Critères de dispersion 93512 27354026 2008-03-14T09:15:58Z 82.195.186.33 {{MathématiquesÉlémentaires}} Après avoir déterminé où se situent les valeurs du caractère statistique en cherchant des [[critères de position]], on peut chercher à déterminer la '''dispersion''' de ces valeurs. En mesure physique ([[métrologie]]), cette dispersion est estimée par l'[[écart type]], qui sert à calculer l'[[calcul d'erreur|erreur de mesure]]. De manière plus générale, il est important de savoir si les valeurs sont groupées ou au contraire dispersées, ce qui indique si la population est uniforme ou pas vis-à-vis du critère testé. == Étendue == L'étendue est la différence entre la valeur maximale et la valeur minimale du caractère statistique. :étendue =<math> x_{max}-x_{min}</math> == Écart interquartile == L'écart inter-quartile est la différence entre le troisième et le premier [[critères de position|quartile]]. :écart interquartile = <math>|Q3 - Q1|</math> L'écart interquartile correspond à l'étendue de la série statistique après élimination de 25% des valeurs les plus faibles et de 25% des valeurs les plus fortes. Cette mesure est plus robuste que l'étendue, qui est sensible aux ''outliers''. == Dispersion autour de la moyenne == Après avoir calculé la [[critères de position|moyenne]], <math>\overline{x}</math>, on peut chercher à savoir de quelle façon les valeurs s'éloignent de cette moyenne. On crée alors une nouvelle série statistique: la série des écarts. : <math>e_i=x_i - \overline{x}</math> === Ecart moyen === Le premier réflexe serait de calculer la moyenne de ces écarts. Mais les propriétés de la moyenne nous assurent que la moyenne des écarts est nulle. En effet, certains de ces écarts sont négatifs et d'autres sont positifs, la somme des écarts positifs compensant exactement la somme des écarts négatifs. Il faut donc s'abstraire du signe et calculer alors la moyenne de la valeur absolue des écarts. C'est ce que l'on appelle l'écart moyen. *écart moyen = <math>\frac{1}{n}\sum_{i=1}^n|x_i-\overline{x}|</math> dans le cas d'une série [[statistiques élémentaires discrètes|discrète]] non triée. *écart moyen = <math>\frac{\sum_{i=1}^nn_i|x_i-\overline{x}|}{\sum_{i=1}^nn_i}=\sum_{i=1}^nf_i|x_i-\overline{x}|</math> dans le cas d'une série [[statistiques élémentaires discrètes|discrète]] regroupée. *écart moyen = <math>\frac{\sum_{i=1}^nn_i|m_i-\overline{x}|}{\sum_{i=1}^nn_i}=\sum_{i=1}^nf_i|m_i-\overline{x}|</math> dans le cas d'une série [[statistiques élémentaires continues|continue]]. === Variance === L'utilisation des valeurs absolues est souvent une impasse en mathématique (parce que la fonction valeur absolue n'est pas dérivable). Pour ''rendre positifs'' les écarts, un autre outil est à notre disposition: la mise au carré. On ne va donc pas calculer la moyenne des écarts mais la moyenne des écarts au carré. C'est ce qu'on appelle la variance : *<math>V=\frac{1}{n}\sum_{i=1}^n(x_i-\overline{x})^2</math> dans le cas d'une série [[statistiques élémentaires discrètes|discrète]] non triée. *<math>V=\frac{\sum_{i=1}^nn_i(x_i-\overline{x})^2}{\sum_{i=1}^nn_i}=\sum_{i=1}^nf_i(x_i-\overline{x})^2</math> dans le cas d'une série [[statistiques élémentaires discrètes|discrète]] regroupée. * <math>V=\frac{\sum_{i=1}^nn_i(m_i-\overline{x})^2}{\sum_{i=1}^nn_i}=\sum_{i=1}^nf_i(m_i-\overline{x})^2</math> dans le cas d'une série [[statistiques élémentaires continues|continue]]. La disparition des valeurs absolues permet des calculs plus simples. On démontre que la variance peut se calculer plus simplement par les formules suivantes: *<math>V=\frac{1}{n}\left(\sum_{i=1}^nx_i^2\right)-\overline{x}^2</math> dans le cas d'une série [[statistiques élémentaires discrètes|discrète]] non triée. *<math>V=\frac{\sum_{i=1}^nn_ix_i^2}{\sum_{i=1}^nn_i}-\overline{x}^2=\left(\sum_{i=1}^nf_ix_i^2\right)-\overline{x}^2</math> dans le cas d'une série [[statistiques élémentaires discrètes|discrète]] regroupée. * <math>V=\frac{\sum_{i=1}^nn_im_i^2}{\sum_{i=1}^nn_i}-\overline{x}^2=\left(\sum_{i=1}^nf_im_i^2\right)-\overline{x}^2</math> dans le cas d'une série [[statistiques élémentaires continues|continue]]. Ces formules étaient surtout utiles dans le cadre de calculs à la main ; l'usage des ordinateurs les rend un peu obsolètes... === Écart type === De par la mise au carré des écarts, l'unité de la variance est le carré de celle du caractère (si le caractère est en <math>kg</math>, sa moyenne est en <math>kg</math> mais sa variance est en <math>kg^2</math>) d'ou l'impossibilité d'additionner la moyenne et la variance. On a donc défini l'[[écart type]] noté <math>\sigma</math>. L'écart type est la racine de la variance (et donc son unité est la même que celle de la moyenne. Cela a l'air anecdotique mais la possibilité d'additionner moyenne et écart type est fondamentale, en particulier pour le calcul d'intervalle de confiance (voir plus bas). *<math>\sigma=\sqrt{\frac{1}{n}\sum_{i=1}^n(x_i-\overline{x})^2}</math> dans le cas d'une série [[statistiques élémentaires discrètes|discrète]] non triée. *<math>\sigma=\sqrt{\frac{\sum_{i=1}^nn_i(x_i-\overline{x})^2}{\sum_{i=1}^nn_i}}=\sqrt{\sum_{i=1}^nf_i(x_i-\overline{x})^2}</math> dans le cas d'une série [[statistiques élémentaires discrètes|discrète]] regroupée. * <math>\sigma=\sqrt{\frac{\sum_{i=1}^nn_i(m_i-\overline{x})^2}{\sum_{i=1}^nn_i}}=\sqrt{\sum_{i=1}^nf_i(m_i-\overline{x})^2}</math> dans le cas d'une série [[statistiques élémentaires continues|continue]]. ==== Propriétés de l'écart type ==== *Invariance par translation. L'écart type n'est pas modifié si on ajoute ou retranche une constante à la série statistique. Si <math>y_i=x_i+C</math> alors <math>\sigma_y=\sigma_x</math>. *Stabilité par multiplication par une constante. Si on multiplie une série par une constante positive, l'écart type est multiplié par la même constante. Si <math>y_i=Kx_i</math> alors <math>\sigma_y=K\sigma_x</math>. *L'écart type est toujours positif et est nul si la série statistique est constante. * Sensibilité aux valeurs extrêmes. Comme la moyenne, l'écart type est sensible aux valeurs extrêmes ou aberrantes et il est parfois nécessaire d'éliminer ces valeurs avant de faire le calcul de l'écart type. ==== Écart type relatif ==== Pour comparer deux séries statistiques qui n'ont pas le même ordre de grandeur, il est parfois bon de comparer l'écart type et la moyenne en faisant le quotient, on obtient alors l'écart type relatif. <math>\sigma / \overline{x}</math>. Remarque l'écart type relatif est aussi appelé coefficient de variation === Intervalle de confiance ou plage de normalité === Lorsque le caractère statistique a une distribution [[loi normale|normale]] gaussienne, grossièrement en forme de cloche, l'écart type prend tout son sens. * Dans l'intervalle <math>[\overline{x}-\sigma;\overline{x}+\sigma]</math>, on trouve 68% de la population. * Dans l'intervalle <math>[\overline{x}-2\sigma;\overline{x}+2\sigma]</math>, on trouve 95% de la population. * Dans l'intervalle <math>[\overline{x}-3\sigma;\overline{x}+3\sigma]</math>, on trouve 99,7% de la population. On appelle ces intervalles les plages de normalité à niveau de confiance de 68%, 95%, 99,7%. == Question de minimum == La [[Médiane (centre)|médiane]] est la valeur qui rend minimum la fonction f définie par *<math>f(X)=\frac{1}{n}\sum_{i=1}^n|x_i-X|</math> dans le cas d'une série [[statistiques élémentaires discrètes|discrète]] triée non regroupée. La moyenne est la valeur qui rend minimum la fonction g définie par *<math>g(X)=\sqrt{\frac{1}{n}\sum_{i=1}^n(x_i-X)^2}</math> dans le cas d'une série [[statistiques élémentaires discrètes|discrète]] non triée. *<math>g(X)=\sqrt{\frac{\sum_{i=1}^nn_i(x_i-X)^2}{\sum_{i=1}^nn_i}}=\sqrt{\sum_{i=1}^nf_i(x_i-X)^2}</math> dans le cas d'une série [[statistiques élémentaires discrètes|discrète]] regroupée. * <math>g(X)=\sqrt{\frac{\sum_{i=1}^nn_i(m_i-X)^2}{\sum_{i=1}^nn_i}}=\sqrt{\sum_{i=1}^nf_i(m_i-X)^2}</math> dans le cas d'une série [[statistiques élémentaires continues|continue]]. == Voir aussi == * [[Calcul d'erreur]] ([[métrologie]]) * [[écart type]] *[[statistique]] *[[statistique (mathématiques élémentaires)]] [[Catégorie:Statistique descriptive]] [[Catégorie:Métrologie]] [[de:Streuung (Statistik)]] [[en:Statistical dispersion]] [[fi:Hajontaluku]] [[sv:Spridningsmått]]