Chapitre 1 Généralités sur les données Titanic

Chapitre 1. Généralités sur les données Objectif : « prendre possession des données » Thème traité (avec d’autres en plus) : état nutritionnel de la pop. d’un pays de 11 habitants tableau 1.1, la variable RJC (Ration Journalière en (grandes) Calories) problème simple : pourquoi simple ? seulement 11 individus avantage 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. 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. 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. 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.

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 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 (extrait) 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 (extrait) 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 (extrait) 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 (extrait) 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 (extrait) 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 (extrait) 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 (extrait) 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 (extrait) 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 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 c’est indiqué, 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 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 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) (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 (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Codes interchangeables (sans perte d’information) ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Entre 2 valeurs de X, infinité (théorique) de valeurs possibles ? Non  variable DISCRÈTE (exemples dans le tableau) Oui  variable CONTINUE (exemples dans le tableau) Si beaucoup de valeurs & écarts non significatifs  variable IMPLICTEMENT CONTINUE (ex. : revenu en € et cents) Rem. : les deux dernières catégories ne seront pas différenciées. Ouf ! 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 Codes interchangeables (sans perte d’information) ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Entre 2 valeurs de X, infinité (théorique) de valeurs possibles ? Non  variable DISCRÈTE (exemples dans le tableau) Oui  variable CONTINUE (exemples dans le tableau) Si beaucoup de valeurs & écarts non significatifs  variable IMPLICTEMENT CONTINUE (ex. : revenu en € et cents) Rem. : les deux dernières catégories ne seront pas différenciées. Ouf ! 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 Codes interchangeables (sans perte d’information) ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Entre 2 valeurs de X, infinité (théorique) de valeurs possibles ? Non  variable DISCRÈTE (exemples dans le tableau) Oui  variable CONTINUE (exemples dans le tableau) Si beaucoup de valeurs & écarts non significatifs  variable IMPLICTEMENT CONTINUE (ex. : revenu en € et cents) Rem. : les deux dernières catégories ne seront pas différenciées. Ouf ! 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 Codes interchangeables (sans perte d’information) ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Entre 2 valeurs de X, infinité (théorique) de valeurs possibles ? Non  variable DISCRÈTE (exemples dans le tableau) Oui  variable CONTINUE (exemples dans le tableau) Si beaucoup de valeurs & écarts non significatifs  variable IMPLICTEMENT CONTINUE (ex. : revenu en € et cents) Rem. : les deux dernières catégories ne seront pas différenciées. Ouf ! 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 Codes interchangeables (sans perte d’information) ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Entre 2 valeurs de X, infinité (théorique) de valeurs possibles ? Non  variable DISCRÈTE (exemples dans le tableau) Oui  variable CONTINUE (exemples dans le tableau) Si beaucoup de valeurs & écarts non significatifs  variable IMPLICTEMENT CONTINUE (ex. : revenu en € et cents) Rem. : les deux dernières catégories ne seront pas différenciées. Ouf ! 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 Codes interchangeables (sans perte d’information) ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Entre 2 valeurs de X, infinité (théorique) de valeurs possibles ? Non  variable DISCRÈTE (exemples dans le tableau) Oui  variable CONTINUE (exemples dans le tableau) Si beaucoup de valeurs & écarts non significatifs  variable IMPLICTEMENT CONTINUE (ex. : revenu en € et cents) Rem. : les deux dernières catégories ne seront pas différenciées. Ouf ! 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 Codes interchangeables (sans perte d’information) ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Entre 2 valeurs de X, infinité (théorique) de valeurs possibles ? Non  variable DISCRÈTE (exemples dans le tableau) Oui  variable CONTINUE (exemples dans le tableau) Si beaucoup de valeurs & écarts non significatifs  variable IMPLICTEMENT CONTINUE (ex. : revenu en € et cents) Rem. : les deux dernières catégories ne seront pas différenciées. Ouf ! 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 Codes interchangeables (sans perte d’information) ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Entre 2 valeurs de X, infinité (théorique) de valeurs possibles ? Non  variable DISCRÈTE (exemples dans le tableau) Oui  variable CONTINUE (exemples dans le tableau) Si beaucoup de valeurs & écarts non significatifs  variable IMPLICTEMENT CONTINUE (ex. : revenu en € et cents) Rem. : les deux dernières catégories ne seront pas différenciées. Ouf ! 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 Codes interchangeables (sans perte d’information) ? Oui  variable QUALITATIVE (exemples dans le tableau) Non  variable QUANTITATIVE (exemples dans le tableau) Entre 2 valeurs de X, infinité (théorique) de valeurs possibles ? Non  variable DISCRÈTE (exemples dans le tableau) Oui  variable CONTINUE (exemples dans le tableau) Si beaucoup de valeurs & écarts non significatifs  variable IMPLICTEMENT CONTINUE (ex. : revenu en € et cents) Rem. : les deux dernières catégories ne seront pas différenciées. Ouf ! 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 : 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 (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 (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 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

Reprise du cours (03-03-2015) Chapitre 5 : interprétation des données d’enquêtes hasard  prudence  incertitude et imprécision formules : marge et fourchette interprétation : à 95%, dans la fourchette questions précises ? Chapitre 1 : objectif : noyés car trop de données  en prendre possession dans le chapitre 1, plus question de marge et de fourchette

Reprise du cours (03-03-2015) Chapitre 1 : Objectif : noyés car trop de données  en prendre possession 2 éléments à identifier : sur qui ? de qui/quoi connait-on une caractéristique ? notation mathématique : i et n sur quoi ? quelle caractéristique connue pour les i = la variable ? notation : (X) et xi exemple : x1 = 2.000 C/J Pour nous : 3 types de variables qualitative (ex. : nationalité, couleur des voitures…) quantitative discrète (ex. : descendance…) quantitative (implicitement) continue (ex. : âge, revenus…) remarque : « discrète/continue » uniquement pour les quantitatives (Données brutes)

Reprise du cours (03-03-2015) Chapitre 1 : Objectif : noyés car trop de données  en prendre possession 2 éléments à identifier : sur qui ? de qui/quoi connait-on une caractéristique ? notation mathématique : i et n sur quoi ? quelle caractéristique connue pour les i = la variable ? notation : (X) et xi exemple : x1 = 2.000 C/J Pour nous : 3 types de variables qualitative (ex. : nationalité, couleur des voitures…) quantitative discrète (ex. : descendance…) quantitative (implicitement) continue (ex. : âge, revenus…) remarque : « discrète/continue » uniquement pour les quantitatives (Données brutes)

Reprise du cours (03-03-2015) Chapitre 1 : Objectif : noyés car trop de données  en prendre possession 2 éléments à identifier : sur qui ? de qui/quoi connait-on une caractéristique ? notation mathématique : i et n sur quoi ? quelle caractéristique connue pour les i = la variable ? notation : (X) et xi exemple : x1 = 2.000 C/J Pour nous : 3 types de variables qualitative (ex. : nationalité, couleur des voitures…) quantitative discrète (ex. : descendance…) quantitative (implicitement) continue (ex. : âge, revenus…) remarque : « discrète/continue » uniquement pour les quantitatives (Données brutes)

Reprise du cours (03-03-2015) Chapitre 1 : Objectif : noyés car trop de données  en prendre possession 2 éléments à identifier : sur qui ? de qui/quoi connait-on une caractéristique ? notation mathématique : i et n sur quoi ? quelle caractéristique connue pour les i = la variable ? notation : (X) et xi exemple : x1 = 2.000 C/J Pour nous : 3 types de variables à identifier : qualitative (ex. : nationalité, couleur des voitures…) quantitative discrète (ex. : descendance…) quantitative (implicitement) continue (ex. : âge, revenus…) remarque : « discrète/continue » uniquement pour les quantitatives (Données brutes)

Reprise du cours (03-03-2015) Chapitre 1 : Objectif : noyés car trop de données  en prendre possession 2 éléments à identifier : sur qui ? de qui/quoi connait-on une caractéristique ? notation mathématique : i et n sur quoi ? quelle caractéristique connue pour les i = la variable ? notation : (X) et xi exemple : x1 = 2.000 C/J Pour nous : 3 types de variables à identifier : qualitative (ex. : nationalité, couleur des voitures…) quantitative discrète (ex. : descendance…) quantitative (implicitement) continue (ex. : âge, revenus…) remarque : « discrète/continue » uniquement pour les quantitatives (Données brutes)

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

Suite ordonnée (croissante) (p. 5) Objectif classer les données par ordre croissant Exemple : Résultat : suite ordonnée croissante Exercice d’application : variable « poids » (données : cf. tableau 1.1) 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 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 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 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 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 − 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, 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 − 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  distributions en classes  un tableau avec moins de lignes

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  distributions en classes  un tableau avec moins de lignes

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  distributions en classes  un tableau avec moins de lignes

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  distributions en classes  un tableau avec moins de lignes

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  distributions en classes  un tableau avec moins de lignes  données lisibles, utilisables

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 ? 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 ? 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 ! 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 : 1.000 -< 2.000 2.000 -< 3.000 3.000 -< 4.000 au départ d’une distribution selon les valeurs : facile ! 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 : 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 ? 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 ? 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 : 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 » : pour la 1re classe : (1.000 + 2.000)/2 c’est bien le centre valeur utile pour la suite valeur 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 valeur symbolisée par « xp » = valeur de la variable X de la ligne p

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 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  plus tard !

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 (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)

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 : 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 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 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 : 7/11 = 0,6363… = 0,64 (si arrondi à 2 décimales)

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 ?

Reprise du cours (10-03-2015) Au menu du jour : Distribution, tableau des effectifs et des fréquences : théorie : fin exercices commentaires finals (ou finaux)  Tableau à double entrée : début

Reprise du cours (10-03-2015) Chapitre 1 : Objectif : noyés car trop de données  en prendre possession 2 éléments à identifier : sur qui ? « i » et « n » sur quoi ? « (X) » et « xi »  (Mettre de l’ordre et) diminuer le nombre de lignes

Reprise du cours (10-03-2015) Chapitre 1 : Objectif : noyés car trop de données  en prendre possession 2 éléments à identifier : sur qui ? « i » et « n » sur quoi ? « (X) » et « xi »  (Mettre de l’ordre et) diminuer le nombre de lignes

Reprise du cours (10-03-2015) Chapitre 1 : Objectif : noyés car trop de données  en prendre possession 2 éléments à identifier : sur qui ? « i » et « n » sur quoi ? « (X) » et « xi »  (Mettre de l’ordre et) diminuer le nombre de lignes

Reprise du cours (10-03-2015) Chapitre 1 : Objectif : noyés car trop de données  en prendre possession 2 éléments à identifier : sur qui ? « i » et « n » sur quoi ? « (X) » et « xi »  (Mettre de l’ordre et) diminuer le nombre de lignes

Reprise du cours (10-03-2015) «Distribution» / «données groupées» / «données par paquets» Le retournement statistique données individuelles : une ligne = un individu et sa réponse distribution : une ligne = une valeur de la variable  Notation en cas de données groupées « P » : nombre de lignes (<> n) « p » : une ligne du tableau (<>i) « xp » : valeur de la variable de la ligne p (<> xi) « np » : effectif de la ligne p « Nk » : effectif cumulé de la ligne k : « fp » : fréquence de la ligne p : « Fk » : c’est là que nous reprenons En marge : du français vers la mth et vice-versa somme des np de toutes les lignes actives donne n

Reprise du cours (10-03-2015) «Distribution» / «données groupées» / «données par paquets» Le retournement statistique données individuelles : une ligne = un individu et sa réponse distribution : une ligne = une valeur de la variable  Notation en cas de données groupées « P » : nombre de lignes (<> n) « p » : une ligne du tableau (<>i) « xp » : valeur de la variable de la ligne p (<> xi) « np » : effectif de la ligne p « Nk » : effectif cumulé de la ligne k : « fp » : fréquence de la ligne p : « Fk » : c’est là que nous reprenons En marge : du français vers la mth et vice-versa somme des np de toutes les lignes actives donne n

Reprise du cours (10-03-2015) «Distribution» / «données groupées» / «données par paquets» Le retournement statistique données individuelles : une ligne = un individu et sa réponse distribution : une ligne = une valeur de la variable  Notation en cas de données groupées « P » : nombre de lignes (<> n) « p » : une ligne du tableau (<>i) « xp » : valeur de la variable de la ligne p (<> xi) « np » : effectif de la ligne p « Nk » : effectif cumulé de la ligne k : « fp » : fréquence de la ligne p : « Fk » : c’est là que nous reprenons En marge : du français vers la mth et vice-versa somme des np de toutes les lignes actives donne n

Reprise du cours (10-03-2015) «Distribution» / «données groupées» / «données par paquets» Le retournement statistique données individuelles : une ligne = un individu et sa réponse distribution : une ligne = une valeur de la variable  Notation en cas de données groupées « P » : nombre de lignes (<> n) « p » : une ligne du tableau (<>i) « xp » : valeur de la variable de la ligne p (<> xi) « np » : effectif de la ligne p « Nk » : effectif cumulé de la ligne k : « fp » : fréquence de la ligne p : « Fk » : c’est là que nous reprenons En marge : du français vers la mth et vice-versa somme des np de toutes les lignes actives donne n

Reprise du cours (10-03-2015) «Distribution» / «données groupées» / «données par paquets» Le retournement statistique données individuelles : une ligne = un individu et sa réponse distribution : une ligne = une valeur de la variable  Notation en cas de données groupées « P » : nombre de lignes (<> n) « p » : une ligne du tableau (<>i) « xp » : valeur de la variable de la ligne p (<> xi) « np » : effectif de la ligne p « Nk » : effectif cumulé de la ligne k : « fp » : fréquence de la ligne p : « Fk » : c’est là que nous reprenons En marge : du français vers la mth et vice-versa somme des np de toutes les lignes actives donne n

Reprise du cours (10-03-2015) «Distribution» / «données groupées» / «données par paquets» Le retournement statistique données individuelles : une ligne = un individu et sa réponse distribution : une ligne = une valeur de la variable  Notation en cas de données groupées « P » : nombre de lignes (<> n) « p » : une ligne du tableau (<>i) « xp » : valeur de la variable de la ligne p (<> xi) « np » : effectif de la ligne p « Nk » : effectif cumulé de la ligne k : « fp » : fréquence de la ligne p : « Fk » : c’est là que nous reprenons En marge : du français vers la mth et vice-versa somme des np de toutes les lignes actives donne n

Reprise du cours (10-03-2015) «Distribution» / «données groupées» / «données par paquets» Le retournement statistique données individuelles : une ligne = un individu et sa réponse distribution : une ligne = une valeur de la variable  Notation en cas de données groupées « P » : nombre de lignes (<> n) « p » : une ligne du tableau (<>i) « xp » : valeur de la variable de la ligne p (<> xi) « np » : effectif de la ligne p « Nk » : effectif cumulé de la ligne k : « fp » : fréquence de la ligne p : « Fk » : c’est là que nous reprenons En marge : du français vers la mth et vice-versa somme des np de toutes les lignes actives donne n

Reprise du cours (10-03-2015) «Distribution» / «données groupées» / «données par paquets» Le retournement statistique données individuelles : une ligne = un individu et sa réponse distribution : une ligne = une valeur de la variable  Notation en cas de données groupées « P » : nombre de lignes (<> n) « p » : une ligne du tableau (<>i) « xp » : valeur de la variable de la ligne p (<> xi) « np » : effectif de la ligne p « Nk » : effectif cumulé de la ligne k : « fp » : fréquence de la ligne p : « Fk » : c’est là que nous reprenons En marge : du français vers une équation et vice-versa somme des np de toutes les lignes actives donne n

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 + 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 » 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 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 (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 » ? 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 » ? 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 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 …

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 !

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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (p = 2) 7 6 11

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 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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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 Femmes (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● 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 Femmes (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● 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 » = 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 Femmes (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● 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 » = 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 Femmes (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● 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 » = 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 Femmes (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● Femmes (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) 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

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 1.b (en commençant par les 3 calculs sous le tableau)

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 %

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 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 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   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 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

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 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 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 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 : 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 HO » = 4 identifier le numérateur : 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, 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 : 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 : 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 : « 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 : « 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 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 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 ? Calcul du % de sauvés parmi la 1re classe (f11, l) Si « % de sauvés parmi la 1re classe » pas évident, le traduire en : « Que vaut le % de sauvés de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » f11, l = le % des 1res ligne et colonne, en divisant par le total de ligne 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 ? Calcul du % de sauvés parmi la 1re classe (f11, l) Si « % de sauvés parmi la 1re classe » pas évident, le traduire en : « Que vaut le % de sauvés de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » f11, l = le % des 1res ligne et colonne, en divisant par le total de ligne 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 ? Calcul du % de sauvés parmi la 1re classe (f11, l) Si « % de sauvés parmi la 1re classe » pas évident, le traduire en : « Que vaut le % de sauvés parmi les passagers de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » f11, l = le % des 1res ligne et colonne, en divisant par le total de ligne 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 ? Calcul du % de sauvés parmi la 1re classe (f11, l) Si « % de sauvés parmi la 1re classe » pas évident, le traduire en : « Que vaut le % de sauvés parmi les passagers de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » f11, l = le % de la 1re ligne et colonne, en divisant par le total de ligne 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 ? Calcul du % 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 ? Calcul du % 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 ? Calcul du % 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 ? Calcul du % 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 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)