Probabilités et Statistiques.
Statistiques descriptives
Les statistiques descriptives offrent une description quantitative des caractéristiques d’un échantillon de
données, telles que la moyenne ou l’écart-type.
La moyenne
Pour un vecteur A de longueur finie composé de N observations scalaires, la moyenne est définie comme
𝑁
1
𝐸(𝐴) = ∑ 𝑛𝑖 𝑥𝑖
𝑁
𝑖=1
>> M = mean(A), renvoie la moyenne des éléments de A la première dimension du tableau dont la taille est
supérieure à 1.
Si A est un vecteur, alors mean(A) renvoie la moyenne des éléments.
Si A est une matrice, mean(A) renvoie alors un vecteur ligne contenant la moyenne de chaque colonne.
La médiane
>> M = median(A), renvoie la valeur médiane de A.
Si Aest un vecteur, median(A) renvoie la valeur médiane de A.
S'il As'agit d'une matrice non vide, median(A) traite les colonnes de A comme des vecteurs et renvoie
un vecteur ligne de valeurs médianes.
Quartiles
P = prctile(A,p) renvoie les percentiles des éléments dans les données d'entrée A pour les pourcentages p dans
l'intervalle [0,100].
On note Q1 le quartile 25%, Q2 la médiane, et Q3 le quartile 75%.
Le mode
Valeurs les plus fréquentes dans le tableau
>> M = mode(A) renvoie le mode d'échantillonnage de A, qui est la valeur la plus fréquente dans A. Lorsque
plusieurs valeurs apparaissent également fréquemment, mode renvoie la plus petite de ces valeurs
Si A est un vecteur, alors mode(A) renvoie la valeur la plus fréquente de A.
Si A est une matrice non vide, alors mode(A) renvoie un vecteur ligne contenant le mode de chaque
colonne de A.
Variance
Pour un vecteur A de longueur finie composé de N observations scalaires, la variance est définie comme
𝑉𝑎𝑟(𝐴) = 𝐸(𝐴2 ) − 𝐸(𝐴)2
>> V = var(A) renvoie la variance des éléments de A le long de la première dimension du tableau dont la taille
est supérieure à 1
Écart-type est la racine carre de la variance S(A)
>> S=sqrt(V) ou >> S = std(A)
Covariance
𝐶𝑜𝑣(𝐴, 𝐵) = 𝐸(𝐴𝐵) − 𝐸(𝐴)𝐸(𝐵)
>> C = cov(A) renvoie la covariance.
Si A est un vecteur d'observations, est la variance C à valeur scalaire.
Si A est une matrice dont les colonnes représentent des variables aléatoires et dont les lignes
représentent des observations, C est la matrice de covariance avec les variances de colonnes
correspondantes le long de la diagonale.
𝐶𝑜𝑣(𝐴, 𝐴) 𝐶𝑜𝑣(𝐴, 𝐵)
( )
𝐶𝑜𝑣(𝐵, 𝐴) 𝐶𝑜𝑣(𝐵, 𝐵)
Coefficient de corrélation
𝐶𝑜𝑣(𝐴, 𝐵)
𝜌(𝐴, 𝐵) =
S(A) S(B)
>> R = corrcoef(A) renvoie la matrice des coefficients de corrélation pour A, où les colonnes A représentent des
variables aléatoires et les lignes représentent des observations.
Boîte à moustaches
boxplot(x) crée une boîte à moustaches des données dans x. Si x est un vecteur, boxplot trace une boîte. Si x est
une matrice, boxplot trace une boîte pour chaque colonne de x.
Sur chaque boîte, la marque centrale indique la médiane, et les bords inférieur et supérieur de la case indiquent
respectivement les 1er et 3eme quartiles. Les moustaches s'étendent jusqu'aux points de données les plus
extrêmes qui ne sont pas considérés comme des valeurs aberrantes (outliers), et les valeurs aberrantes sont
tracées individuellement à l'aide du '+' symbole de marqueur.
Régression linéaire
L’équation de régression linéaire est donnée par 𝑦 = 𝑎𝑥 + 𝑏, tel que a,b sont données par
les formules suivantes :
𝑆(𝑌)
𝒂 = 𝜌(𝐴, 𝐵)
𝑆(𝑋)
𝒃 = 𝐸(𝑌) − 𝑎𝐸(𝑋)
Pour calculer la régression linéaire en MATLAB, vous pouvez utiliser la fonction polyfit. Cette fonction ajuste
un polynôme de degré spécifié à vos données, ce qui équivaut à une régression linéaire pour un polynôme de
degré 1