Télécharger la présentation
La présentation est en train de télécharger. S'il vous plaît, attendez
1
Chapitre 1 Généralités sur les données
PowerPoint revu et modifié récemment. Merci pour votre vigilance !
2
Chapitre 1 Généralités sur les données
Le chapitre 5 est terminé. Dans le chapitre 1, on ne parle plus : d’échantillon ; de la marge ; de la fourchette !
3
Chapitre 1. Généralités sur les données
Si analyse de données quantitatives (toujours le cas dans cette AA) 1er objectif : « prendre possession des données » souvent : noyés par le nombre des données : comparaison des revenus dans les 3 Régions belges l’âge des chômeurs dans les 3 Régions belges la réussite des étudiant(e)s de 1re année dans le supérieur méthodes pour commencer : à s’y retrouver à faire parler les données
4
Chapitre 1. Généralités sur les données
Si analyse de données quantitatives (toujours le cas dans cette AA) 1er objectif : « prendre possession des données » souvent : noyés par le nombre des données : comparaison des revenus dans les 3 Régions belges l’âge des chômeurs dans les 3 Régions belges la réussite des étudiant(e)s de 1re année dans le supérieur méthodes pour commencer : à s’y retrouver à faire parler les données
5
Chapitre 1. Généralités sur les données
Si analyse de données quantitatives (toujours le cas dans cette AA) 1er objectif : « prendre possession des données » souvent : noyés par le nombre des données : comparaison des revenus dans les 3 Régions belges l’âge des chômeurs dans les 3 Régions belges la réussite des étudiant(e)s de 1re année dans le supérieur méthodes pour commencer : à s’y retrouver à faire parler les données
6
Chapitre 1. Généralités sur les données
Si analyse de données quantitatives (toujours le cas dans cette AA) 1er objectif : « prendre possession des données » souvent : noyés par le nombre des données : comparaison des revenus dans les 3 Régions belges l’âge des chômeurs dans les 3 Régions belges la réussite des étudiant(e)s de 1re année dans le supérieur méthodes pour commencer : à s’y retrouver à faire parler les données
7
Chapitre 1. Généralités sur les données
Si analyse de données quantitatives (toujours le cas dans cette AA) 1er objectif : « prendre possession des données » souvent : noyés par le nombre des données : comparaison des revenus dans les 3 Régions belges l’âge des chômeurs dans les 3 Régions belges la réussite des étudiant(e)s de 1re année dans le supérieur méthodes pour commencer : à s’y retrouver à faire « parler les données »
8
Chapitre 1. Généralités sur les données
Si analyse de données quantitatives (toujours le cas dans cette AA) 1er objectif : « prendre possession des données » souvent : noyés par le nombre des données : comparaison des revenus dans les 3 Régions belges l’âge des chômeurs dans les 3 Régions belges la réussite des étudiant(e)s de 1re année dans le supérieur méthodes pour commencer : à s’y retrouver à faire « parler les données » aujourd’hui : blabla (ou bla-bla) introductif déjà un exercice, j’espère
9
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » Thème traité (avec d’autres en plus) : état nutritionnel de la population d’un pays de 11 habitants tableau 1.1, la variable RJC (Ration Journalière en (grandes) Calories) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
10
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » Thème traité (avec d’autres en plus) : état nutritionnel de la population d’un pays de 11 habitants tableau 1.1, la variable RJC (Ration Journalière en (grandes) Calories) problème simple : pourquoi simple ? population seulement 11 individus avantage : on n’est pas noyé par la masse des données inconvénient (mais généralisation aisée) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
11
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » Thème traité (avec d’autres en plus) : état nutritionnel de la population d’un pays de 11 habitants tableau 1.1, la variable RJC (Ration Journalière en (grandes) Calories) problème simple : pourquoi simple ? population seulement 11 individus avantage : on n’est pas noyé par la masse des données inconvénient (mais généralisation aisée) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
12
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » Thème traité (avec d’autres en plus) : état nutritionnel de la population d’un pays de 11 habitants tableau 1.1, la variable RJC (Ration Journalière en (grandes) Calories) problème simple : pourquoi simple ? population seulement 11 individus avantage : on n’est pas noyé par la masse des données inconvénient (mais généralisation aisée) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
13
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » Thème traité (avec d’autres en plus) : état nutritionnel de la population d’un pays de 11 habitants tableau 1.1, la variable RJC (Ration Journalière en (grandes) Calories) problème simple : pourquoi simple ? population seulement 11 individus avantage : on n’est pas noyé par la masse des données inconvénient : méthodes pas indispensables (mais généralisation aisée) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
14
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » Thème traité (avec d’autres en plus) Tableau de données initiales (début du tableau 1.1, p. 2) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Pas seulement RJC, mais aussi d’autres caractéristiques des individus En rapport ou pas avec l’état nutritionnel !
15
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » État nutritionnel dans un pays Avant toute chose, 2 éléments à identifier (pourquoi ?) pourquoi ? éviter des erreurs grossières en confondant ces 2 éléments ex. : l’âge moyen des jeunes de 0 à 15 ans = 2 questions correspondant aux 2 éléments sur qui porte l’étude ? sur quoi porte l’étude ?
16
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » État nutritionnel dans un pays Avant tout, 2 éléments à identifier pourquoi ? éviter des erreurs grossières en confondant ces 2 éléments ex. : l’âge moyen des jeunes de 0 à 15 ans = 2 questions correspondant aux 2 éléments sur qui porte l’étude ? sur quoi porte l’étude ?
17
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » État nutritionnel dans un pays Avant tout, 2 éléments à identifier pourquoi ? éviter des erreurs grossières en confondant ces 2 éléments ex. à l’examen : l’âge moyen des jeunes de 0 à 15 ans = 2 questions correspondant aux 2 éléments sur qui porte l’étude ? sur quoi porte l’étude ?
18
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » État nutritionnel dans un pays Avant tout, 2 éléments à identifier pourquoi ? éviter des erreurs grossières en confondant ces 2 éléments ex. à l’examen : l’âge moyen des jeunes de 0 à 15 ans = 2 questions correspondant aux 2 éléments sur qui porte l’étude ? sur quoi porte l’étude ?
19
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » État nutritionnel dans un pays Avant tout, 2 éléments à identifier pourquoi ? éviter des erreurs grossières en confondant ces 2 éléments ex. à l’examen : l’âge moyen des jeunes de 0 à 15 ans = 2 questions correspondant aux 2 éléments sur qui porte l’étude ? sur quoi porte l’étude ?
20
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse de qui/de quoi connait-on une caractéristique ? à qui a-t-on posé des questions ? qui a répondu aux questions ? Souplesse & imagination : taille des enfants à la naissance = les « INDIVIDUS » ou « unités » SOUS OBSERVATION dans l’exemple : les 11 habitants du pays
21
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus, soit 11 i peut donc varier de 1 à 11 population sous observation = population de référence ensemble des unités sous obs. ensemble des « i » sous obs.
22
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : souvent , parfois les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus, soit 11 i peut donc varier de 1 à 11 population sous observation = population de référence ensemble des unités sous obs. ensemble des « i » sous obs.
23
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus, soit 11 i peut donc varier de 1 à 11 population sous observation = population de référence ensemble des unités sous obs. ensemble des « i » sous obs.
24
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus, soit 11 i peut donc varier de 1 à 11 population sous observation = population de référence ensemble des unités sous obs. ensemble des « i » sous obs.
25
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus observés, soit 11 i peut donc varier de 1 à 11 population sous observation = population de référence ensemble des unités sous obs. ensemble des « i » sous obs. Attention à « n » : ° dans chapitre 5 = taille de l’échantillon ° dans chapitre 1 = l’ensemble des « i » auxquels on s’intéresse. Parfois la même chose, parfois pas ! Essayons de ne pas dire ici : « n » = « taille de l’échantillon » !
26
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus observés, soit 11 i peut donc varier de 1 à 11 population sous observation = population de référence ensemble des unités sous obs. ensemble des « i » sous obs.
27
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus observés, soit 11 « i » peut donc varier de 1 à 11 population sous observation = population de référence ensemble des unités sous obs. ensemble des « i » sous obs.
28
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? les personnes/choses au SUJET desquelles l’étude s’intéresse dans l’exemple : les 11 habitants du pays désignation/notation mathématique : les individus 1, 2, 3… i … 10, 11 (parfois a, b, c…) « i » désigne un individu parmi les 11 « n » = le nombre total d’individus observés, soit 11 « i » peut donc varier de 1 à 11 population sous observation = population de référence ensemble des unités sous obs. ensemble des « i » sous obs.
29
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL = le phénomène étudié choix d’une VARIABLE pour analyser le phénomène étudié « variable » = CARACTÈRE mesurable pour les « i » bon révélateur du phénomène étudié mesurable (classiquement ou répartition en catégories) quelle question posée aux « i » à propos de l’état nutritionnel ? RJC dans notre exemple RJC = la variable pour analyser l’état nutritionnel (on peut mieux faire)
30
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemple : pour l’individu 5, RJC vaut C/J ○ pour 11, 1.100 X5 = C/J ○ X11 = C/J
31
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemple : pour l’individu 5, RJC vaut C/J ○ pour 11, 1.100 X5 = C/J ○ X11 = C/J
32
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemples (tableau 1.1) : pour l’individu 5, RJC vaut C/J ○ pour 11, 1.100 X5 = C/J ○ X11 = C/J
33
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemples (tableau 1.1) : pour l’individu 5, RJC vaut C/J ○ pour 11, 1.100 X5 = C/J ○ X11 = C/J
34
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemples (tableau 1.1) : pour l’individu 5, RJC vaut C/J ○ pour 11, 1.100 X5 = C/J ○ X11 = C/J
35
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemples (tableau 1.1) : pour l’individu 3, RJC vaut C/J ○ pour 11, 1.100 x3 = C/J ○ X11 = C/J Individu i RJC X 1 2.000 2 2.500 3 1.800
36
Chapitre 1. Généralités sur les données
Sur qui porte l’étude ? (Fini) Sur quoi porte l’étude ? dans l’exemple, sur l’ÉTAT NUTRITIONNEL choix d’une VARIABLE pour analyser le f désignation/notation (si une seule variable) « X » = la variable (MAJUSCULE) « xi » = la valeur de X pour i (minuscule) exemples (tableau 1.1) : pour l’individu 3, RJC vaut C/J x3 = C/J : « x indice 3 » ou « x3 » = C/J Individu i RJC X 1 2.000 2 2.500 3 1.800
37
Chapitre 1. Généralités sur les données
Thème = l’état nutritionnel de la population d’un pays 2e ex. = la taille des étudiant(e)s de l’ISFSC un individu sous observation = un(e) étudiant(e) inscrit(e) à l’ISFSC un « i » sous observation la pop. sous observation = l’ensemble des étudiant(e)s de l’ISFSC si 903 inscrit(e)s, n = 903 la variable = X = la taille la valeur de la variable pour l’étudiant(e) 231 : x231 = 1,65 mètre
38
Chapitre 1. Généralités sur les données
Thème = l’état nutritionnel de la population d’un pays 2e ex. = la taille des étudiant(e)s de l’ISFSC 3e ex. = la couleur des voitures vendues en Belgique en 2012 une unité sous observation = une voiture vendue en Belgique en 2012 à un « i », on ne peut poser de question imagination ! la pop. sous observation = l’ensemble des voitures vendues en Belgique en 2012 la variable = X = la couleur la valeur de X pour la 1.106e voiture : x1.106 = rouge
39
Chapitre 1. Généralités sur les données
Sur qui porte l’étude (bref retour) ? Attention : en prenant l’exemple de la couleur des voitures un « individu » : pas nécessairement un être humain une « pop. statistique » : pas nécessairement une pop. humaine Souplesse et imagination!
40
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8, soit 0,8* = CFA Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
41
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
42
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
43
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
44
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
45
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8, soit 0,8* = CFA Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
46
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8, soit 0,8* = CFA Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
47
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8, soit 0,8* = CFA Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
48
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8, soit 0,8* = CFA Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
49
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8, soit 0,8* = CFA Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
50
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0,8, soit 0,8* = CFA Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
51
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 (p. 2, extrait : seulement les 3 premiers individus) Que vaut : x2 ? C/J a3 ? 20 ans s1 ? 1 = sexe masculin y1 ? 0, (soit 0,8* CFA = CFA) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Cette façon d’exprimer les données est considérée comme acquise !
52
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4)
53
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ?
54
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Exemple : sens mathématique ou pas de calculer une moyenne ?
55
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Exemple : ° âge et état civil ° moyenne : * pour âge ? * pour état civil ?
56
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
57
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Autre système de codes pour le sexe : ° « 1 » pour « femme » et « 2 » pour « homme » ° si indiqué quelque part, les données restent lisibles !
58
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 État civil : sens mathématique ou pas de calculer une moyenne ?
59
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
60
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : ex. âge nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Âge : sens mathématique ou pas de calculer une moyenne ?
61
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous-catégories : discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
62
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous-catégories : discrètes : peu de valeurs ≠ possibles (descendance et VM) (implicitement) continue : bcp de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
63
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous-catégories : discrètes : peu de valeurs ≠ possibles (descendance et VM) continues : beaucoup de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Pas de limite précise entre « peu » et « beaucoup » ! Attention quand on arrondit (poids) ou tronque (âge)
64
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous catégories : discrètes : peu de valeurs ≠ possibles (descendance et VM) continues : beaucoup de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 On devrait écrire « (implicitement) continues », mais on écrira simplement « continues »
65
Chapitre 1. Généralités sur les données
Les types de variables sur le plan mathématique (pp. 2-4) Pourquoi les distinguer ? Pour éviter des calculs vides de sens ! Variables qualitatives : nombres = codes arbitraires, sans valeur numérique : interchangeables exemples : sexe et état civil Variables quantitatives : nombres = valeurs numériques (42 ans = 3 ans de moins que 45) deux sous-catégories : discrètes : peu de valeurs ≠ possibles (descendance et VM) continues : beaucoup de valeurs ≠ possibles (les autres) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
66
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Variable du type sexe ou état civil ? Oui variable QUALITATIVE (exemples dans le tableau) Non variable QUANTITATIVE (exemples dans le tableau) Variable du genre descendance ou visite(s) médicale(s) ? Oui variable DISCRÈTE (exemples dans le tableau) Non variable (implicitement) CONTINUE (exemples dans le tableau) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Présentation simplifiée par rapport au syllabus !
67
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Variable du type sexe ou état civil ? Oui variable QUALITATIVE (exemples dans le tableau) Non variable QUANTITATIVE (exemples dans le tableau) Variable du genre descendance ou visite(s) médicale(s) ? Oui variable DISCRÈTE (exemples dans le tableau) Non variable (implicitement) CONTINUE (exemples dans le tableau) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Présentation simplifiée par rapport au syllabus !
68
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Variable du type sexe ou état civil ? Oui variable QUALITATIVE (exemples dans le tableau) Non variable QUANTITATIVE (exemples dans le tableau) Variable du genre descendance ou visite(s) médicale(s) ? Oui variable DISCRÈTE (exemples dans le tableau) Non variable (implicitement) CONTINUE (exemples dans le tableau) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Présentation simplifiée par rapport au syllabus !
69
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Variable du type sexe ou état civil ? Oui variable QUALITATIVE (exemples dans le tableau) Non variable QUANTITATIVE (exemples dans le tableau) Variable du genre descendance ou visite(s) médicale(s) ? Oui variable DISCRÈTE (exemples dans le tableau) Non variable (implicitement) CONTINUE (exemples dans le tableau) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Si « oui », pas nécessaire d’aller plus loin ! Si « non », question suivante. Présentation simplifiée par rapport au syllabus !
70
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Variable du type sexe ou état civil ? Oui variable QUALITATIVE (exemples dans le tableau) Non variable QUANTITATIVE (exemples dans le tableau) Si non, variable du type descendance ou visite(s) médicale(s) ? Oui variable DISCRÈTE (exemples dans le tableau) Non variable CONTINUE (exemples dans le tableau) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Présentation simplifiée par rapport au syllabus !
71
Chapitre 1. Généralités sur les données
Les types de variables (pp. 2-4) Tableau 1.1 2 questions pour identifier le type de la variable Variable du type sexe ou état civil ? Oui variable QUALITATIVE (exemples dans le tableau) Non variable QUANTITATIVE (exemples dans le tableau) Si non, variable du type descendance ou visite(s) médicale(s) ? Oui variable DISCRÈTE (exemples dans le tableau) Non variable CONTINUE (exemples dans le tableau) Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4 Présentation simplifiée par rapport au syllabus !
72
Chapitre 1. Généralités sur les données
Les types de variables : résumé 3 types de variable : QUALITATIVE (nationalité, couleur des voitures…) QUANTITATIVE DISCRÈTE (descendance…) QUANTITATIVE (implicitement) CONTINUE (âge, revenus…) Nomenclatures plus diversifiées avec notamment les var. ordinales Pas pour nous
73
Chapitre 1. Généralités sur les données
Les types de variables : résumé 3 types de variable : QUALITATIVE (sexe, nationalité, couleur des voitures…) QUANTITATIVE DISCRÈTE (descendance…) QUANTITATIVE CONTINUE (âge, revenus…) Nomenclatures plus diversifiées avec notamment les var. ordinales Pas pour nous
74
Chapitre 1. Généralités sur les données
Les types de variables : résumé 3 types de variable : QUALITATIVE (sexe, nationalité, couleur des voitures…) QUANTITATIVE DISCRÈTE (descendance…) QUANTITATIVE CONTINUE (âge, revenus…) Nomenclatures plus diversifiées, avec, par ex., les var. ordinales Pas pour nous !
75
Chapitre 1. Généralités sur les données
Observations ou données brutes (p. 4) Tableau 1.1 Valeurs telles que collectées sur le terrain = réponses telles qu’entendues quand la question a été posée Exemples : données brutes ou pas ? variable « âge » ? Oui, c’est comme si on entendait la réponse variable « RJC » ? Non, sauf si… Idéal : les données brutes : rien n’échappe ! Abus de langage : données brutes = les données trouvées Et maintenant, les traitements sur les données ! Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
76
Chapitre 1. Généralités sur les données
Observations ou données brutes (p. 4) Tableau 1.1 Valeurs telles que collectées sur le terrain = réponses telles qu’entendues quand la question a été posée Exemples : données brutes ou pas ? variable « âge » ? Oui, c’est comme si on entendait la réponse variable « RJC » ? Non, sauf si… Idéal : les données brutes : rien n’échappe ! Abus de langage : données brutes = les données trouvées Et maintenant, les traitements sur les données ! Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
77
Chapitre 1. Généralités sur les données
Observations ou données brutes (p. 4) Tableau 1.1 Valeurs telles que collectées sur le terrain = réponses telles qu’entendues quand la question a été posée Exemples : données brutes ou pas ? variable « âge » ? Oui, c’est comme si on entendait la réponse variable « RJC » ? Non, sauf si… Idéal : les données brutes : rien n’échappe ! Abus de langage : données brutes = les données trouvées Et maintenant, les traitements sur les données ! Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
78
Chapitre 1. Généralités sur les données
Observations ou données brutes (p. 4) Tableau 1.1 Valeurs telles que collectées sur le terrain = réponses telles qu’entendues quand la question a été posée Exemples : données brutes ou pas ? variable « âge » ? Oui, c’est comme si on entendait la réponse variable « RJC » ? Non, sauf si… Idéal : les données brutes : rien n’échappe ! Abus de langage : données brutes = les données trouvées Et maintenant, les traitements sur les données ! Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
79
Chapitre 1. Généralités sur les données
Observations ou données brutes (p. 4) Tableau 1.1 Valeurs telles que collectées sur le terrain = réponses telles qu’entendues quand la question a été posée Et maintenant, les traitements sur les données ! Individu i RJC X Age A Descendance E Sexe S Poids P Revenus Y État civil EC Visites méd. VM 1 2.000 45 2 65 0,8 3 2.500 42 51 0,5 1.800 20 72 0,2 4
80
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » Exemple simple : tableau 1.1 et les 11 RJC Mettre de l’ordre et réduire le nombre de lignes : 3 étapes
81
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » Exemple simple : tableau 1.1 et les 11 RJC Mettre de l’ordre et réduire le nombre de lignes : 3 étapes Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100
82
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » Exemple simple : tableau 1.1 et les 11 RJC Mettre de l’ordre et réduire le nombre de lignes : 3 étapes Étape 1 : mettre de l’ordre Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500
83
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » Exemple simple : tableau 1.1 et les 11 RJC Mettre de l’ordre et réduire le nombre de lignes : 3 étapes Étape 2 : distribution selon les valeurs Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500 Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11
84
Chapitre 1. Généralités sur les données
Objectif : « prendre possession des données » Exemple simple : tableau 1.1 et les 11 RJC Mettre de l’ordre et réduire le nombre de lignes : 3 étapes Étape 3 : distribution en classes Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500 Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11 Distribution en classes p/k Classes np 1 1.000 −< 2.000 5 2 2.000 −< 3.000 4 3 3.000 −< 4.000 Tot. SO 11
85
Chapitre 1. Généralités sur les données
Mettre de l’ordre et réduire le nombre de lignes : 3 étapes Ordre croissant Nombre de lignes réduit Étape 3 : distribution en classes Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500 Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11 Distribution en classes p/k Classes np 1 1.000 −< 2.000 5 2 2.000 −< 3.000 4 3 3.000 −< 4.000 Tot. SO 11
86
1re étape : mettre de l’ordre
87
Suite ordonnée (croissante) (p. 5)
Objectif classer les données par ordre croissant Exemple : Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500
88
Suite ordonnée (croissante) (p. 5)
Objectif classer les données par ordre croissant Exemple : Résultat : suite ordonnée croissante : 1re valeur : la plus petite ; la dernière : la plus élevée Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500
89
Suite ordonnée (croissante) (p. 5)
Objectif classer les données par ordre croissant Exemple : Résultat : suite ordonnée croissante : 1re valeur : la plus petite ; la dernière : la plus élevée Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500
90
Suite ordonnée (croissante) (p. 5)
Objectif classer les données par ordre croissant Exemple : Résultat : suite ordonnée croissante : 1re valeur : la plus petite ; la dernière : la plus élevée amplitude des données : – = 2.400 1re information sur la dispersion, l’écart entre le max et le min Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100 Suite ordonnée xi RJC 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 5 x10 6 x1 2.000 7 x2 2.500 8 x7 2.800 9 x8 2.950 10 x6 3.100 11 x5 3.500
91
2e et 3e étapes : grouper les données
92
Les distributions ou grouper les données
Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si) mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions : selon les valeurs observées selon des classes données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 pp. 5-10 Remarques : ° 1re méthode que nous envisageons ; ° base pour une bonne part de la suite du cours ! ° inutile d’aller plus loin si méthode non maitrisée ! Familles classées par taille Individus classés par âge 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ... …
93
Les distributions ou grouper les données
Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si) mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions : selon les valeurs observées selon des classes données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ... …
94
Les distributions ou grouper les données
Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si) mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions : selon les valeurs observées selon des classes données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ... …
95
Les distributions ou grouper les données
Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si) mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions : selon les valeurs observées selon des classes données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ... …
96
Les distributions ou grouper les données
Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si) mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions : selon les valeurs observées selon des classes données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ... …
97
Les distributions ou grouper les données
Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si) mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions : selon les valeurs observées selon des classes données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ... …
98
Les distributions ou grouper les données
Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si) mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions : selon les valeurs observées selon des classes données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ... …
99
Les distributions ou grouper les données
Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si) mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions : selon les valeurs observées selon des classes données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ... …
100
Les distributions ou grouper les données
Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si) mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions : selon les valeurs observées selon des classes données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ... …
101
Les distributions ou grouper les données
Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si) mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions : selon les valeurs observées selon des classes données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ... …
102
Les distributions ou grouper les données
Idée générale (très importante pour votre étude) données trop nombreuses (pas dans notre exemple, mais souvent si) mettre ENSEMBLE des observations (données, valeurs) identiques voisines objectif : plus facile de lire les données, d’en prendre possession Deux exemples (concernant des pays différents) Deux types de distributions : selon les valeurs observées selon des classes données dites « groupées », « distribuées », « par paquets » par opposition aux données « individuelles » du tableau 1.1 Familles classées par taille Individus classés par âge 1 0-< 5 ans 2 5-<10 ans 3 10-<15 ans ... …
103
Les distributions selon les valeurs observées
Tableau 1.3 au départ du tableau 1.0 Suite ordonnée (Tableau 1.2 (p. 4)) Distribution selon les valeurs Tableau 1.3 (p. 5) Observation Valeur p Valeur de X ou xp Effectif ou poids ou np 1 x11 1.100 2 x4 1.600 3 x3 1.800 4 x9 2.000 5 x10 2.500 6 x1 2.800 7 x2 2.950 8 x7 3.100 9 x8 3.500 10 x6 Total − 11 x5
104
Les distributions selon les valeurs observées
Tableau 1.3 au départ du tableau 1.2 Comment passer du tableau 2 au tableau 3 ? dans nos exemples, peu de lignes en moins, mais si n = … un peu de théorie à propos des distributions pour suivre
105
Les distributions selon les valeurs observées
Tableau 1.3 au départ du tableau 1.2 Comment passer du tableau 2 au tableau 3 ? dans nos exemples, peu de lignes en moins, mais si n = … un peu de théorie à propos des distributions pour suivre
106
Les distributions selon les valeurs observées
Tableau 1.3 au départ du tableau 1.2 Comment passer du tableau 2 au tableau 3 ? dans nos exemples, peu de lignes en moins, mais si n = … exercice 1 : trois 1res colonnes (à faire ensemble sans passer par suite ordo.) un peu de théorie à propos des distributions pour suivre
107
Les distributions selon les valeurs observées
Tableau 1.3 au départ du tableau 1.2 Comment passer du tableau 2 au tableau 3 ? dans nos exemples, peu de lignes en moins, mais si n = … exercice 1 : trois 1res colonnes (à faire ensemble sans passer par suite ordo.) un peu de théorie à propos des distributions pour suivre
108
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi » groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque « xp », on associe un « np »
109
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi » groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque « xp », on associe un « np »
110
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi » groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque « xp », on associe un « np » Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100
111
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi » groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque « xp », on associe un « np » Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100
112
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi » groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque « xp », on associe un « np » Données i RJC 1 2.000 2 2.500 3 1.800 4 1.600 5 3.500 6 3.100 7 2.800 8 2.950 9 10 11 1.100
113
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi » groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque « xp », on associe un « np » Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11
114
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi » groupées (tableau 1.3) une ligne = une valeur observée soit xp le nombre de « i » concernés np np xp à chaque « xp », on associe un « np » Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11
115
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi » groupées (tableau 1.3) une ligne = une valeur observée, soit xp le nombre de « i » concernés np np xp à chaque « xp », on associe un « np » Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11
116
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi » groupées (tableau 1.3) une ligne = une valeur observée, soit xp le nombre de « i » concernés, soit np np xp à chaque « xp », on associe un « np » Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11
117
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) une ligne = un individu et sa réponse (si on ne s’occupe que de RJC) i xi à chaque « i », on associe « xi » groupées (tableau 1.3) une ligne = une valeur observée, soit xp le nombre de « i » concernés, soit np np xp à chaque « xp », on associe un « np » Distribution selon les valeurs p xp np 1 1.100 2 1.600 3 1.800 4 2.000 5 2.500 6 2.800 7 2.950 8 3.100 9 3.500 Tot. − 11
118
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque « xp », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.4) : si « p » lignes actives « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »
119
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque « xp », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.4) : si « p » lignes actives « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »
120
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque « xp », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.4) : si « p » lignes actives « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »
121
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque « xp », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.3) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »
122
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque « xp », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.3) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »
123
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque « xp », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.3) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P »
124
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque « xp », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.3) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P » « n » : le nombre total d’individus
125
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque « xp », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.3) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P » « n » : le nombre total d’individus Notation pour les données individuelles
126
Les distributions selon les valeurs observées
Le retournement statistique (p. 6) données individuelles <> données (re)groupées ou distribuées individuelles (tableau 1.1) : à chaque « i », on associe « xi » groupées (tableau 1.3) : à chaque « xp », on associe un « np » notation avec changement d’indices (risque de confusion) données individuelles (tab. 1.1) : « n » lignes dans le tableau, avec n = le nombre de personnes interrogées avec « i » variant de 1 à « n » données groupées (tab. 1.3) : « P » lignes actives dans le tableau, hors en-tête et total avec « p » variant de 1 à « P » « n » : le nombre total d’individus Notation pour les données groupées Cette notation est considérée comme acquise !
127
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total − 11
128
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total − 11
129
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total − 11
130
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total − 11
131
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total − 11
132
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total SO 11
133
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total SO 11 « SO » : ° = « sans objet » (et pas 50…) = ne rien mettre dans cette cellule ° le mieux : mettre « SO », mais parfois « - » par la suite !
134
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total SO 11
135
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative oui ou non ? pourquoi ? si nécessaire : rappel de l’idée générale = mettre ensemble… Au point de vue méthode : si hésitation, retour à l’idée générale Exemple au départ du tableau 1.1 Intéressant à établir pour comparer avec d’autres pays, par ex. Distribution de la variable « sexe » (source : tab.1.1) p Valeur de X xp Effectif ou poids np 1 Hommes 4 2 Femmes 7 Total SO 11
136
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes poursuivre le regroupement des données distributions en classes un tableau avec moins de lignes données lisibles, utilisables On en revient à l’exemple RJC
137
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes poursuivre le regroupement des données distributions en classes un tableau avec moins de lignes données lisibles, utilisables On en revient à l’exemple RJC
138
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes poursuivre le regroupement des données distributions en classes un tableau avec moins de lignes données lisibles, utilisables On en revient à l’exemple RJC
139
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes poursuivre le regroupement des données distributions en classes un tableau avec moins de lignes données lisibles, utilisables On en revient à l’exemple RJC
140
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes poursuivre le regroupement des données distributions en classes un tableau avec moins de lignes données lisibles, utilisables On en revient à l’exemple RJC
141
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes poursuivre le regroupement des données distributions en classes un tableau avec moins de lignes données lisibles, utilisables On en revient à l’exemple RJC
142
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes poursuivre le regroupement des données distributions en classes un tableau avec moins de lignes données lisibles, utilisables On en revient à l’exemple RJC
143
Les distributions selon les valeurs observées
Distributions et variables qualitatives (p. 10) Sens de distribuer les valeurs d’une variable qualitative Retour au quantitatif avec des données réelles (ex. : revenus de tous les Belges) selon les valeurs, trop de lignes poursuivre le regroupement des données distributions en classes un tableau avec moins de lignes données lisibles, utilisables On en revient à l’exemple RJC
144
Les distributions en classes
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : < 2.000 < 3.000 < 4.000 au départ d’une distribution selon les valeurs : facile !
145
Les distributions en classes
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ?
146
Les distributions en classes
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : < 2.000
147
Les distributions en classes
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : < 2.000
148
Les distributions en classes
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : < 2.000 Pourquoi un effectif de 5 ?
149
Les distributions en classes
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : < 2.000 Pourquoi un effectif de 5 ? = 5
150
Les distributions en classes
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : < 2.000 2e ligne : < 3.000
151
Les distributions en classes
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : < 2.000 2e ligne : < 3.000 3e ligne : < 4.000
152
Les distributions en classes
Tableau 1.4 au départ du tableau 1.3 Comment passer du tableau 1.3 au tableau 1.4 ? mettre ensemble les valeurs comprises entre : 1re ligne : < 2.000 2e ligne : < 3.000 3e ligne : < 4.000 au départ d’une distribution selon les valeurs : facile !
153
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences Observer les 3 premières colonnes : description des classes Comment obtenir les colonnes : effectif (np) ? effectif cumulé (Nk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 5 premières colonnes du tableau 3
154
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes : description des classes Comment obtenir les colonnes : effectif (np) ? effectif cumulé (Nk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 5 premières colonnes du tableau 3
155
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne « Bornes des classes » = les limites de chaque classe « Centre de classe » : pour la 1re classe : ( )/2 c’est bien le centre valeur utile pour la suite, symbolisée par « xp »
156
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » : pour la 1re classe : ( )/2 c’est bien le centre valeur utile pour la suite, symbolisée par « xp »
157
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » : pour la 1re classe : ( )/2 c’est bien le centre valeur utile pour la suite, symbolisée par « xp »
158
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » ou « xp » : pour la 1re classe : ( )/2 c’est bien le centre de la classe valeur symbolisée par « xp » = valeur de la variable X de la ligne p pour la 1re classe : x1 valeur utile pour la suite
159
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » ou « xp » : calcul pour la 1re classe : ( )/2 c’est bien le centre de la classe valeur symbolisée par « xp » = valeur de la variable X de la ligne p pour la 1re classe : x1 valeur utile pour la suite
160
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » ou « xp » : calcul pour la 1re classe : ( )/2 c’est bien le centre de la classe valeur symbolisée par « xp » = valeur de la variable X de la ligne p pour la 1re classe : x1 valeur utile pour la suite
161
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » ou « xp » : calcul pour la 1re classe : ( )/2 c’est bien le centre de la classe valeur symbolisée par « xp » = valeur de la variable X de la ligne p pour la 1re classe : x1 valeur utile pour la suite
162
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » ou « xp » : calcul pour la 1re classe : ( )/2 c’est bien le centre de la classe valeur symbolisée par « xp » = valeur de la variable X de la ligne p pour la 1re classe : x1 = 1.500 valeur utile pour la suite (notamment chapitre 3)
163
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes : « p/k » : numéro de la ligne (double numérotation nécessaire après) « Bornes des classes » = les limites de chaque classe « Centre de classe » ou « xp » : calcul pour la 1re classe : ( )/2 c’est bien le centre de la classe valeur symbolisée par « xp » = valeur de la variable X de la ligne p pour la 1re classe : x1 = 1.500 valeur utile pour la suite (notamment chapitre 3)
164
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes : effectif (np) ? effectif cumulé (Nk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 5 premières colonnes du tableau 3
165
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes : effectif (np) ? Déjà expliqué ! effectif cumulé (Nk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 5 premières colonnes du tableau 3
166
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes : effectif (np) ? Déjà expliqué ! effectif cumulé (Nk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 5 premières colonnes du tableau 3
167
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes : effectif (np) ? Déjà expliqué ! effectif cumulé (Nk) ? effectif cumulé de la 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
168
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes : effectif (np) ? Déjà expliqué ! effectif cumulé (Nk) ? effectif cumulé de la 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 « SO » à ne pas confondre avec « 50 » !
169
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes : effectif (np) ? Déjà expliqué ! effectif cumulé (Nk) ? 2e ligne : 9 = ligne total : « SO » = « sans objet » = on ne met rien ! Imitation pour l’exercice d’application : au départ du tableau 2, remplir les 5 premières colonnes du tableau 3 Rappel / conseil : ° plutôt mettre « SO » pour « Sans Objet » ° et pas « - » comme fait erronément parfois !
170
Les distributions en classes
Tableau 1.4 : tableau des effectifs et des fréquences (début) Observer les 3 premières colonnes = description des classes Comment obtenir les colonnes Interprétation N2 = 9 : 9 observations inférieures à C/J effectif cumulé et variables qualitatives ?
171
Les distributions en classes
Exercices 1, 2 et 3 : remplir les colonnes « classe » ou « p/k » ; « xp », éventuellement = « centre de classe » « effectif (simple) » ou « np » « effectif cumulé » ou « Nk » désignation et interprétation des «np» et «Nk» ! Les 3 écrans suivants dans vos blocs de feuilles = espaces pour les exercices 1 à 3 ! Les données (reprises de la page 2 du syllabus) : poids en kg des 11 individus : 65, 51, 72, 35, 72, 65, 58, 51, 51, 51, 24.
172
Les distributions en classes
Exercice 1. Distribution des poids selon les valeurs observées p/k xp np Nk 24 35 51 58 65 72 Total
173
Les distributions en classes
Exercice 2. Distribution des poids en classes p/k Bornes xp np Nk 0-<20 20-<40 40-<60 60-<80 80-<100 Total
174
Les distributions en classes
Exercice 3. Distribution des nationalités p/k Nationalité np Nk Belge 122 Marocain 37 Français 19 Autre 23 Total
175
Les distributions en classes
Exercice 1. Distribution des poids selon les valeurs observées Données en p. 2 du syllabus : tableau 1.1
176
Les distributions en classes
Exercice 1. Distribution des poids selon les valeurs observées Mais d’abord la suite ordonnée croissante Données i Poids 1 65 2 51 3 72 4 35 5 6 7 58 8 9 10 11 24 Suite ordonnée xi Poids 1 x11 24 2 x4 35 3 x2 51 4 x8 5 x9 6 x10 7 x7 58 8 x1 65 9 x6 10 x3 72 11 x5
177
Les distributions en classes
Exercice 1. Distribution des poids selon les valeurs observées Données i Poids 1 65 2 51 3 72 4 35 5 6 7 58 8 9 10 11 24 Suite ordonnée xi Poids 1 x11 24 2 x4 35 3 x2 51 4 x8 5 x9 6 x10 7 x7 58 8 x1 65 9 x6 10 x3 72 11 x5 Distribution des poids p/k xp np Nk 1 24 2 35 3 51 4 6 58 7 5 65 9 72 11 Total SO
178
Les distributions en classes
Exercice 1. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg f3= 36,36% ° fréquence (simple) de la 3e ligne ° 36,36% des « i » ont un poids de 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO
179
Les distributions en classes
Exercice 1. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg f3= 36,36% ° fréquence (simple) de la 3e ligne ° 36,36% des « i » ont un poids de 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO Dans ce cas, « xp » : du centre de classe (pas de classe) une valeur citée au moins une fois
180
Les distributions en classes
Exercice 1. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO Dans ce cas, « xp » : du centre de classe (pas de classe) une valeur citée au moins une fois
181
Les distributions en classes
Exercice 1. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO Dans ce cas, « xp » : du centre de classe (pas de classe) une valeur citée au moins une fois
182
Les distributions en classes
Exercice 1. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO Dans ce cas, « xp » : du centre de classe (pas de classe) une valeur citée au moins une fois
183
Les distributions en classes
Exercice 1. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO Dans ce cas, « xp » : du centre de classe (pas de classe) une valeur citée au moins une fois
184
Les distributions en classes
Exercice 1. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO Dans ce cas, « xp » : du centre de classe (pas de classe) une valeur citée au moins une fois Bien distinguer : ° désignation : donner un nom au nombre ° interprétation : faire une phrase pour expliquer ce que le nombre signifie
185
Les distributions en classes
Exercice 2. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45% ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64% ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO Dans ce cas, « xp » : = du centre de classe
186
Les distributions en classes
Exercice 2. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45% ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64% ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO Dans ce cas, « xp » : = du centre de classe
187
Les distributions en classes
Exercice 2. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45% ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64% ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO Dans ce cas, « xp » : = du centre de classe
188
Les distributions en classes
Exercice 2. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45% ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64% ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO Dans ce cas, « xp » : = du centre de classe Différence par rapport à distribution selon les valeurs
189
Les distributions en classes
Exercice 2. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45% ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64% ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO Dans ce cas, « xp » : = du centre de classe Bien distinguer : ° désignation : donner un nom au nombre ° interprétation : faire une phrase pour expliquer ce que le nombre signifie ° savoir tout faire !
190
Les distributions en classes
Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » ne pas calculer les effectifs et fréquences cumulés en effet, pas d’ordre au contraire de la variable « poids » regroupements possibles p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 . 60,70% S. O. 2 Marocaine 2 ou M 37 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00% Dans ce cas, si on veut mettre un « xp » : colonne « Nationalité »
191
Les distributions en classes
Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » ne pas calculer les effectifs et fréquences cumulés en effet, pas d’ordre au contraire de la variable « poids » regroupements possibles p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 . 60,70% S. O. 2 Marocaine 2 ou M 37 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00% Dans ce cas, si on veut mettre un « xp » : colonne « Nationalité »
192
Les distributions en classes
Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » ne pas calculer les effectifs et fréquences cumulés en effet, pas d’ordre au contraire de la variable « poids » regroupements possibles p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 . 60,70% S. O. 2 Marocaine 2 ou M 37 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00% Dans ce cas, si on veut mettre un « xp » : colonne « Nationalité »
193
Les distributions en classes
Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » si N2 = 159, comment l’interpréter ? ne pas calculer les effectifs cumulés en effet, pas d’ordre au contraire de la variable « poids » regroupements possibles p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 . 60,70% S. O. 2 Marocaine 2 ou M 37 159. 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00% Dans ce cas, si on veut mettre un « xp » : colonne « Nationalité »
194
Les distributions en classes
Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » si N2 = 159, comment l’interpréter ? ne pas calculer les effectifs cumulés en effet, pas d’ordre au contraire de la variable « poids » regroupements possibles p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 S. O. 60,70% 2 Marocaine 2 ou M 37 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00% Dans ce cas, si on veut mettre un « xp » : colonne « Nationalité »
195
Les distributions en classes
Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » si N2 = 159, comment l’interpréter ? ne pas calculer les effectifs cumulés en effet, pas d’ordre au contraire de la variable « poids » regroupements possibles : européens et non-européens p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 S. O. 60,70% 2 Marocaine 2 ou M 37 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00% Dans ce cas, si on veut mettre un « xp » : colonne « Nationalité »
196
Les distributions en classes
Fin provisoire des exercices 1 à 3 Retour à la théorie pour les effectifs et les fréquences Puis retour aux exercices
197
Les distributions en classes : théorie
Tableau 1.4 Méthode d’application pour : variables (implicitement) continues aussi pour d’autres types, mais parfois seulement en partie (qualitatives) Les classes groupements de valeurs contiguës bornes / doubles comptes & omissions amplitude centre de (la) classe classes ouvertes (pas pour nous dans exercices)
198
Les distributions en classes : théorie
Tableau 1.4 Méthode d’application pour : variables (implicitement) continues aussi pour d’autres types, mais parfois seulement en partie (qualitatives) Les classes groupements de valeurs contiguës bornes / doubles comptes & omissions amplitude centre de (la) classe classes ouvertes (pas pour nous dans exercices)
199
Les distributions en classes : théorie
Tableau 1.4 Méthode d’application pour : variables continues aussi pour d’autres types, mais parfois seulement en partie (qualitatives) Les classes groupements de valeurs contiguës bornes / doubles comptes & omissions amplitude centre de (la) classe classes ouvertes (pas pour nous dans exercices)
200
Les distributions en classes : théorie
Tableau 1.4 Méthode d’application pour : variables continues aussi pour d’autres types, mais parfois seulement en partie (qualitatives) Les classes groupements de valeurs contigües bornes / doubles comptes & omissions amplitude centre de (la) classe classes ouvertes (pas pour nous)
201
Les distributions en classes : théorie
Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p distribuer les observations dans les classes « DISTRIBUTION » notation : 1.500 5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1 n1 : généralisation pour toutes les 1res lignes xp np : généralisation pour toutes les lignes
202
Les distributions en classes : théorie
Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p distribuer les observations dans les classes « DISTRIBUTION » notation : 1.500 5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1 n1 : généralisation pour toutes les 1res lignes xp np : généralisation pour toutes les lignes
203
Les distributions en classes : théorie
Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p observations distribuées dans les classes « DISTRIBUTION » notation : 1.500 5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1 n1 : généralisation pour toutes les 1res lignes xp np : généralisation pour toutes les lignes
204
Les distributions en classes : théorie
Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p observations distribuées dans les classes « DISTRIBUTION » notation : 1.500 5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1 n1 : généralisation pour toutes les 1res lignes xp np : généralisation pour toutes les lignes
205
Les distributions en classes : théorie
Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p observations distribuées dans les classes « DISTRIBUTION » notation : 1.500 5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1 n1 : généralisation pour toutes les 1res lignes xp np : généralisation pour toutes les lignes
206
Les distributions en classes : théorie
Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p observations distribuées dans les classes « DISTRIBUTION » notation : 1.500 5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1 n1 : généralisation pour toutes les 1res lignes xp np : généralisation pour toutes les lignes
207
Les distributions en classes : théorie
Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p observations distribuées dans les classes « DISTRIBUTION » notation : 1.500 5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1 n1 : généralisation pour la 1re ligne de tous les tableaux xp np : généralisation pour toutes les lignes
208
Les distributions en classes : théorie
Tableau 1.4 Les effectifs (absolus) ou np nombre d’observations dans la classe p observations distribuées dans les classes « DISTRIBUTION » notation : 1.500 5 à 1.500, on associe 5, soit le nombre d’observations de la 1re classe x1 n1 : généralisation pour la 1re ligne de tous les tableaux xp np : généralisation pour toutes les lignes de tous les tableaux
209
Les distributions en classes : théorie
Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)
210
Les distributions en classes : théorie
Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)
211
Les distributions en classes : théorie
Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)
212
Les distributions en classes : théorie
Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)
213
Les distributions en classes : théorie
Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)
214
Les distributions en classes : théorie
Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)
215
Les distributions en classes : théorie
Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)
216
Les distributions en classes : théorie
Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque simplification de l’écriture formule « officielle » (cf. formulaire)
217
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
218
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
219
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
220
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
221
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
222
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
223
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 » !
224
Les distributions en classes : théorie
Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque formule « officielle » (cf. formulaire) Rappel : « P » = nombre de lignes actives dans le tableau
225
Les distributions en classes : théorie
Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque formule « officielle » (cf. formulaire)
226
Les distributions en classes : théorie
Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation application… au tableau 1.4 application… à tous les tableaux de 3 lignes introduction du sigle de sommation généralisation à un tableau quelconque formule « officielle » (cf. formulaire)
227
Les distributions en classes : théorie
Tableau 1.4 Idée : la somme de l’effectif de toutes les classes donne « n » Traduction de l’idée en langage mathématique, en équation Équivalence entre l’idée initiale et la formule ! formule « officielle » (cf. formulaire)
228
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
229
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
230
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
231
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
232
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
233
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
234
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
235
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 :
236
Les distributions en classes : théorie
Effectif cumulé exemple du tab. 1.5 : si k = 2, N2 = l’effectif de la 2e classe autre exemple ne venant pas du tableau 1.5 : si k = 6 et P = 10 si k et P quelconques (1 ≤ k ≤ P) l’effectif cumulé de la dernière classe, soit k = P :
237
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 :
238
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 :
239
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 :
240
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 :
241
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 :
242
Les distributions en classes : théorie
Un truc pour faciliter le calcul : p/k Bornes xp np Nk 1 0 -< 5 2,5 75.687 2 5-< 10 7,5 62.367 3 10 -< 15 12,5 57.085 4 15 -< 20 17,5 58.149 5 20 -< 25 22,5 69.594 Total SO
243
Les distributions en classes : théorie
Un truc pour faciliter le calcul : p/k Bornes xp np Nk 1 0 -< 5 2,5 75.687 2 5-< 10 7,5 62.367 3 10 -< 15 12,5 57.085 4 15 -< 20 17,5 58.149 5 20 -< 25 22,5 69.594 Total SO
244
Les distributions en classes : théorie
Un truc pour faciliter le calcul : p/k Bornes xp np Nk 1 0 -< 5 2,5 75.687 2 5-< 10 7,5 62.367 3 10 -< 15 12,5 57.085 4 15 -< 20 17,5 58.149 5 20 -< 25 22,5 69.594 Total SO
245
Les distributions en classes : théorie
Un truc pour faciliter le calcul : p/k Bornes xp np Nk 1 0 -< 5 2,5 75.687 2 5-< 10 7,5 62.367 3 10 -< 15 12,5 57.085 4 15 -< 20 17,5 58.149 5 20 -< 25 22,5 69.594 Total SO
246
Les distributions en classes : théorie
Un truc pour faciliter le calcul : p/k Bornes xp np Nk 1 0 -< 5 2,5 75.687 2 5-< 10 7,5 62.367 3 10 -< 15 12,5 57.085 4 15 -< 20 17,5 58.149 5 20 -< 25 22,5 69.594 Total SO
247
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 !
248
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 !
249
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 !
250
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 !
251
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 !
252
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 !
253
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
254
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
255
Les distributions en classes
Les fréquences (cumulées) Observer les 2 dernières colonnes Sur la 2e ligne, comment obtenir la colonne des fréquences (fp) ? 0,36 = 4/11 fréquences cumulées (Fk) ? Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 2 dernières colonnes du tableau 3
256
Les distributions en classes
Les fréquences (cumulées) Observer les 2 dernières colonnes Sur la 2e ligne, comment obtenir la colonne des fréquences (fp) ? 0,36 = 4/11 fréquences cumulées (Fk) ? 0,82 = 9/11 Imitation pour l’exercice d’application : au départ du tableau 2 de l’exercice d’application remplir les 2 dernières colonnes du tableau 3
257
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
258
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
259
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
260
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
261
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
262
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
263
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
264
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
265
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
266
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
267
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
268
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 »
269
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 »
270
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 »
271
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 »
272
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 »
273
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 »
274
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 »
275
Les distributions en classes
Les pourcentages (%) Pour calculer un pourcentage : Pour f2 : le tout = 11 = n = l’ensemble des individus interrogés la partie = 4 = n2 = l’effectif de la classe 2 qui est une partie des 11 en %, arrondi à 0 décimale en %, arrondi à 2 décimales si pas déjà fait, urgent de trouver la fonction « fix » Attention : arrondir n’est pas tronquer : Exemple : 7/11 = 0,6363… ° = 0,64 si arrondi à 2 décimales ° = 0,63 si tronqué à la 2e décimale.
276
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 ?
277
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 ?
278
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 ?
279
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 ?
280
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 ?
281
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
282
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
283
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
284
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
285
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
286
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
287
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
288
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
289
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
290
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
291
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
292
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
293
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
294
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
295
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
296
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
297
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
298
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
299
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
300
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
301
Les distributions en classes
Fréquences cumulées : quelle formule choisir ? Si k = 2, F2 = fréquence cumulée de la 2e classe formule 1 formule 2 Mais 0,81 ≠ 0,82 ! Problème ? Non, car arrondis : une fois de plus : utilisation de la fonction « fix » à vous de réagir maintenant + exercice dans le syllabus Plutôt prendre la 2e formule : moins de problèmes d’arrondis
302
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 ?
303
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 ?
304
Les distributions en classes
Fréquences cumulées Généralisation : pour k et P quelconques (1 ≤ k ≤ P) Si k = P (fréquence cumulée de la dernière classe)
305
Les distributions en classes
Fréquences cumulées Généralisation : pour k et P quelconques (1 ≤ k ≤ P) Si k = P (fréquence cumulée de la dernière classe)
306
Les distributions en classes
Fréquences cumulées Généralisation : pour k et P quelconques (1 ≤ k ≤ P) Si k = P (fréquence cumulée de la dernière classe)
307
Les distributions en classes
Exercices 1, 2 et 3 : remplir rapidement les colonnes « fréquence (simple) » ou « fp » « fréquence cumulée » ou « Fk » correction dans minutes Exercice 4 (type de question souvent posé) Exercice 5 (idem) Exercice 6 (sur données réelles) Exercice 7 (idem) Exercice 8 (idem) : calculs déjà faits commentaires Rappel des formules :
308
Les distributions en classes
Exercice 1. Distribution des poids en classes : np p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
309
Les distributions en classes
Exercice 2. Distribution des poids en classes : np p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
310
Les distributions en classes
Exercice 2. Distribution des poids en classes : Nk p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
311
Les distributions en classes
Exercice 2. Distribution des poids en classes : Nk p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
312
Les distributions en classes
Exercice 2. Distribution des poids en classes : Nk Formule à privilégier ! p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
313
Les distributions en classes
Exercice 2. Distribution des poids en classes : fp Fréquence d’une ligne = division ° du contenu de la cellule « effectif » de la ligne ° par n p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
314
Les distributions en classes
Exercice 2. Distribution des poids en classes : fp Fréquence d’une ligne = division ° du contenu de la cellule « effectif » de la ligne ° par n Si méthode applicable à une cellule, ° applicable à toutes les cellules de la colonne, ° y compris pour la ligne « Total » ° sauf exception (sans objet).
315
Les distributions en classes
Exercice 2. Distribution des poids en classes : fp Fréquence d’une ligne = division ° du contenu de la cellule « effectif » de la ligne ° par n Si méthode applicable à une cellule, ° applicable à toutes les cellules de la colonne, ° y compris pour la ligne « Total » ° sauf exception (sans objet).
316
Les distributions en classes
Exercice 2. Distribution des poids en classes : fp Fréquence d’une ligne = division ° du contenu de la cellule « effectif » de la ligne ° par n Si méthode applicable à une cellule, ° applicable à toutes les cellules de la colonne, ° y compris pour la ligne « Total » ° sauf exception (sans objet).
317
Les distributions en classes
Exercice 2. Distribution des poids en classes : fp Fréquence d’une ligne = division ° du contenu de la cellule « effectif » de la ligne ° par n Si méthode applicable à une cellule, ° applicable à toutes les cellules de la colonne, ° y compris pour la ligne « Total » ° sauf exception (« Sans objet »).
318
Les distributions en classes
Exercice 2. Distribution des poids en classes : Fk p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
319
Les distributions en classes
Exercice 2. Distribution des poids en classes : Fk p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
320
Les distributions en classes
Exercice 2. Distribution des poids en classes : Fk p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
321
Les distributions en classes
Exercice 2. Distribution des poids en classes : Fk Formule à privilégier ! p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
322
Les distributions en classes
Exercice 2. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45% ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64% ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
323
Les distributions en classes
Exercice 2. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45% ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64% ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
324
Les distributions en classes
Exercice 2. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45% ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64% ° fréquence cumulée de la 3e ligne ° pour 63,64% des « i », le poids est inférieur à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
325
Les distributions en classes
Exercice 2. Distribution des poids en classes Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 5 « i », le poids est compris entre 40 et moins de 60 kg N3= ° effectif cumulé de la 3e ligne ° 7 « i » présentent une valeur de la variable inférieure à 60 kg f3= 45,45% ° fréquence (simple) de la 3e ligne ° 45,45% des « i » ont un poids appartenant à la 3e classe F3= 63,64% ° fréquence cumulée de la 3e ligne ° 63,64% des observations sont inférieures à 60 kg p/k Bornes xp np Nk fp Fk 1 0-<20 10 0,00 % 2 20-<40 30 18,18 % 3 40-<60 50 5 7 45,45 % 63,64 % 4 60-<80 70 11 36,36 % 100,00 % 80-<100 90 Total SO
326
Les distributions en classes
Exercice 1. Distribution des poids selon les valeurs observées Exemples de désignation/interprétation des résultats : n3= ° effectif (simple) de la 3e ligne ° pour 4 « i », le poids est de 51 kg N3= ° effectif cumulé de la 3e ligne ° 6 « i » présentent une valeur égale ou inférieure à 51 kg f3= 36,36% ° fréquence (simple) de la 3e ligne ° 36,36% des « i » ont un poids de 51 kg F3= 54,55% ° fréquence cumulée de la 3e ligne ° 54,55% des « i » ont un poids égal ou inférieur à 51 kg p/k xp np Nk fp Fk 1 24 9,09 % 9,09 % 2 35 18,18 % 3 51 4 6 36,36 % 54,55 % 58 7 63,64 % 5 65 9 81,82 % 72 11 100,00 % Total SO
327
Les distributions en classes
Exercice 3. Distribution de la variable « nationalité » Remarques : variable qualitative : cf. colonne « Autres codes » ne pas calculer les effectifs et fréquences cumulés en effet, pas d’ordre au contraire de la variable « poids » p/k Nationalité Autres codes np Nk fp Fk 1 Belge 1 ou B 122 S. O. 60,70% 2 Marocaine 2 ou M 37 18,41% 3 Française 3 ou F 19 9,45% 4 Autre 4 ou Au 23 11,44% Total 201 100,00%
328
Les distributions en classes
Exercice 4. Distribution des revenus mensuels. Données Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : ( )/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. Question fréquemment posée à l’examen…
329
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Correction disponible sur claroline Interprétation de données p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot.
330
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Variable et individus sous observation Interprétation de données p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot.
331
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Variable et individus sous observation Interprétation de données p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. Revenus mensuels et adultes d’une localité
332
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Variable et individus sous observation Interprétation de données : p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. ° pour 60 « i », les revenus vont de à moins de 3.000 ° 110 individus disposent de revenus inférieurs à 3.000 ° 55% des individus gagnent moins de 3.000
333
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Variable et individus sous observation Interprétation de données : p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. ° pour 60 « i », les revenus vont de à moins de 3.000 ° 110 individus disposent de revenus inférieurs à 3.000 ° 55% des individus gagnent moins de 3.000
334
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Variable et individus sous observation Interprétation de données : p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. ° pour 60 « i », les revenus vont de à moins de 3.000 ° 110 individus disposent de revenus inférieurs à 2.000 ° 55% des individus gagnent moins de 3.000
335
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Variable et individus sous observation Interprétation de données : p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. ° pour 60 « i », les revenus vont de à moins de 3.000 ° 110 individus disposent de revenus inférieurs à 2.000 ° 55% des individus gagnent moins de 2.000
336
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : ( )/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot.
337
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : ( )/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. SO
338
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : ( )/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 0,10 2 1.000-<2.000 110 0,55 3 2.000-<3.000 60 0,85 4 3.000-<4.000 Tot. SO
339
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : ( )/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 0,85 4 3.000-<4.000 3.500 Tot. SO
340
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : ( )/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 0,85 4 3.000-<4.000 3.500 Tot. SO
341
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : ( )/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1 N3 = N2 + n3 = = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO
342
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : ( )/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1,00 N3 = N2 + n3 = = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO
343
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : ( )/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1,00 N3 = N2 + n3 = = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO
344
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : ( )/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1,00 N3 = N2 + n3 = = 170 Autre(s) indice(s) ? p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO
345
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : ( )/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1,00 N3 = N2 + n3 = = 170 Autre(s) indice(s) ? Éventuellement oui : les fp p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO
346
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver : les xp : pour p = 1 : ( )/2 = 500 f1 = F1 (forcé vu que c’est la 1re ligne) F4 = 1 (forcé vu que c’est la dernière ligne active) la fréquence de la ligne « Total » = 1,00 N3 = N2 + n3 = = 170 Autre(s) indice(s) ? Généralement, c’est ici que cela coince ! p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO
347
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver sur base d’une manipulation des équations théoriques (cf. p. XII) trouver un élément inconnu et une équation où il serait la seule inconnue Exemple : où F2 et N2 sont connus calcul de n p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO
348
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver sur base d’une manipulation des équations théoriques (cf. p. XII) trouver un élément inconnu et une équation où il serait la seule inconnue Exemple : où F2 et N2 sont connus calcul de n p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO
349
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver sur base d’une manipulation des équations théoriques (cf. p. XII) trouver un élément inconnu et une équation où il serait la seule inconnue Exemple : où F2 et N2 sont connus calcul de n p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO
350
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver sur base d’une manipulation des équations théoriques (cf. p. XII) trouver un élément inconnu et une équation où il serait la seule inconnue Exemple : où F2 et N2 sont connus calcul de n p/k Bornes xp np Nk fp Fk 1 0-<1.000 500 0,10 2 1.000-<2.000 1.500 110 0,55 3 2.000-<3.000 2.500 60 170 0,85 4 3.000-<4.000 3.500 1,00 Tot. SO
351
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :
352
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple : Explication qui va suivre : détaillée ! Si vous connaissez des raccourcis, tant mieux ! (Cf. correction sur le site)
353
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :
354
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :
355
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :
356
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :
357
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :
358
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :
359
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple :
360
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple : À mon avis, attendre le dernier moment pour introduire les nombres dans la formule ! Pourquoi ?
361
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple : 200
362
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Moins évident à trouver Exemple : 200 200 Une 2e fois dans le tableau
363
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Autre exemple : Exemple : avec F2 et f1 connues f2 200 200
364
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Autre exemple : Exemple : 200 200
365
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Autre exemple : Exemple : 200 200
366
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Autre exemple : Exemple : 200 200
367
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Autre exemple : Exemple : 200 200
368
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Autre exemple : Exemple : 0,45 200 200
369
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver Après des valeurs plus difficiles : équations et manipulation Quand le tableau est complet, vérifications : retrouver une valeur par différents chemins déjà faire des vérifications en cours de route
370
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver Après des valeurs plus difficiles : équations et manipulation Quand le tableau est complet, vérifications : retrouver une valeur par différents chemins déjà faire des vérifications en cours de route
371
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver Après des valeurs plus difficiles : équations et manipulation Quand le tableau est complet, vérifications : retrouver une valeur par différents chemins déjà faire des vérifications en cours de route
372
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver Après des valeurs plus difficiles : équations et manipulation Quand le tableau est complet, vérifications : retrouver une valeur par différents chemins déjà faire des vérifications en cours de route repérer au fur et à mesure les résultats certains
373
Les distributions en classes
Exercice 4. Distribution des revenus mensuels Les cases devant rester vides (SO) Valeurs faciles à trouver Après des valeurs plus difficiles : équations et manipulation Quand le tableau est complet, vérifications : retrouver une valeur par différents chemins déjà faire des vérifications en cours de route repérer au fur et à mesure les résultats certains
374
Les distributions en classes
Exercices 1, 2 et 3 : remplir rapidement les colonnes Exercice 4 (type de question souvent posé) Exercice 5 (idem) correction dans 10 minutes Exercice 6 (sur données réelles) Exercice 7 (idem) Exercice 8 (idem) : calculs déjà faits commentaires Syllabus : exercice 1.8 Rappel des formules (p. XII du syllabus) :
375
Les distributions en classes
Exercice 5. Distribution du poids dans une localité Remarques : méthode : cf. exercice 4 ici, les résultats sont moins évidents dès lors les manipulations théoriques sont plus utiles p/k Bornes (en kg) xp np Nk fp Fk 1 0-<20 10 875 0,07 2 20-<40 30 1.625 2.500 0,13 0,20 3 40-<60 50 4.000 6.500 0,32 0,52 4 60-<80 70 2.625 9.125 0,21 0,73 5 80-<100 90 3.375 12.500 0,27 1,00 Tot. SO
376
Les distributions en classes
Exercice 5. Distribution du poids dans une localité Remarques : méthode : cf. exercice 4 ici, les résultats sont moins évidents dès lors les manipulations théoriques sont plus utiles p/k Bornes (en kg) xp np Nk fp Fk 1 0-<20 10 875 0,07 2 20-<40 30 1.625 2.500 0,13 0,20 3 40-<60 50 4.000 6.500 0,32 0,52 4 60-<80 70 2.625 9.125 0,21 0,73 5 80-<100 90 3.375 12.500 0,27 1,00 Tot. SO
377
Les distributions en classes
Exercice 5. Distribution du poids dans une localité Remarques : méthode : cf. exercice 4 ici, les résultats sont moins évidents dès lors les manipulations théoriques sont plus utiles p/k Bornes (en kg) xp np Nk fp Fk 1 0-<20 10 875 0,07 2 20-<40 30 1.625 2.500 0,13 0,20 3 40-<60 50 4.000 6.500 0,32 0,52 4 60-<80 70 2.625 9.125 0,21 0,73 5 80-<100 90 3.375 12.500 0,27 1,00 Tot. SO
378
Les distributions en classes
Exercice 5. Distribution du poids dans une localité Remarques : méthode : cf. exercice 4 ici, les résultats sont moins évidents dès lors les manipulations théoriques sont plus utiles p/k Bornes (en kg) xp np Nk fp Fk 1 0-<20 10 875 0,07 2 20-<40 30 1.625 2.500 0,13 0,20 3 40-<60 50 4.000 6.500 0,32 0,52 4 60-<80 70 2.625 9.125 0,21 0,73 5 80-<100 90 3.375 12.500 0,27 1,00 Tot. SO
379
Les distributions en classes
Exercice 6. Distribution de l’âge sur données réelles Remarques : méthode : cf. exercice 4 ici, les résultats ne sont pas du tout évidents les manipulations théoriques sont indispensables attendre le dernier moment pour remplacer les symboles par les nombres lors des manipulations, si uniquement emploi des nombres : procédure longue et fastidieuse ne pas s’étonner de trébucher p/k Bornes xp np Nk fp Fk 1 6-<9 ans 7,5 21,46% 2 9-<12 ans 10,5 24,26% 45,72% 3 12-<15 ans 13,5 27,77% 73,48% 4 15-<18 ans 16,5 26,52% 100,00% Tot. SO 1,00
380
Les distributions en classes
Exercice 6. Distribution de l’âge sur données réelles Remarques : méthode : cf. exercice 4 ici, les résultats ne sont pas du tout évidents les manipulations théoriques sont indispensables attendre le dernier moment pour remplacer les symboles par les nombres lors des manipulations, si uniquement emploi des nombres : procédure longue et fastidieuse ne pas s’étonner de trébucher p/k Bornes xp np Nk fp Fk 1 6-<9 ans 7,5 21,46% 2 9-<12 ans 10,5 24,26% 45,72% 3 12-<15 ans 13,5 27,77% 73,48% 4 15-<18 ans 16,5 26,52% 100,00% Tot. SO 1,00
381
Les distributions en classes
Exercice 6. Distribution de l’âge sur données réelles Remarques : méthode : cf. exercice 4 ici, les résultats ne sont pas du tout évidents les manipulations théoriques sont indispensables attendre le dernier moment pour remplacer les symboles par les nombres lors des manipulations, si uniquement emploi des nombres : procédure longue et fastidieuse ne pas s’étonner de trébucher p/k Bornes xp np Nk fp Fk 1 6-<9 ans 7,5 21,46% 2 9-<12 ans 10,5 24,26% 45,72% 3 12-<15 ans 13,5 27,77% 73,48% 4 15-<18 ans 16,5 26,52% 100,00% Tot. SO 1,00 Faites encore comme vous le voulez !
382
Les distributions en classes
Exercice 7. Distribution des chômeurs par âge Population : les chômeurs indemnisés de Bruxelles en 2008 Variable : l’âge, avec regroupement en classes de 5 ans var. quantitative continue (valeur numérique et infinité de valeurs) Données groupées : pour un paquet de 484 individus, âge entre 18 –< 20 ans Tableau des effectifs et des fréquences (interprétation : cf. site) Pourquoi calculer les fréquences ? p/k Classes xp np Nk fp Fk 1 18-< 20 ans 19,0 484 0,7% 2 20-< 25 ans 22,5 7.452 7.936 10,1% 10,8% 3 25-< 30 ans 27,5 12.270 20.206 16,6% 27,4% 4 30-< 35 ans 32,5 11.294 31.500 15,3% 42,7% 5 35-< 40 ans 37,5 10.479 41.979 14,2% 56,9% 6 40-< 45 ans 42,5 9.126 51.105 12,4% 69,3% 7 45-< 50 ans 47,5 8.207 59.312 11,1% 80,4% 8 50-< 55 ans 52,5 8.637 67.949 11,7% 92,1% 9 55-< 60 ans 57,5 4.863 72.812 6,6% 98,7% 10 60-< 65 ans 62,5 942 73.754 1,3% 100,0% S.O. Total
383
Les distributions en classes
Exercice 7. Distribution des chômeurs par âge Population : les chômeurs indemnisés de Bruxelles en 2008 Variable : l’âge, avec regroupement en classes de 5 ans var. quantitative continue (valeur numérique et infinité de valeurs) Données groupées : pour un paquet de 484 individus, âge entre 18 –< 20 ans Tableau des effectifs et des fréquences (interprétation : cf. site) p/k Classes xp np Nk fp Fk 1 18-< 20 ans 19,0 484 0,7% 2 20-< 25 ans 22,5 7.452 7.936 10,1% 10,8% 3 25-< 30 ans 27,5 12.270 20.206 16,6% 27,4% 4 30-< 35 ans 32,5 11.294 31.500 15,3% 42,7% 5 35-< 40 ans 37,5 10.479 41.979 14,2% 56,9% 6 40-< 45 ans 42,5 9.126 51.105 12,4% 69,3% 7 45-< 50 ans 47,5 8.207 59.312 11,1% 80,4% 8 50-< 55 ans 52,5 8.637 67.949 11,7% 92,1% 9 55-< 60 ans 57,5 4.863 72.812 6,6% 98,7% 10 60-< 65 ans 62,5 942 73.754 1,3% 100,0% S.O. Total
384
Les distributions en classes
Exercice 7. Distribution des chômeurs par âge Population : les chômeurs indemnisés de Bruxelles en 2008 Variable : l’âge, avec regroupement en classes de 5 ans var. quantitative continue (valeur numérique et infinité de valeurs) Données groupées : pour un paquet de 484 individus, âge entre 18 –< 20 ans Tableau des effectifs et des fréquences (interprétation : cf. site) p/k Classes xp np Nk fp Fk 1 18-< 20 ans 19,0 484 0,7% 2 20-< 25 ans 22,5 7.452 7.936 10,1% 10,8% 3 25-< 30 ans 27,5 12.270 20.206 16,6% 27,4% 4 30-< 35 ans 32,5 11.294 31.500 15,3% 42,7% 5 35-< 40 ans 37,5 10.479 41.979 14,2% 56,9% 6 40-< 45 ans 42,5 9.126 51.105 12,4% 69,3% 7 45-< 50 ans 47,5 8.207 59.312 11,1% 80,4% 8 50-< 55 ans 52,5 8.637 67.949 11,7% 92,1% 9 55-< 60 ans 57,5 4.863 72.812 6,6% 98,7% 10 60-< 65 ans 62,5 942 73.754 1,3% 100,0% S.O. Total
385
Les distributions en classes
Exercice 7. Distribution des chômeurs par âge Population : les chômeurs indemnisés de Bruxelles en 2008 Variable : l’âge, avec regroupement en classes de 5 ans var. quantitative continue (valeur numérique et infinité de valeurs) Données groupées : pour un paquet de 484 individus, âge entre 18 –< 20 ans Tableau des effectifs et des fréquences (interprétation : cf. site) p/k Classes xp np Nk fp Fk 1 18-< 20 ans 19,0 484 0,7% 2 20-< 25 ans 22,5 7.452 7.936 10,1% 10,8% 3 25-< 30 ans 27,5 12.270 20.206 16,6% 27,4% 4 30-< 35 ans 32,5 11.294 31.500 15,3% 42,7% 5 35-< 40 ans 37,5 10.479 41.979 14,2% 56,9% 6 40-< 45 ans 42,5 9.126 51.105 12,4% 69,3% 7 45-< 50 ans 47,5 8.207 59.312 11,1% 80,4% 8 50-< 55 ans 52,5 8.637 67.949 11,7% 92,1% 9 55-< 60 ans 57,5 4.863 72.812 6,6% 98,7% 10 60-< 65 ans 62,5 942 73.754 1,3% 100,0% S.O. Total
386
Les distributions en classes
Exercice 7. Distribution des chômeurs par âge Population : les chômeurs indemnisés de Bruxelles en 2008 Variable : l’âge, avec regroupement en classes de 5 ans var. quantitative continue (valeur numérique et infinité de valeurs) Données groupées : pour un paquet de 484 individus, âge entre 18 –< 20 ans Tableau des effectifs et des fréquences (interprétation : cf. site) p/k Classes xp np Nk fp Fk 1 18-< 20 ans 19,0 484 0,7% 2 20-< 25 ans 22,5 7.452 7.936 10,1% 10,8% 3 25-< 30 ans 27,5 12.270 20.206 16,6% 27,4% 4 30-< 35 ans 32,5 11.294 31.500 15,3% 42,7% 5 35-< 40 ans 37,5 10.479 41.979 14,2% 56,9% 6 40-< 45 ans 42,5 9.126 51.105 12,4% 69,3% 7 45-< 50 ans 47,5 8.207 59.312 11,1% 80,4% 8 50-< 55 ans 52,5 8.637 67.949 11,7% 92,1% 9 55-< 60 ans 57,5 4.863 72.812 6,6% 98,7% 10 60-< 65 ans 62,5 942 73.754 1,3% 100,0% Tot. S.O.
387
Les distributions en classes
Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste plus marqué du côté des demandeurs : cf. 50 ans et + demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les jeunes chômeurs Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Remarques à propos des données de l’exercice : ° distributions déjà établies ° expliquer les 3 colonnes Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %
388
Les distributions en classes
Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste plus marqué du côté des demandeurs : cf. 50 ans et + demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les jeunes chômeurs Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %
389
Les distributions en classes
Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste plus marqué du côté des demandeurs : cf. 50 ans et + demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les jeunes chômeurs Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %
390
Les distributions en classes
Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste plus marqué du côté des demandeurs : cf. 50 ans et + demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les jeunes chômeurs Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %
391
Les distributions en classes
Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste min-max + marqué du côté des demandeurs (cf. 50 ans et +) demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les jeunes chômeurs Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %
392
Les distributions en classes
Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste min-max + marqué du côté des demandeurs (cf. 50 ans et +) demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les jeunes chômeurs Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %
393
Les distributions en classes
Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste min-max + marqué du côté des demandeurs (cf. 50 ans et +) demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les chômeurs < 30 ans Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %
394
Les distributions en classes
Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste min-max + marqué du côté des demandeurs (cf. 50 ans et +) demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les chômeurs < 30 ans Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %
395
Les distributions en classes
Ex. 8. Chômage – Comparaison des 3 Régions belges en 2008 Objectif : voir l’utilité des tableaux pour comprendre une situation % max & min selon demandeurs ou non-demandeurs d’emploi non-demandeurs : forte concentration à 50 ans et + contraste min-max + marqué du côté des demandeurs (cf. 50 ans et +) demandeurs d’emploi : en Flandre, % plus fort de 50 ans et + Plan du Gouvernement fédéral ciblé sur les chômeurs < 30 ans Gouvernement flamand mécontent vu sa situation (+ autres commentaires, cf. site) Conclusion : pour comprendre, une analyse de données chiffrées Bon exemple d’utilité des statistiques Âge Demandeurs d’emploi Oui Non % min % max < 30 ans FL : 24,1 % WA : 30,9 % FL : 1,7 % WA : 2,4 % >=50 ans BR : 19,6 % FL : 32,2 % B & W : 94,4 % FL : 95,8 %
396
Les distributions en classes
Retour à la théorie :
397
Les distributions en classes
Pourquoi calculer les fréquences ? Soit à comparer les résultats en stat dans 2 sections (A et B) : dans quelle section les résultats sont-ils les meilleurs ? Résultats sous forme d’effectifs Conclusion : comparaison difficile (même si ici…) pourquoi ? car totaux différents : 190 ≠ 92 difficile voir si résultats meilleurs en A ou B. Or, c’est la question ! solution : passer par les fréquences « Pourquoi calculer un indice ? » = question importante : elle permet de voir à quoi la méthode peut servir ! Il est donc légitime/souhaitable de se poser cette question ! p Filière A Filière B 1 0 -< 2 6 16 2 2 -< 8 54 23 3 8 -< 10 36 18 4 10 -< 12 32 13 5 12 et + 62 22 Total − 190 92
398
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
399
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
400
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
401
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
402
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
403
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
404
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
405
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 !
406
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 !
407
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 !
408
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 !
409
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 !
410
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 !
411
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 !
412
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 !
413
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 !
414
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 !
415
Les distributions en classes
Pourquoi calculer les fréquences cumulées ? Indications précieuses pour la comparaison % en échec profond (< 8) ? En échec (< 10) ? Inférieur à 12 ? Très utiles dans certains calculs (médiane, quantiles… chap. 3) Si hésitation, les calculer et voir… Fk en cas de variable qualitative ? selon les valeurs : cf. p. 10 selon des « classes » : en union <> pas en union Variable quantitative selon les valeurs : exercice d’application Fréquences (%) Fréquences cumulées (%) p Filière A Filière B 1 0 -< 2 3,2 17,4 2 2 -< 8 28,4 25,0 31,6 42,4 3 8 -< 10 18,9 19,6 50,5 62,0 4 10 -< 12 16,8 14,1 67,4 76,1 5 12 et + 32,6 23,9 100,0 Total − SOb
416
Les distributions en classes
Pourquoi calculer les fréquences cumulées ? Indications précieuses pour la comparaison % en échec profond (< 8) ? En échec (< 10) ? Inférieur à 12 ? Très utiles dans certains calculs (médiane, quantiles… chap. 3) Si hésitation, les calculer et voir… Fk en cas de variable qualitative ? selon les valeurs : cf. p. 10 selon des « classes » : en union <> pas en union Variable quantitative selon les valeurs : exercice d’application Fréquences (%) Fréquences cumulées (%) p Filière A Filière B 1 0 -< 2 3,2 17,4 2 2 -< 8 28,4 25,0 31,6 42,4 3 8 -< 10 18,9 19,6 50,5 62,0 4 10 -< 12 16,8 14,1 67,4 76,1 5 12 et + 32,6 23,9 100,0 Total − SOb
417
Les distributions en classes
Pourquoi calculer les fréquences cumulées ? Indications précieuses pour la comparaison % en échec profond (< 8) ? % en échec (< 10) ? % inférieur à 12 ? Très utiles dans certains calculs (médiane, quantiles… chap. 3) Si hésitation, les calculer et voir… Fk en cas de variable qualitative ? selon les valeurs : cf. p. 10 selon des « classes » : en union <> pas en union Variable quantitative selon les valeurs : exercice d’application Fréquences (%) Fréquences cumulées (%) p Filière A Filière B 1 0 -< 2 3,2 17,4 2 2 -< 8 28,4 25,0 31,6 42,4 3 8 -< 10 18,9 19,6 50,5 62,0 4 10 -< 12 16,8 14,1 67,4 76,1 5 12 et + 32,6 23,9 100,0 Total − SOb
418
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
419
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
420
Les distributions en classes
Variables qualitatives et distribution (p. 10) Peut-on calculer des effectifs ? Oui effectifs cumulés ? Non fréquences ? Oui fréquences cumulées ? Non Exemple en page 10 Sans objet p/k xp np Nk fp Fk 1 Cohabitant(e) 2 SO 0,18 Marié(e) 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. ― 11 1,00
421
Les distributions en classes
Variables qualitatives et distribution (p. 10) Peut-on calculer des effectifs ? Oui effectifs cumulés ? Non fréquences ? Oui fréquences cumulées ? Non Exemple en page 10 Sans objet p/k xp np Nk fp Fk 1 Cohabitant(e) 2 SO 0,18 Marié(e) 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. Sans objet 11 1,00
422
Les distributions en classes
Variables qualitatives et distribution Peut-on constituer des « classes » ou regroupements de valeurs ? Oui : en union <> pas en union p/k xp np Nk fp Fk 1 Cohabitant(e) 2 SO 0,18 Marié(e) 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. Sans objet 11 1,00 p/k xp np Nk fp Fk 1 En union 4 SO 0,36 2 Pas en union 7 0,64 Tot. Sans objet 11 1,00
423
Les distributions en classes
Variables qualitatives et distribution Peut-on constituer des « classes » ou regroupements de valeurs ? Oui : en union <> pas en union p/k xp np Nk fp Fk 1 Cohabitant(e) 2 SO 0,18 Marié(e) 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. Sans objet 11 1,00 p/k xp np Nk fp Fk 1 En union 4 SO 0,36 2 Pas en union 7 0,64 Tot. Sans objet 11 1,00
424
Les distributions en classes
Variables qualitatives et distribution Peut-on constituer des « classes » ou regroupements de valeurs ? Oui : en union <> pas en union p/k xp np Nk fp Fk 1 Cohabitant(e) 2 SO 0,18 Marié(e) 3 Divorcé(e) 0,09 4 Célibataire 6 0,55 5 Veuf(ve) 0,00 Séparé(e) Tot. Sans objet 11 1,00 p/k xp np Nk fp Fk 1 En union 4 SO 0,36 2 Pas en union 7 0,64 Tot. Sans objet 11 1,00 Remarque : impossible d’ordonner au sens mathématique « classes »
425
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…
426
Tableau à double entrée
Tableau de contingence ou … pp
427
Tableau à double entrée
En guise d’introduction Exemple : le naufrage du Titanic La question : influence de la classe sur la survie des passagers les % de sauvés sont-ils différents selon la classe ? Données : Source : Masuy-Stroobants G. & Costa R. (2013), Analyser les données en sciences sociales, pp Pour une analyse plus complète, cf. cette référence. Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
428
Tableau à double entrée
En guise d’introduction Exemple : le naufrage du Titanic La question : influence de la classe sur la survie des passagers les % de sauvés sont-ils différents selon la classe ? Données : Source : Masuy-Stroobants G. & Costa R. (2013), Analyser les données en sciences sociales, pp Pour une analyse plus complète, cf. cette référence. Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
429
Tableau à double entrée
En guise d’introduction Exemple : le naufrage du Titanic La question : influence de la classe sur la survie des passagers les % de sauvés sont-ils différents selon la classe ? Données : Source : Masuy-Stroobants G. & Costa R. (2013), Analyser les données en sciences sociales, pp Pour une analyse plus complète, cf. cette référence. Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308 Après la théorie, on reviendra à cet exemple ! Maintenant l’exemple simple du syllabus.
430
Tableau à double entrée
Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : au total, 6 célibataires dans le tableau 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
431
Tableau à double entrée
Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : au total, 6 célibataires dans le tableau 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
432
Tableau à double entrée
Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : au total, 6 célibataires dans le tableau 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
433
Tableau à double entrée
Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
434
Tableau à double entrée
Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
435
Tableau à double entrée
Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
436
Tableau à double entrée
Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
437
Tableau à double entrée
Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’un critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
438
Tableau à double entrée
Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’une critique à propos de la cohérence… Exercice d’application Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
439
Tableau à double entrée
Tableau 1.8 (p. 12) Constitué sur la base du tableau 1.1 Interprétation de quelques données : 4 : parmi les 11, 4 sont des femmes célibataires 6 : dans le tableau, 6 célibataires 7 : au total, 7 femmes dans le tableau Pour classer un « i » que faut-il connaitre à son sujet ? Quoi en bout de ligne ou de colonne ? Données individuelles ou groupées ? Distribution ou pas ? Possibilité d’une critique à propos de la cohérence… Exercice d’application (Exercice 1.a) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
440
Tableau à double entrée
Exercice 1, corrigé données Belge UE hors Belgique Autre Total Homme 69.466 68.811 Femme 70.378 63.691
441
Tableau à double entrée
Tableau 1.8 (p. 12) Originalité : classement selon 2 variables (et plus une seule) Dans le tableau 1.8, classement selon : le sexe (indice « p » variant de 1 à 2, avec P = 2) Homme = 1 Femme = 2 Le statut matrimonial (indice « q » variant de 1 à 4, avec Q = 4) Pas toujours 2 variables qualitatives (cf. syllabus) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 • célibataire = 1 • marié(e) coutume = 2 • marié(e) état civil= 3 • divorcé(e) = 4
442
Tableau à double entrée
Tableau 1.8 (p. 12) Originalité : classement selon 2 variables (et plus une seule) Dans le tableau 1.8, classement selon : le sexe (indice « p » variant de 1 à 2, avec P = 2) Homme = 1 Femme = 2 Le statut matrimonial (indice « q » variant de 1 à 4, avec Q = 4) Pas toujours 2 variables qualitatives (cf. syllabus) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 • célibataire = 1 • marié(e) coutume = 2 • marié(e) état civil= 3 • divorcé(e) = 4
443
Tableau à double entrée
Tableau 1.8 (p. 12) Originalité : classement selon 2 variables (et plus une seule) Dans le tableau 1.8, classement selon : le sexe (indice « p » variant de 1 à 2, avec P = 2) homme = 1 femme = 2 Le statut matrimonial (indice « q » variant de 1 à 4, avec Q = 4) Pas toujours 2 variables qualitatives (cf. syllabus) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 • célibataire = 1 • marié(e) coutume = 2 • marié(e) état civil= 3 • divorcé(e) = 4
444
Tableau à double entrée
Tableau 1.8 (p. 12) Originalité : classement selon 2 variables (et plus une seule) Dans le tableau 1.8, classement selon : le sexe (indice « p » variant de 1 à 2, avec P = 2) homme = 1 femme = 2 le statut matrimonial (indice « q » variant de 1 à 4, avec Q = 4) Pas toujours 2 variables qualitatives (cf. syllabus) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 • célibataire = 1 • cohabitant(e) = 2 • marié(e) = 3 • divorcé(e) = 4
445
Tableau à double entrée
Tableau 1.8 (p. 12) Originalité : classement selon 2 variables (et plus une seule) Dans le tableau 1.8, classement selon : le sexe (indice « p » variant de 1 à 2, avec P = 2) homme = 1 femme = 2 le statut matrimonial (indice « q » variant de 1 à 4, avec Q = 4) Pas toujours 2 variables qualitatives (cf. syllabus) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 • célibataire = 1 • cohabitant(e) = 2 • marié(e) = 3 • divorcé(e) = 4
446
Tableau à double entrée
Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
447
Tableau à double entrée
Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
448
Tableau à double entrée
Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
449
Tableau à double entrée
Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
450
Tableau à double entrée
Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
451
Tableau à double entrée
Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
452
Tableau à double entrée
Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs dans les cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
453
Tableau à double entrée
Tableau 1.8 (p. 12) Notation des effectifs (absolus) : n14 lire : « n un quatre » (et pas « n quatorze ») = l’effectif des hommes (p = 1) divorcés ( q = 4) vaut 0 (soit un nombre comme un autre…) npq = l’effectif de sexe p et de statut matrimonial q = un des 8 effectifs des cases internes du tableau Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
454
Tableau à double entrée
Effectifs absolus Notation symbolique Contenu des marges (ligne et colonne « Total ») Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Marié(e) cout (q = 2) Marié(e) EC (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femmes (p = 2) n21 n22 n23 n24
455
Tableau à double entrée
Effectifs absolus Notation symbolique Contenu des marges (ligne et colonne « Total ») Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Marié(e) cout (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femmes (p = 2) n21 n22 n23 n24
456
Tableau à double entrée
Effectifs absolus Notation symbolique Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femme (p = 2) n21 n22 n23 n24
457
Tableau à double entrée
Effectifs absolus Notation symbolique Effectif de la ligne 2 et de la colonne 3 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femme (p = 2) n21 n22 n23 n24
458
Tableau à double entrée
Effectifs absolus Notation symbolique Contenu des marges : ligne « Total » et colonne « Total » Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femme (p = 2) n21 n22 n23 n24
459
Tableau à double entrée
Effectifs absolus Notation symbolique Contenu des marges : ligne « Total » et colonne « Total » Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 Femme (p = 2) n21 n22 n23 n24
460
Tableau à double entrée
Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)
461
Tableau à double entrée
Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)
462
Tableau à double entrée
Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)
463
Tableau à double entrée
Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)
464
Tableau à double entrée
Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)
465
Tableau à double entrée
Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)
466
Tableau à double entrée
Contenu des marges somme de la 2e ligne le total des femmes, tous statuts matrimoniaux confondus généralisation pour le sexe p : Cohabi. (q=2)
467
Tableau à double entrée
Contenu des marges somme de la 2e ligne somme de la 1re colonne le total des célibataires, tous sexes confondus généralisation pour le statut matrimonial q :
468
Tableau à double entrée
Contenu des marges somme de la 2e ligne somme de la 1re colonne le total des célibataires, tous sexes confondus généralisation pour le statut matrimonial q : Cohabi. (q=2)
469
Tableau à double entrée
Contenu des marges somme de la 2e ligne somme de la 1re colonne le total des célibataires, tous sexes confondus généralisation pour le statut matrimonial q : Cohabi. (q=2)
470
Tableau à double entrée
Contenu des marges somme de la 2e ligne somme de la 1re colonne le total des célibataires, tous sexes confondus généralisation pour le statut matrimonial q : Cohabi. (q=2)
471
Tableau à double entrée
Contenu des marges somme de la 2e ligne somme de la 1re colonne le total des célibataires, tous sexes confondus généralisation pour le statut matrimonial q : Cohabi. (q=2)
472
Tableau à double entrée
Contenu des marges somme de la 2e ligne somme de la 1re colonne le total des célibataires, tous sexes confondus généralisation pour le statut matrimonial q : Cohabi. (q=2)
473
Tableau à double entrée
Les effectifs Notation symbolique Total général : n●● = 11 = somme des 8 cases internes du tableau = somme de la colonne « Total » = somme de la ligne « Total » Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Marié(e) cout (q = 2) Marié(e) EC (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femmes (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●
474
Tableau à double entrée
Les effectifs Notation symbolique Total général : n●● = 11 = somme des 8 cases internes du tableau = somme de la colonne « Total » = somme de la ligne « Total » Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femme (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●
475
Tableau à double entrée
Les effectifs Notation symbolique Total général : n●● = 11 = somme des 8 cases internes du tableau = somme de la colonne « Total » = somme de la ligne « Total » Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femme (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●
476
Tableau à double entrée
Les effectifs Notation symbolique Total général : n●● = 11 = somme des 8 cases internes du tableau = somme de la colonne « Total » = somme de la ligne « Total » = n Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femme (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●
477
Tableau à double entrée
Les effectifs Notation symbolique Total général : n●● = 11 = somme des 8 cases internes du tableau = somme de la colonne « Total » = somme de la ligne « Total » = n Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femme (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●
478
Tableau à double entrée
Les effectifs Notation symbolique Total général : n●● = 11 = somme des 8 cases internes du tableau = somme de la colonne « Total » = somme de la ligne « Total » = n Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) n11 n12 n13 n14 n1● Femme (p = 2) n21 n22 n23 n24 n2● n●1 n●2 n●3 n●4 n●●
479
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles 8 Cf. tableaux 1.8, 1.9 et 1.10 (en page 11, établis au départ du tableau 1.8) Point le plus important
480
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles 8 Cf. tableaux 1.8, 1.9 et 1.10 (en page 11, établis au départ du tableau 1.8)
481
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles 8 Cf. tableaux 1.8, 1.9 et 1.10 (en page 11, établis au départ du tableau 1.8)
482
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles ! Cf. tableaux 1.8, 1.9 et 1.10 (en page 11, établis au départ du tableau 1.8)
483
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles ! Cf. tableaux 1.8, 1.9 et 1.10 (en page 11, établis au départ du tableau 1.8)
484
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) = fréquence pour le sexe p et le statut matrimonial (SM) q = part des observations de sexe p et le SM q = (fois 100 si en %) Idem fréquences déjà vues, MAIS 3 totaux ≠ possibles ! Cf. tableaux 1.10, 1.11 et 1.12 (en page 13, établis au départ du tableau 1.8)
485
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Exemple : 50,00 Tableau 1.8 Tableau 1.10 (en %) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 50,00 25,00 0,00 100,00 Femme (p = 2) 57,14 14,29 54,55 18,18 9,09
486
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Exemple : 50,00 = (2/4)*100, soit l’effectif d’une case divisé par le total de ligne Tableau 1.8 Tableau 1.10 (en %) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 50,00 25,00 0,00 100,00 Femme (p = 2) 57,14 14,29 54,55 18,18 9,09
487
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice
488
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice
489
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice
490
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice
491
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
492
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice
493
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.10 (1er total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.10 sans état d’âme « Logique de ligne » = le diviseur est en bout de ligne dans tableau 1.8 Exemple : le % de célibataires parmi les femmes Interprétation : 57,14% des femmes sont célibataires Application à l’exercice 1.b (en commençant par les 3 calculs sous le tableau) Résultats en % avec une décimale
494
Tableau à double entrée
Exercice 1, corrigé données % en ligne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9% % de Belges parmi les hommes : / = 0,696 ou 69,6 % % de la catégorie « autre » parmi les femmes : / = 12,8 % % de Belges dans le total : / = 71,5 % Même cellule dans le tableau pour le numérateur et le résultat
495
Tableau à double entrée
Exercice 1, corrigé données % en ligne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9% % de Belges parmi les hommes : / = 0,696 ou 69,6 % % de la catégorie « autre » parmi les femmes : / = 12,8 % % de Belges dans le total : / = 71,5 %
496
Tableau à double entrée
Exercice 1, corrigé données % en ligne facile à identifier : dans la colonne « Total », partout 100% Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9%
497
Tableau à double entrée
Exercice 1, corrigé données % en ligne facile à identifier : dans la colonne « Total », partout 100% logique de ligne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9%
498
Tableau à double entrée
Exercice 1, corrigé données % en ligne facile à identifier : dans la colonne « Total », partout 100% logique de ligne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9%
499
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Exemple : 33,33 = Tableau 1.8 Tableau 1.10 (en %) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 33,33 50,00 0,00 36,36 Femme (p = 2) 66,67 100,00 63,64
500
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Exemple : 33,33 = (2/6)*100, effectif d’une case divisé par le total de la colonne Tableau 1.8 Tableau 1.10 (en %) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 33,33 50,00 0,00 36,36 Femme (p = 2) 66,67 100,00 63,64
501
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à « 57,14% des femmes sont célibataires » ! Application à l’exercice
502
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à « 57,14% des femmes sont célibataires » ! Application à l’exercice
503
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à « 57,14% des femmes sont célibataires » ! Application à l’exercice
504
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11
505
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à « 57,14% des femmes sont célibataires » ! Application à l’exercice
506
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à : 57,14% des femmes sont célibataires le % de célibataires parmi les femmes Application à l’exercice
507
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à : 57,14% des femmes sont célibataires le % de célibataires parmi les femmes Application à l’exercice
508
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.11 (2e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.11 sans état d’âme « Logique de colonne » = le diviseur est en bas de colonne du tableau 1.8 Exemple : le % de femmes parmi les célibataires Interprétation : 66,67% des célibataires sont des femmes À comparer à : 57,14% des femmes sont célibataires le % de célibataires parmi les femmes Application à l’exercice (en commençant par les 3 calculs sous le tableau)
509
Tableau à double entrée
Exercice 1, corrigé données % en colonne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 46,4% 49,7% 51,9% 47,7% Femmes 53,6% 50,3% 48,1% 52,3% 100,0% % d’hommes parmi les Belges : / = 0,464 ou 46,4 % % de femmes dans la catégorie « autre » : / = 48,1 % % d’hommes dans le total : / = 47,7 %
510
Tableau à double entrée
Exercice 1, corrigé données % en colonne facile à identifier : sur ligne « Total », partout 100% Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 46,4% 49,7% 51,9% 47,7% Femmes 53,6% 50,3% 48,1% 52,3% 100,0%
511
Tableau à double entrée
Exercice 1, corrigé données % en colonne facile à identifier : sur ligne « Total », partout 100% logique de colonne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 46,4% 49,7% 51,9% 47,7% Femmes 53,6% 50,3% 48,1% 52,3% 100,0%
512
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.12 (3e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Exemple : 18,18 = (2/11)*100, effectif d’une case divisé par le total de la colonne Tableau 1.8 Tableau 1.10 (en %) Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 2 1 4 Femme (p = 2) 7 6 11 Statut matrimonial Sexe Célibataire (q = 1) Cohabi. (q = 2) Marié(e) (q = 3) Divorcé(e) (q = 4) Total Homme (p = 1) 18,18 9,09 0,00 36,36 Femme (p = 2) 63,64 54,55 100,00
513
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.12 (3e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.12 sans état d’âme « Logique par rapport au total » = le diviseur est le total (général) du tableau 1.8 Exemple : le % de femmes célibataires dans le total (général) Interprétation : 36,36% du total sont des femmes célibataires Application à l’exercice
514
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.12 (3e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.12 sans état d’âme « Logique par rapport au total » = le diviseur est le total (général) du tableau 1.8 Exemple : le % de femmes célibataires dans le total (général) Interprétation : 36,36% du total sont des femmes célibataires Application à l’exercice
515
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.12 (3e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.12 sans état d’âme « Logique par rapport au total » = le diviseur est le total (général) du tableau 1.8 Exemple : le % de femmes célibataires dans le total (général) Interprétation : 36,36% du total sont des femmes célibataires Application à l’exercice
516
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.12 (3e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.12 sans état d’âme « Logique par rapport au total » = le diviseur est le total (général) du tableau 1.8 Exemple : le % de femmes célibataires dans le total (général) Interprétation : 36,36% du total sont des femmes célibataires Application à l’exercice
517
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) Tableau 1.12 (3e total possible) Comment les % sont-ils calculés au départ du tableau 1.8 ? Applicable à TOUTES les cellules de 1.12 sans état d’âme « Logique par rapport au total » = le diviseur est le total (général) du tableau 1.8 Exemple : le % de femmes célibataires dans le total (général) Interprétation : 36,36% du total sont des femmes célibataires Application à l’exercice 1.d (en commençant par les 2 calculs sous le tableau)
518
Tableau à double entrée
Exercice 1, corrigé données % par rapport au total Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 33,2% 7,3% 7,2% 47,7% Femmes 38,3% 7,4% 6,7% 52,3% 71,5% 14,7% 13,9% 100,0% % d’hommes belges dans le total : / = 0,332 ou 33,2 % % de femmes de la catégorie « autre » dans le total : / = 6,7 %
519
Tableau à double entrée
Exercice 1, corrigé données % par rapport au total facile à identifier : 100 % uniquement dans la case du total général Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 33,2% 7,3% 7,2% 47,7% Femmes 38,3% 7,4% 6,7% 52,3% 71,5% 14,7% 13,9% 100,0%
520
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) 3 types différents de fréquences selon le diviseur Interprétation ≠ autre type de renseignement ! À ne pas confondre ! À choisir en fonction de la question posée !
521
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) 3 types différents de fréquences selon le diviseur Interprétation ≠ autre type de renseignement ! À ne pas confondre ! À choisir en fonction de la question posée !
522
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) 3 types différents de fréquences selon le diviseur Interprétation ≠ autre type de renseignement ! À ne pas confondre ! À choisir en fonction de la question posée !
523
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) 3 types différents de fréquences selon le diviseur parmi les femmes, 57 % de célibataires parmi les célibataires, 67 % de femmes dans le total, 36 % de femmes célibataires Interprétations différentes autre type de renseignement ! À ne pas confondre ! À choisir en fonction de la question posée !
524
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) 3 types différents de fréquences selon le diviseur parmi les femmes, 57 % de célibataires parmi les célibataires, 67 % de femmes dans le total, 36 % de femmes célibataires Interprétations différentes autre type de renseignement ! À ne pas confondre ! À choisir en fonction de la question posée !
525
Tableau à double entrée
Fréquences (relatives = part, proportion, %...) 3 types différents de fréquences selon le diviseur parmi les femmes, 57 % de célibataires parmi les célibataires, 67 % de femmes dans le total, 36 % de femmes célibataires Interprétations différentes autre type de renseignement ! À ne pas confondre ! À choisir en fonction de la question posée !
526
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés EC parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés EC parmi les hommes (expression « habituelle ») le % d’hommes mariés EC par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes
527
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés EC parmi les hommes (expression « habituelle ») le % d’hommes mariés EC par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes
528
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés EC parmi les hommes (expression « habituelle ») le % d’hommes mariés EC par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes
529
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés EC parmi les hommes (expression « habituelle ») le % d’hommes mariés EC par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes
530
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés parmi les hommes (expression « habituelle ») le % d’hommes mariés EC par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes
531
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés parmi les hommes (expression « habituelle ») le % d’hommes mariés par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : Attention : ° la méthode s’applique à l’expression courte citée ; ° d’autres expressions, en apparence proches, peuvent supposer un autre calcul ; ° dans ce cours/examen, toujours le même type d’expression ! ° et donc la méthode est applicable ! le % de mariés EC parmi les hommes
532
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés parmi les hommes (expression « habituelle ») le % d’hommes mariés par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes
533
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés parmi les hommes (expression « habituelle ») le % d’hommes mariés par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des ho.» = 4 identifier le numérateur : le % de mariés EC parmi les hommes
534
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés parmi les hommes (expression « habituelle ») le % d’hommes mariés par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des hommes » = 4 identifier le numérateur : le % de mariés parmi les hommes « Parmi les hommes » calcul dans la ligne des hommes
535
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire, soit dans l’exemple : le % de mariés parmi les hommes (expression « habituelle ») le % d’hommes mariés par rapport au total des hommes (expression inhabituelle) identifier le dénominateur : le mot après « parmi » soit « les hommes », sous-entendu « le total des hommes » = 4 identifier le numérateur : cf. écran suivant le % de mariés parmi les hommes
536
Tableau à double entrée
Choix du type de fréquence selon la question posée identifier le numérateur : le % de mariés parmi les hommes (expression « habituelle ») les mots avant et après « parmi » soit les « mariés hommes » (ou « hommes mariés ») = 1 le % de mariés parmi les hommes
537
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire : le % de mariés parmi les hommes (HO) identifier le dénominateur : les hommes (le total des HO) = 4 identifier le numérateur : les hommes mariés = 1 procéder à la division (ou choisir le bon tableau) : même procédure pour le 2e % : comparer les 2 % et conclure : « le % de mariés EC est plus important parmi les HO (25%) que parmi les FE (14%) » ce qui est potentiellement une information intéressante
538
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire : le % de mariés parmi les hommes (HO) identifier le dénominateur : les hommes (le total des HO) = 4 identifier le numérateur : les hommes mariés = 1 procéder à la division (ou choisir le bon tableau) : même procédure pour le 2e % : comparer les 2 % et conclure : « le % de mariés EC est plus important parmi les HO (25%) que parmi les FE (14%) » ce qui est potentiellement une information intéressante
539
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire : le % de mariés parmi les hommes (HO) identifier le dénominateur : les hommes (le total des HO) = 4 identifier le numérateur : les hommes mariés = 1 procéder à la division (ou choisir le bon tableau) : même procédure pour le 2e % : comparer les 2 % et conclure : « le % de mariés EC est plus important parmi les HO (25%) que parmi les FE (14%) » ce qui est potentiellement une information intéressante
540
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire : le % de mariés parmi les hommes (HO) identifier le dénominateur : les hommes (le total des HO) = 4 identifier le numérateur : les hommes mariés = 1 procéder à la division (ou choisir le bon tableau) : même procédure pour le 2e % : comparer les 2 % et conclure / interpréter : « le % de mariés est plus important parmi les HO (25%) que parmi les FE (14%) » ce qui est potentiellement une information intéressante
541
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire : le % de mariés parmi les hommes (HO) identifier le dénominateur : les hommes (le total des HO) = 4 identifier le numérateur : les hommes mariés = 1 procéder à la division (ou choisir le bon tableau) : même procédure pour le 2e % : comparer les 2 % et conclure / interpréter : « le % de mariés est plus important parmi les HO (25%) que parmi les FE (14%) » ce qui est potentiellement une information intéressante
542
Tableau à double entrée
Choix du type de fréquence selon la question posée Soit à comparer le % de mariés parmi les hommes et les femmes Si difficultés, y aller pas à pas : identifier le 1er % nécessaire : le % de mariés parmi les hommes (HO) identifier le dénominateur : les hommes (le total des HO) = 4 identifier le numérateur : les hommes mariés = 1 procéder à la division (ou choisir le bon tableau) : même procédure pour le 2e % : comparer les 2 % et conclure / interpréter : « le % de mariés est plus important parmi les HO (25%) que parmi les FE (14%) » ce qui est potentiellement une information intéressante Dans le commentaire, ne pas hésiter à citer des résultats qui prouvent ce qui est dit !
543
Tableau à double entrée
Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !
544
Tableau à double entrée
Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !
545
Tableau à double entrée
Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !
546
Tableau à double entrée
Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !
547
Tableau à double entrée
Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !
548
Tableau à double entrée
Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !
549
Tableau à double entrée
Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !
550
Tableau à double entrée
Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !
551
Tableau à double entrée
Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !
552
Tableau à double entrée
Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !
553
Tableau à double entrée
Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Si hésitation, tout calculer et regarder !
554
Tableau à double entrée
Choix en cas de questions directes : soit à comparer le % de célibataires parmi les hommes et les femmes ? d’hommes et de femmes parmi les célibataires ? d’hommes parmi les célibataires et les divorcés ? d’HO célibataires et de FE divorcées dans la population totale ? Choix en cas de questions moins directes : parmi les célibataires, quel sexe domine ? le déséquilibre HO/FE est-il le même parmi les célib. et les divorcés? le célibat touche-t-il proportionnellement plus les HO que les FE ? Éventuellement 2 façons de comprendre la dernière question : le célibat touche-t-il une plus grande % d’individus parmi les HO (HO = 100%) que parmi les FE (FE = 100%) ? les célibataires comptent-ils plus d’HO. que de FE. (célibataires = 100%) ? Correction détaillée dans le syllabus (exercice 1.9, p. 15)
555
Tableau à double entrée
Exercices prioritaires (avec correction au cours) : Exercice 1 (si pas déjà fait complètement) Exercice 4 (question d’un examen d’une année antérieure) Exercice 5 (idem + une apparence de contradiction) À faire, mais sans correction au cours (cf. site) : Exercice 2 Exercice 3 Pour les plus rapides : syllabus, exercice 1.9 & 1.10, p. 15 Pour tous, au travail !
556
Tableau à double entrée
Exercice 1, corrigé données Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691
557
Tableau à double entrée
Exercice 1, corrigé données % en ligne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691
558
Tableau à double entrée
Exercice 1, corrigé données % en ligne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9% % de Belges parmi les hommes : / = 0,696 ou 69,6 % % de la catégorie « autre » parmi les femmes : / = 12,8 % % de Belges dans le total : / = 71,5 %
559
Tableau à double entrée
Exercice 1, corrigé données % en ligne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9% % de Belges parmi les hommes : / = 0,696 ou 69,6 % % de la catégorie « autre » parmi les femmes : / = 12,8 % % de Belges dans le total : / = 71,5 % « Parmi les hommes » calcul dans la ligne des hommes
560
Tableau à double entrée
Exercice 1, corrigé données % en ligne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9% % de Belges parmi les hommes : / = 0,696 ou 69,6 % % de la catégorie « autre » parmi les femmes : / = 12,8 % % de Belges dans le total : / = 71,5 %
561
Tableau à double entrée
Exercice 1, corrigé données % en ligne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 69,6% 15,3% 15,1% 100,0% Femmes 73,2% 14,1% 12,8% 71,5% 14,7% 13,9% MAIS : 73,2% ,1% ,8% = 100,1% effet d’arrondi(s) à mon avis, forcer le 100%, signaler que c’est de 100% par effet d’arrondi(s)
562
Tableau à double entrée
Exercice 1, corrigé données % en colonne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 46,4% 49,7% 51,9% 47,7% Femmes 53,6% 50,3% 48,1% 52,3% 100,0% % d’hommes parmi les Belges : / = 0,464 ou 46,4 % % de femmes dans la catégorie « autre » : / = 48,1 % % d’hommes dans le total : / = 47,7 %
563
Tableau à double entrée
Exercice 1, corrigé données % en colonne Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 46,4% 49,7% 51,9% 47,7% Femmes 53,6% 50,3% 48,1% 52,3% 100,0% % d’hommes parmi les Belges : / = 0,464 ou 46,4 % % de femmes dans la catégorie « autre » : / = 48,1 % % d’hommes dans le total : / = 47,7 %
564
Tableau à double entrée
Exercice 1, corrigé données % par rapport au total Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 33,2% 7,3% 7,2% 47,7% Femmes 38,3% 7,4% 6,7% 52,3% 71,5% 14,7% 13,9% 100,0% % d’hommes belges dans le total : / = 0,332 ou 33,2 % % de femmes de la catégorie « autre » dans le total : / = 6,7 % « Dans le total » calcul par rapport au total général
565
Tableau à double entrée
Exercice 1, corrigé données % par rapport au total Belge UE hors Belgique Autre Total Hommes 69.466 68.811 Femmes 70.378 63.691 Belge UE hors Belgique Autre Total Hommes 33,2% 7,3% 7,2% 47,7% Femmes 38,3% 7,4% 6,7% 52,3% 71,5% 14,7% 13,9% 100,0% % d’hommes belges dans le total : / = 0,332 ou 33,2 % % de femmes de la catégorie « autre » dans le total : / = 6,7 %
566
Tableau à double entrée
Exercices 2 et 3, corrigés sur le site
567
Tableau à double entrée
Exercice 4, corrigé Rappel des données : Répartition des 25-<30 ans selon le sexe et le statut matrimonial Pays A Célibataires Non-célibataires Total Pays B Hommes 6.034 5.723 11.757 6.987 11.567 18.554 Femmes 3.056 8.743 11.799 3.124 11.867 9.090 14.466 23.556 10.111 20.310 30.421 Pays C Pays D 12.876 5.923 18.799 6.441 7.234 13.675 16.000 14.666 30.666 9.565 15.977 25.542
568
Tableau à double entrée
Exercice 4, corrigé Tableaux des fréquences % en ligne % en colonne % par rapport au total
569
Tableau à double entrée
Exercice 4, corrigé Tableaux des fréquences % en ligne % en colonne % par rapport au total
570
Tableau à double entrée
Exercice 4, corrigé Tableaux des fréquences % en ligne % en colonne % par rapport au total
571
Tableau à double entrée
Exercice 4, corrigé Tableaux des fréquences C1 : les hommes représentent plus de la moitié du total
572
Tableau à double entrée
Exercice 4, corrigé Tableaux des fréquences C2 : la % d’hommes parmi les non-célibataires est (strictement) > 40,36%
573
Tableau à double entrée
Exercice 4, corrigé Tableaux des fréquences C3 : la % de célibataires parmi les hommes est (strictement) > 37,70%
574
Tableau à double entrée
Exercice 4, corrigé Tableaux des fréquences Conclusion : les pays C et D respectent les 3 critères
575
Tableau à double entrée
Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7% doute ! or aucun doute 37,66 < 37,70 ! si critère avec 2 décimales, les % avec 2 décimales parfois : « 3,66 est quand même fort proche de 3,70 » mais 37,66 < 37,70 donc C3 pas satisfait !
576
Tableau à double entrée
Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7% doute ! or aucun doute 37,66 < 37,70 ! si critère avec 2 décimales, les % avec 2 décimales parfois : « 3,66 est quand même fort proche de 3,70 » mais 37,66 < 37,70 donc C3 pas satisfait !
577
Tableau à double entrée
Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7% doute ! or aucun doute 37,66 < 37,70 ! si critère avec 2 décimales, les % avec 2 décimales parfois : « 3,66 est quand même fort proche de 3,70 » mais 37,66 < 37,70 donc C3 pas satisfait !
578
Tableau à double entrée
Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7% doute : 37,7% et 37,70% ! or aucun doute 37,66 < 37,70 ! si critère avec 2 décimales, les % avec 2 décimales parfois : « 3,66 est quand même fort proche de 3,70 » mais 37,66 < 37,70 donc C3 pas satisfait !
579
Tableau à double entrée
Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7% doute : 37,7% et 37,70% ! or, aucun doute : 37,66% < 37,70% ! si critère avec 2 décimales, les % doivent être calculés avec 2 décimales parfois : « 3,66 est quand même fort proche de 3,70 » mais 37,66 < 37,70 donc C3 pas satisfait !
580
Tableau à double entrée
Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7% doute : 37,7% et 37,70% ! or, aucun doute : 37,66% < 37,70% ! si critère avec 2 décimales, les % doivent être calculés avec 2 décimales parfois : « 37,66% est quand même fort proche de 37,70% » mais 37,66 < 37,70 donc C3 pas satisfait !
581
Tableau à double entrée
Exercice 4, corrigé Situation de B pour le 3e critère : % de céli. parmi les HO. > 37,70% valeur pour B : 37,66% (en % avec 2 décimales) si arrondi à une décimale : 37,7% doute : 37,7% et 37,70% ! or, aucun doute : 37,66% < 37,70% ! si critère avec 2 décimales, les % doivent être calculés avec 2 décimales parfois : « 37,66% est quand même fort proche de 37,70% » mais 37,66% < 37,70% donc C3 pas satisfait !
582
Tableau à double entrée
Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total élimination de A calcul des % d’ho. parmi les célb. pour B, C & D pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D élimination de B Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site
583
Tableau à double entrée
Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total élimination de A calcul des % d’ho. parmi les célb. pour B, C & D pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D élimination de B Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site
584
Tableau à double entrée
Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total élimination de A calcul des % d’ho. parmi les célib. pour B, C & D pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D élimination de B Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site
585
Tableau à double entrée
Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total élimination de A calcul des % d’ho. parmi les célib. pour B, C & D pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D élimination de B Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site
586
Tableau à double entrée
Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total élimination de A calcul des % d’ho. parmi les célib. pour B, C & D pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D élimination de B restent C & D qui satisfont les 3 critères Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site
587
Tableau à double entrée
Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total élimination de A calcul des % d’ho. parmi les célib. pour B, C & D pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D élimination de B restent C & D qui satisfont les 3 critères Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site
588
Tableau à double entrée
Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total élimination de A calcul des % d’ho. parmi les célib. pour B, C & D pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D élimination de B restent C & D qui satisfont les 3 critères Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site
589
Tableau à double entrée
Exercice 4, corrigé A l’économie calcul des % d’ho. célib. dans le total élimination de A calcul des % d’ho. parmi les célib. pour B, C & D pas d’élimination calcul des % de célib. parmi les ho. pour B, C & D élimination de B restent C & D qui satisfont les 3 critères Conseillé, car moins de calculs Dans la justification, citez des résultats prouvant que vous avez raison Corrigé détaillé sur le site
590
Tableau à double entrée
Exercice 5 : le chômage en Belgique selon le niveau de diplôme – Femme 2010 Données : Les questions : que calculer pour voir si le fait d’avoir une diplôme élevé protège du chômage ? déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? Population En emploi Au chômage Total Bas 66.412 Moyen 77.316 Haut 45.984 Données réelles, même si « anciennes » (2010) !
591
Tableau à double entrée
Exercice 5 : le chômage en Belgique selon le niveau de diplôme – Femme 2010 Données : Les questions : que calculer pour voir si le fait d’avoir une diplôme élevé protège du chômage ? déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? Population En emploi Au chômage Total Bas 66.412 Moyen 77.316 Haut 45.984
592
Tableau à double entrée
Exercice 5 : le chômage en Belgique selon le niveau de diplôme – Femme 2010 Données : Les questions : que calculer pour voir si le fait d’avoir un diplôme élevé protège du chômage ? déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? Population En emploi Au chômage Total Bas 66.412 Moyen 77.316 Haut 45.984
593
Tableau à double entrée
Exercice 5 : le chômage en Belgique selon le niveau de diplôme – Femme 2010 Données : Les questions : que calculer pour voir si le fait d’avoir un diplôme élevé protège du chômage ? déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? Population En emploi Au chômage Total Bas 66.412 Moyen 77.316 Haut 45.984
594
Tableau à double entrée
Exercice 5 : que calculer pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% % du tot. géné. En emploi Au chômage Total Bas 15,8% 3,0% 18,8% Moyen 33,4% 3,5% 36,9% Haut 42,3% 2,1% 44,3% 91,4% 8,6% 100,0%
595
Tableau à double entrée
Exercice 5 : quel tableau (+ rappel des interprétations) pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% 16,0% de chômeuses parmi les bas niveaux % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% 35,0% de bas niveaux parmi les chômeuses % du tot. géné. En emploi Au chômage Total Bas 15,8% 3,0% 18,8% Moyen 33,4% 3,5% 36,9% Haut 42,3% 2,1% 44,3% 91,4% 8,6% 100,0% Dans le total, 3,0% de chôm. de bas niveaux
596
Tableau à double entrée
Exercice 5 : quel tableau (+ rappel des interprétations) pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% 16,0% de chômeuses parmi les bas niveaux % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% 35,0% de bas niveaux parmi les chômeuses % du tot. géné. En emploi Au chômage Total Bas 15,8% 3,0% 18,8% Moyen 33,4% 3,5% 36,9% Haut 42,3% 2,1% 44,3% 91,4% 8,6% 100,0% Dans le total, 3,0% de chôm. de bas niveaux
597
Tableau à double entrée
Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% 16,0% de chômeuses parmi les bas niveaux % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% 35,0% de bas niveaux parmi les chômeuses % du tot. géné. En emploi Au chômage Total Bas 15,8% 3,0% 18,8% Moyen 33,4% 3,5% 36,9% Haut 42,3% 2,1% 44,3% 91,4% 8,6% 100,0% Dans le total, 3,0% de chôm. de bas niveaux
598
Tableau à double entrée
Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Le taux de chômage est de : ° 16,0 % parmi les individus avec un faible niveau de diplôme ° 9,5 % parmi les individus avec un niveau de diplôme moyen ° 4,7 % parmi les individus avec un niveau de diplôme élevé Conclusion : ° plus le niveau de formation est élevé ° plus le niveau du chômage est faible Conclusion : bien se former protège du chômage
599
Tableau à double entrée
Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Le taux de chômage est de : ° 16,0 % parmi les individus avec un faible niveau de diplôme ° 9,5 % parmi les individus avec un niveau de diplôme moyen ° 4,7 % parmi les individus avec un niveau de diplôme élevé Conclusion : ° plus le niveau de formation est élevé ° plus le niveau du chômage est faible Conclusion : bien se former protège du chômage
600
Tableau à double entrée
Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Le taux de chômage est de : ° 16,0 % parmi les individus avec un faible niveau de diplôme ° 9,5 % parmi les individus avec un niveau de diplôme moyen ° 4,7 % parmi les individus avec un niveau de diplôme élevé Conclusion : ° plus le niveau de formation est élevé ° plus le niveau du chômage est faible Conclusion : bien se former protège du chômage
601
Tableau à double entrée
Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Le taux de chômage est de : ° 16,0 % parmi les individus avec un faible niveau de diplôme ° 9,5 % parmi les individus avec un niveau de diplôme moyen ° 4,7 % parmi les individus avec un niveau de diplôme élevé Et donc : ° plus le niveau de formation est élevé ° plus le niveau du chômage est faible Conclusion : bien se former protège du chômage
602
Tableau à double entrée
Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Le taux de chômage est de : ° 16,0 % parmi les individus avec un faible niveau de diplôme ° 9,5 % parmi les individus avec un niveau de diplôme moyen ° 4,7 % parmi les individus avec un niveau de diplôme élevé Et donc : ° plus le niveau de formation est élevé ° plus le niveau du chômage est faible Conclusion : bien se former protège du chômage
603
Tableau à double entrée
Exercice 5 : quel tableau pour voir si le fait d’avoir un diplôme élevé protège du chômage ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Le taux de chômage est de : ° 16,0 % parmi les individus avec un faible niveau de diplôme ° 9,5 % parmi les individus avec un niveau de diplôme moyen ° 4,7 % parmi les individus avec un niveau de diplôme élevé Avec cet exercice, nous sommes loin d’avoir fait un tour complet de l’analyse du chômage. Et donc : ° plus le niveau de formation est élevé ° plus le niveau du chômage est faible Conclusion : bien se former protège du chômage
604
Tableau à double entrée
Exercice 5 : quel tableau pour déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% 16,0% de chômeuses parmi les bas niveaux % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% 35,0% de bas niveaux parmi les chômeuses % du tot. géné. En emploi Au chômage Total Bas 15,8% 3,0% 18,8% Moyen 33,4% 3,5% 36,9% Haut 42,3% 2,1% 44,3% 91,4% 8,6% 100,0% Dans le total, 3,0% de chôm. de bas niveaux
605
Tableau à double entrée
Exercice 5 : quel tableau pour déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% 16,0% de chômeuses parmi les bas niveaux % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% 35,0% de bas niveaux parmi les chômeuses % du tot. géné. En emploi Au chômage Total Bas 15,8% 3,0% 18,8% Moyen 33,4% 3,5% 36,9% Haut 42,3% 2,1% 44,3% 91,4% 8,6% 100,0% Dans le total, 3,0% de chôm. de bas niveaux
606
Tableau à double entrée
Exercice 5 : quel tableau pour déterminer la catégorie de diplôme la plus représentée parmi les chômeurs ? le niveau moyen correspond au pourcentage le plus fort : 40,8% % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% À la limite, ICI : ° les nombres absolus suffisent ; ° les % ne sont pas indispensables, mais tellement pratiques !
607
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses (1) 0,16* = 0,095* =
608
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses (1) 0,16* = 0,095* =
609
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses (1) 0,16* = 0,095* =
610
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible % en ligne En emploi Au chômage Total Bas 84,0% 16,0% 100,0% Moyen 90,5% 9,5% Haut 95,3% 4,7% 91,4% 8,6% Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses (1) 0,16* = 0,095* =
611
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses (1) 0,16* = 0,095* =
612
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible % en colonne En emploi Au chômage Total Bas 17,3% 35,0% 18,8% Moyen 36,5% 40,8% 36,9% Haut 46,2% 24,2% 44,3% 100,0% Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses (1) 0,16* = 0,095* =
613
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses (1) 0,16* = 0,095* =
614
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses 0,16* = 0,095* =
615
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % de chômeuses plus fort en cas de bas niveau compensé par le fait que plus de femmes de niveau moyen En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses 0,16* = 0,095* =
616
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % de chômeuses plus fort en cas de bas niveau femmes de niveau moyen chômeuses ou pas : effectifs plus élevés En définitive plus de chômeuses de niveau moyen malgré un % plus faible Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses 0,16* = 0,095* =
617
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % de chômeuses plus fort en cas de bas niveau femmes de niveau moyen chômeuses ou pas : effectifs plus élevés en définitive, plus de chômeuses de niveau moyen malgré un % plus faible Conclusion : pas de contradiction ! Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses 0,16* = 0,095* =
618
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % de chômeuses plus fort en cas de bas niveau femmes de niveau moyen chômeuses ou pas : effectifs plus élevés en définitive, plus de chômeuses de niveau moyen malgré un % plus faible Conclusion : pas de contradiction ! Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses 0,16* = 0,095* =
619
Tableau à double entrée
Exercice 5 : une apparente contradiction D’où vient l’apparente contradiction ? Le plus fort risque d’être au chômage est pour le bas niveau de diplôme cette catégorie devrait être la plus présente parmi les chômeuses Or, la catégorie la plus présente = niveau moyen L’explication : % de chômeuses plus fort en cas de bas niveau femmes de niveau moyen chômeuses ou pas : effectifs plus élevés en définitive, plus de chômeuses de niveau moyen malgré un % plus faible Conclusion : pas de contradiction ! Niveau de formation Bas Moyen % de chômeuses 16,0% 9,5% Effectif de femmes Nombre de chômeuses (1) 0,16* = 0,095* = (1) : attention aux effets d’arrondis (% avec une seule décimale)
620
Tableau à double entrée
En guise de conclusion Exemple : le naufrage du Titanic La question : influence de la classe sur la survie des passagers les % de sauvés sont-ils différents selon la classe ? Données : Source : Masuy-Stroobants G. & Costa R. (2013), Analyser les données en sciences sociales, pp Pour une analyse plus complète, cf. cette référence. Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
621
Tableau à double entrée
En guise de conclusion Exemple : le naufrage du Titanic La question : influence de la classe sur la survie des passagers les % de sauvés sont-ils différents selon la classe ? Données : Source : Masuy-Stroobants G. & Costa R. (2013), Analyser les données en sciences sociales, pp Pour une analyse plus complète, cf. cette référence. Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
622
Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ?
Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (& voir si ≠ autres cl.) si « % de sauvés parmi la 1re classe » pas évident « trucs » traduire cette expression de manière plus explicite : « Que vaut le % de sauvés parmi les passagers de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » « parmi la 1re classe » calcul dans la ligne de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
623
Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ?
Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (& voir si ≠ autres cl.) si « % de sauvés parmi la 1re classe » pas évident « trucs » traduire cette expression de manière plus explicite : « Que vaut le % de sauvés parmi les passagers de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » « parmi la 1re classe » calcul dans la ligne de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
624
Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ?
Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (& voir si ≠ autres cl.) si « % de sauvés parmi la 1re classe » pas évident « trucs » traduire cette expression de manière plus explicite : « Que vaut le % de sauvés parmi les passagers de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » « parmi la 1re classe » calcul dans la ligne de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
625
Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ?
Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (& voir si ≠ autres cl.) si « % de sauvés parmi la 1re classe » pas évident « trucs » traduire cette expression de manière plus explicite : « Que vaut le % de sauvés parmi les passagers de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » « parmi la 1re classe » calcul dans la ligne de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
626
Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ?
Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (& voir si ≠ autres cl.) si « % de sauvés parmi la 1re classe » pas évident « trucs » traduire cette expression de manière plus explicite : « Que vaut le % de sauvés parmi les passagers de la 1re classe en prenant comme diviseur le total des passager de la 1re classe ? » « parmi la 1re classe » calcul dans la ligne de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
627
Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ?
Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (f11, l) : 1. f11 sera obtenu via une division mettre une barre de fraction 2. dénominateur : % de sauvés parmi la 1re classe à droite de « parmi » = la 1re classe sous-entendu « le TOTAL de la 1re classe » 3. numérateur : % de sauvés parmi la 1re classe à gauche et à droite de « parmi » les sauvés de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
628
Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ?
Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (f11, l) : 1. f11 sera obtenu via une division mettre une barre de fraction 2. dénominateur : % de sauvés parmi la 1re classe à droite de « parmi » = la 1re classe sous-entendu « le TOTAL de la 1re classe » 3. numérateur : % de sauvés parmi la 1re classe à gauche et à droite de « parmi » les sauvés de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
629
Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ?
Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (f11, l) : 1. f11 sera obtenu via une division mettre une barre de fraction 2. dénominateur : % de sauvés parmi la 1re classe à droite de « parmi » = la 1re classe sous-entendu « le TOTAL de la 1re classe » 3. numérateur : % de sauvés parmi la 1re classe à gauche et à droite de « parmi » les sauvés de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
630
Naufrage du Titanic La question : les % de sauvés ≠ selon la classe ?
Données : Que calculer : % en ligne ou en colonne ? 1er calcul : % de sauvés parmi la 1re classe (f11, l) : 1. f11 sera obtenu via une division mettre une barre de fraction 2. dénominateur : % de sauvés parmi la 1re classe à droite de « parmi » = la 1re classe sous-entendu « le TOTAL de la 1re classe » 3. numérateur : % de sauvés parmi la 1re classe à gauche et à droite de « parmi » les sauvés de la 1re classe Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308
631
Naufrage du Titanic La question : influence de la classe sur la survie des passagers Données : % en ligne : Que conclure ? De la 1re à la 3e classe, le % de sauvés passe de 63% à 25% Les passagers de la 1re classe mieux protégés Rappel : début d’analyse Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308 Classe Sauvés Morts Total 1re 62,8% 38,2% 100,0% 2e 41,5% 58,5% 3e 24,8% 75,2% 37,7% 62,3%
632
Naufrage du Titanic La question : influence de la classe sur la survie des passagers Données : % en ligne : Que conclure ? De la 1re à la 3e classe, le % de sauvés passe de 63% à 25% Meilleure survie parmi les passagers de la 1re classe Rappel : début d’analyse Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308 Classe Sauvés Morts Total 1re 62,8% 38,2% 100,0% 2e 41,5% 58,5% 3e 24,8% 75,2% 37,7% 62,3%
633
Naufrage du Titanic La question : influence de la classe sur la survie des passagers Données : % en ligne : Que conclure ? De la 1re à la 3e classe, le % de sauvés passe de 63% à 25% Meilleure survie parmi les passagers de la 1re classe Rappel : début d’analyse (pour en savoir +, cf. Masuy-Stroobants G. & Costa R. (2013) Classe Sauvés Morts Total 1re 202 120 322 2e 115 162 277 3e 176 533 709 493 815 1.308 Classe Sauvés Morts Total 1re 62,8% 38,2% 100,0% 2e 41,5% 58,5% 3e 24,8% 75,2% 37,7% 62,3%
634
Très important dans votre étude !
Chapitre 1. Résumé Très important dans votre étude ! À vous de le faire, mais ici, on le fait ensemble !
635
Chapitre 1. Résumé Que diriez-vous ?
Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données
636
Chapitre 1. Résumé Que diriez-vous ?
Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données
637
Chapitre 1. Résumé Que diriez-vous ?
Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données
638
Chapitre 1. Résumé Que diriez-vous ?
Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données
639
Chapitre 1. Résumé Que diriez-vous ?
Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données
640
Chapitre 1. Résumé Que diriez-vous ?
Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données
641
Chapitre 1. Résumé Que diriez-vous ?
Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données
642
Chapitre 1. Résumé Que diriez-vous ?
Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données
643
Chapitre 1. Résumé Que diriez-vous ?
Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données
644
Chapitre 1. Résumé Que diriez-vous ?
Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données
645
Chapitre 1. Résumé Que diriez-vous ?
Voici mon résumé. À vous de voir si cela vous convient ! Super-résumé en 2 questions : si étude statistique, que faire avant de commencer ? que faire pour commencer ? Avant de commencer, identifier : les unités et la population sous observation (i et n) la variable et ses caractéristiques (X et xi ; quali.<>quanti. ; discrète<>discrète) Ensuite, mettre de l’ordre et GROUPER tableau des effectifs et des fréquences (mécanique + p, xp, np, fp, Nk et Fk) tableau à double entrée : choix du type de fréquence Bref, commencer à s’approprier les données (rappel : idée générale)
Présentations similaires
© 2024 SlidePlayer.fr Inc.
All rights reserved.