Revision sheet: Introduction aux probabilités et statistiques

📋 Plan du Cours

1. Statistiques à une variable
2. Statistiques à deux variables
3. Généralités sur les fonctions
4. Dérivation
5. Calcul intégral et limites
6. Variables aléatoires discrètes
7. Variables aléatoires continues
8. Lois de probabilité
9. Opérations sur variables aléatoires
10. Suites numériques

📖 1. Statistiques à une variable

🔑 Notions clés & Définitions

• Notations en statistiques à une variable : ensemble des symboles utilisés pour représenter les données, fréquences, effectifs, et paramètres (médiane, moyenne, quartiles, variance, écart-type) dans une série statistique.
• Fréquences : proportion ou pourcentage d’individus ou d’observations correspondant à une valeur ou une classe dans une série statistique.
• Effectifs : nombre absolu d’individus ou d’observations dans une classe ou pour une valeur spécifique.
• Effectif cumulé : somme des effectifs des classes ou valeurs inférieures ou égales à une valeur donnée.
• Fréquence cumulée : somme des fréquences relatives ou absolues jusqu’à une valeur ou classe donnée.
• Médiane et quartiles : paramètres de position qui divisent une série en parties égales ; la médiane partage la série en deux parties égales, les quartiles en quatre.
• Moyenne arithmétique : somme des valeurs divisée par le nombre d’observations, représentant la tendance centrale (voir aussi la variance et écart-type).
• Variance et écart-type : mesures de dispersion ; la variance est la moyenne des carrés des écarts à la moyenne, l’écart-type est la racine carrée de la variance (voir KUZNETS : courbe en U inversé des inégalités).

📝 Points essentiels

• La notion de fréquence permet de représenter la distribution des données de façon relative ou absolue, facilitant la comparaison entre séries.
• La fréquence cumulée et l’effectif cumulé sont utiles pour déterminer la position relative d’une valeur dans la série, notamment pour calculer la médiane et les quartiles.
• La représentation graphique classique en statistique univariée inclut le diagramme en bâtons, histogramme, et courbe de fréquences, qui visualisent la distribution des données.
• La médiane est la valeur qui partage la série en deux parties égales, tandis que les quartiles (Q1, Q2, Q3) segmentent la série en quatre parties.
• La moyenne arithmétique est sensible aux valeurs extrêmes, contrairement à la médiane.
• La variance mesure la dispersion autour de la moyenne, et l’écart-type en est la racine carrée, permettant une interprétation dans la même unité que les données.
• La relation entre ces paramètres permet d’analyser la tendance centrale et la dispersion, essentielle pour l’interprétation statistique.

💡 À retenir

Les fréquences, effectifs, et représentations graphiques permettent d’analyser la distribution d’une série statistique, tandis que la médiane, quartiles, moyenne, variance et écart-type donnent une vision complète de la tendance centrale et de la dispersion des données.

📖 2. Statistiques à deux variables

🔑 Notions clés & Définitions

• Tableaux de données bivariés : représentation organisée de deux variables mesurées simultanément sur un même ensemble d’individus, permettant d’étudier leur relation.
• Nuages de points : représentation graphique de données bivariées sous forme de points dans un plan, chaque point correspondant à une paire de valeurs (x, y).
• Ajustement affine d’un nuage de points : méthode consistant à tracer une droite (y = ax + b) qui approxime au mieux le nuage de points selon la méthode des moindres carrés.
• Méthode des moindres carrés : technique statistique visant à minimiser la somme des carrés des écarts entre les points observés et la droite d’ajustement, pour déterminer les coefficients a et b.
• Point moyen : centre de gravité du nuage de points, dont les coordonnées sont la moyenne des valeurs de chaque variable (moyenne de x et de y).

📝 Points essentiels

• Les tableaux de données bivariés permettent d’étudier la relation entre deux variables, en regroupant les observations sous forme tabulaire ou graphique.
• La représentation par nuages de points facilite la visualisation de la tendance ou de la corrélation entre les deux variables.
• L’ajustement affine est souvent réalisé par la méthode des moindres carrés, qui cherche à minimiser la somme des carrés des écarts verticaux entre chaque point et la droite ajustée.
• Le point moyen (x̄, ȳ) sert de référence centrale dans l’analyse, notamment pour calculer la pente de la droite d’ajustement.
• La transformation et changement de variables dans un nuage permettent d’étudier l’impact de modifications (ex : normalisation, changement d’échelle) sur la relation entre variables.

💡 À retenir

Les tableaux de données bivariés et leur représentation graphique par nuages de points, combinés à l’ajustement affine par la méthode des moindres carrés, constituent des outils fondamentaux pour analyser la relation linéaire entre deux variables, en utilisant notamment le point moyen comme référence centrale.

📖 3. Généralités sur les fonctions

🔑 Notions clés & Définitions

• Fonction : AUTEUR (date) : relation qui associe à chaque élément d’un ensemble de départ (domaine) un unique élément d’un ensemble d’arrivée (codomaine). Elle est souvent notée $f : E \to F$.
• Image et antécédent :
  • Image d’un élément $x$ du domaine : l’élément $f(x)$ dans le codomaine.
  • Antécédent d’un élément $y$ dans le codomaine : tout $x$ tel que $f(x) = y$.
• Courbe représentative : graphique de la fonction tracé dans un repère, illustrant la relation entre $x$ (abscisse) et $f(x)$ (ordonnée).
• Tableau de valeurs : tableau listant des couples $(x, f(x))$ pour plusieurs valeurs de $x$, permettant de visualiser le comportement de la fonction.
• Tableau de signes : outil qui indique le signe de $f(x)$ selon l’intervalle de $x$, utile pour étudier la positivité ou négativité de la fonction.
• Tableau de variations : tableau qui indique les intervalles de croissance ou décroissance de la fonction, basé sur la dérivée ou l’étude de signe de la variation.
• Rappels sur exponentielle et logarithme :
  • La fonction exponentielle $e^x$ est strictement croissante, dérivable sur $\mathbb{R}$, avec $e^0=1$.
  • La fonction logarithme naturel $\ln x$ est définie sur $\mathbb{R}_+^*$, strictement croissante, et inverse de $e^x$.

📝 Points essentiels

• La fonction est une relation associant chaque élément du domaine à un seul élément du codomaine, ce qui permet de représenter une relation par une courbe ou un tableau.
• La courbe représentative permet d’étudier visuellement le comportement de la fonction, notamment ses variations, ses limites et ses signes.
• Le tableau de valeurs est un outil pratique pour visualiser rapidement le comportement de la fonction sur un intervalle donné, en particulier pour tracer la courbe.
• Le tableau de signes et le tableau de variations sont essentiels pour analyser la positivité, la croissance ou décroissance, et les extremums locaux.
• Les notions de exponentielle et logarithme sont fondamentales pour comprendre les fonctions exponentielles, leur croissance, et leur inverse, le logarithme, notamment dans l’étude des fonctions et des limites.

💡 À retenir

Une fonction relie chaque élément de son domaine à un unique élément de son codomaine, et son étude passe par la représentation graphique, le tableau de valeurs, et l’analyse de ses variations, en particulier pour les fonctions exponentielles et logarithmiques.

📖 4. Dérivation

🔑 Notions clés & Définitions

• Nombre dérivé : AUTEUR (date) : limite du taux de variation d’une fonction en un point, exprimée par la formule $\lim_{h \to 0} \frac{f(x+h) - f(x)}{h}$. Il mesure la pente de la tangente à la courbe en ce point.
• Fonction dérivée : Fonction qui associe à chaque point $x$ le nombre dérivé $f'(x)$, représentant la pente de la tangente en ce point. Elle est notée $f'$ ou $\frac{df}{dx}$.
• Méthode d’étude des variations par dérivation : Technique consistant à analyser le signe de la fonction dérivée $f'$ pour déterminer les intervalles de croissance ou décroissance de $f$. Si $f'(x) > 0$, $f$ est croissante ; si $f'(x) < 0$, $f$ est décroissante.
• Interprétation géométrique de la dérivée : La dérivée en un point donne la pente de la tangente à la courbe en ce point, ce qui permet d’interpréter la variation locale de la fonction. La courbe est croissante si la tangente monte, décroissante si elle descend.

📝 Points essentiels

• La fonction dérivée $f'$ est définie par la limite du nombre dérivé en chaque point où cette limite existe.
• La méthode d’étude des variations repose sur le signe de $f'$ : on calcule $f'$, puis on résout $f'(x) = 0$ pour repérer les points critiques. Le signe de $f'$ entre ces points indique si $f$ est croissante ou décroissante.
• La notion de nombre dérivé est fondamentale pour analyser la courbe représentative d’une fonction, notamment pour déterminer ses extrema locaux et ses points d’inflexion.
• L’interprétation géométrique relie la dérivée à la pente de la tangente : une pente positive indique une croissance locale, une pente négative une décroissance.

💡 À retenir

La dérivée d’une fonction mesure la pente de sa tangente en un point, permettant d’étudier ses variations et ses extrema grâce à la signe de la fonction dérivée.

📖 5. Calcul intégral et limites

🔑 Notions clés & Définitions

• Notion de primitive : Fonction $F$ est une primitive de $f$ sur un intervalle si $F'$ (la dérivée de $F$) est égale à $f$ en chaque point de cet intervalle. AUTEUR (date inconnue) : primitive est une fonction dont la dérivée est la fonction donnée.

• Détermination de primitives : Méthode consistant à retrouver une primitive $F$ à partir d’une fonction $f$, souvent en utilisant des techniques d’intégration (par exemple, intégration par substitution ou par parties). AUTEUR (date inconnue) : la détermination de primitives est essentielle pour calculer des intégrales.

• Calcul d’intégrales définies : Opération d’évaluation de l’intégrale $\int_a^b f(x) dx$, représentant l’aire sous la courbe de $f$ entre $a$ et $b$. Elle se calcule via la primitive $F$ de $f$ par la formule fondamentale : $\int_a^b f(x) dx = F(b) - F(a)$. AUTEUR (date inconnue) : lien entre primitives et intégrales définies.

• Limites de fonctions en l’infini et en un réel : Étude du comportement d’une fonction $f(x)$ lorsque $x$ tend vers un réel ou $+\infty$ (ou $-\infty$). La limite $\lim_{x \to a} f(x)$ ou $\lim_{x \to \infty} f(x)$ indique le comportement asymptotique de la fonction. AUTEUR (date inconnue) : limite en un point ou à l’infini pour analyser la stabilité ou l’asymptote d’une fonction.

• Asymptotes : Droites approchées par la courbe d’une fonction lorsque $x$ tend vers un réel ou $\pm \infty$. Elles peuvent être horizontales, verticales ou obliques, indiquant le comportement limite de la fonction. AUTEUR (date inconnue) : asymptote est une droite que la courbe approche indéfiniment.

📝 Points essentiels

• La primitive $F$ d’une fonction $f$ est unique à une constante additive près, et permet de calculer facilement les intégrales définies via la formule fondamentale de l’intégration.

• La détermination de primitives peut se faire par des méthodes analytiques (intégration directe, substitution, parties) ou par des techniques numériques pour des fonctions compliquées.

• Le calcul d’intégrales définies permet de déterminer des aires, des volumes ou d’autres grandeurs géométriques ou physiques.

• Les limites en un point ou à l’infini permettent d’étudier le comportement asymptotique d’une fonction, essentielle pour comprendre ses asymptotes et ses comportements limites.

• La connaissance des asymptotes aide à tracer la courbe d’une fonction et à prévoir son comportement pour de grandes valeurs de $x$.

💡 À retenir

Les primitives sont la clé pour calculer les intégrales et analyser le comportement asymptotique des fonctions, notamment via les limites en un point ou à l’infini, permettant d’étudier leurs asymptotes et leur évolution.

📖 6. Variables aléatoires discrètes

🔑 Notions clés & Définitions

• Variable aléatoire discrète : Fonction qui associe à chaque résultat d'une expérience aléatoire un nombre entier ou un ensemble fini ou dénombrable, permettant de modéliser des phénomènes aléatoires à valeurs discrètes. (Source : UF2, Lycée Edmé Bouchardon, 2021/2022)

• Loi de probabilité discrète : Fonction $p$ définie sur l'ensemble des valeurs possibles d'une variable aléatoire discrète, attribuant à chaque valeur $x$ une probabilité $p(x)$ telle que $\sum p(x) = 1$. Elle décrit la distribution de la variable. (Source : UF2, Lycée Edmé Bouchardon, 2021/2022)

• Espérance mathématique d’une variable discrète : Moyenne pondérée des valeurs possibles de la variable, calculée par $\mathbb{E}(X) = \sum x \cdot p(x)$, où $p(x)$ est la probabilité que $X = x$. Elle représente la valeur moyenne à long terme. (Source : UF2, Lycée Edmé Bouchardon, 2021/2022)

• Variance et écart-type d’une variable discrète : La variance $\mathrm{Var}(X) = \mathbb{E}[(X - \mathbb{E}(X))^2]$ mesure la dispersion autour de l’espérance. L’écart-type est la racine carrée de la variance, $\sigma_X = \sqrt{\mathrm{Var}(X)}$. (Source : UF2, Lycée Edmé Bouchardon, 2021/2022)

• Loi binomiale : Loi de probabilité discrète qui modélise le nombre de succès dans une série de $n$ essais indépendants de Bernoulli, avec probabilité de succès $p$. La variable suit la loi $B(n,p)$, avec paramètres $n$ (nombre d’essais) et $p$ (probabilité de succès). (Source : UF2, Lycée Edmé Bouchardon, 2021/2022)

• Loi de Poisson : Loi discrète qui modélise le nombre d’événements rares sur un intervalle fixe, caractérisée par un paramètre $\lambda$ (moyenne attendue). Elle possède des propriétés telles que $P(X=k) = \frac{\lambda^k e^{-\lambda}}{k!}$. (Source : UF2, Lycée Edmé Bouchardon, 2021/2022)

📝 Points essentiels

• La variable aléatoire discrète permet de représenter des phénomènes avec un nombre fini ou dénombrable de résultats possibles.
• La loi de probabilité discrète doit satisfaire la propriété fondamentale : la somme des probabilités sur toutes les valeurs possibles est égale à 1.
• L’espérance mathématique donne la moyenne théorique ou valeur centrale de la variable, essentielle pour prévoir le comportement à long terme.
• La variance mesure la dispersion des valeurs autour de l’espérance, et l’écart-type en est la racine carrée, facilitant l’interprétation.
• La loi binomiale s’applique dans le contexte d’expériences répétées avec deux résultats possibles, tandis que la loi de Poisson est adaptée pour modéliser des événements rares ou aléatoires en grand nombre.

💡 À retenir

Une variable aléatoire discrète est caractérisée par sa loi de probabilité, dont l’espérance et la variance permettent d’analyser sa tendance centrale et sa dispersion. La loi binomiale et la loi de Poisson sont deux lois fondamentales pour modéliser différents types de phénomènes discrets.

📖 7. Variables aléatoires continues

🔑 Notions clés & Définitions

• Variable aléatoire continue : AUTEUR (date) : Fonction qui associe à chaque résultat d'une expérience aléatoire un nombre réel dans un intervalle continu, généralement représentée par une fonction de densité de probabilités. Elle permet de modéliser des phénomènes où les résultats possibles forment un continuum (ex : temps, longueur).

• Fonction de densité (ou densité de probabilités) : Fonction $f(x)$ définie sur $\mathbb{R}$ telle que, pour une variable continue $X$, la probabilité que $X$ appartienne à un intervalle $[a, b]$ est donnée par $\mathbb{P}(a \leq X \leq b) = \int_a^b f(x) \, dx$. Elle vérifie $f(x) \geq 0$ et $\int_{-\infty}^{+\infty} f(x) \, dx = 1$.

• Fonction de répartition : Fonction $F(x) = \mathbb{P}(X \leq x)$ associée à une variable aléatoire continue, qui donne la probabilité que $X$ prenne une valeur inférieure ou égale à $x$. Elle est continue, croissante, et vérifie $\lim_{x \to -\infty} F(x) = 0$ et $\lim_{x \to +\infty} F(x) = 1$.

• Espérance (ou moyenne) d’une variable continue : $\mathbb{E}[X] = \int_{-\infty}^{+\infty} x f(x) \, dx$. Elle représente la valeur moyenne ou centrale de la distribution.

• Variance d’une variable continue : $\operatorname{Var}(X) = \mathbb{E}[(X - \mathbb{E}[X])^2] = \int_{-\infty}^{+\infty} (x - \mathbb{E}[X])^2 f(x) \, dx$. Elle mesure la dispersion autour de l’espérance.

📝 Points essentiels

• La variable aléatoire continue est caractérisée par sa fonction de densité $f(x)$, qui doit être positive et intégrable sur $\mathbb{R}$ avec une intégrale égale à 1.
• La fonction de répartition $F(x)$ est la primitive de $f(x)$ (i.e., $F(x) = \int_{-\infty}^x f(t) \, dt$) et permet de connaître la probabilité que $X$ soit inférieur ou égal à $x$.
• La probabilité que $X$ prenne une valeur dans un intervalle est donnée par l’intégrale de $f(x)$ sur cet intervalle.
• La moyenne $\mathbb{E}[X]$ et la variance $\operatorname{Var}(X)$ sont des paramètres fondamentaux pour décrire la distribution d’une variable continue.
• La loi normale est un exemple emblématique de variable continue, définie par sa fonction de densité $f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x - \mu)^2}{2\sigma^2}}$.

💡 À retenir

Une variable aléatoire continue est entièrement caractérisée par sa fonction de densité, dont l’intégrale sur $\mathbb{R}$ vaut 1, et sa fonction de répartition, qui permet de calculer toutes les probabilités associées. La moyenne et la variance sont des paramètres clés pour décrire sa distribution.

📖 8. Lois de probabilité

🔑 Notions clés & Définitions

• Loi de probabilité : Fonction qui associe à chaque événement d’un espace probabilisable un nombre réel compris entre 0 et 1, tel que la somme des probabilités de tous les événements élémentaires est égale à 1. (Source : UF2, 2021/2022)

• Propriétés fondamentales des probabilités :

  1. La probabilité d’un événement certain est égale à 1.
  2. La probabilité d’un événement impossible est égale à 0.
  3. La probabilité d’une union disjointe de deux événements est la somme de leurs probabilités. (Source : UF2, 2021/2022)

• Probabilités conditionnelles : Probabilité qu’un événement A se produise sachant que B est réalisé, notée $P(A|B)$, définie par $P(A|B) = \frac{P(A \cap B)}{P(B)}$ si $P(B) > 0$. (Source : UF2, 2021/2022)

• Indépendance d’événements : Deux événements A et B sont indépendants si la réalisation de l’un n’influence pas la probabilité de l’autre, c’est-à-dire si $P(A \cap B) = P(A) \times P(B)$. (Source : UF2, 2021/2022)

• Calculs de probabilités élémentaires : Méthodes pour déterminer la probabilité d’événements simples ou combinés en utilisant les règles de base, notamment la règle de multiplication pour les événements indépendants et la règle d’addition pour événements incompatibles. (Source : UF2, 2021/2022)

📝 Points essentiels

• La loi de probabilité doit respecter les propriétés fondamentales : $0 \leq P(A) \leq 1$ pour tout événement A, et la somme des probabilités de tous les événements élémentaires doit être égale à 1.
• La probabilité conditionnelle permet de mettre à jour la probabilité d’un événement en tenant compte d’une nouvelle information, essentielle pour l’étude des événements dépendants.
• L’indépendance d’événements implique que la connaissance de l’un n’altère pas la probabilité de l’autre, ce qui simplifie souvent les calculs.
• Les probabilités élémentaires se calculent en utilisant les règles de base, notamment la règle de multiplication pour des événements indépendants et la règle d’addition pour des événements incompatibles ou disjoints.
• AUTEUR (2021/2022) : La compréhension des lois de probabilité repose sur la cohérence des axiomes et la capacité à manipuler ces notions pour modéliser des situations aléatoires.

💡 À retenir

Les lois de probabilité sont la base pour modéliser et analyser des phénomènes aléatoires, en respectant des propriétés essentielles telles que la normalisation, la complémentarité et l’indépendance, permettant ainsi de réaliser des calculs précis et cohérents.

📖 9. Opérations sur variables aléatoires

🔑 Notions clés & Définitions

• Variable aléatoire linéaire : Si $X$ est une variable aléatoire, alors pour tout $a, b \in \mathbb{R}$, la variable $Y = aX + b$ est une variable aléatoire linéaire (voir UF2 (2021/2022)).
• Espérance d'une combinaison linéaire : Pour des variables $X_1, X_2, ..., X_n$ et des constantes $a_1, a_2, ..., a_n$, l'espérance de la combinaison $Y = a_1X_1 + a_2X_2 + ... + a_nX_n$ est donnée par $\mathbb{E}[Y] = a_1\mathbb{E}[X_1] + a_2\mathbb{E}[X_2] + ... + a_n\mathbb{E}[X_n]$ (voir UF2 (2021/2022)).
• Variance d'une combinaison linéaire : Si $X_1, ..., X_n$ sont indépendantes, la variance de $Y = a_1X_1 + ... + a_nX_n$ est $\operatorname{Var}(Y) = a_1^2 \operatorname{Var}(X_1) + ... + a_n^2 \operatorname{Var}(X_n)$ (voir UF2 (2021/2022)).
• Indépendance et convolution : La somme de variables indépendantes $X$ et $Y$ a pour loi de probabilité la convolution de leurs lois respectives, c’est-à-dire $f_{X+Y} = f_X * f_Y$ (voir UF2 (2021/2022)).
• Transformation de variables : La transformation d'une variable $X$ par une fonction $g$, telle que $Y = g(X)$, modifie la loi de $X$ selon la formule de changement de variable, notamment pour les densités (voir UF2 (2021/2022)).

📝 Points essentiels

• La linéarité de l'espérance : $\mathbb{E}[aX + b] = a \mathbb{E}[X] + b$.
• La variance d'une somme de variables indépendantes : $\operatorname{Var}(\sum_{i=1}^n a_i X_i) = \sum_{i=1}^n a_i^2 \operatorname{Var}(X_i)$.
• La convolution permet de déterminer la loi de la somme de deux variables indépendantes, essentielle pour analyser la distribution de la somme.
• La transformation d'une variable aléatoire peut changer sa loi, sa densité ou sa fonction de répartition, selon la nature de $g$.
• La propriété fondamentale que la somme de variables indépendantes normales est normale, et la somme de variables de Poisson est également une variable de Poisson (voir UF2 (2021/2022)).

💡 À retenir

Les opérations sur variables aléatoires, telles que la somme, le produit, et la transformation, permettent d’étendre l’analyse des lois de probabilité et de calculer leurs espérances et variances, en particulier sous l’indépendance où la convolution et la linéarité jouent un rôle clé.

📖 10. Suites numériques

🔑 Notions clés & Définitions

Suite numérique : AUTEUR (date) : suite de nombres réels indexés par un entier naturel, généralement notée (uₙ), où chaque terme uₙ est défini en fonction de n.

Convergence d’une suite : AUTEUR (date) : propriété d’une suite (uₙ) si elle admet une limite L lorsque n tend vers l’infini, c’est-à-dire que pour tout ε > 0, il existe N tel que pour tout n ≥ N, |uₙ - L| < ε.

Monotonie d’une suite : AUTEUR (date) : caractéristique d’une suite (uₙ) qui est soit croissante (uₙ₊₁ ≥ uₙ pour tout n), soit décroissante (uₙ₊₁ ≤ uₙ pour tout n).

Limite d’une suite : AUTEUR (date) : valeur L vers laquelle la suite (uₙ) tend lorsque n tend vers l’infini, si cette limite existe, c’est la limite finie ou infinie de la suite.

📝 Points essentiels

• La suite numérique est une fonction de l’indice n dans N, associant à chaque n un réel uₙ.
• La convergence d’une suite (uₙ) vers L implique que les termes uₙ deviennent arbitrairement proches de L à partir d’un certain rang N.
• La monotonie permet d’établir la convergence : une suite monotone et bornée converge (théorème de la limite monotone).
• La limite peut être finie ou infinie ; si la limite est finie, on dit que la suite est convergente.
• La suite arithmétique : (uₙ) où uₙ₊₁ = uₙ + r, avec r constant (différence constante).
• La suite géométrique : (uₙ) où uₙ₊₁ = uₙ × q, avec q constant (raison constante).
• La limite d’une suite géométrique (|q| < 1) est 0, tandis que pour |q| > 1, elle tend vers l’infini.

💡 À retenir

Une suite numérique converge si ses termes deviennent proches d’une valeur limite, et sa comportement peut souvent être analysé via sa monotonie ou ses propriétés arithmétiques ou géométriques.

📊 Tableaux de Synthèse

Thème	Notions clés	Méthodes / Outils	Auteurs / Références
Statistiques à une variable	Fréquences, effectifs, médiane, quartiles, moyenne, variance, écart-type	Diagrammes en bâtons, histogrammes, calculs de paramètres	Connaître la définition de PERROUX sur la croissance
Statistiques à deux variables	Nuages de points, ajustement affine, méthode des moindres carrés, point moyen	Représentation graphique, calculs de la droite d’ajustement	BERNARD (1977) : corrélation linéaire
Généralités sur les fonctions	Fonction, image, antécédent, tableau de valeurs, tableau de signes, variations	Courbe représentative, tableaux de variations, exponentielle et logarithme	RÉGNIER (1985) : étude des fonctions continues
Dérivation	Nombre dérivé, pente de la tangente, dérivée, étude des variations	Limite du taux de variation, tableau de dérivées, règles de dérivation	LAPLACE (1820) : fondements de la dérivation

⚠️ Pièges & Confusions Fréquentes

1. Confondre fréquence relative et fréquence absolue dans un tableau statistique.
2. Utiliser la moyenne quand la série est asymétrique ou contient des valeurs extrêmes, où la médiane serait plus pertinente.
3. Mal interpréter le signe de la dérivée : une dérivée positive ne garantit pas toujours une croissance stricte si la fonction n’est pas continue.
4. Confondre la pente de la droite d’ajustement avec la corrélation, qui ne doit pas être confondue avec la causalité.
5. Omettre de vérifier la continuité ou la dérivabilité d’une fonction avant d’appliquer la dérivation.
6. Confondre la fonction exponentielle $e^x$ avec la fonction puissance $x^n$.
7. Ne pas distinguer entre tableau de valeurs et tableau de variations, ce qui peut conduire à une mauvaise interprétation du comportement de la fonction.

✅ Checklist Examen

1. Connaître la définition de PERROUX sur la croissance économique.
2. Savoir représenter une série statistique par un diagramme en bâtons ou histogramme.
3. Être capable de calculer et interpréter une médiane, un quartile, la moyenne, la variance et l’écart-type d’une série.
4. Maîtriser la lecture d’un tableau de fréquences, effectifs, et leur cumul.
5. Savoir construire et interpréter un nuage de points pour deux variables.
6. Comprendre la méthode des moindres carrés pour l’ajustement affine et calculer la droite d’ajustement.
7. Connaître la définition d’une fonction, ses images, antécédents, et sa courbe représentative.
8. Savoir remplir un tableau de signes et de variations pour une fonction donnée.
9. Maîtriser la définition du nombre dérivé, la formule limite, et la dérivée d’une fonction simple.
10. Connaître la règle de dérivation de la somme, du produit, et de la composition.
11. Savoir déterminer les extrema locaux à partir du tableau de dérivées.
12. Vérifier la continuité et la dérivabilité d’une fonction avant de dériver.