% 8 50-< 55 ans 52,5 8.637 67.949 11,7% 92,1% 9 55-< 60 ans 57,5 4.863 72.812 6,6% 98,7% 10 60-< 65 ans 62,5 942 73.754 1,3% 100,0% S.O. Total

Les distributions en classes Exercice 7. Distribution des chômeurs par âge Population : les chômeurs indemnisés de Bruxelles en 2008 Variable :  l’âge, avec regroupement en classes de 5 ans  var. quantitative continue (valeur numérique et infinité de valeurs) Données groupées : pour un paquet de 484 individus, âge entre 18 –< 20 ans Tableau des effectifs et des fréquences (interprétation : cf. site) p/k Classes xp np Nk fp Fk 1 18-< 20 ans 19,0 484 0,7% 2 20-< 25 ans 22,5 7.452 7.936 10,1% 10,8% 3 25-< 30 ans 27,5 12.270 20.206 16,6% 27,4% 4 30-< 35 ans 32,5 11.294 31.500 15,3% 42,7% 5 35-< 40 ans 37,5 10.479 41.979 14,2% 56,9% 6 40-< 45 ans 42,5 9.126 51.105 12,4% 69,3% 7 45-< 50 ans 47,5 8.207 59.312 11,1% 80,4% 8 50-< 55 ans 52,5 8.637 67.949 11,7% 92,1% 9 55-< 60 ans 57,5 4.863 72.812 6,6% 98,7% 10 60-< 65 ans 62,5 942 73.754 1,3% 100,0% S.O. Total

Les distributions en classes Exercice 7. Distribution des chômeurs par âge Population : les chômeurs indemnisés de Bruxelles en 2008 Variable :  l’âge, avec regroupement en classes de 5 ans  var. quantitative continue (valeur numérique et infinité de valeurs) Données groupées : pour un paquet de 484 individus, âge entre 18 –< 20 ans Tableau des effectifs et des fréquences (interprétation : cf. site) p/k Classes xp np Nk fp Fk 1 18-< 20 ans 19,0 484 0,7% 2 20-< 25 ans 22,5 7.452 7.936 10,1% 10,8% 3 25-< 30 ans 27,5 12.270 20.206 16,6% 27,4% 4 30-< 35 ans 32,5 11.294 31.500 15,3% 42,7% 5 35-< 40 ans 37,5 10.479 41.979 14,2% 56,9% 6 40-< 45 ans 42,5 9.126 51.105 12,4% 69,3% 7 45-< 50 ans 47,5 8.207 59.312 11,1% 80,4% 8 50-< 55 ans 52,5 8.637 67.949 11,7% 92,1% 9 55-< 60 ans 57,5 4.863 72.812 6,6% 98,7% 10 60-< 65 ans 62,5 942 73.754 1,3% 100,0% S.O. Total

Les distributions en classes Exercice 7. Distribution des chômeurs par âge Population : les chômeurs indemnisés de Bruxelles en 2008 Variable :  l’âge, avec regroupement en classes de 5 ans  var. quantitative continue (valeur numérique et infinité de valeurs) Données groupées : pour un paquet de 484 individus, âge entre 18 –< 20 ans Tableau des effectifs et des fréquences (interprétation : cf. site) p/k Classes xp np Nk fp Fk 1 18-< 20 ans 19,0 484 0,7% 2 20-< 25 ans 22,5 7.452 7.936 10,1% 10,8% 3 25-< 30 ans 27,5 12.270 20.206 16,6% 27,4% 4 30-< 35 ans 32,5 11.294 31.500 15,3% 42,7% 5 35-< 40 ans 37,5 10.479 41.979 14,2% 56,9% 6 40-< 45 ans 42,5 9.126 51.105 12,4% 69,3% 7 45-< 50 ans 47,5 8.207 59.312 11,1% 80,4% 8 50-< 55 ans 52,5 8.637 67.949 11,7% 92,1% 9 55-< 60 ans 57,5 4.863 72.812 6,6% 98,7% 10 60-< 65 ans 62,5 942 73.754 1,3% 100,0% Tot. S.O.

Les distributions en classes Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste plus marqué du côté des demandeurs : cf. 50 ans et + demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les jeunes chômeurs  Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Remarques à propos des données de l’exercice : ° distributions déjà établies ° expliquer les 3 colonnes Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %

Les distributions en classes Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste plus marqué du côté des demandeurs : cf. 50 ans et + demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les jeunes chômeurs  Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %

Les distributions en classes Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste plus marqué du côté des demandeurs : cf. 50 ans et + demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les jeunes chômeurs  Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %

Les distributions en classes Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste plus marqué du côté des demandeurs : cf. 50 ans et + demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les jeunes chômeurs  Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %

Les distributions en classes Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste min-max + marqué du côté des demandeurs (cf. 50 ans et +) demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les jeunes chômeurs  Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %

Les distributions en classes Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste min-max + marqué du côté des demandeurs (cf. 50 ans et +) demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les jeunes chômeurs  Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %

Les distributions en classes Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste min-max + marqué du côté des demandeurs (cf. 50 ans et +) demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les chômeurs < 30 ans  Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %

Les distributions en classes Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste min-max + marqué du côté des demandeurs (cf. 50 ans et +) demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les chômeurs < 30 ans  Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %

Les distributions en classes Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste min-max + marqué du côté des demandeurs (cf. 50 ans et +) demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les chômeurs < 30 ans  Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %

Les distributions en classes Retour à la théorie :

Les distributions en classes Pourquoi calculer les fréquences ? Soit à comparer les résultats en stat dans 2 sections (A et B) : dans quelle section les résultats sont-ils les meilleurs ? Résultats sous forme d’effectifs Conclusion : comparaison difficile (même si ici…) pourquoi ? car totaux différents : 190 ≠ 92  difficile voir si résultats meilleurs en A ou B. Or, c’est la question ! solution : passer par les fréquences « Pourquoi calculer un indice ? » = question importante : elle permet de voir à quoi la méthode peut servir ! Il est donc légitime de se poser cette question ! p Filière A Filière B 1 0 -< 2 6 16 2 2 -< 8 54 23 3 8 -< 10 36 18 4 10 -< 12 32 13 5 12 et + 62 22 Total − 190 92

Les distributions en classes Pourquoi calculer les fréquences ? Soit à comparer les résultats en stat dans 2 sections (A et B) : dans quelle section les résultats sont-ils les meilleurs ? Résultats sous forme d’effectifs Conclusion : comparaison difficile (même si ici…) pourquoi ? car totaux différents : 190 ≠ 92  difficile voir si résultats meilleurs en A ou B. Or, c’est la question ! solution : passer par les fréquences p Filière A Filière B 1 0 -< 2 6 16 2 2 -< 8 54 23 3 8 -< 10 36 18 4 10 -< 12 32 13 5 12 et + 62 22 Total − 190 92

Les distributions en classes Pourquoi calculer les fréquences ? Soit à comparer les résultats en stat dans 2 sections (A et B) : dans quelle section les résultats sont-ils les meilleurs ? Résultats sous forme d’effectifs Conclusion : comparaison difficile (même si ici…) pourquoi ? car totaux différents : 190 ≠ 92  difficile voir si résultats meilleurs en A ou B. Or, c’est la question ! solution : passer par les fréquences p Filière A Filière B 1 0 -< 2 6 16 2 2 -< 8 54 23 3 8 -< 10 36 18 4 10 -< 12 32 13 5 12 et + 62 22 Total − 190 92

Les distributions en classes Pourquoi calculer les fréquences ? Soit à comparer les résultats en stat dans 2 sections (A et B) : dans quelle section les résultats sont-ils les meilleurs ? Résultats sous forme d’effectifs Conclusion : comparaison difficile (même si ici…) pourquoi ? car totaux différents : 190 ≠ 92  difficile voir si résultats meilleurs en A ou B. Or, c’est la question ! solution : passer par les fréquences p Filière A Filière B 1 0 -< 2 6 16 2 2 -< 8 54 23 3 8 -< 10 36 18 4 10 -< 12 32 13 5 12 et + 62 22 Total − 190 92

Les distributions en classes Pourquoi calculer les fréquences ? Soit à comparer les résultats en stat dans 2 sections (A et B) : dans quelle section les résultats sont-ils les meilleurs ? Résultats sous forme d’effectifs Conclusion : comparaison difficile (même si ici…) pourquoi ? car totaux différents : 190 ≠ 92  difficile voir si résultats meilleurs en A ou B. Or, c’est la question ! solution : passer par les fréquences p Filière A Filière B 1 0 -< 2 6 16 2 2 -< 8 54 23 3 8 -< 10 36 18 4 10 -< 12 32 13 5 12 et + 62 22 Total − 190 92

Les distributions en classes Pourquoi calculer les fréquences ? Soit à comparer les résultats en stat dans 2 sections (A et B) : dans quelle section les résultats sont-ils les meilleurs ? Résultats sous forme d’effectifs Conclusion : comparaison difficile pourquoi ? car totaux différents : 190 ≠ 92 (même si ici du simple au double…)  difficile voir si résultats meilleurs en A ou B. Or, c’est la question ! solution : passer par les fréquences p Filière A Filière B 1 0 -< 2 6 16 2 2 -< 8 54 23 3 8 -< 10 36 18 4 10 -< 12 32 13 5 12 et + 62 22 Total − 190 92

Les distributions en classes Pourquoi calculer les fréquences ? Soit à comparer les résultats en stat dans 2 sections (A et B) : dans quelle section les résultats sont-ils les meilleurs ? Résultats sous forme d’effectifs Conclusion : comparaison difficile pourquoi ? car totaux différents : 190 ≠ 92 (même si ici du simple au double…)  difficile voir si résultats meilleurs en A ou B. Or, c’est la question ! solution : passer par les fréquences p Filière A Filière B 1 0 -< 2 6 16 2 2 -< 8 54 23 3 8 -< 10 36 18 4 10 -< 12 32 13 5 12 et + 62 22 Total − 190 92

Les distributions en classes Pourquoi calculer les fréquences ? Soit à comparer les résultats en stat dans 2 sections (A et B) : dans quelle section les résultats sont-ils les meilleurs ? Résultats sous forme d’effectifs Conclusion : comparaison difficile pourquoi ? car totaux différents : 190 ≠ 92 (même si ici du simple au double…)  difficile voir si résultats meilleurs en A ou B. Or, c’est la question ! solution : passer par les fréquences p Filière A Filière B 1 0 -< 2 6 16 2 2 -< 8 54 23 3 8 -< 10 36 18 4 10 -< 12 32 13 5 12 et + 62 22 Total − 190 92

Les distributions en classes Pourquoi calculer les fréquences ? Résultats sous forme d’effectifs et de fréquences Conclusion : comparaison bien plus aisée Où les meilleurs résultats ? Justifiez. Si hésitation, calculez les np et les fp Que choisir pour analyser une situation ? Variable selon la question : Si comparaison de classes ou d’écoles ? fp Si prévoir le nombre de copies en 2e session ? np Même si une seule section, lecture avec les % plus aisée plus parlante En gros, TOUJOURS bien de calculer les fréquences !

Les distributions en classes Pourquoi calculer les fréquences ? Résultats sous forme d’effectifs et de fréquences Conclusion : comparaison bien plus aisée Où les meilleurs résultats ? Justifiez. Si hésitation, calculez les np et les fp Que choisir pour analyser une situation ? Variable selon la question : Si comparaison de classes ou d’écoles ? fp Si prévoir le nombre de copies en 2e session ? np Même si une seule section, lecture avec les % plus aisée plus parlante En gros, TOUJOURS bien de calculer les fréquences !

Les distributions en classes Pourquoi calculer les fréquences ? Résultats sous forme d’effectifs et de fréquences Conclusion : comparaison bien plus aisée Où les meilleurs résultats ? Justifiez. Si hésitation, calculez les np et les fp Que choisir pour analyser une situation ? Variable selon la question : Si comparaison de classes ou d’écoles ? fp Si prévoir le nombre de copies en 2e session ? np Même si une seule section, lecture avec les % plus aisée plus parlante En gros, TOUJOURS bien de calculer les fréquences !

Les distributions en classes Pourquoi calculer les fréquences ? Résultats sous forme d’effectifs et de fréquences Conclusion : comparaison bien plus aisée Où les meilleurs résultats ? Justifiez. Si hésitation, calculez les np et les fp Que choisir pour analyser une situation ? Variable selon la question : Si comparaison de classes ou d’écoles ? fp Si prévoir le nombre de copies en 2e session ? np Même si une seule section, lecture avec les % plus aisée plus parlante En gros, TOUJOURS bien de calculer les fréquences !

Les distributions en classes Pourquoi calculer les fréquences ? Résultats sous forme d’effectifs et de fréquences Conclusion : comparaison bien plus aisée Où les meilleurs résultats ? Justifiez. Si hésitation, calculez les np et les fp Que choisir pour analyser une situation ? Variable selon la question : Si comparaison de classes ou d’écoles ? fp Si prévoir le nombre de copies en 2e session ? np Même si une seule section, lecture avec les % plus aisée plus parlante En gros, TOUJOURS bien de calculer les fréquences !

Les distributions en classes Pourquoi calculer les fréquences ? Résultats sous forme d’effectifs et de fréquences Conclusion : comparaison bien plus aisée Où les meilleurs résultats ? Justifiez. Si hésitation, calculez les np et les fp Que choisir pour analyser une situation ? Variable selon la question : Si comparaison de classes ou d’écoles ? fp Si prévoir le nombre de copies en 2e session ? np Même si une seule section, lecture avec les % plus aisée plus parlante En gros, TOUJOURS bien de calculer les fréquences !

Les distributions en classes Pourquoi calculer les fréquences ? Résultats sous forme d’effectifs et de fréquences Conclusion : comparaison bien plus aisée Où les meilleurs résultats ? Justifiez. Si hésitation, calculez les np et les fp Que choisir pour analyser une situation ? Variable selon la question : Si comparaison de classes ou d’écoles ? fp Si prévoir le nombre de copies en 2e session ? np Même si une seule section, lecture avec les % plus aisée plus parlante En gros, TOUJOURS bien de calculer les fréquences !

Les distributions en classes Pourquoi calculer les fréquences ? Résultats sous forme d’effectifs et de fréquences Conclusion : comparaison bien plus aisée Où les meilleurs résultats ? Justifiez. Si hésitation, calculez les np et les fp Que choisir pour analyser une situation ? Variable selon la question : Si comparaison de classes ou d’écoles ? fp Si prévoir le nombre de copies en 2e session ? np Même si une seule section, lecture avec les % plus aisée plus parlante En gros, TOUJOURS bien de calculer les fréquences !

Les distributions en classes Pourquoi calculer les fréquences ? Résultats sous forme d’effectifs et de fréquences Conclusion : comparaison bien plus aisée Où les meilleurs résultats ? Justifiez. Si hésitation, calculez les np et les fp Que choisir pour analyser une situation ? Variable selon la question : Si comparaison de classes ou d’écoles ? fp Si prévoir le nombre de copies en 2e session ? np Même si une seule section, lecture avec les % plus aisée plus parlante En gros, TOUJOURS bien de calculer les fréquences !

Les distributions en classes Pourquoi calculer les fréquences ? Résultats sous forme d’effectifs et de fréquences Conclusion : comparaison bien plus aisée Où les meilleurs résultats ? Justifiez. Si hésitation, calculez les np et les fp Que choisir pour analyser une situation ? Variable selon la question : Si comparaison de classes ou d’écoles ? fp Si prévoir le nombre de copies en 2e session ? np Même si une seule section, lecture avec les % plus aisée plus parlante En gros, TOUJOURS intéressant de calculer les fréquences !

Les distributions en classes Pourquoi calculer les fréquences cumulées ? Indications précieuses pour la comparaison % en échec profond (< 8) ? En échec (< 10) ? Inférieur à 12 ? Très utiles dans certains calculs (médiane, quantiles… chap. 3) Si hésitation, les calculer et voir… Fk en cas de variable qualitative ? selon les valeurs : cf. p. 10 selon des « classes » : en union <> pas en union Variable quantitative selon les valeurs : exercice d’application Fréquences (%) Fréquences cumulées (%) p Filière A Filière B 1 0 -< 2 3,2 17,4 2 2 -< 8 28,4 25,0 31,6 42,4 3 8 -< 10 18,9 19,6 50,5 62,0 4 10 -< 12 16,8 14,1 67,4 76,1 5 12 et + 32,6 23,9 100,0 Total − SOb

Les distributions en classes Pourquoi calculer les fréquences cumulées ? Indications précieuses pour la comparaison % en échec profond (< 8) ? En échec (< 10) ? Inférieur à 12 ? Très utiles dans certains calculs (médiane, quantiles… chap. 3) Si hésitation, les calculer et voir… Fk en cas de variable qualitative ? selon les valeurs : cf. p. 10 selon des « classes » : en union <> pas en union Variable quantitative selon les valeurs : exercice d’application Fréquences (%) Fréquences cumulées (%) p Filière A Filière B 1 0 -< 2 3,2 17,4 2 2 -< 8 28,4 25,0 31,6 42,4 3 8 -< 10 18,9 19,6 50,5 62,0 4 10 -< 12 16,8 14,1 67,4 76,1 5 12 et + 32,6 23,9 100,0 Total − SOb

Les distributions en classes Pourquoi calculer les fréquences cumulées ? Indications précieuses pour la comparaison % en échec profond (< 8) ? % en échec (< 10) ? % inférieur à 12 ? Très utiles dans certains calculs (médiane, quantiles… chap. 3) Si hésitation, les calculer et voir… Fk en cas de variable qualitative ? selon les valeurs : cf. p. 10 selon des « classes » : en union <> pas en union Variable quantitative selon les valeurs : exercice d’application Fréquences (%) Fréquences cumulées (%) p Filière A Filière B 1 0 -< 2 3,2 17,4 2 2 -< 8 28,4 25,0 31,6 42,4 3 8 -< 10 18,9 19,6 50,5 62,0 4 10 -< 12 16,8 14,1 67,4 76,1 5 12 et + 32,6 23,9 100,0 Total − SOb

Les distributions en classes Pourquoi calculer les fréquences cumulées ? Indications précieuses pour la comparaison % en échec profond (< 8) ? % en échec (< 10) ? % inférieur à 12 ? Très utiles dans certains calculs (médiane, quantiles… chap. 3) Si hésitation, les calculer et voir… Fk en cas de variable qualitative ? selon les valeurs : cf. p. 9 selon des « classes » : en union <> pas en union Variable quantitative selon les valeurs : exercice d’application Fréquences (%) Fréquences cumulées (%) p Filière A Filière B 1 0 -< 2 3,2 17,4 2 2 -< 8 28,4 25,0 31,6 42,4 3 8 -< 10 18,9 19,6 50,5 62,0 4 10 -< 12 16,8 14,1 67,4 76,1 5 12 et + 32,6 23,9 100,0 Total − SOb

Les distributions en classes Pourquoi calculer les fréquences cumulées ? Indications précieuses pour la comparaison % en échec profond (< 8) ? % en échec (< 10) ? % inférieur à 12 ? Très utiles dans certains calculs (médiane, quantiles… chap. 3) Si hésitation, les calculer et voir… Fréquences (%) Fréquences cumulées (%) p Filière A Filière B 1 0 -< 2 3,2 17,4 2 2 -< 8 28,4 25,0 31,6 42,4 3 8 -< 10 18,9 19,6 50,5 62,0 4 10 -< 12 16,8 14,1 67,4 76,1 5 12 et + 32,6 23,9 100,0 Total − SOb

Les distributions en classes Variables qualitatives et distribution (p. 10) Peut-on calculer des effectifs ? Oui effectifs cumulés ? Non fréquences ? Oui fréquences cumulées ? Non Exemple en page 10 Sans objet p/k xp np Nk fp Fk 1 Cohabitant(e) 2 SO 0,18 Marié(e) 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. ― 11 1,00

Les distributions en classes Variables qualitatives et distribution (p. 10) Peut-on calculer des effectifs ? Oui effectifs cumulés ? Non fréquences ? Oui fréquences cumulées ? Non Exemple en page 10 Sans objet p/k xp np Nk fp Fk 1 Cohabitant(e) 2 SO 0,18 Marié(e) 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. Sans objet 11 1,00

Les distributions en classes Variables qualitatives et distribution Peut-on constituer des « classes » ou regroupements de valeurs ? Oui : en union <> pas en union p/k xp np Nk fp Fk 1 Cohabitant(e) 2 SO 0,18 Marié(e) 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. Sans objet 11 1,00 p/k xp np Nk fp Fk 1 En union 4 SO 0,36 2 Pas en union 7 0,64 Tot. Sans objet 11 1,00

Les distributions en classes Variables qualitatives et distribution Peut-on constituer des « classes » ou regroupements de valeurs ? Oui : en union <> pas en union p/k xp np Nk fp Fk 1 Cohabitant(e) 2 SO 0,18 Marié(e) 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. Sans objet 11 1,00 p/k xp np Nk fp Fk 1 En union 4 SO 0,36 2 Pas en union 7 0,64 Tot. Sans objet 11 1,00

Les distributions en classes Variables qualitatives et distribution Peut-on constituer des « classes » ou regroupements de valeurs ? Oui : en union <> pas en union p/k xp np Nk fp Fk 1 Cohabitant(e) 2 SO 0,18 Marié(e) 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. Sans objet 11 1,00 p/k xp np Nk fp Fk 1 En union 4 SO 0,36 2 Pas en union 7 0,64 Tot. Sans objet 11 1,00 Remarque : impossible d’ordonner au sens mathématique  « classes »

Les distributions en classes Commentaires finals (ou finaux : au choix) Vocabulaire : une généreuse pagaille effectifs absolus ou relatifs fréquences absolues ou relatives dans ce cours : effectif = nombre absolu fréquence = nombre relatif (%) ailleurs ou autre prof ? Exercices : exercez-vous ! écrire les calculs (au moins quelques uns) en extension avec les chiffres en extension avec les symboles avec les formules condensées si problème avec les %, les arrondis, la calculette…

Tableau à double entrée Tableau de contingence ou … pp. 12-15 GR 5

Tableau à double entrée En guise d’introduction Exemple : le naufrage du Titanic La question : influence de la classe sur la survie des passagers les % de sauvés sont-ils différents selon la classe ? Données : Source : Masuy-Stroobants G. & Costa R. (2013), Analyser les données en sciences sociales, pp. 77-93. Pour une analyse plus complète, cf. cette référence. Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Tableau à double entrée En guise d’introduction Exemple : le naufrage du Titanic La question : influence de la classe sur la survie des passagers les % de sauvés sont-ils différents selon la classe ? Données : Source : Masuy-Stroobants G. & Costa R. (2013), Analyser les données en sciences sociales, pp. 77-93. Pour une analyse plus complète, cf. cette référence. Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Tableau à double entrée En guise d’introduction Exemple : le naufrage du Titanic La question : influence de la classe sur la survie des passagers les % de sauvés sont-ils différents selon la classe ? Données : Source : Masuy-Stroobants G. & Costa R. (2013), Analyser les données en sciences sociales, pp. 77-93. Pour une analyse plus complète, cf. cette référence. Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308 Après la théorie, on reviendra à cet exemple ! Maintenant l’exemple simple du syllabus.

Tableau à double entrée Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : au total, 6 célibataires dans le tableau 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : au total, 6 célibataires dans le tableau 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : au total, 6 célibataires dans le tableau 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’une critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’une critique à propos de la cohérence… Exercice d’application (Exercice 1.a) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Exercice 1, corrigé données   Belge UE hors Belgique Autre Total Homme 316.680 69.466 68.811 454.957 Femme 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460

Tableau à double entrée Tableau 1.8 (p. 12) Originalité : classement selon 2 variables (et plus une seule) Dans le tableau 1.8, classement selon : le sexe (indice « p » variant de 1 à 2, avec P = 2) Homme = 1 Femme = 2 Le statut matrimonial (indice « q » variant de 1 à 4, avec Q = 4) Pas toujours 2 variables qualitatives (cf. syllabus) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 • célibataire = 1 • marié(e) coutume = 2 • marié(e) état civil= 3 • divorcé(e) = 4

Tableau à double entrée Tableau 1.8 (p. 12) Originalité : classement selon 2 variables (et plus une seule) Dans le tableau 1.8, classement selon : le sexe (indice « p » variant de 1 à 2, avec P = 2) Homme = 1 Femme = 2 Le statut matrimonial (indice « q » variant de 1 à 4, avec Q = 4) Pas toujours 2 variables qualitatives (cf. syllabus) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 • célibataire = 1 • marié(e) coutume = 2 • marié(e) état civil= 3 • divorcé(e) = 4

Tableau à double entrée Tableau 1.8 (p. 12) Originalité : classement selon 2 variables (et plus une seule) Dans le tableau 1.8, classement selon : le sexe (indice « p » variant de 1 à 2, avec P = 2) homme = 1 femme = 2 Le statut matrimonial (indice « q » variant de 1 à 4, avec Q = 4) Pas toujours 2 variables qualitatives (cf. syllabus) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 • célibataire = 1 • marié(e) coutume = 2 • marié(e) état civil= 3 • divorcé(e) = 4

Tableau à double entrée Tableau 1.8 (p. 12) Originalité : classement selon 2 variables (et plus une seule) Dans le tableau 1.8, classement selon : le sexe (indice « p » variant de 1 à 2, avec P = 2) homme = 1 femme = 2 le statut matrimonial (indice « q » variant de 1 à 4, avec Q = 4) Pas toujours 2 variables qualitatives (cf. syllabus) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 • célibataire = 1 • cohabitant(e) = 2 • marié(e) = 3 • divorcé(e) = 4

Tableau à double entrée Tableau 1.8 (p. 12) Originalité : classement selon 2 variables (et plus une seule) Dans le tableau 1.8, classement selon : le sexe (indice « p » variant de 1 à 2, avec P = 2) homme = 1 femme = 2 le statut matrimonial (indice « q » variant de 1 à 4, avec Q = 4) Pas toujours 2 variables qualitatives (cf. syllabus) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 • célibataire = 1 • cohabitant(e) = 2 • marié(e) = 3 • divorcé(e) = 4

Tableau à double entrée Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Effectifs absolus Notation symbolique Contenu des marges (ligne et colonne « Total ») Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Marié(e) cout (q = 2) Marié(e) EC (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femmes (p = 2) n21 n22 n23 n24

Tableau à double entrée Effectifs absolus Notation symbolique Contenu des marges (ligne et colonne « Total ») Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Marié(e) cout (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femmes (p = 2) n21 n22 n23 n24

Tableau à double entrée Effectifs absolus Notation symbolique Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femme (p = 2) n21 n22 n23 n24

Tableau à double entrée Effectifs absolus Notation symbolique Effectif de la ligne 2 et de la colonne 3 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femme (p = 2) n21 n22 n23 n24

Tableau à double entrée Effectifs absolus Notation symbolique Contenu des marges : ligne « Total » et colonne « Total » Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femme (p = 2) n21 n22 n23 n24

Tableau à double entrée Effectifs absolus Notation symbolique Contenu des marges : ligne « Total » et colonne « Total » Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femme (p = 2) n21 n22 n23 n24

Tableau à double entrée Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)

Tableau à double entrée Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)

Tableau à double entrée Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)

Tableau à double entrée Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)

Tableau à double entrée Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)

Tableau à double entrée Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)

Tableau à double entrée Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)

Tableau à double entrée Contenu des marges somme de la 2e ligne somme de la 1re colonne le total des célibataires, tous sexes confondus généralisation pour le statut matrimonial q :

Tableau à double entrée Contenu des marges somme de la 2e ligne somme de la 1re colonne le total des célibataires, tous sexes confondus généralisation pour le statut matrimonial q : Cohabi. (q=2)

Tableau à double entrée Contenu des marges somme de la 2e ligne somme de la 1re colonne le total des célibataires, tous sexes confondus généralisation pour le statut matrimonial q : Cohabi. (q=2)

Tableau à double entrée Contenu des marges somme de la 2e ligne somme de la 1re colonne le total des célibataires, tous sexes confondus généralisation pour le statut matrimonial q : Cohabi. (q=2)

Tableau à double entrée Contenu des marges somme de la 2e ligne somme de la 1re colonne le total des célibataires, tous sexes confondus généralisation pour le statut matrimonial q : Cohabi. (q=2)

Tableau à double entrée Contenu des marges somme de la 2e ligne somme de la 1re colonne le total des célibataires, tous sexes confondus généralisation pour le statut matrimonial q : Cohabi. (q=2)

Tableau à double entrée Les effectifs Notation symbolique Total général : n●● = 11 = somme des 8 cases internes du tableau = somme de la colonne « Total » = somme de la ligne « Total » Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Marié(e) cout (q = 2) Marié(e) EC (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femmes (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●

Tableau à double entrée Les effectifs Notation symbolique Total général : n●● = 11 = somme des 8 cases internes du tableau = somme de la colonne « Total » = somme de la ligne « Total » Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femme (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●

Tableau à double entrée Les effectifs Notation symbolique Total général : n●● = 11 = somme des 8 cases internes du tableau = somme de la colonne « Total » = somme de la ligne « Total » Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femme (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●

Tableau à double entrée Les effectifs Notation symbolique Total général : n●● = 11 = somme des 8 cases internes du tableau = somme de la colonne « Total » = somme de la ligne « Total » = n Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femme (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●

Tableau à double entrée Les effectifs Notation symbolique Total général : n●● = 11 = somme des 8 cases internes du tableau = somme de la colonne « Total » = somme de la ligne « Total » = n Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femme (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●

Tableau à double entrée Les effectifs Notation symbolique Total général : n●● = 11 = somme des 8 cases internes du tableau = somme de la colonne « Total » = somme de la ligne « Total » = n Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femme (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●

Tableau à double entrée Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles 8 Cf. tableaux 1.8, 1.9 et 1.10 (en page 11, établis au départ du tableau 1.8) Point le plus important

Tableau à double entrée Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles 8 Cf. tableaux 1.8, 1.9 et 1.10 (en page 11, établis au départ du tableau 1.8)

Tableau à double entrée Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles 8 Cf. tableaux 1.8, 1.9 et 1.10 (en page 11, établis au départ du tableau 1.8)

Tableau à double entrée Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles ! Cf. tableaux 1.8, 1.9 et 1.10 (en page 11, établis au départ du tableau 1.8)

Tableau à double entrée Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles ! Cf. tableaux 1.8, 1.9 et 1.10 (en page 11, établis au départ du tableau 1.8)

Tableau à double entrée Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles ! Cf. tableaux 1.10, 1.11 et 1.12 (en page 13, établis au départ du tableau 1.8)

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) L’écran suivant vient d’être ajouté.

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Exemple : 50,00 Tableau 1.8 Tableau 1.10 (en %) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 50,00 25,00 0,00 100,00 Femme (p = 2) 57,14 14,29 54,55 18,18 9,09

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Exemple : 50,00 = (2/4)*100, soit l’effectif d’une case divisé par le total de ligne Tableau 1.8 Tableau 1.10 (en %) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 50,00 25,00 0,00 100,00 Femme (p = 2) 57,14 14,29 54,55 18,18 9,09

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice 1.b (en commençant par les 3 calculs sous le tableau) Résultats en % avec une décimale

Tableau à double entrée Exercice 1, corrigé données % en ligne   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9% % de Belges parmi les hommes : 316.680/454.957 = 0,696 ou 69,6 % % de la catégorie « autre » parmi les femmes : 63.691/499.503 = 12,8 % % de Belges dans le total : 682.114/954.460 = 71,5 % Même cellule dans le tableau pour le numérateur et le résultat

Tableau à double entrée Exercice 1, corrigé données % en ligne   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9% % de Belges parmi les hommes : 316.680/454.957 = 0,696 ou 69,6 % % de la catégorie « autre » parmi les femmes : 63.691/499.503 = 12,8 % % de Belges dans le total : 682.114/954.460 = 71,5 %

Tableau à double entrée Exercice 1, corrigé données % en ligne facile à identifier : dans la colonne « Total », partout 100%   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9%

Tableau à double entrée Exercice 1, corrigé données % en ligne facile à identifier : dans la colonne « Total », partout 100%  logique de ligne   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9%

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Exemple : 33,33 = Tableau 1.8 Tableau 1.10 (en %) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 33,33 50,00 0,00 36,36 Femme (p = 2) 66,67 100,00 63,64

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Exemple : 33,33 = (2/6)*100, effectif d’une case divisé par le total de la colonne Tableau 1.8 Tableau 1.10 (en %) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 33,33 50,00 0,00 36,36 Femme (p = 2) 66,67 100,00 63,64

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à « 57,14% des femmes sont célibataires » ! Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à « 57,14% des femmes sont célibataires » ! Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à « 57,14% des femmes sont célibataires » ! Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à « 57,14% des femmes sont célibataires » ! Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à « 57,14% des femmes sont célibataires » ! Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à « 57,14% des femmes sont célibataires » ! Application à l’exercice 1.c (en commençant par les 3 calculs sous le tableau)

Tableau à double entrée Exercice 1, corrigé données % en colonne   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 46,4% 49,7% 51,9% 47,7% Femmes 53,6% 50,3% 48,1% 52,3% 100,0% % d’hommes parmi les Belges : 316.680/682.114 = 0,464 ou 46,4 % % de femmes dans la catégorie « autre » : 63.691/132.502 = 48,1 % % d’hommes dans le total : 454.957/954.460 = 47,7 %

Tableau à double entrée Exercice 1, corrigé données % en colonne facile à identifier : sur ligne « Total », partout 100%   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 46,4% 49,7% 51,9% 47,7% Femmes 53,6% 50,3% 48,1% 52,3% 100,0%

Tableau à double entrée Exercice 1, corrigé données % en colonne facile à identifier : sur ligne « Total », partout 100%  logique de colonne   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 46,4% 49,7% 51,9% 47,7% Femmes 53,6% 50,3% 48,1% 52,3% 100,0%

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.12 (3e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Exemple : 18,18 = (2/11)*100, effectif d’une case divisé par le total de la colonne Tableau 1.8 Tableau 1.10 (en %) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 18,18 9,09 0,00 36,36 Femme (p = 2) 63,64 54,55 100,00

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.12 (3e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.12 sans état d’âme « Logique par rapport au total » = le diviseur est le total (général) du tableau 1.8 Exemple : le % de femmes célibataires dans le total (général) Interprétation : 36,36% du total sont des femmes célibataires Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.12 (3e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.12 sans état d’âme « Logique par rapport au total » = le diviseur est le total (général) du tableau 1.8 Exemple : le % de femmes célibataires dans le total (général) Interprétation : 36,36% du total sont des femmes célibataires Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.12 (3e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.12 sans état d’âme « Logique par rapport au total » = le diviseur est le total (général) du tableau 1.8 Exemple : le % de femmes célibataires dans le total (général) Interprétation : 36,36% du total sont des femmes célibataires Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.12 (3e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.12 sans état d’âme « Logique par rapport au total » = le diviseur est le total (général) du tableau 1.8 Exemple : le % de femmes célibataires dans le total (général) Interprétation : 36,36% du total sont des femmes célibataires Application à l’exercice

Tableau à double entrée Fréquences (relatives = part, proportion, %...) Tableau 1.12 (3e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.12 sans état d’âme « Logique par rapport au total » = le diviseur est le total (général) du tableau 1.8 Exemple : le % de femmes célibataires dans le total (général) Interprétation : 36,36% du total sont des femmes célibataires Application à l’exercice 1.d (en commençant par les 2 calculs sous le tableau)

Tableau à double entrée Exercice 1, corrigé données % par rapport au total   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 33,2% 7,3% 7,2% 47,7% Femmes 38,3% 7,4% 6,7% 52,3% 71,5% 14,7% 13,9% 100,0% % d’hommes belges dans le total  : 316.680/954.460 = 0,332 ou 33,2 % % de femmes de la catégorie « autre » dans le total : 63.691/954.460 = 6,7 %

Tableau à double entrée Exercice 1, corrigé données % par rapport au total facile à identifier : 100 % uniquement dans la case du total général   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 33,2% 7,3% 7,2% 47,7% Femmes 38,3% 7,4% 6,7% 52,3% 71,5% 14,7% 13,9% 100,0%

Tableau à double entrée Fréquences (relatives = part, proportion, %...) 3 types différents de fréquences selon le diviseur Interprétation ≠  autre type de renseignement ! À ne pas confondre ! À choisir en fonction de la question posée !

Tableau à double entrée Fréquences (relatives = part, proportion, %...) 3 types différents de fréquences selon le diviseur Interprétation ≠  autre type de renseignement ! À ne pas confondre ! À choisir en fonction de la question posée !

Tableau à double entrée Fréquences (relatives = part, proportion, %...) 3 types différents de fréquences selon le diviseur Interprétation ≠  autre type de renseignement ! À ne pas confondre ! À choisir en fonction de la question posée !

Tableau à double entrée Fréquences (relatives = part, proportion, %...) 3 types différents de fréquences selon le diviseur parmi les femmes, 57 % de célibataires parmi les célibataires, 67 % de femmes dans le total, 36 % de femmes célibataires Interprétations différentes  autre type de renseignement ! À ne pas confondre ! À choisir en fonction de la question posée !

Tableau à double entrée Fréquences (relatives = part, proportion, %...) 3 types différents de fréquences selon le diviseur parmi les femmes, 57 % de célibataires parmi les célibataires, 67 % de femmes dans le total, 36 % de femmes célibataires Interprétations différentes  autre type de renseignement ! À ne pas confondre ! À choisir en fonction de la question posée !

Tableau à double entrée Fréquences (relatives = part, proportion, %...) 3 types différents de fréquences selon le diviseur parmi les femmes, 57 % de célibataires parmi les célibataires, 67 % de femmes dans le total, 36 % de femmes célibataires Interprétations différentes  autre type de renseignement ! À ne pas confondre ! À choisir en fonction de la question posée !

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés EC parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés EC parmi les hommes (expression « habituelle ») le % d’hommes mariés EC par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés EC parmi les hommes (expression « habituelle ») le % d’hommes mariés EC par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés EC parmi les hommes (expression « habituelle ») le % d’hommes mariés EC par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés EC parmi les hommes (expression « habituelle ») le % d’hommes mariés EC par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés parmi les hommes (expression « habituelle ») le % d’hommes mariés EC par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés parmi les hommes (expression « habituelle ») le % d’hommes mariés par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : Attention : ° la méthode s’applique à l’expression courte citée ; ° d’autres expressions, en apparence proches, peuvent supposer un autre calcul ; ° dans ce cours/examen, toujours le même type d’expression ! ° et donc la méthode est applicable ! le % de mariés EC parmi les hommes

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés parmi les hommes (expression « habituelle ») le % d’hommes mariés par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés parmi les hommes (expression « habituelle ») le % d’hommes mariés par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés parmi les hommes (expression « habituelle ») le % d’hommes mariés par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des hommes » = 4 identifier le numérateur : le % de mariés parmi les hommes « Parmi les hommes »  calcul dans la ligne des hommes

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés parmi les hommes (expression « habituelle ») le % d’hommes mariés par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des hommes » = 4 identifier le numérateur : cf. écran suivant le % de mariés parmi les hommes

Tableau à double entrée Choix du type de fréquence selon la question posée identifier le numérateur : le % de mariés parmi les hommes (expression « habituelle ») les mots avant et après « parmi » soit les « mariés hommes » (ou « hommes mariés ») = 1 le % de mariés parmi les hommes

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire : le % de mariés parmi les hommes (HO) identifier le dénominateur : les hommes (le total des HO) = 4 identifier le numérateur : les hommes mariés = 1 procéder à la division (ou choisir le bon tableau) : même procédure pour le 2e % : comparer les 2 % et conclure : « le % de mariés EC est plus important parmi les HO (25%) que parmi les FE (14%) » ce qui est potentiellement une information intéressante

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire : le % de mariés parmi les hommes (HO) identifier le dénominateur : les hommes (le total des HO) = 4 identifier le numérateur : les hommes mariés = 1 procéder à la division (ou choisir le bon tableau) : même procédure pour le 2e % : comparer les 2 % et conclure : « le % de mariés EC est plus important parmi les HO (25%) que parmi les FE (14%) » ce qui est potentiellement une information intéressante

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire : le % de mariés parmi les hommes (HO) identifier le dénominateur : les hommes (le total des HO) = 4 identifier le numérateur : les hommes mariés = 1 procéder à la division (ou choisir le bon tableau) : même procédure pour le 2e % : comparer les 2 % et conclure : « le % de mariés EC est plus important parmi les HO (25%) que parmi les FE (14%) » ce qui est potentiellement une information intéressante

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire : le % de mariés parmi les hommes (HO) identifier le dénominateur : les hommes (le total des HO) = 4 identifier le numérateur : les hommes mariés = 1 procéder à la division (ou choisir le bon tableau) : même procédure pour le 2e % : comparer les 2 % et conclure / interpréter : « le % de mariés est plus important parmi les HO (25%) que parmi les FE (14%) » ce qui est potentiellement une information intéressante

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire : le % de mariés parmi les hommes (HO) identifier le dénominateur : les hommes (le total des HO) = 4 identifier le numérateur : les hommes mariés = 1 procéder à la division (ou choisir le bon tableau) : même procédure pour le 2e % : comparer les 2 % et conclure / interpréter : « le % de mariés est plus important parmi les HO (25%) que parmi les FE (14%) » ce qui est potentiellement une information intéressante

Tableau à double entrée Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire : le % de mariés parmi les hommes (HO) identifier le dénominateur : les hommes (le total des HO) = 4 identifier le numérateur : les hommes mariés = 1 procéder à la division (ou choisir le bon tableau) : même procédure pour le 2e % : comparer les 2 % et conclure / interpréter : « le % de mariés est plus important parmi les HO (25%) que parmi les FE (14%) » ce qui est potentiellement une information intéressante Dans le commentaire, ne pas hésiter à citer des résultats qui prouvent ce qui est dit !

Tableau à double entrée Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !

Tableau à double entrée Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !

Tableau à double entrée Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !

Tableau à double entrée Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !

Tableau à double entrée Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !

Tableau à double entrée Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !

Tableau à double entrée Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !

Tableau à double entrée Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !

Tableau à double entrée Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !

Tableau à double entrée Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !

Tableau à double entrée Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !

Tableau à double entrée Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Correction détaillée dans le syllabus (exercice 1.9, p. 15)

Tableau à double entrée Exercices prioritaires (avec correction au cours) : Exercice 1 (si pas déjà fait complètement) Exercice 4 (question d’un examen d’une année antérieure) Exercice 5 (idem + une apparence de contradiction) À faire, mais sans correction au cours (cf. site) : Exercice 2 Exercice 3 Pour les plus rapides : syllabus, exercice 1.9 & 1.10, p. 15 Pour tous, au travail !

Tableau à double entrée Exercice 1, corrigé données   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460

Tableau à double entrée Exercice 1, corrigé données % en ligne   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460

Tableau à double entrée Exercice 1, corrigé données % en ligne   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9% % de Belges parmi les hommes : 316.680/454.957 = 0,696 ou 69,6 % % de la catégorie « autre » parmi les femmes : 63.691/499.503 = 12,8 % % de Belges dans le total : 682.114/954.460 = 71,5 %

Tableau à double entrée Exercice 1, corrigé données % en ligne   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9% % de Belges parmi les hommes : 316.680/454.957 = 0,696 ou 69,6 % % de la catégorie « autre » parmi les femmes : 63.691/499.503 = 12,8 % % de Belges dans le total : 682.114/954.460 = 71,5 % « Parmi les hommes »  calcul dans la ligne des hommes

Tableau à double entrée Exercice 1, corrigé données % en ligne   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9% % de Belges parmi les hommes : 316.680/454.957 = 0,696 ou 69,6 % % de la catégorie « autre » parmi les femmes : 63.691/499.503 = 12,8 % % de Belges dans le total : 682.114/954.460 = 71,5 %

Tableau à double entrée Exercice 1, corrigé données % en ligne   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9% MAIS : 73,2% + 14,1% + 12,8% = 100,1% effet d’arrondi(s) à mon avis, forcer le 100%, signaler que c’est  de 100% par effet d’arrondi(s)

Tableau à double entrée Exercice 1, corrigé données % en colonne   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 46,4% 49,7% 51,9% 47,7% Femmes 53,6% 50,3% 48,1% 52,3% 100,0% % d’hommes parmi les Belges : 316.680/682.114 = 0,464 ou 46,4 % % de femmes dans la catégorie « autre » : 63.691/132.502 = 48,1 % % d’hommes dans le total : 454.957/954.460 = 47,7 %

Tableau à double entrée Exercice 1, corrigé données % en colonne   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 46,4% 49,7% 51,9% 47,7% Femmes 53,6% 50,3% 48,1% 52,3% 100,0% % d’hommes parmi les Belges : 316.680/682.114 = 0,464 ou 46,4 % % de femmes dans la catégorie « autre » : 63.691/132.502 = 48,1 % % d’hommes dans le total : 454.957/954.460 = 47,7 %

Tableau à double entrée Exercice 1, corrigé données % par rapport au total   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 33,2% 7,3% 7,2% 47,7% Femmes 38,3% 7,4% 6,7% 52,3% 71,5% 14,7% 13,9% 100,0% % d’hommes belges dans le total  : 316.680/954.460 = 0,332 ou 33,2 % % de femmes de la catégorie « autre » dans le total : 63.691/954.460 = 6,7 % « Dans le total »  calcul par rapport au total général

Tableau à double entrée Exercice 1, corrigé données % par rapport au total   Belge UE hors Belgique Autre Total Hommes 316.680 69.466 68.811 454.957 Femmes 365.434 70.378 63.691 499.503 682.114 139.844 132.502 954.460   Belge UE hors Belgique Autre Total Hommes 33,2% 7,3% 7,2% 47,7% Femmes 38,3% 7,4% 6,7% 52,3% 71,5% 14,7% 13,9% 100,0% % d’hommes belges dans le total  : 316.680/954.460 = 0,332 ou 33,2 % % de femmes de la catégorie « autre » dans le total : 63.691/954.460 = 6,7 %

Tableau à double entrée Exercices 2 et 3, corrigés sur le site

Tableau à double entrée Exercice 4, corrigé Rappel des données : Répartition des 25-<30 ans selon le sexe et le statut matrimonial Pays A Célibataires Non-célibataires Total   Pays B Hommes 6.034 5.723 11.757 6.987 11.567 18.554 Femmes 3.056 8.743 11.799 3.124 11.867 9.090 14.466 23.556 10.111 20.310 30.421 Pays C Pays D 12.876 5.923 18.799 6.441 7.234 13.675 16.000 14.666 30.666 9.565 15.977 25.542

Tableau à double entrée Exercice 4, corrigé Tableaux des fréquences % en ligne % en colonne % par rapport au total

Tableau à double entrée Exercice 4, corrigé Tableaux des fréquences % en ligne % en colonne % par rapport au total

Tableau à double entrée Exercice 4, corrigé Tableaux des fréquences % en ligne % en colonne % par rapport au total

Tableau à double entrée Exercice 4, corrigé Tableaux des fréquences C1 : les hommes représentent plus de la moitié du total

Tableau à double entrée Exercice 4, corrigé Tableaux des fréquences C2 : la % d’hommes parmi les non-célibataires est (strictement) > 40,36%

Tableau à double entrée Exercice 4, corrigé Tableaux des fréquences C3 : la % de célibataires parmi les hommes est (strictement) > 37,70%

Tableau à double entrée Exercice 4, corrigé Tableaux des fréquences Conclusion : les pays C et D respectent les 3 critères

Tableau à double entrée Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7%  doute ! or aucun doute 37,66 < 37,70 ! si critère avec 2 décimales, les % avec 2 décimales parfois : « 3,66 est quand même fort proche de 3,70 » mais 37,66 < 37,70 donc C3 pas satisfait !

Tableau à double entrée Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7%  doute ! or aucun doute 37,66 < 37,70 ! si critère avec 2 décimales, les % avec 2 décimales parfois : « 3,66 est quand même fort proche de 3,70 » mais 37,66 < 37,70 donc C3 pas satisfait !

Tableau à double entrée Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7%  doute ! or aucun doute 37,66 < 37,70 ! si critère avec 2 décimales, les % avec 2 décimales parfois : « 3,66 est quand même fort proche de 3,70 » mais 37,66 < 37,70 donc C3 pas satisfait !

Tableau à double entrée Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7%  doute : 37,7% et 37,70% ! or aucun doute 37,66 < 37,70 ! si critère avec 2 décimales, les % avec 2 décimales parfois : « 3,66 est quand même fort proche de 3,70 » mais 37,66 < 37,70 donc C3 pas satisfait !

Tableau à double entrée Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7%  doute : 37,7% et 37,70% ! or, aucun doute : 37,66% < 37,70% ! si critère avec 2 décimales, les % doivent être calculés avec 2 décimales parfois : « 3,66 est quand même fort proche de 3,70 » mais 37,66 < 37,70 donc C3 pas satisfait !

Tableau à double entrée Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7%  doute : 37,7% et 37,70% ! or, aucun doute : 37,66% < 37,70% ! si critère avec 2 décimales, les % doivent être calculés avec 2 décimales parfois : « 37,66% est quand même fort proche de 37,70% » mais 37,66 < 37,70 donc C3 pas satisfait !

Tableau à double entrée Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7%  doute : 37,7% et 37,70% ! or, aucun doute : 37,66% < 37,70% ! si critère avec 2 décimales, les % doivent être calculés avec 2 décimales parfois : « 37,66% est quand même fort proche de 37,70% » mais 37,66% < 37,70% donc C3 pas satisfait !

Tableau à double entrée Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total  élimination de A calcul des % d’ho. parmi les célb. pour B, C & D  pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D  élimination de B Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site

Tableau à double entrée Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total  élimination de A calcul des % d’ho. parmi les célb. pour B, C & D  pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D  élimination de B Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site

Tableau à double entrée Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total  élimination de A calcul des % d’ho. parmi les célib. pour B, C & D  pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D  élimination de B Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site

Tableau à double entrée Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total  élimination de A calcul des % d’ho. parmi les célib. pour B, C & D  pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D  élimination de B Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site

Tableau à double entrée Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total  élimination de A calcul des % d’ho. parmi les célib. pour B, C & D  pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D  élimination de B restent C & D qui satisfont les 3 critères Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site

Tableau à double entrée Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total  élimination de A calcul des % d’ho. parmi les célib. pour B, C & D  pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D  élimination de B restent C & D qui satisfont les 3 critères Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site

Tableau à double entrée Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total  élimination de A calcul des % d’ho. parmi les célib. pour B, C & D  pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D  élimination de B restent C & D qui satisfont les 3 critères Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site

Tableau à double entrée Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total  élimination de A calcul des % d’ho. parmi les célib. pour B, C & D  pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D  élimination de B restent C & D qui satisfont les 3 critères Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site

Tableau à double entrée Exercice 5 : le chômage en Belgique selon le niveau de diplôme – Femme 2010 Données : Les questions : que calculer pour voir si le fait d’avoir une diplôme élevé protège du chômage ? déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? Population En emploi Au chômage Total Bas 348.345 66.412 414.757 Moyen 736.640 77.316 813.956 Haut 932.637 45.984 978.621 2.017.622 189.712 2.207.334 Données réelles, même si « anciennes » (2010) !

Tableau à double entrée Exercice 5 : le chômage en Belgique selon le niveau de diplôme – Femme 2010 Données : Les questions : que calculer pour voir si le fait d’avoir une diplôme élevé protège du chômage ? déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? Population En emploi Au chômage Total Bas 348.345 66.412 414.757 Moyen 736.640 77.316 813.956 Haut 932.637 45.984 978.621 2.017.622 189.712 2.207.334

Tableau à double entrée Exercice 5 : le chômage en Belgique selon le niveau de diplôme – Femme 2010 Données : Les questions : que calculer pour voir si le fait d’avoir un diplôme élevé protège du chômage ? déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? Population En emploi Au chômage Total Bas 348.345 66.412 414.757 Moyen 736.640 77.316 813.956 Haut 932.637 45.984 978.621 2.017.622 189.712 2.207.334

Tableau à double entrée Exercice 5 : le chômage en Belgique selon le niveau de diplôme – Femme 2010 Données : Les questions : que calculer pour voir si le fait d’avoir un diplôme élevé protège du chômage ? déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? Population En emploi Au chômage Total Bas 348.345 66.412 414.757 Moyen 736.640 77.316 813.956 Haut 932.637 45.984 978.621 2.017.622 189.712 2.207.334

Tableau à double entrée Exercice 5 : que calculer pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% % du tot. géné. En emploi Au chômage Total Bas 15,8% 3,0% 18,8% Moyen 33,4% 3,5% 36,9% Haut 42,3% 2,1% 44,3% 91,4% 8,6% 100,0%

Tableau à double entrée Exercice 5 : quel tableau (+ rappel des interprétations) pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% 16,0% de chômeuses parmi les bas niveaux % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% 35,0% de bas niveaux parmi les chômeuses % du tot. géné. En emploi Au chômage Total Bas 15,8% 3,0% 18,8% Moyen 33,4% 3,5% 36,9% Haut 42,3% 2,1% 44,3% 91,4% 8,6% 100,0% Dans le total, 3,0% de chôm. de bas niveaux

Tableau à double entrée Exercice 5 : quel tableau (+ rappel des interprétations) pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% 16,0% de chômeuses parmi les bas niveaux % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% 35,0% de bas niveaux parmi les chômeuses % du tot. géné. En emploi Au chômage Total Bas 15,8% 3,0% 18,8% Moyen 33,4% 3,5% 36,9% Haut 42,3% 2,1% 44,3% 91,4% 8,6% 100,0% Dans le total, 3,0% de chôm. de bas niveaux

Tableau à double entrée Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% 16,0% de chômeuses parmi les bas niveaux % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% 35,0% de bas niveaux parmi les chômeuses % du tot. géné. En emploi Au chômage Total Bas 15,8% 3,0% 18,8% Moyen 33,4% 3,5% 36,9% Haut 42,3% 2,1% 44,3% 91,4% 8,6% 100,0% Dans le total, 3,0% de chôm. de bas niveaux

Tableau à double entrée Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Le taux de chômage est de : ° 16,0 % parmi les individus avec un faible niveau de diplôme ° 9,5 % parmi les individus avec un niveau de diplôme moyen ° 4,7 % parmi les individus avec un niveau de diplôme élevé Conclusion : ° plus le niveau de formation est élevé ° plus le niveau du chômage est faible Conclusion : bien se former protège du chômage

Tableau à double entrée Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Le taux de chômage est de : ° 16,0 % parmi les individus avec un faible niveau de diplôme ° 9,5 % parmi les individus avec un niveau de diplôme moyen ° 4,7 % parmi les individus avec un niveau de diplôme élevé Conclusion : ° plus le niveau de formation est élevé ° plus le niveau du chômage est faible Conclusion : bien se former protège du chômage

Tableau à double entrée Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Le taux de chômage est de : ° 16,0 % parmi les individus avec un faible niveau de diplôme ° 9,5 % parmi les individus avec un niveau de diplôme moyen ° 4,7 % parmi les individus avec un niveau de diplôme élevé Conclusion : ° plus le niveau de formation est élevé ° plus le niveau du chômage est faible Conclusion : bien se former protège du chômage

Tableau à double entrée Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Le taux de chômage est de : ° 16,0 % parmi les individus avec un faible niveau de diplôme ° 9,5 % parmi les individus avec un niveau de diplôme moyen ° 4,7 % parmi les individus avec un niveau de diplôme élevé Et donc : ° plus le niveau de formation est élevé ° plus le niveau du chômage est faible Conclusion : bien se former protège du chômage

Tableau à double entrée Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Le taux de chômage est de : ° 16,0 % parmi les individus avec un faible niveau de diplôme ° 9,5 % parmi les individus avec un niveau de diplôme moyen ° 4,7 % parmi les individus avec un niveau de diplôme élevé Et donc : ° plus le niveau de formation est élevé ° plus le niveau du chômage est faible Conclusion : bien se former protège du chômage

Tableau à double entrée Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Le taux de chômage est de : ° 16,0 % parmi les individus avec un faible niveau de diplôme ° 9,5 % parmi les individus avec un niveau de diplôme moyen ° 4,7 % parmi les individus avec un niveau de diplôme élevé Avec cet exercice, nous sommes loin d’avoir fait un tour complet de l’analyse du chômage. Et donc : ° plus le niveau de formation est élevé ° plus le niveau du chômage est faible Conclusion : bien se former protège du chômage

Tableau à double entrée Exercice 5 : quel tableau pour déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% 16,0% de chômeuses parmi les bas niveaux % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% 35,0% de bas niveaux parmi les chômeuses % du tot. géné. En emploi Au chômage Total Bas 15,8% 3,0% 18,8% Moyen 33,4% 3,5% 36,9% Haut 42,3% 2,1% 44,3% 91,4% 8,6% 100,0% Dans le total, 3,0% de chôm. de bas niveaux

Tableau à double entrée Exercice 5 : quel tableau pour déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% 16,0% de chômeuses parmi les bas niveaux % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% 35,0% de bas niveaux parmi les chômeuses % du tot. géné. En emploi Au chômage Total Bas 15,8% 3,0% 18,8% Moyen 33,4% 3,5% 36,9% Haut 42,3% 2,1% 44,3% 91,4% 8,6% 100,0% Dans le total, 3,0% de chôm. de bas niveaux

Tableau à double entrée Exercice 5 : quel tableau pour déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ?  le niveau moyen correspond au pourcentage le plus fort : 40,8% % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% À limite; ICI : ° les nombres absolus suffisent ; ° les % ne sont pas indispensables, mais tellement pratiques !

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses (1) 0,16*414.757 = 66.412 0,095*813.956 = 77.316

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses (1) 0,16*414.757 = 66.412 0,095*813.956 = 77.316

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses (1) 0,16*414.757 = 66.412 0,095*813.956 = 77.316

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses (1) 0,16*414.757 = 66.412 0,095*813.956 = 77.316

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses (1) 0,16*414.757 = 66.412 0,095*813.956 = 77.316

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses (1) 0,16*414.757 = 66.412 0,095*813.956 = 77.316

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses (1) 0,16*414.757 = 66.412 0,095*813.956 = 77.316

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses 0,16*414.757 = 66.412 0,095*813.956 = 77.316

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % de chômeuses plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses 0,16*414.757 = 66.412 0,095*813.956 = 77.316

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % de chômeuses plus fort en cas de bas niveau femmes de niveau moyen chômeuses ou pas : effectifs plus élevés En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses 0,16*414.757 = 66.412 0,095*813.956 = 77.316

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % de chômeuses plus fort en cas de bas niveau femmes de niveau moyen chômeuses ou pas : effectifs plus élevés en définitive, plus de chômeuses de niveau moyen malgré un % plus faible Conclusion : pas de contradiction ! Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses 0,16*414.757 = 66.412 0,095*813.956 = 77.316

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % de chômeuses plus fort en cas de bas niveau femmes de niveau moyen chômeuses ou pas : effectifs plus élevés en définitive, plus de chômeuses de niveau moyen malgré un % plus faible Conclusion : pas de contradiction ! Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses 0,16*414.757 = 66.412 0,095*813.956 = 77.316

Tableau à double entrée Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme  cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % de chômeuses plus fort en cas de bas niveau femmes de niveau moyen chômeuses ou pas : effectifs plus élevés en définitive, plus de chômeuses de niveau moyen malgré un % plus faible Conclusion : pas de contradiction ! Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes 414.757 813.956 Nombre de chômeuses (1) 0,16*414.757 = 66.412 0,095*813.956 = 77.316 (1) : attention aux effets d’arrondis (% avec une seule décimale)

Tableau à double entrée En guise de conclusion Exemple : le naufrage du Titanic La question : influence de la classe sur la survie des passagers les % de sauvés sont-ils différents selon la classe ? Données : Source : Masuy-Stroobants G. & Costa R. (2013), Analyser les données en sciences sociales, pp. 77-93. Pour une analyse plus complète, cf. cette référence. Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Tableau à double entrée En guise de conclusion Exemple : le naufrage du Titanic La question : influence de la classe sur la survie des passagers les % de sauvés sont-ils différents selon la classe ? Données : Source : Masuy-Stroobants G. & Costa R. (2013), Analyser les données en sciences sociales, pp. 77-93. Pour une analyse plus complète, cf. cette référence. Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ? Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (& voir si ≠ autres cl.) si « % de sauvés parmi la 1re classe » pas évident  « trucs » traduire cette expression de manière plus explicite : « Que vaut le % de sauvés parmi les passagers de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » « parmi la 1re classe »  calcul dans la ligne de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ? Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (& voir si ≠ autres cl.) si « % de sauvés parmi la 1re classe » pas évident  « trucs » traduire cette expression de manière plus explicite : « Que vaut le % de sauvés parmi les passagers de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » « parmi la 1re classe »  calcul dans la ligne de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ? Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (& voir si ≠ autres cl.) si « % de sauvés parmi la 1re classe » pas évident  « trucs » traduire cette expression de manière plus explicite : « Que vaut le % de sauvés parmi les passagers de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » « parmi la 1re classe »  calcul dans la ligne de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ? Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (& voir si ≠ autres cl.) si « % de sauvés parmi la 1re classe » pas évident  « trucs » traduire cette expression de manière plus explicite : « Que vaut le % de sauvés parmi les passagers de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » « parmi la 1re classe »  calcul dans la ligne de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ? Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (& voir si ≠ autres cl.) si « % de sauvés parmi la 1re classe » pas évident  « trucs » traduire cette expression de manière plus explicite : « Que vaut le % de sauvés parmi les passagers de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » « parmi la 1re classe »  calcul dans la ligne de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ? Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (f11, l) : 1. f11 sera obtenu via une division  mettre une barre de fraction 2. dénominateur : % de sauvés parmi la 1re classe à droite de « parmi » = la 1re classe sous-entendu « le TOTAL de la 1re classe » 3. numérateur : % de sauvés parmi la 1re classe à gauche et à droite de « parmi »  les sauvés de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ? Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (f11, l) : 1. f11 sera obtenu via une division  mettre une barre de fraction 2. dénominateur : % de sauvés parmi la 1re classe à droite de « parmi » = la 1re classe sous-entendu « le TOTAL de la 1re classe » 3. numérateur : % de sauvés parmi la 1re classe à gauche et à droite de « parmi »  les sauvés de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ? Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (f11, l) : 1. f11 sera obtenu via une division  mettre une barre de fraction 2. dénominateur : % de sauvés parmi la 1re classe à droite de « parmi » = la 1re classe sous-entendu « le TOTAL de la 1re classe » 3. numérateur : % de sauvés parmi la 1re classe à gauche et à droite de « parmi »  les sauvés de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ? Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (f11, l) : 1. f11 sera obtenu via une division  mettre une barre de fraction 2. dénominateur : % de sauvés parmi la 1re classe à droite de « parmi » = la 1re classe sous-entendu « le TOTAL de la 1re classe » 3. numérateur : % de sauvés parmi la 1re classe à gauche et à droite de « parmi »  les sauvés de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308

Naufrage du Titanic La question : influence de la classe sur la survie des passagers Données : % en ligne : Que conclure ? De la 1re à la 3e classe, le % de sauvés passe de 63% à 25% Les passagers de la 1re classe mieux protégés Rappel : début d’analyse Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308 Classe Sauvés Morts Total 1re 62,8% 38,2% 100,0% 2e 41,5% 58,5% 3e 24,8% 75,2% 37,7% 62,3%

Naufrage du Titanic La question : influence de la classe sur la survie des passagers Données : % en ligne : Que conclure ? De la 1re à la 3e classe, le % de sauvés passe de 63% à 25% Meilleure survie pour les passagers de la 1re classe Rappel : début d’analyse Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308 Classe Sauvés Morts Total 1re 62,8% 38,2% 100,0% 2e 41,5% 58,5% 3e 24,8% 75,2% 37,7% 62,3%

Naufrage du Titanic La question : influence de la classe sur la survie des passagers Données : % en ligne : Que conclure ? De la 1re à la 3e classe, le % de sauvés passe de 63% à 25% Meilleure survie pour les passagers de la 1re classe Rappel : début d’analyse (pour en savoir +, cf. Masuy-Stroobants G. & Costa R. (2013) Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308 Classe Sauvés Morts Total 1re 62,8% 38,2% 100,0% 2e 41,5% 58,5% 3e 24,8% 75,2% 37,7% 62,3%

Très important dans votre étude ! Chapitre 1. Résumé Très important dans votre étude ! À vous de le faire, mais ici, on le fait ensemble !

Chapitre 1. Résumé Que diriez-vous ? Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données

Chapitre 1. Résumé Que diriez-vous ? Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données

Chapitre 1. Résumé Que diriez-vous ? Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données

Chapitre 1. Résumé Que diriez-vous ? Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données

Chapitre 1. Résumé Que diriez-vous ? Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données

Chapitre 1. Résumé Que diriez-vous ? Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données

Chapitre 1. Résumé Que diriez-vous ? Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données

Chapitre 1. Résumé Que diriez-vous ? Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données

Chapitre 1. Résumé Que diriez-vous ? Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données

Chapitre 1. Résumé Que diriez-vous ? Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données

Chapitre 1. Résumé Que diriez-vous ? Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données (rappel : idée générale)

Chapitre 2

Reprise du cours (29-02-2016) Au menu : Rappels Les distributions : les distributions simples ou tableaux des effectifs et des fréquences suite de la théorie exercices et corrections les doubles distributions ou tableaux à double entrée (?)

Reprise du cours (29-02-2016) Préliminaires (avant manipulation des nombres) Sur qui : de qu(o)i connait-on une caractéristique ?  i et n Sur quoi : variable ou caractéristique connue ?  (X) et xi 3 types de variable : qualitative ; quantitative discrète ou continu Données trop nombreuses  les distributions Mettre de l’ordre Réduire le nombre de lignes

Reprise du cours (29-02-2016) Préliminaires (avant manipulation des nombres) Sur qui : de qu(o)i connait-on une caractéristique ?  i et n Sur quoi : variable ou caractéristique connue ?  (X) et xi 3 types de variable : qualitative ; quantitative discrète ou continu Données trop nombreuses  les distributions Mettre de l’ordre Réduire le nombre de lignes

Distribution selon les valeurs Distribution en classes Reprise du cours (29-02-2016) Mettre de l’ordre et réduire le nombre de lignes : 3 étapes Ordre croissant Nombre de lignes réduit Étape 2 Étape 1 Étape 3 Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500 Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11 Distribution en classes p/k Classes np 1 1.000 −< 2.000 5 2 2.000 −< 3.000 4 3 3.000 −< 4.000 Tot. SO 11

Reprise du cours (07-03-2016) Au menu : Rappels Les distributions : les distributions simples ou tableaux des effectifs et des fréquences suite et fin de la théorie exercices et corrections les doubles distributions ou tableaux à double entrée

Reprise du cours (07-03-2016) Rappels : Les incontournables : notation en cas de données : individuelles : i ; n ; xi groupées : p ; xp ; np ; n variables qualitatives <> quantitatives (discrètes ou continues)

Reprise du cours (07-03-2016) Les distributions : pour réduire le nombre de lignes distribution selon les valeurs ou en classes généralisation : xp  np (retournement statistique i  xi) français et math ou math et français : somme des np de toutes les classes donne n 3 formules (qui seront dans le formulaire d’examen ; cf. p. xii)

Reprise du cours (07-03-2016) Les distributions : pour réduire le nombre de lignes distribution selon les valeurs ou en classes généralisation : xp  np (retournement statistique i  xi) français et math ou math et français : somme des np de toutes les classes donne n 3 formules (qui seront dans le formulaire d’examen ; cf. p. xii)

Reprise du cours (07-03-2016) Les distributions : pour réduire le nombre de lignes distribution selon les valeurs ou en classes généralisation : xp  np (retournement statistique i  xi) français et math ou math et français : somme des np de toutes les classes donne n 3 formules (qui seront dans le formulaire d’examen ; cf. p. xii)

Reprise du cours (07-03-2016) Les distributions : pour réduire le nombre de lignes distribution selon les valeurs ou en classes généralisation : xp  np (retournement statistique i  xi) français et math ou math et français : somme des np de toutes les classes donne n 3 formules (qui seront dans le formulaire d’examen ; cf. p. xii)

Reprise du cours (07-03-2016) Les distributions : pour réduire le nombre de lignes 3 formules (qui seront dans le formulaire d’examen ; cf. p. xii) Questions ? ° effectif cumulé : ° fréquence : ° fréquence cumulée :

Reprise du cours (07-03-2016) Les distributions : pour réduire le nombre de lignes 3 formules (qui seront dans le formulaire d’examen ; cf. p. xii) Questions ? ° effectif cumulé : ° fréquence : ° fréquence cumulée :

Reprise du cours (15-03-2016) Au menu : Rappels Les distributions : les distributions simples : fin les doubles distributions ou tableaux à double entrée chapitre 2 ?

Reprise du cours (15-03-2016) Rappels : Les incontournables : notation en cas de données : individuelles : i ; n ; xi groupées : p ; n ; xp ; np ; Nk ; fp ; Fk formules et leur utilisation

Reprise du cours (15-03-2016) Rappels : Les incontournables : notation en cas de données : individuelles : i ; n ; xi groupées : p ; n ; xp ; np ; Nk ; fp ; Fk formules et leur utilisation

Reprise du cours (15-03-2016) Rappels : Les incontournables : notation en cas de données : individuelles : i ; n ; xi groupées : p ; n ; xp ; np ; Nk ; fp ; Fk formules et leur utilisation

Reprise du cours (12-04-2016) Au menu : Rappels Les distributions : les doubles distributions : fin chapitre 2 (graphiques ; rapidos) chapitre 3 (moyenne et compagnie)

Reprise du cours (12-04-2016) Rappels : Distributions simples (rapidement) : notation en cas de données : individuelles : i ; n ; xi groupées : p ; P ; n ; xp ; np ; Nk ; fp ; Fk formules et leur utilisation

Reprise du cours (12-04-2016) Rappels : Distributions simples (rapidement) : notation en cas de données : individuelles : i ; n ; xi groupées : p ; P ; n ; xp ; np ; Nk ; fp ; Fk formules et leur utilisation

Reprise du cours (12-04-2016) Rappels : Distributions simples (rapidement) : notation en cas de données : individuelles : i ; n ; xi groupées : p ; P ; n ; xp ; np ; Nk ; fp ; Fk formules et leur utilisation

Reprise du cours (12-04-2016) Rappels : Distributions simples Doubles distributions : 2 variables pour classer un « i » 2 indices pour désigner les 2 variables p variant de 1 à P  P lignes q variant de 1 à Q  Q colonnes fréquences : 3 diviseurs possibles Logique de ligne Logique de colonne Par rapport au total (général)

Reprise du cours (12-04-2016) Rappels : Distributions simples Doubles distributions : 2 variables pour classer un « i » 2 indices pour désigner les 2 variables p variant de 1 à P  P lignes q variant de 1 à Q  Q colonnes fréquences : 3 diviseurs possibles Logique de ligne Logique de colonne Par rapport au total (général)

Reprise du cours (12-04-2016) Rappels : Distributions simples Doubles distributions : 2 variables pour classer un « i » 2 indices pour désigner les 2 variables p variant de 1 à P  P lignes q variant de 1 à Q  Q colonnes fréquences : 3 diviseurs possibles Logique de ligne Logique de colonne Par rapport au total (général) Avec «  » = tout ce qui existe

Reprise du cours (12-04-2016) Rappels : Distributions simples Doubles distributions : fréquences : 3 diviseurs possibles choix dépend de la question posée : dénominateur : après le mot « parmi » (le total de…) numérateur : avant et après le mot parmi Questions avant la correction des exercices ?

Reprise du cours (12-04-2016) Rappels : Distributions simples Doubles distributions : fréquences : 3 diviseurs possibles choix dépend de la question posée : dénominateur : après le mot « parmi » (le total de…) numérateur : avant et après le mot « parmi » Questions avant la correction des exercices ?

Reprise du cours (12-04-2016) Rappels : Distributions simples Doubles distributions : fréquences : 3 diviseurs possibles choix dépend de la question posée : dénominateur : après le mot « parmi » (le total de…) numérateur : avant et après le mot « parmi » Questions avant la correction des exercices ?

Reprise du cours (12-04-2016) Rappels : Distributions simples Doubles distributions : fréquences : 3 diviseurs possibles choix dépend de la question posée : dénominateur : après le mot « parmi » (le total de…) numérateur : avant et après le mot « parmi » Questions avant la correction des exercices ? Les corrigés en commençant à l’exercice 4