Hoja de repaso: Principes et Mesures en Statistique Descriptive

📌 L'essentiel

• La statistique descriptive sert à résumer, organiser et représenter graphiquement un ensemble de données.
• La différence principale avec la statistique inférentielle est que cette dernière permet de faire des extrapolations à partir d’un échantillon.
• Types de variables : quantitatives (discrètes/continu) et qualitatives (nominatives, ordinales).
• Indicateurs centraux : moyenne, médiane, mode, quartiles.
• Mesures de dispersion : étendue, variance, écart-type.
• Représentations graphiques : histogramme, polygone, diagramme en bâtons.
• Distribution des données : étude de l’emplacement et de la dispersion pour caractériser un ensemble.

📖 Concepts clés

Population : Ensemble d’individus ou objets étudiés dont on souhaite connaître les caractéristiques.
Échantillon : Sous-ensemble représentatif de la population utilisé pour faire des estimations ou analyses.
Variable statistique : Caractéristique mesurée sur chaque individu ou objet (ex : âge, revenu).
Modalités : Valeurs possibles qu’une variable peut prendre (ex : catégories de couleur).
Série statistique : Ensemble de données recueillies pour une ou plusieurs variables.
Variables : Quantitatives (discrètes ou continues) ou qualitatives (nominatives ou ordinales).
Distribution discrète : Variable prenant un nombre fini ou dénombrable de valeurs isolées.
Distribution continue : Variable pouvant prendre toutes les valeurs d’un intervalle.

📐 Formules et lois

Moyenne : $\bar{X} = \frac{\sum_{i=1}^{N} n_i X_i}{N}$
Condition : somme des effectifs $N = \sum n_i$, valeur moyenne de la série.
Signification : point central de la distribution.

Étendue : $e = X_{\text{max}} - X_{\text{min}}$
Condition : valeur maximale et minimale de la série.
Signification : dispersion brute entre extrêmes.

Variance : $V = \frac{1}{N} \sum_{i=1}^{k} n_i (X_i - \bar{X})^2$
Condition : la moyenne $\bar{X}$ doit être calculée au préalable.
Signification : mesure de la dispersion autour de la moyenne.

Écart-type : $\sigma = \sqrt{V}$
Condition : racine carrée de la variance.
Signification : dispersion moyenne autour de la moyenne.

🔍 Méthodes

1. Identifier la nature de la variable (discrète/continue, qualitative/quantitative).
2. Constituer la série statistique : recueillir effectifs, modalités.
3. Calculer les indicateurs centraux : mode, médiane, quartiles.
4. Mesurer la dispersion : étendue, variance, écart-type.
5. Représenter graphiquement : histogrammes, polygones, diagrammes en bâtons.
6. Vérifier la cohérence : somme des fréquences, correctifs si besoin.

💡 Exemples

• Calcul d’une moyenne pondérée à partir de données regroupées par classe.
• Détermination de la médiane pour une série classée en classes d’effectifs.
• Calcul des quartiles à partir de données salariales, permettant de mesurer la dispersion centrale.

⚠️ Pièges

• Ne pas vérifier que la somme des fréquences ou effectifs représente 1 (ou 100%).
• Confondre médiane et mode dans une distribution asymétrique.
• Utiliser la moyenne alors que la distribution est fortement asymétrique, préférer la médiane pour une meilleure représentativité.
• Regrouper incorrectement les données en classes, ce qui peut fausser l'interprétation des effectifs modal.

📊 Synthèse comparative

Type de variable	Échelle	Exemple	Représentation principale
Quantitative discrète	Nominale	Nombre d’enfants	Histogramme, polygone
Quantitative continue	Échelle réelle	Revenu	Histogramme, polygone
Qualitative nominative	Non ordonnée	Couleur	Barres horizontales ou verticales
Qualitative ordinale	Ordre	Niveau d’études	Barres ordonnées

✅ Checklist examen

• Maîtriser les formules de la moyenne, variance, écart-type.
• Savoir différencier variable quantitative et qualitative.
• Savoir construire et interpréter une série statistique.
• Comprendre la différence entre moyenne, médiane et mode.
• Être capable de réaliser graphiques (histogrammes, polygones, diagrammes en bâtons).
• Vérifier la cohérence et l’interprétation des résultats.

Synthèse rapide

• La statistique descriptive résume des données par des indicateurs et représentations graphiques.
• Différencie la statistique descriptive de l’inférentielle, laquelle extrapole à partir d’un échantillon.
• Variables : quantitatives (discrètes/continues), qualitatives (nominatives, ordinales).
• Indicateurs : moyenne, médiane, mode, quartiles.
• Dispersion : étendue, variance, écart-type.
• Graphiques : histogramhes, polygones, diagrammes.
• Distribution : caractérise localisation et dispersion.