La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Suites ordonnées ou mettre de l’ordre

Présentations similaires


Présentation au sujet: "Suites ordonnées ou mettre de l’ordre"— Transcription de la présentation:

1 Suites ordonnées ou mettre de l’ordre

2 Suites ordonnées ou mettre de l’ordre
Arrangement des données numériques par valeurs (p. 4) exemple : tableau 1.3, p. 4. comment le constituer au départ de 1.1 ? exercice : ordonner la variable poids du tableau 1.1 2 types de suites ordonnées : croissantes (valeurs de plus en plus élevées vers le bas) décroissantes (classement inversé) pour nous, généralement suite ordonnée CROISSANTE Étendue des données différence entre le maximum et le minimum dans le tableau 1.3 : – = C/J utilité de l’information : variabilité des données. Ex. : tableau 1.3 : 2.400 si dans un autre pays : seulement 400 variabilités très ≠  information importante au début d’une analyse Ordonner une variable qualitative ?

3 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

4 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

5 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

6 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

7 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

8 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

9 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

10 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

11 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

12 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

13 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

14 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

15 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

16 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 âges 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ...

17 Les distributions selon les valeurs observées
Tableau 1.4 au départ du tableau 1.0 Suite ordonnée (Tableau 1.3 (p. 4)) Distribution selon les valeurs Tableau 1.4 (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

18 Les distributions selon les valeurs observées
Tableau 1.4 au départ du tableau 1.3 Suite ordonnée (Tableau 1.3 (p. 4)) Distribution selon les valeurs Tableau 1.4 (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

19 Les distributions selon les valeurs observées
Tableau 1.4 au départ du tableau 1.3 Suite ordonnée (Tableau 1.3 (p. 4)) Distribution selon les valeurs Tableau 1.4 (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

20 Les distributions selon les valeurs observées
Tableau 1.4 au départ du tableau 1.3 Suite ordonnée (Tableau 1.3 (p. 4)) Distribution selon les valeurs Tableau 1.4 (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

21 Les distributions selon les valeurs observées
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 3 au tableau 4 ? au départ d’une suite ordonnée, facile ! exercice d’application : uniquement colonnes « p » et np » un peu de théorie à propos des distributions pour suivre

22 Les distributions selon les valeurs observées
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 3 au tableau 4 ? au départ d’une suite ordonnée, facile ! exercice d’application : uniquement colonnes « p » et np » un peu de théorie à propos des distributions pour suivre

23 Les distributions selon les valeurs observées
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 3 au tableau 4 ? au départ d’une suite ordonnée, facile ! exercice d’application : uniquement colonnes « p » et np » un peu de théorie à propos des distributions pour suivre

24 Les distributions selon les valeurs observées
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 3 au tableau 4 ? au départ d’une suite ordonnée, facile ! exercice d’application : uniquement colonnes « p » et np » un peu de théorie à propos des distributions pour suivre

25 Les distributions selon les valeurs observées
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 3 au tableau 4 ? au départ d’une suite ordonnée, facile ! exercice d’application : uniquement colonnes « p » et np » dans nos exemples, peu de lignes en moins, mais si n = … un peu de théorie à propos des distributions pour suivre

26 Les distributions selon les valeurs observées
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 3 au tableau 4 ? au départ d’une suite ordonnée, facile ! exercice d’application : uniquement colonnes « p » et np » dans nos exemples, peu de lignes en moins, mais si n = … un peu de théorie à propos des distributions pour suivre

27 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) 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 1.4) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

28 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) 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 1.4) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

29 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) 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 1.4) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

30 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) 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 1.4) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

31 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) 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 1.4) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

32 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) 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 1.4) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

33 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) 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 1.4) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

34 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) 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 1.4) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

35 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) 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 1.4) une ligne = une valeur observée, soit xp le nombre de « i » concernés np np xp à chaque «  xp  », on associe un « np » 

36 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) 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 1.4) une ligne = une valeur observée, soit xp le nombre de « i » concernés, soit np np xp à chaque «  xp  », on associe un « np » 

37 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) 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 1.4) une ligne = une valeur observée, soit xp le nombre de « i » concernés, soit np np xp à chaque «  xp  », on associe un « np » 

38 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) 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 1.4) une ligne = une valeur observée, soit xp le nombre de « i » concernés, soit np np xp à chaque «  xp  », on associe un « np » 

39 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.4) : 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 »

40 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.4) : 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 »

41 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.4) : 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 »

42 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.4) : 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 »

43 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.4) : 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) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »

44 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.4) : 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) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »

45 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.4) : 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) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »

46 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.4) : 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) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P » Notation pour les données individuelles

47 Les distributions selon les valeurs observées
Le retournement statistique (p. 5) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.4) : 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) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P » Notation pour les données groupées

48 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

49 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

50 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

51 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

52 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

53 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

54 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

55 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

56 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

57 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

58 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

59 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

60 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

61 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

62 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

63 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

64 Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 5) 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

65 Les distributions en classes
Tableau 1.5 au départ du tableau 1.4 Comment passer du tableau 1.4 au tableau 1.5 ? Distrib. selon les valeurs Tableau 1.4 (p. 5) Distribution en classes (Tableau 1.5 (p.6)) ou « Tableau des effectifs et des fréquences » p Valeur xp Effectif np Bornes des classes Centre de classe 1 1.100 1.000 −< 2.000 1.500 5 2 1.600 2.000 −< 3.000 2.500 4 3 1.800 3.000 −< 4.000 3.500 2.000 Total 11 6 2.800 7 2.950 8 3.100 9

66 Les distributions en classes
Tableau 1.5 au départ du tableau 1.4 Comment passer du tableau 1.4 au tableau 1.5 ? Distrib. selon les valeurs Tableau 1.4 (p. 5) Distribution en classes (Tableau 1.5 (p.6)) ou « Tableau des effectifs et des fréquences » p Valeur xp Effectif np Bornes des classes Centre de classe 1 1.100 1.000 −< 2.000 1.500 5 2 1.600 2.000 −< 3.000 2.500 4 3 1.800 3.000 −< 4.000 3.500 2.000 Total 11 6 2.800 7 2.950 8 3.100 9

67 Les distributions en classes
Tableau 1.5 au départ du tableau 1.4 Comment passer du tableau 1.4 au tableau 1.5 ? Distrib. selon les valeurs Tableau 1.4 (p. 5) Distribution en classes (Tableau 1.5 (p.6)) ou « Tableau des effectifs et des fréquences » p Valeur xp Effectif np Bornes des classes Centre de classe 1 1.100 1.000 −< 2.000 1.500 5 2 1.600 2.000 −< 3.000 2.500 4 3 1.800 3.000 −< 4.000 3.500 2.000 Total 11 6 2.800 7 2.950 8 3.100 9

68 Les distributions en classes
Tableau 1.5 au départ du tableau 1.4 Comment passer du tableau 1.4 au tableau 1.5 ? mettre ensemble les valeurs comprises entre : < 2.000 < 3.000 < 4.000 au départ d’une distribution selon les valeurs : facile !

69 Les distributions en classes
Tableau 1.5 au départ du tableau 1.4 Comment passer du tableau 1.4 au tableau 1.5 ? mettre ensemble les valeurs comprises entre : < 2.000 < 3.000 < 4.000 au départ d’une distribution selon les valeurs : facile ! Pourquoi un effectif de 5 ? = 5

70 Les distributions en classes
Tableau 1.5 au départ du tableau 1.4 Comment passer du tableau 1.4 au tableau 1.5 ? mettre ensemble les valeurs comprises entre : < 2.000 < 3.000 < 4.000 au départ d’une distribution selon les valeurs : facile !

71 Les distributions en classes
Tableau 1.5 au départ du tableau 1.4 Comment passer du tableau 1.4 au tableau 1.5 ? mettre ensemble les valeurs comprises entre : < 2.000 < 3.000 < 4.000 au départ d’une distribution selon les valeurs : facile !

72 Les distributions en classes
Tableau 1.5 au départ du tableau 1.4 Comment passer du tableau 1.4 au tableau 1.5 ? mettre ensemble les valeurs comprises entre : < 2.000 < 3.000 < 4.000 au départ d’une distribution selon les valeurs : facile !

73 Les distributions en classes
Tableau 1.5 : 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

74 Les distributions en classes
Tableau 1.5 : 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

75 Les distributions en classes
Tableau 1.5 : 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

76 Les distributions en classes
Tableau 1.5 : 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

77 Les distributions en classes
Tableau 1.5 : 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

78 Les distributions en classes
Tableau 1.5 : 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

79 Les distributions en classes
Tableau 1.5 : 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 = 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

80 Les distributions en classes
Tableau 1.5 : 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 = 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

81 Les distributions en classes
Tableau 1.5 : 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 = 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

82 Les distributions en classes : théorie
Tableau 1.5 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)

83 Les distributions en classes : théorie
Tableau 1.5 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)

84 Les distributions en classes : théorie
Tableau 1.5 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)

85 Les distributions en classes : théorie
Tableau 1.5 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)

86 Les distributions en classes : théorie
Tableau 1.5 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)

87 Les distributions en classes : théorie
Tableau 1.5 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)

88 Les distributions en classes : théorie
Tableau 1.5 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)

89 Les distributions en classes : théorie
Tableau 1.5 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)

90 Les distributions en classes : théorie
Tableau 1.5 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)

91 Les distributions en classes : théorie
Tableau 1.5 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)

92 Les distributions en classes : théorie
Tableau 1.5 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

93 Les distributions en classes : théorie
Tableau 1.5 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

94 Les distributions en classes : théorie
Tableau 1.5 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

95 Les distributions en classes : théorie
Tableau 1.5 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

96 Les distributions en classes : théorie
Tableau 1.5 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

97 Les distributions en classes : théorie
Tableau 1.5 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

98 Les distributions en classes : théorie
Tableau 1.5 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

99 Les distributions en classes : théorie
Tableau 1.5 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

100 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

101 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

102 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

103 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

104 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

105 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

106 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

107 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

108 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

109 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

110 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

111 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

112 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

113 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

114 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

115 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 » !

116 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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) Rappel : « P » = nombre de lignes actives dans le tableau

117 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

118 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

119 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

120 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

121 Les distributions en classes : théorie
Tableau 1.5 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.5 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)

122 Les distributions en classes : théorie
Tableau 1.5 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)

123 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 C/J

124 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 C/J

125 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 C/J

126 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 C/J

127 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 C/J

128 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 C/J

129 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 C/J

130 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 :

131 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 :

132 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 :

133 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 :

134 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 :

135 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 :

136 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 !

137 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 !

138 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 !

139 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 !

140 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 !

141 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 !

142 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

143 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

144 Les distributions en classes
Les fréquences (cumulées) Observer les 2 dernières colonnes 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

145 Les distributions en classes
Les fréquences (cumulées) Observer les 2 dernières colonnes 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

146 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 des 1res colonnes du tableau 3 de l’exercice d’application remplir les 2 dernières colonnes

147 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

148 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

149 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

150 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

151 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

152 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

153 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

154 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

155 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

156 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

157 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

158 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

159 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

160 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 »

161 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 »

162 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 »

163 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 »

164 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 »

165 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 »

166 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 »

167 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 »

168 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 ?

169 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 ?

170 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 ?

171 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 ?

172 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 ?

173 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 ?

174 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 ?

175 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 ?

176 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 à propos des fréquences ? Pourquoi les calculer ?

177 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

178 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

179 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

180 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

181 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

182 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 ≠ (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

183 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 !

184 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 !

185 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 !

186 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 !

187 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 !

188 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 !

189 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 !

190 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 !

191 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 !

192 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 !

193 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 C/J

194 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 C/J

195 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 C/J

196 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 C/J

197 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 C/J

198 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 C/J

199 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 C/J

200 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 C/J

201 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 C/J

202 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

203 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

204 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

205 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

206 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

207 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

208 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

209 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

210 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

211 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

212 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 ?

213 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 ?

214 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 ?

215 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 ?

216 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 ?

217 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 ?

218 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 ?

219 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

220 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

221 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

222 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

223 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

224 Les distributions en classes
Variables qualitatives et distribution (p. 9) Peut-on calculer des effectifs ? Oui effectifs cumulés ? Non fréquences ? Oui fréquences cumulées ? Non

225 Les distributions en classes
Variables qualitatives et distribution (p. 9) Peut-on calculer des effectifs ? Oui effectifs cumulés ? Non fréquences ? Oui fréquences cumulées ? Non Exemple en page 9 Sans objet p/k xp np Nk fp Fk 1 Marié(e) cout. 2 SO 0,18 Marié(e) EC 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. 11 1,00

226 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 Marié(e) cout. 2 SO 0,18 Marié(e) EC 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. 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. 11 1,00

227 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 Marié(e) cout. 2 SO 0,18 Marié(e) EC 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. 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. 11 1,00

228 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…

229 Les distributions en classes
Variables quantitative selon les valeurs : exercice d’application

230 Les distributions en classes
Variables quantitative selon les valeurs : exercice d’application Puis exercices supplémentaires, dont questions d’examens


Télécharger ppt "Suites ordonnées ou mettre de l’ordre"

Présentations similaires


Annonces Google