Sommaire: Mesures numériques de la dispersion d’une distribution

Slides:



Advertisements
Présentations similaires
Les quartiles et les mesures de dispersion
Advertisements

Présentation des données
Statistiques à une variable
Statistique descriptive
Chapitre 5. Description numérique d’une variable statistique.
1. Les caractéristiques de dispersion. 11. Utilité.
Statistique et probabilités au collège
Construction de Box-Plot ou diagrammes en boîtes ou boîtes à moustaches Construire une boîte à moustaches …
STATISTIQUES Révision du 1er cycle
Les principaux résumés de la statistique
Opération et systèmes de décision Faculté des Sciences de l administration MQT Probabilités et statistique Mesures caractéristiques.
Diagrammes de quartiles (section 7.3). Comment ferais-tu pour couper cette pizza en 4 pointes de même grosseur?
Comprendre la variation dans les données: Notions de base
La traitement des données
ACTIVITES MENTALES Collège Jean Monnet Préparez-vous !
La corrélation et la régression multiple
Les inéquations Mathématiques 9 Dans ce chapitre, tu vas apprendre à utiliser la notation ensembliste. Tu vas aussi apprendre à représenter des ensembles.
La Distribution des Données
LÉcart Type. LÉtendue Donne seulement le une mesure entre le maximum et le minimum Elle ne donne pas linformation sur la variation à lintérieur des valeurs.
LES STATISTIQUES BOULAHBAL Free Powerpoint Templates.
La statistique Définitions et méthodes. La statistique est la branche des mathématiques qui collecte, classe, analyse et interprète des données afin den.
Objectifs du chapitre 2 d’Howell sur les statistiques descriptives
Le diagramme de quartiles
Qu’est-ce qu’une fraction ?
Les mesures de dispersion Camp de jour Âges Groupe 1: 7,8,9,10,11,12,13 Âges Groupe 2: 10,10,10,10,10,10,10 Caractériser ces groupes par 1 seule mesure.
Qu’est-ce qu’une fraction ?
Séries chronologiques et prévision
Le système numérique Mathématique 10e – 1.1.
Statistiques Descriptives I
Mesures de position Ils s’expriment dans la même unité que les observations Moyenne et moyenne pondérée Exemple : on dispose du nombre moyen d’enfants.
Racines Carrées Estimer des racines carrées. 25 = ?
Méthodes de Biostatistique
Statistique descriptive
Thème: statistiques et probabilités Séquence 3: Statistique descriptive Utiliser un logiciel (par exemple, un tableur) ou une calculatrice pour étudier.
Démarches de résolution de problèmes © R. & M. Lyons Janvier 2010.
Introduction à l’analyse statistique
8.1 Les carrés, les racines carrées et Pythagore
Activité 1 sommaire Vous avez redécouvert ce que l'on appelle le principe 68%-95%-99,7% : Ce principe est valable pour des distributions de fréquences.
Christophe Genolini INSERM U669 / Université de Paris X.
Rappels de statistiques descriptives
Fabienne BUSSAC STATISTIQUES 1. VOCABULAIRE
STATISTIQUE DESCRIPTIVE ÉLÉMENTAIRE
JEAN-MARC FONTAN SOC-1101 COURS 3
La collecte et la description des données
Seconde partie Cours de seconde
STATISTIQUE DESCRIPTIVE Dr LEMDAOUI MOHAMED CHERIF
N6: Déterminer une racine carrée approximative des nombres rationnels et positifs qui sont les carrés non parfaits.
Introduction à une analyse statistique de données
Quart de Disque – Activité TICE Troisième Ce que disent les Programmes A la fin de cette classe terminale, la maîtrise par les élèves (…) est visée dans.
Chapitre 7: Molécules organiques et couleurs
Comprendre les fractions
PARAMETRES STATISTIQUES
Caractéristiques (qualitatives) des distributions de variables quantitatives.
Chapitre 4 Variables aléatoires discrètes
Diagrammes de quartiles (section 7.3). Comment ferais-tu pour couper cette pizza en 4 pointes de même grosseur?
Racines carrées I- Calculer le carré d’un nombre:
Chapitre 2 La statistique descriptive I
STATISTIQUE DESCRIPTIVE Dr LEMDAOUI MOHAMED CHERIF
Seconde 8 Chapitre 4: Les statistiques
Statistiques Première partie Cours de première S.
BIOSTATISTIQUES Définitions.
Paramètres de position et de dispersion
Mesures de description des valeurs des variables
Les mesures de tendance centrale
Statistiques Cours de première S. II Indicateurs de dispersion Ils permettent de caractériser la répartition des éléments autour de la moyenne ou de la.
Les diagrammes de quartiles VISION 8 : SECTION 8.4.
Championnats du monde de biathlon
 Comparaison des résultats sur 20 dans 2 classes de 4 élèves  Moyennes identiques  Situation identique dans les 2 classes ?  Pourquoi ?   paramètres.
Mesures de tendance centrale et mesures de dispersion.
Réalisé par : Sébastien Lachance MATHS 3 E SECONDAIRE LesSTATISTIQUES.
Transcription de la présentation:

Sommaire: Mesures numériques de la dispersion d’une distribution Étant donné un ensemble de données {x1, x2, . . . , xn}, nous avons examiné deux mesures usuelles de sa dispersion : 1. L’étendu = xmax-xmin: Mesure de la longueur de l’intervalle sur lequel les valeurs de l’ensemble entier sont dispersées 2. L’étendue interquartile (EIQ) = Q3 - Q1: Mesure de la dispersion du milieu 50% des valeurs Q3 représente le troisième quartile (ou 75ième percentile) et Q1 représente le premiere quartile (25ième percentile)

Le résumé à cinq nombres est la base du diagramme à quartiles Le résumé à cinq nombres donne un sommaire rélativement complet du centre et de la dispersion d’une distribution xmin Q1 M Q3 xmax Pourqoui? Parce qu’il indique aussi l’étendue de chacun des quarts des données, et donc donne une mesure de la dispersion de ces parties de l’ensemble de données: Q1-xmin, M-Q1, Q3-M, xmax -Q3 Le résumé à cinq nombres est la base du diagramme à quartiles

Caractéristiques de S: 3. L’écart type Une mesure de la dispersion total d’une distribution. C’est une sorte de moyenne (par rapport à n-1, au lieu de n éléments dans l’ensemble de données) des écarts de la moyenne carrés qui est exprimée dans la même unité de mesure que les valeurs des données (donc la racine carrée). Caractéristiques de S: S mesure la dispersion des données par rapport à sa moyenne—on l’utilise seulement quand on utilise la moyenne comme mesure de tendance centrale S > 0 pour toutes ensembles de valeurs: S = 0 si et seulement si ___?______. Autrement, S > 0. Plus les données sont dispersées (autour de leur moyenne), plus la valeur de S est élevée. S est donc très sensible aux valeurs qui sont loin de la moyenne.