Statistique sans les chiffres
Franck Bien
Ilyess El Karouni
Sébastien Plociniczak
ellipses
Introduction générale13
Partie I : Statistique descriptive univariée15
Chapitre 1. Statistique descriptive univariée (1). Terminologie de base et présentation de distributions de données (tableaux statistiques)16
1). Terminologie et notations de base17
1.1). Population, individu, échantillon18
1.2). Caractère, modalité et variable statistique19
1.3). Effectifs et fréquences22
2). Présentation des données : les tableaux statistiques23
2.1). Distribution des effectifs ou des fréquences relatives : des données brutes au tableau statistique23
2.2). Distribution des effectifs et des fréquences cumulées25
3). Applications27
3.1). Enoncés27
3.2). Corrigés28
Chapitre 2. Statistique descriptive univariée (II). Représentations graphiques31
1). Graphiques pour variables qualitatives32
1.1). Présentation32
1.2). Le diagramme circulaire32
1.3). Le diagramme en tuyaux d'orgue34
2). Graphiques pour variables quantitatives36
2.1). Présentation36
2.2). Variables quantitatives discrètes37
2.3). Variable quantitative continue (ou réparties en classes)39
3). Applications43
3.1). Énoncés43
3.2). Corrigés44
Chapitre 3. Statistique descriptive univariée (III). Indicateurs numériques47
1). Indicateurs de position (de tendance centrale)48
1.1). Mode et la classe modale : un centre d'activité48
1.2). Médiane : un centre de rang robuste49
1.3). Quantiles (fractiles) : distribution groupée51
1.4). Moyenne arithmétique : un centre de gravité non robuste52
2). Indicateurs de dispersion : résumer la dispersion des données53
2.1). Etendue et écart (intervalle) interquartile53
2.2). Ecart absolu moyen, variance l'écart-type54
2.3.). Coefficient de variation56
3). Diagramme en boite (ou boite à moustaches)56
4). Indicateurs de forme57
4.1). Variable centrée réduite57
4.2). Moments d'une distribution57
4.3). Asymétrie et aplatissement58
5). Applications60
5.1). Enoncés60
5.2). Corrigés61
Partie II : Probabilités et statistique63
Chapitre 4. Probabilités et statistique (I). Des variables aléatoires aux lois (distributions) de probabilité discrètes64
1). Probabilité et variable aléatoire65
1.1). Modéliser une expérience aléatoire65
1.2). Des variables aléatoires aux lois de probabilité66
1.3). Caractéristiques d'une variable aléatoire discrète : l'espérance et la variance70
2). Lois de probabilité discrètes71
2.1). Loi discrète uniforme72
2.2). Loi de Bernouilli bêta (p) et loi binomiale bêta (n,p)72
2.3). Loi de Poisson P (lambda)76
2.4). Loi géométrique G (p)79
3). Applications79
3.1). Enoncés79
3.2). Corrigés81
Chapitre 5. Probabilités et statistiques (II). Variables aléatoires et lois (distributions) de probabilité continues85
1). Principes généraux des lois continues86
2). Loi normale88
2.1). Propriétés88
2.2). Loi normale centrée et réduite90
2.3). Règles de calcul et utilisation de la table92
2.4). Exemples d'application96
2.5). Approximation par la loi normale97
3). Lois dérivées de la loi normale99
3.1). Loi du X2 (v)100
3.2). Loi de Student S (v)101
4). Loi exponentielle
102
4.1). Présentation102
4.2). Exemple104
5). Applications
105
5.1). Enoncés105
5.2). Corrigés106
Partie III : Théorie de la décision109
Chapitre 6. Théorie de la décision (I). Prise de décision unique (sur une période) en situation d'incertitude110
1). Notions de base du problème de la décision individuelle
111
1.1). Ensemble des alternatives112
1.2). Etats de la nature112
1.3). Résultats113
2). Prise de décision et informations sur les états de nature : de la certitude à l'extrême incertitude
113
2.1). Situation de certitude113
2.2). Situation d'extrême incertitude (non mesurable)114
2.3). Situation d'incertitude partielle (risque mesurable)118
2.4). Valeur de l'information (le coût de l'incertitude)119
3). Applications
120
3.1). Enoncés120
3.2). Corrigés122
Chapitre 7. Théorie de la décision (II) Prise de décisions multi-périodes en situation d'incertitude125
1). Construction d'un arbre de décision126
1.1). Règle de construction de décision126
1.2). Procédure d'exploration127
1.3). Construction d'un arbre à partir de l'exemple SER-Numérifibre128
2). Analyse d'un arbre de décision
130
2.1). Procédure inverse de résolution130
2.2). Résolution d'un arbre à partir de l'exemple SER-Numérifibre131
3). Résolution d'un problème de décision de grande dimension
132
3.1). Problème132
3.2). Construction de l'arbre133
3.3). Résolution à rebours de l'arbre135
4). Applications
136
4.1). Enoncés136
4.2). Corrigés137
Partie IV : Statistique inferentielle139
Chapitre 8. Statistique inferentielle (II). Estimation et intervalles de confiance140
1). Grands principes de l'échantillonnage et de l'estimation
141
1.1). Echantillonnage et échantillon142
1.2). Estimation ponctuelle et estimateur143
1.3). Principaux estimateurs144
1.4). Estimateur et propriétés144
2). Estimation par intervalle de confiance
148
2.1). Précision et intervalle de confiance148
2.2). Intervalle de confiance de la moyenne149
2.3). Intervalle de confiance d'une proportion150
2.4). Comparaison d'une moyenne et d'une proportion à une norme152
3). Applications
154
3.1). Enoncés154
3.2). Corrigés155
Chapitre 9. Statistique inferentielle (II). Tests d'hypothèse : comparaisons de moyennes et de proportions157
1). Principe des tests d'hypothèse
158
1.1). Choix de l'hypothèse à tester158
1.2). Choix d'un test statistique160
1.3). Choix de la région critique et règle de décision161
1.4). Risques d'erreur, puissance et robustesse d'un test162
2). Tests de comparaison portant sur les moyennes
164
2.1). Mécanique des tests164
2.2). Echantillons indépendants ou appariés165
2.3). Comparaison de 2 moyennes avec échantillons indépendants167
2.4). Comparaison de 2 moyennes avec échantillons dépendants ou appariés169
3). Applications
172
3.1). Enoncés172
3.2). Corrigés173
Chapitre 10. Statistique inferentielle (III). Test du Khi-deux176
1). Principes généraux du test du Khi-deux
178
1.1). Hypothèses et tableaux de contingence178
1.2). Détermination de la valeur calculée (...) et de la valeur seuil (...)180
1.3). Détermination de la région critique183
1.4). L'interprétation des variantes du test184
1.5) Conditions de validité du test du Khi-deux185
2). Test d'ajustement du Khi-deux
185
2.1). L'organisation des données à partir d'un exemple185
2.2). La pratique du test d'ajustement du Khi-deux en 4 étapes186
3). Test d'indépendance du khi-deux
188
3.1). Organisation des données à partir d'un exemple189
3.2). Pratique du test d'indépendance du Khi-deux en 4 étapes189
4). Applications
192
4.1). Enoncés192
4.2). Corrigés192
Partie V : Pour aller plus loin. Lier le futur au passé : prévision et régression197
Chapitre 11. Lier le futur au passé. Prévision et régression (I) la prévision extrapolative198
1). Prévision et horizon temporel
200
2). Différents types de séries
201
2.1). La série stationnaire202
2.2). Série tendancielle203
2.3). Série saisonnière204
3). Les modélisations des séries chronologiques
206
3.1). Série stationnaire206
3.2). Série tendancielle de type linéaire210
3.3). Série saisonnière215
4). Choix d'une modélisation
224
5). Applications
225
5.1). Enoncés225
5.2). Corrigés226
Chapitre 12. Lier le futur au passé. Prévision et régression (II). La régression linéaire simple, une introduction230
1). Corrélation
232
2). Propriétés d'un modèle de régression linéaire
237
3). Méthode des moindres carrés ordinaires
238
4). Mesure de la qualité du modèle
239
4.1). Coefficient de détermination239
4.2). Etude des résidus réduits241
5). Application
243
5.1). Enoncé243
5.2). Corrigé243
Tables statistiques247
Lexique257
Bibliographie259