Statistiques

1
Prof : Faizi Hedi
I. Rappels :
Activités 1 et 2 p 236
II. Nuage de point– coefficient de corrélation linéaire
Activité 1 p 238
Définition :
On dit qu’un couple (X, Y) de variables statistiques définies une série double si les deux
Variables X et Y sont observés simultanément sur une même population.
Définition :
Le plan étant rapporté à un repère orthogonal.
Soit une série statistique définie par deux variable X et Y. On désigne par 𝑥1 , 𝑥2 … … . 𝑒𝑡 𝑥𝑛
Les valeurs de X par 𝑦1 , 𝑦2 … … . 𝑒𝑡 𝑦𝑛 celles de Y. L’ensemble des points 𝑀𝑖 (𝑥𝑖 , 𝑦𝑖 ) ; 𝑖 ∈
{1,2 … . 𝑛} est appelé Nuage De Points. Le point 𝐺 (𝑥 , 𝑦 ) est appelé point moyen du nuage.
La moyenne 𝑥 d'une série statistique dont les valeurs du caractère sont x1, x2, x3, …, xk et
1
les effectifs correspondants sont n1, n2, n3, …, nk est égale à :𝑥 = 𝑁 ∑𝑘1 𝑛𝑖 × 𝑥𝑖
La variance V d'une série statistique de moyenne 𝑥 dont les valeurs du caractère sont x1, x2,
x3, …, xk et les effectifs correspondants sont n1, n2, n3, …, nk est égale à :
𝑘 𝑘
1 1 2
𝑉 = ∑ 𝑛𝑖 × (𝑥𝑖 − 𝑥 )2 = ∑ 𝑛𝑖 × 𝑥𝑖2 − 𝑥
𝑁 𝑁
1 1
Les valeurs distinctes prises par la variable X si elle est discrète au les centres des classes.
Si la variable X est continue, l’entier désigne l’effectif de la valeur .
- L'écart-type  d'une série statistique de variance V est égal à : 𝜎 = √𝑉
Activité 2 p 239
Définitions :
1) Soit (X, Y) une série statistique double sur un échantillon de taille n et soit (𝑥𝑖 , 𝑦𝑖 ), 1 ≤
𝑖 ≤ 𝑛 les valeurs numériques prises respectivement par les variables X et Y .
-la distribution marginale de la variable X est la distribution des valeurs 𝑥𝑖 , 1 ≤ 𝑖 ≤ 𝑛
prises par la variable X.
- la distribution marginale de la distribution Y est la distribution des valeurs 𝑦𝑖 1 ≤ 𝑖 ≤ 𝑛
prises par la variable Y.
b)Définition :
Soit (X, Y) une série statistique double sur un échantillon de taille n, on appelle
covariance de (X, Y) Le réel ;noté 𝑐𝑜𝑣 (𝑥, 𝑦)ou 𝜎𝑥𝑦 défini par.
1
𝐶𝑜𝑣(𝑥, 𝑦) = ∑𝑘1(𝑥𝑖 − 𝑋)( 𝑦𝑖 − 𝑌) ou (𝑥𝑖 , 𝑦𝑖 ), 1 ≤ 𝑖 ≤ 𝑘 si X et Y sont discrètes,
𝑁
ou le centre de la classe si l’une des variables est continue.
Théorème
Soit (𝑥𝑖 , 𝑦𝑖 ), 1 ≤ 𝑖 ≤ 𝑘 une série statistique double
1
- 𝐶𝑜𝑣(𝑥, 𝑦) = 𝑁 ∑𝑘1 𝑥𝑖 𝑦𝑖 − 𝑋 𝑌 = 𝑋𝑌 − 𝑋 𝑌
- 𝑐𝑜𝑣(𝑥, 𝑦) = 𝑐𝑜𝑣 (𝑦, 𝑥).
- Cov(x,x)=V(x)
Interprétation de la covariance

2
• La covariance mesure la tendance qu’ont les variables X et Y à varier ensemble.

Prof : Faizi Hedi

• La variance est positive si X et Y ont tendance à varier dans le même sens.
• La covariance est négative si X et Y ont tendance à varier ,en sens contraire.
Activité 2
Le tableau suivant indique l’évolution de 2000 à 2006 du prix moyen au kilogramme,
en DT d’une sorte de poisson.
Année 2000 2001 2002 2003 2004 2005 2006
Rang de l’année 1 2 3 4 5 6 7
Prix 1,2 1,7 1,8 2,6 2,7 3,2 3,3
1) Calculer la moyenne 𝑥̅ 𝑒𝑡 𝑦̅ , le variance 𝑉 (𝑥 ) 𝑒𝑡 𝑉(𝑦) et l’écart type 𝜎(𝑥 )𝑒𝑡 𝜎(𝑦)
2) Représenter le nuage des points 𝑀(𝑥𝑖 , 𝑦𝑖 ) dans un repère orthogonal .Placer le point
moyen (𝑥̅ , 𝑦̅) .
3) Calculer 𝑐𝑜𝑣(𝑥, 𝑦) .
Remarques:
1) La variance permet une mesure de l’écart à la moyenne des valeurs de la variable d’une
série statistique simple.
2) La covariance permet une mesure de la dispersion des points du nuage par rapport au
point moyen.
On admet les propriétés suivantes :
Propriétés :
Soit (𝑥𝑖 , 𝑦𝑖 ), 1 ≤ 𝑖 ≤ 𝑛 une série statistique double. Pour tous réels 𝛼 , 𝛽 .
P1 : 𝑐𝑜𝑣(𝑥 + 𝛼 , 𝑦 + 𝛽 ) = 𝑐𝑜𝑣(𝑥, 𝑦).
P2 : 𝑐𝑜𝑣(𝛼 𝑥, 𝛽 𝑦) = 𝛼𝛽 𝑐𝑜𝑣(𝑥, 𝑦).
Activité 3
Une entreprise achète une machine –outil 10000DT. Le tableau d’amortissement
ci-dessous donne la valeur y ( en DT) de cette machine après x années d’utilisation.
X 1 2 3 4 5
Y 8500 7000 6000 5500 4500
𝑦−4000
1) On pose 𝑥 ′ = 𝑥 𝑒𝑡 𝑦 ′ = 1000 . Calculer 𝑣(𝑥 ′, 𝑦 ′) .
2) En déduire la valeur de 𝑣(𝑥, 𝑦) .
Application
Le tableau suivant donne la répartition de 800 agriculteurs d’après les deux variables
suivantes :X : superficies de l’exploitation agricole en (ha) Y : âge (en année)
X Y [20,30[ [30,40[ [40,50[ [50,60[ 60 et plus
]0,5[ 15 50 90 80 25
[5,15[ 10 45 60 50 20
[15,25[ 8 30 40 35 12
[25,35[ 6 40 35 25 9
[35,45[ 7 20 15 20 8
45 et plus 4 15 10 10 6
1) Calculer la moyenne 𝑥̅ 𝑒𝑡 𝑦̅ , le variance 𝑉 (𝑥 ) 𝑒𝑡 𝑉(𝑦) et l’écart type 𝜎(𝑥 )𝑒𝑡 𝜎(𝑦)
2) Calculer (𝑥, 𝑦) .
Coefficient de corrélation linéaire :
Définition :
On appelle coefficient de corrélation linéaire des variables x et y , le réel 𝑟(𝑥, 𝑦) définie

3
𝑐𝑜𝑣(𝑥,𝑦)
par : 𝑟(𝑥, 𝑦) = 𝜎 𝜎

Prof : Faizi Hedi

𝑥 𝑦
Remarques :
✓ La décision d’ajuster un nuage par une droite se prend jusqu'à présent à la seule vue du
nuage de points, selon que sa forme est allongée ou non.
✓ On s’accorde à dire, pour des raisons qui dépassent le cadre du programme, que :
-Si |𝑟(𝑥, 𝑦)| ∈ [0; 0,70] alors la corrélation entre x et y est faible.
-Si |𝑟(𝑥, 𝑦)| ∈]0,70; 0,95] alors la corrélation entre x et y est forte.
-Si |𝑟(𝑥, 𝑦)| ∈]0,95; 1] alors la corrélation entre x et y est très forte.
On démontre et nous admettons les propriétés suivantes :
✓ −1 ≤ 𝑟(𝑥, 𝑦) ≤ 1 .
✓ Si 𝑟 (𝑥 , 𝑦 ) = 1 alors il y’a une dépendance totale entre x et y , l’une est une
fonction affine de l’autre.
Applications p 242
III. Ajustement :
Introduction :
L’analyse d’un nuage de point 𝑀 (𝑥𝑖 , 𝑦𝑖 ) représentant une série statistique double peut
conduire à la recherche d’une liaison entre les deux variables x et y . Cette liaison aide, entre
autre, à faire des prévisions et à répondre à des questions parfois décisives.
1. Ajustement affine d’une série statistique double :
Activité 1 p 244
Pour trouver une droite qui permet donner un ajustement acceptable ou même optimal on
utilise souvent deux méthodes : méthode des moindres carrées et méthode de Mayer.
Méthode de Mayer :
La méthode de Mayer consiste à :
• Partager le nuage de points en deux parties P1 et P2 situées de part et d’autre par rapport à
une droite parallèle à l’axe des ordonnées et contenant à peu près le même nombre de points.
• Déterminer les points moyens respectifs 𝐺1 et 𝐺2 des parties 𝑃1 et 𝑃2 .
• La droite (𝐺1 𝐺2 ) est alors la droite d’ajustement affine du nuage de points représentant la
série.
• La droite (𝐺1 𝐺2 ) est appelée la droite de Mayer et elle passe par le point moyen G du
nuage global.
Activité 2
Le tableau ci-dessous donne le relevé des valeurs d’une action en DT sur 15 jours
consécutifs d’une bourse.
Jours xi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Valeurs yi 18,8 18,9 18,9 19,5 19,2 19 19,2 19,6 19,5 19,7 19,2 19,7 19,8 20 20,5
On note N1 le nuage de points associé la série ( xi,yi ); i=1,2,...,8 et N2 le nuage des points
restants.
a) Déterminer le point moyen G1 de la première série.
b) Déterminer le point moyen G2 de la deuxième série.
c) Déterminer l’équation de la droite (𝐺1 𝐺2 ) .
d) La droite (G1 G2 ) passe t – elle par le point moyen de la série totale?
Théorème
La droite de Mayer associée à une série statistique passe par le point moyen de cette
série
Application

4
Le tableau suivant présente l’évolution du budget publicitaire et du chiffre d’affaires d’une

Prof : Faizi Hedi

société au cours des 6 dernières années :
Budget publicitaire en milliers de dt xi 8 10 12 14 16 18
Chiffre d’affaire en milliers de dt yi 40 55 55 70 75 95
1) Dans un repère, représenter le nuage de points (xi ; yi).
2) Déterminer les coordonnées du point moyen G du nuage de points.
3) Soit G1, le point moyen associé aux trois premiers points du nuage et G2 le point moyen
associé aux trois derniers points du nuage.
a) Calculer les coordonnées de G1 et G2.
b) On prend (G1G2) comme droite d’ajustement. Tracer cette droite.
4) À l’aide du graphique :
a) Estimer le chiffre d’affaires à prévoir pour un budget publicitaire de 22 000 dt.
b) Estimer le budget publicitaire qu’il faudrait prévoir pour obtenir un chiffre d’affaires de
100 000 dt.
Méthode des moindres carrés :
Cette méthode porte le nom de « moindre carrés » car elle consiste à rechercher la position
de la droite d’ajustement tel que la somme des carrés des longueurs donnant les distances
respectives entre la droite et les points soit minimale.
Théorème : (admis)
La droite de régression de y en x dans un repère orthogonal
associée à la série statistique double (𝑥𝑖 , 𝑦𝑖 ) est la droite qui
Passe par le point moyen 𝐺(𝑥̅ , 𝑦̅ ) et de coefficient directeur
𝑐𝑜𝑣(𝑥,𝑦)
le réel 𝑎 = 𝑉(𝑥) . L’équation réduite de la droite de régression
de y en x est : 𝑦 = 𝑎(𝑥 − 𝑥̅ ) + 𝑦̅
Activité 3
Le tableau ci-dessous représente l’évolution de la population
active (en millier) en
Tunisie depuis 1966.
Année xi 1966 1975 1984 1989 1994 1997 1999 2000 2001 2002 2003
Populatio 1093, 1621, 2137, 2360, 2772, 2978, 3143, 3215, 3292, 3375, 3460,
n yi 5 8 3 6 4 3 9 7 7 7 5
1- Déterminer le point moyen G de la série (𝑥𝑖 , 𝑦𝑖 ) .
2- Représenter, dans un repère orthogonal, le nuage des points associé à cette série double.
L’ajustement affine est-il possible ?
3- a) Donner une équation de la droite de régression y en x.
b) Trouver le nombre de la population active vers l’an 2010.
4- a) Donner une équation de la droite de régression de x en y.
b) Vers quelle année la population active dépasse-t-elle le nombre 5000000 ?
Application
Le tableau suivant indique l’évolution de 2000 à 2006 du prix moyen au kilogramme,
En DT d’une sorte de poisson.
Année 2000 2001 2002 2003 2004 2005 2006
Rang de l’année 1 2 3 4 5 6 7
 Prix 1,2 1,7 1,8 2,6 2,7 3,2 3,3

5
1) Calculer la moyenne 𝑥̅ 𝑒𝑡 𝑦̅ , le variance 𝑉 (𝑥 ) 𝑒𝑡 𝑉(𝑦) et l’écart type 𝜎(𝑥 )𝑒𝑡 𝜎(𝑦)

Prof : Faizi Hedi

2) Représenter le nuage des points 𝑀(𝑥𝑖 , 𝑦𝑖 ) dans un repère orthogonal. Placer le point
moyen (𝑥̅ , 𝑦̅) .
3) Calculer 𝑐𝑜𝑣(𝑥, 𝑦) et
calculer le coefficient de corrélation
entre x et y. L’ajustement affine est-
il possible ?
2- a) Par la méthode des moindres
carrés donner une équation de la
droite de régression de y en x.
b) Estimer le prix au kg de cette
sorte de poisson en 2010.
Application :
On considère la série statistique à
deux variables données dans le tableau suivant :
xi 5 10 15 20 25 30 35 40
yi 13 23 34 44 50 65 75 90
1) Dans un repère, représenter le nuage de points (xi ; yi).
2) a) Déterminer une équation de la droite Δ d’ajustement par la méthode des moindres
carrés.
b) Représenter la droite d’ajustement de y en x.
3) Estimer graphiquement la valeur de x pour y = 70. Retrouver ce résultat par calcul.
Applications p 248
2. Exemples d’ajustements non affines
Exemple 1 : (ajustement polynomial)
Le tableau ci-dessous donne l’évolution de salaires nets en indice, base 100 en 1992
dans un pays industrialisé :
Années 1992 1993 1994 1995 1996 1997 1998 1999
Rang x 0 1 2 3 4 5 6 7
Indice y 100 97,6 96,8 98,4 98,3 99,8 103,3 106,7
1)Représenter la série double (𝑥𝑖 , 𝑦𝑖 ) dans un repère orthogonal.
b) Un ajustement affine est – il justifié ?
2- On propose un ajustement par une fonction polynôme du 2 degré (ajustement quadratique)
représentée par une parabole P d’équation 𝑦 = 𝑎𝑥² + 𝑏𝑥 + 𝑐 .
a) Déterminer les réels a,b et c afin que P passe par les points A(0,100), B (5,100) et C
(7,107) .
b) Construire la parabole P dans le repère précédent.
c) À l’aide de cet ajustement calculer la prévision de l’indice des salaires n et en 2002.
Exemple 2(ajustement par une fonction logarithmique) :
De 1987 à 1997, L’OPEP a augmenté sa production de pétrole, mais de manière ralentie. Le
tableau ci-dessous donne cette production .On note x le rang de l’année et y la production en
millions de tonnes.
On pose X = ln(x) on a obtenu les valeurs arrondies de X à 10−2près.
Année 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997
 Production 𝑦𝑖 944 1065 1137 1232 1231 1297 1332 1333 1368 1408 1423

6
Rang 𝑥𝑖 1 2 3 4 5 6 7 8 9 10 11

Prof : Faizi Hedi

𝑋 = 𝑙𝑛(𝑥𝑖 ) 0 0,69 1,1 1,39 1,61 1,79 1,95 2,08 2,2 2,3 2,4
1- a) Déterminer une équation de la droite de régression de y en X relative à la série
double (𝑋𝑖 , 𝑦𝑖 ) sous la forme : 𝑦 = 𝑎𝑋 + 𝑏, avec 𝑎 et 𝑏 arrondis à l’unité.
b) En déduire une relation entre le rang 𝑥 et la production 𝑦 ∶ 𝑦 = 𝑓 (𝑥).
2- a) Dans un même repère orthogonal, placer le nuage de points 𝑀(𝑥𝑖 ; 𝑦𝑖 ) et représenter
la fonction 𝑓 définie sur [1; +∞[ .
b) À l’aide de cet ajustement ; donner une estimation de la production de pétrole en
2002, si cette politique se poursuit.
Exemple 3 (ajustement par une fonction exponentielle ) :
Chaque année, au mois de septembre, un château ouvre ses jardins au public pendant un
week-end. Le tableau suivant donne l'évolution du nombre des visiteurs de 1995 à 2002.
Années 1995 1996 1997 1998 1999 2000 2001 2002
Rang de l’année 𝑥𝑖 1 2 3 4 5 6 7 8
Nombre de visiteurs 𝑦𝑖 733 910 1053 1350 1619 2154 2440 3112
1) Le plan est rapporté à un repère orthogonal. Représenter, sur une feuille de papier
millimétré, le nuage de points associé à la série statistique (𝑥𝑖 ; 𝑦𝑖 )
2) L’allure du nuage permet d'envisager un ajustement exponentiel. On pose 𝑧𝑖 = 𝑙𝑛𝑦𝑖
a) Recopier et compléter le tableau suivant en arrondissant les résultats à 10−3 près .
𝑥𝑖 1 2 3 4 5 6 7 8
𝑧𝑖 = 𝑙𝑛𝑦𝑖 6,597 6,813
b) Donner l'équation réduite de la droite d'ajustement affine de z en x par la méthode des
moindres carrés. Les coefficients seront arrondis à 10−3 près.
c) En déduire un ajustement exponentiel de la forme 𝑦 = 𝑎𝑒 𝑏𝑥
d) En utilisant cet ajustement, donner une estimation du nombre de visiteurs pour l'année
2003. Le résultat sera arrondi à l'entier près.
Exercice 1 (P 2011)
Le tableau ci-dessous donne l’évolution de la dépense annuelle moyenne par personne,
exprimée en dinars, tous les cinq ans entre 1970 et 2005.
Période [1970,1975[ [1975,1980[ [1980,1985[ [1985,1990[ [1990,1995[ [1995,2000[ [2000,2005[
Rang de la 1 2 3 4 5 6 7
période x
Dépense 147 248 471 716 966 1329 1820
moyenne y
des dépenses
en dinars
Le nuage de points ci-contre associé à la série statistique (x, y) dans un repère orthogonal du
plan suggère un ajustement exponentiel. On pose 𝑧 = 𝑙𝑛 𝑦 .
 7
Prof : Faizi Hedi
1) A) Copier et compléter le tableau suivant de la série statistique (𝑥 , 𝑧).
𝑥 1 2 3 4 5 6 7
𝑧 = ln (𝑦) 6,87
(On donnera les valeurs arrondies au centième près)
b) Déterminer les moyennes 𝑥̅ et 𝑧̅respectives de 𝑥 et 𝑧.
c) Construire dans un repère orthogonal le nuage de points associé à la série (𝑥, 𝑧) et placer
le point moyen ( ̅𝑥 , 𝑧̅ ) .
d) Donner une équation de la droite de régression linéaire (D) de z en x obtenue par la
méthode des moindres carrés. (les coefficients 𝑎 et 𝑏 de cette droite seront arrondis au
centième)
2) a) Vérifier que 𝑦 = 𝛼𝑒 𝛽𝑥 avec 𝛼 ≈ 114,43 𝑒𝑡 𝛽 ≈ 0.42
b) Déterminer une estimation de la dépense moyenne, exprimée en dinars, par personne et
par an pendant la période [2010,2015[.
Exercice 2(ajustement homographique )
Le tableau ci-dessous donne le charge maximale 𝑦𝑖 en tonnes , qu’une grue peut lever une
longueur 𝑥𝑖 en mètres ,de la flèche . (toutes les valeurs arrondis à 10−4 )
Longueur 𝑥𝑖 16,5 18 19,8 22 25 27 29 32 35 39 41,7
Charge 𝑦𝑖 10 9 8 7 6 5,5 5 4,5 4 3,5 3,2
1) a) Calculer 𝑟(𝑥, 𝑦) le coefficient de corrélation entre x et y .
b) Déterminer une équation de la droite de régression de y en x .
c) Déterminer , à l’aide de cet ajustement une estimation de la charge maximale que peut
lever avec une flèche de 30 mètres (arrondis à 10−2 près ).
1
2) On pose 𝑧𝑖 = 𝑦
𝑖
a) Compléter le tableau suivant
Longueur 𝑥𝑖 16,5 18 19,8 22 25 27 29 32 35 39 41,7
𝑧𝑖
b) Calculer 𝑟′(𝑥, 𝑧) le coefficient de corrélation entre x et z .
c) Donner une équation de la droite de régression de z en x .
d) En déduire une relation entre x et la charge 𝑦 = 𝑓(𝑥).
e) Déterminer , à l’aide de cet ajustement une estimation de la charge maximale que peut
lever avec une flèche de 30 mètres (arrondis à 10−2 près ).
3) Quelle est la meilleur estimation en justifiant la réponse ?