Résumé Probat-Stat

In the name of Allah, the Most Gracious, the Most Merciful
$PQZSJHIUEJTDMBJNFS
-BGBDVMUJTBXFCTJUFUIBUDPMMFDUTNFEJDBMEPDVNFOUTXSJUUFOCZ"MHFSJBOBTTJTUBOUQSPGFTTPST
QSPGFTTPSTPSBOZPUIFSIFBMUIQSBDUJDBMTBOEUFBDIFSTGSPNUIFTBNFGJFME
4PNFBSUJDMFTBSFTVCKFDUUPUIFBVUIPShTDPQZSJHIUT
0VSUFBNEPFTOPUPXODPQZSJHIUTGPSUIFNPTUDPOUFOUXFQVCMJTI
-BGBDVMUUFBNUSJFTUPHFUBQFSNJTTJPOUPQVCMJTIBOZDPOUFOUIPXFWFS XFBSFOPUBCMFUPCFJO
DPOUBDUXJUIBMMBVUIPST
*GZPVBSFUIFBVUIPSPSDPQZSJHIUTPXOFSPGBOZLJOEPGDPOUFOUPOPVSXFCTJUF QMFBTFDPOUBDUVTPO
GBDBEN!HNBJMDPNUPTFUUMFUIFTJUVBUJPO
"MMVTFSTNVTULOPXUIBU-BGBDVMUUFBNDBOOPUCFSFTQPOTJCMFBOZXBZPGBOZWJPMBUJPOPGUIF
BVUIPSThDPQZSJHIUT
"OZMVDSBUJWFVTFXJUIPVUQFSNJTTJPOPGUIFDPQZSJHIUThPXOFSNBZFYQPTFUIFVTFSUPMFHBMGPMMPXVQ
Plus de cours sur: www.la-faculte.net merci pour votre visite
Premire anne de mdecine
Biostatistique
Riad Benchoucha
Contactez nous sur facadm16@gmail.com votre service inchallah


Chapitre
1
Dans ce chapitre
1.1 Vocabulaire de base
1.2 Srie statistique
1.3 Reprsentations graphiques
Introduction ltude de la
statistique descriptive
La statistique descriptive est la branche des statistiques qui regroupe les nom-
breuses techniques utilises pour dcrire, cest--dire de rsumer ou reprsenter,
un ensemble relativement important de donnes.

2 Introduction ltude de la statistique descriptive

Population statistique : toute tude statistique porte sur un ensemble appel population. Les lments
de cette population sont les individus (ou unit statistique). Les premires tudes statistiques taient
dmographiques et on a gard ce vocabulaire.
chantillon : lorsque la population est nombreuse, on travaille sur un ou plusieurs chantillons. Pour
tendre les rsultats collects lensemble de la population, il est important que lchantillon soit
reprsentatif et non biais.
Caractre ou variable : lors dune tude statistique, on sintresse un aspect des individus de la popu-
lation appel variable ou caractre.
La variable prend diffrentes valeurs que lon appelle modalits.
Variable quantitative : si on peut mesurer cet aspect, cest--dire y faire des oprations, la variable
est dite de nature quantitative. Exemple : le poids
Si la variable quantitative ne prend que quelques valeurs, dites isoles, elle est discrte.
Exemple : le nombre denfants
Si la variable quantitative prend nimporte quelle valeur dun intervalle, elle est continue.
Exemple : le poids
Variable qualitative : si laspect ne se traduit pas par des nombres, ou nest pas mesurable, la
variable est de nature qualitative. Exemple : la couleur des yeux.
Mesures dans une chelle nominale, les modalits sont exprimables par des noms et ne
sont pas hirarchises.
Exemple : la couleur du pelage, les groupes sanguins, les diffrents nuclotides de lADN.
Mesures dans une chelle ordinale, les modalits traduisent le degr dun tat caractrisant
un individu sans que ce degr ne puisse tre dfini par un nombre qui rsulte dune mesure.
Les modalits sont alors hirarchises.
Exemple : le stade dune maladie.
1.2 Srie statistique

1.2.1 Modalits et classes
A. Variable discrte :
Dans le cas dune variable discrte, les diffrentes modalits du caractre tudi seront notes x1 , x2 , x3
, , xi .
B. Variable continue :
Dans le cas dune variable continue, on procde un regroupement par classes.
Amplitude dune classe : lamplitude, ou lintervalle dune classe statistique borne est sa largeur. Lam-
plitude de la classe [a, b[ est b a. On parle aussi dtendue dune classe.
tendu dune srie statistique : ltendue dune srie statistique est la diffrence entre les deux valeurs
extrmes prises par un caractre quantitatif, on notera : E = xmax xmin .
Regroupement par classes En rgle gnrale, on choisit des classes de mme amplitude. Pour que
la distribution en frquence ait un sens, il faut que chaque classe comprenne un nombre suffisant de
valeurs (ni ).

1.3 Reprsentations graphiques 3
Diverses formules empiriques permettent dtablir le nombre de classes pour un chantillon de

taille N . Nous utiliserons celle-i, soit :
k le nombre de classes (k 2 N) ;
N leffectif total ;
E ltendue de la srie ;
a lamplitude de la classe.
p E
k= N ; a=
k
Remarque : a > E/k , arrondir suprieurement.
1.2.2 Effectif
A. Effectif dune modalit ou dune classe
Leffectif dune modalit xi est gal au nombre dindividus qui prennent cette valeur, on le note ni .
Les diffrents effectifs seront nots n1 , n2 , n3 , . . . . . . , ni .
B. Effectif total
Leffectif total est gal au nombre dindividus de la population, on le note N. On a donc :
i
X
N = n1 + n2 + n3 + . . . . . . + ni = nk
k=1
1.2.3 Frquence
La frquence dune valeur est le rapport de leffectif de cette valeur sur leffectif total.
La frquence de la modalit xi , note fi , est donc gale :
ni
fi =
N
1.2.4 Effectifs ou frquences cumuls

Effectif cumul croissant : leffectif cumul croissant dune valeur xi est la somme des effectifs des va-
leurs infrieures ou gales xi .
Frquence cumule croissante : la frquence cumule croissante dune valeur xi est la somme des fr-
quences de valeurs infrieures ou gales xi .
Effectif cumul dcroissant : leffectif cumul dcroissant dune valeur xi est la somme des effectifs des
valeurs suprieures ou gales xi .
Frquence cumule dcroissante : la frquence cumule dcroissante dune valeur xi est la somme des
frquences des valeurs suprieures ou gales xi .
1.3 Reprsentations graphiques

Les reprsentations graphiques ont lavantage de renseigner immdiatement sur lallure gnrale de
la distribution. Elles facilitent linterprtation des donnes recueillies.
1.3.1 Caractre quantitatif discret

A. Diagramme en btons
Il sert reprsenter en gnral un caractre quantitatif discret. La hauteur de chaque bton reprsen-
tant une valeur est proportionnelle leffectif (ou la frquence) correspondant(e).

Remarque : si 0 (zro) est une modalit du caractre, il est dusage de dcaler lorigine.
B. Polygone des frquences

Le polygone des frquences est obtenu en joignant les sommets des btons par une ligne brise.
C. Diagramme cumulatif
Le diagramme cumulatif est obtenu en reliant les btons cumuls par une ligne en escalier.
1.3.2 Caractre quantitatif continu

A. Histogramme
Il sert reprsenter un caractre quantitatif continu. Laire de chaque rectangle est proportionnelle
leffectif (ou la frquence) de la valeur correspondante.
B. Polygone des frquences

Le polygone des frquences est obtenu en joignant les milieux des sommets des rectangles par une
ligne brise. On joindra les milieux des sommets du premier et dernier rectangle avec, respectivement,
a a
les points (a0 ; 0) et (ak + ; 0).
2 2
C. Courbe cumulative
La courbe cumulative est obtenue en reliant les points ayant pour abscisse la borne suprieur de la
classe et lordonne nic ou fi c . On joindra le premier point obtenu avec le point (a0 ; 0).
Remarque : une courbe cumulative bien trace ne comporte pas de cassures et a une forme en s
allong.
1.3.3 Caractre qualitatif

A. Diagramme bande
Le diagramme bande ou en tuyaux dorgue sert reprsenter un caractre qualitatif (souvent or-
dinal), chaque modalit est reprsente par une bande de longueur proportionnelle leffectif ou la
frquence. Les diffrentes bandes doivent avoir la mme largeur.
Pour comparer des sries dans le temps, il suffit de tracer sur le mme diagramme des bandes juxta-
poses aux premires, dgales largeurs que ces dernires mais de couleurs diffrentes.
Remarque : les modalit tant non mesurables, on ne met pas de flche sur laxe des abscisses.
B. Diagramme circulaire
Le diagramme circulaire ou secteurs sert reprsenter en gnral un caractre qualitatif nominal.
Chaque secteur angulaire reprsentant une valeur ou modalit est proportionnel leffectif (ou frquence)
correspondant.
Remarque : on reprsente souvent les caractres qualitatifs nominaux par un diagramme bandes
car il est plus facile dessiner et permet une comparaison dans le temps de plusieurs sries.

1.3 Reprsentations graphiques 5
Ni
1 2 3 4 5 6 7 8 9 10 Xi
FIGURE 1.1 En bleu le diagramme en btons, en noir le polygone des frquences.
Nic
1 2 3 4 5 6 Xi
FIGURE 1.2 En bleu le diagramme cumulatif.

Fic
1
1 2 3 4 5 6 7 8 9 10 Xi
FIGURE 1.3 En couleurs lhistogramme, en noir le
polygone des frquences. FIGURE 1.4 Courbe cumule.
Australie
Autres
Canada
UK
USA
FIGURE 1.5 Diagramme bande. FIGURE 1.6 Diagramme circulaire.

Chapitre
2
Dans ce chapitre
2.1 Paramtres de position
2.2 Paramtres de dispersion
Les paramtres statistiques
Lorsque lon est en face dune srie statistique comportant un grand nombre
de termes, il devient difficile danalyser directement lensemble des donnes.
Nous avons vu que la reprsentation graphique permettait dextraire une cer-
taine information. En complment de cette analyse qualitative, le statisticien
est amen simplifier la distribution observe par des caractristiques ou para-
mtres, significatives. Nous distinguerons deux types de caractristiques : celles
de la position et celles de dispersion.

8 Les paramtres statistiques
2.1 Paramtres de position

Ces paramtres ont pour objectif dans le cas dun caractre quantitatif de caractriser lordre de
grandeur des observations.
2.1.1 Moyenne arithmtique

Soit un chantillon de n valeurs observes x1 , x2 , , xn dun caractre quantitatif X, on dfinit sa
moyenne arithmtique x comme :
n
1X
x
= xi
n
i=1
Lorsque les valeurs x1 , x2 , , xi se rptent rspectivement n1 , n2 , , ni , il faut les pondrer par

les effectifs correspondants :
i i
1 X X
x
= nk x k ; N = nk
N
k=1 k=1
La moyenne de la srie xi associe aux frquences fi est :

i
X
x
= fk xk
k=1
Pour des donnes groupes en classes, on peut calculer une valeur approximative de la moyenne
en supposant que tous les individus dune classe se situent au centre de celle-ci. xi reprsente alors
le centre de la classe.
2.1.2 Proprits de la moyenne arithmtique

Lorsquon augmente chacune des valeurs du caractre du mme rel b, la moyenne augmente
galement de b (linarit de la moyenne arithmtique) :
x+b=x
+b
Lorsquon multiplie chacune des valeurs du caractre par un mme rel a, la moyenne est multi-
plie par a (linarit de la moyenne arithmtique) :
ax=ax

La somme des carts la moyenne est nulle :
n
X
(xi x
) = 0
i=1
Remarque : On utilisera ces proprits lors dun changement de variable statistique (voir section
2.2.6 page 11).
A. Le mode
Le mode M o dune srie statistique est la valeur du caractre la plus frquente ou dominante dans
lchantillon.
Dans le cas dune variable continue, la classe modale correspond la classe de frquence maximale
dans la distribution des frquences. On peut identifier le mode comme la valeur mdiane de la classe
modale.

2.1 Paramtres de position 9
Remarque : une srie peut tre unimodale ou plurimodale.
B. Quantile dordre
On appelle quantile dordre ( 2]0; 1[) le nombre not q tel quil y ait n des observations qui lui
sont inferieures dans une srie ordonne de taille n.
Certains quantiles ont des noms spciaux :

les 100-quantiles sont appels centiles ou percentiles selon un anglicisme frquent ;
les 10-quantiles sont appels dciles ;
les 5-quantiles sont appels quintiles ;
les 4-quantiles sont appels quartiles ;
le 2-quantile est appel mdiane.
Calcul des quantiles

8
< 1 (x + x
n n+1 ) si n 2 N
q = 2 (2.1)
:
/N
xE[n+1] si n 2
E [n + 1] dsignant la partie entire de n + 1.
Interpolation linaire
Soit f une fonction dfinie sur R, [a; b] un intervalle de R et c un nombre rel .
Quand il nest pas possible de calculer limage de c par f , on utilise une interpolation linaire, cela
consiste remplacer f (c) par g(c) ou g est la fonction affine telle que g(a) = f (a) et g(b) = f (b).
On remplacera alors la courbe reprsentative de f sur [a; b] par la droite (AB). On dit que lon a
dtermin f (c) par interpolation linaire.
g(c)
f(c)
A
a c b
FIGURE 2.1 Interpolation linaire.
f (b) f (a)
f (c) ' f (a) + (c a)
b a
Calcul des quantiles par interpolation linaire

On montre grce au thorme de THALS que :
q l1 n F1
=
l2 l1 F2 F1
Avec :
l1 et l2 les xtrmits de la classe contenant q ;
F1 la frquence (ou effectif) cumule de la classe avant [l1 ; l2 ] ;
F2 la frquence (ou effectif) cumule de la classe [l1 ; l2 ].

10 Les paramtres statistiques
F2
n
F1
l1 q l2
FIGURE 2.2 Interpolation linaire.
2.2 Paramtres de dispersion

Ces paramtres ont pour objectif dans le cas dun caractre quantitatif de caractriser la variabilit
des donnes dans lchantillon.
2.2.1 La variance
Soit un chantillon de n valeurs observes x1 , x2 , , xn dun caractre quantitatif X, x
sa moyenne
arithmtique. On dfinit la variance, note 2 ou var(x) comme la moyenne arithmtique des carrs des
carts la moyenne.
n
2 1X
= (xi )2
x
n
i=1
Lorsque les valeurs x1 , x2 , , xi se rptent rspectivement n1 , n2 , , ni , il faut les pondrer par

les effectifs correspondants :
i i
2 1 X X
= nk (xk )2 ; N =
x nk
N
k=1 k=1
Pour des commodits de calcul, on utilisera la formule dveloppe suivante (thorme de KNIG) :
i i
2 1 X X
= (nk x2k ) 2 ; N =
x nk
N
k=1 k=1
Pour des donnes groupes en classes, xi reprsente le centre de la classe.

De part sa dfinition, la variance est toujours un nombre positif.
La dimension de la variance est le carr de celle de la variable.
2.2.2 Lcart type

Lcart-type dune srie (ou cart quadrique) est la racine carre de sa variance.
p
(x) = V (x)
Lcart-type sexprime dans les mmes units que la moyenne.
Remarque : La variance et lcart-type sont des paramtres de dispersion absolue qui mesurent la
variation absolue des donnes indpendamment de lordre de grandeur des donnes.

2.2 Paramtres de dispersion 11
2.2.3 Coefficient de variation

Le coefficient de variation not CVx est un indice de dispersion relatif gal :
x
CVx =
x

Exprim en pour cent, il est indpendant du choix des units de mesure permettant la comparaison
de distributions de frquence dunit diffrente.
2.2.4 tendu dune srie statistique

Ltendu dune srie statistique est la diffrence entre les deux valeurs extrmes prises par un caractre
quantitatif, on notera :
E = xmax xmin
2.2.5 Lcart absolu moyen

On appelle cart absolu moyen que lon dsigne par e la moyenne arithmtique des carts absolus
entre les valeurs du caractre et la moyenne arithmtique.
i i
1 X X
e= |xk | ; N =
x nk
N
k=1 k=1
2.2.6 cart interquartile

Lintervalle interquartile (cart interquartile) est la diffrence entre le premier et le troisime quartile.
Qi = Q3 Q1
Lintervalle interquartile limine le premier 25% et le dernier 25% soit la tte et la queue, des ob-
servations. On ne garde que les 50% au centre. Lintervalle interquartile est une bonne mesure de la
dispersion des donnes dune variable.
Changement de variable statistique

Le calcul de la variance ou de la moyenne est parfois laborieux cause des valeurs leves de xi ,
cest pourquoi on est souvent ammen effectuer un changement de la variable statistique.
x=ay+b
On choisira :
a lamplitude de la classe ;
b le mode.
On crira y, on calculera y et y
2, respectivement la moyenne de la variance de y, puis on utilisera
ces formules :
x
= a
y+b
2
x = a2 y
2


Chapitre
3
Dans ce chapitre
3.1 Principe fondamental de lanalyse combinatoire
3.2 Arrangements
3.3 Permutations
3.4 Combinaisons
Lanalyse combinatoire
Lanalyse combinatoire est lensemble des techniques qui servent, en math-

matiques, compter (ou dnombrer) le nombre de dispositions que lon peut
former partir des lments dun ensemble fini de grande cardinalit.
13

14 Lanalyse combinatoire
3.1 Principe fondamental de lanalyse combinatoire

Soit une exprience globale compose dune succession de k sous-expriences. Si lexprience 1
a n1 rsultats, la 2 : n2 rsultats ... la k : nk rsultats, alors le nombre total n de rsultats possibles de
lexprience globale est :
k
Y
n= ni
i=1
3.2 Arrangements
3.2.1 Arrangements sans rptition
En mathmatiques, lorsque nous choisissons p objets parmi n objets discernables et que lordre dans
lequel les objets sont slectionns revt une importance, nous pouvons les reprsenter par un k-uplet
dlments distincts et on en constitue une liste ordonne sans rptition possible, cest--dire dans
laquelle lordre des lments est pris en compte, si lon permute deux lments de la liste, on a une liste
diffrente, et un lment ne peut tre prsent quune seule fois.
Une telle liste ordonne est appele un arrangement de n lments p p (p 2 N , n 2 N et p 6 n).

Le nombre darrangements que lon peut faire est not Apn et vaut :
n!
Apn = n(n 1)(n 2)...(n p + 1) =
(n p)!
Exemple : un examen, cinq candidats tirent les uns aprs les autres un sujet dans une urne conte-
nant des questions toutes diffrentes. Le premier tirage se fera sur un ensemble de 50 questions possibles.
chaque tirage suivant, la question qui vient dtre tire est enleve de lurne. Ainsi, en faisant passer
les cinq candidats, le tirage se fait dabord sur 50, puis sur 49, et ainsi de suite jusqu 46 qui reprsente
lensemble des questions restantes dans lurne pour le dernier tirage. Larrangement va consister addi-
tioner chaque modification possible de cet ensemble de dpart la nouvelle probabilit de piocher une
question donne. La solution pour cet exemple est donc un arrangement de 5 (p) 50 (n).
50!
A550 = 50(49)(48)(47)(46) = = 254 251 200
45!
3.2.2 Arrangements avec rptition

Un arrangement avec rptition de p lements choisis parmi n est une liste ordonne de ces p le-
ments avec une eventuelle rptition de un ou plusieurs lements. Le nombre darrangements avec rp-
tition que lon peut faire est not np et vaut :
np = np
Exemple : Dans lexemple prcdant, si on remettait la question tire de nouveau dans lurne
chaque tirage, ce serait un arrangement avec rptition de 5 (p) 50 (n), et la solution vaudrait :
5
50 = 505 = 312 500 000
3.3 Permutations
3.3.1 Permutations sans rptition
Une permutation de n objets distincts, correspond toute suite ordonne de ces n objets distincts ou
tout arrangement n n de ces objets.

3.4 Combinaisons 15
Le nombre de permutations de n objets distincts est not Pn et vaut :
Pn = n!
Remarque : La permutation de n objets constitue un cas particulier darrangement sans rptition de

p objets pris parmi n lorsque p = n.
3.3.2 Permutations avec rptition

On considre n objets parmi lesquels r1 sont semblables entre eux, r2 sont semblables entre eux, ...,
rk sont semblables entre eux.
Le nombre de permutations de ces n lments avec rptitions et not Pn (r1 , r2 , ..., rk ) et vaut :
n!
Pn (r1 , r2 , ..., rk ) = Qk
i=1 ri !
3.3.3 Permutations circulaires

Les permutations circulaires sont les diffrentes dispositions quon peut donner aux objets placs sur
un cercle. Le nombre de permutations circulaires dun ensemble n lments distincts est le nombre
not P Cn dfini par :
P Cn = (n 1)!
Exemple : Pour trois objets, les permutations abc, bca, cab nen font quune, et de mme pour bac,
acb, cba puisquon peut choisir librement le premier objet.
3.4 Combinaisons
3.4.1 Combinaisons sans rptition
En mathmatiques, lorsque nous choisissons p objets parmi n objets distincts (discernables), num-
rots de 1 n et que lordre dans lequel les objets sont placs (ou numrs) na pas dimportance, nous
pouvons les reprsenter par un sous-ensemble k lments.
Un tel sous-ensemble k lments est appel une combinaison de p lments parmi n. Le nombre
de combinaisons que lon peut faire est not Cnp ou nk et vaut :

p n n!
Cn = =
k (n p)! p!
Voici pourquoi :
Il y a Apn manires de tirer p objets parmi les n en les ordonnants.
Une fois les p objets tirs, il y a Pp = p! manires de les ordonner.
Apn
Il y a donc manires de tirer p objets parmi n sans les ordonner.
p!
A. Proprits
Cnp = Cnn p
Cnp = Cnp 1 + Cnp 1

1
n p
Cnp+1 = Cnp
p+1

16 Lanalyse combinatoire
3.4.2 Cominaisons avec rptition

Il sagit de dispositions non ordonnes de p lments pris parmi n, discernables, avec rptition
ventuellement.

n p
= Cn+p 1
k

Chapitre
4
Dans ce chapitre
4.2 Lois de probabilits conditionnelles
Calcul de probalilits
17

18 Calcul de probalilits

Probabilit : la probabilit (du latin probabilitas) est une valuation du caractre probable dun vne-
ment. La probabilit dun vnement est un nombre rel compris entre 0 et 1. Plus ce nombre est
grand, plus le risque (ou la chance, selon le point de vue) que lvnement se produise est grand.
Exprience alatoire : une exprience est dite alatoire si ses rsultats ne sont pas prvisibles avec certi-
tude en fonction des conditions initiales.
preuve : on appelle preuve la ralisation dune exprience alatoire.
Espace fondamental (univers) : lespace fondamental ou univers, not est lensemble de tous les ve-
nements lmentaires dune exprience alatoire.
vnement lmentaire (ventualit) : un vnement lmentaire ou ventualit, not !i est un sous-
ensemble de lunivers constitu dun seul lment.
vnement : on appelle vnement la proprit du systme qui une fois lpreuve effectue est ou nest
pas ralise. Un venement est not par une lettre capitale, par exemple A, il correspond un sous
ensemble de (A ).
vnement certain : lunivers est appel vnement certain.
vnement impossible : lensemble vide ? est appel vnement impossible.
4.1.1 Oprations sur les venements

4.1.2 Lunion
Lvnement A [ B est ralis ds que A ou B est ralis. Dans un lancer de d, si lvnement A
est obtenir un nombre pair et lvnement B obtenir un multiple de 3 , lvnement A [ B est
lvnement obtenir un nombre pair OU un multiple de 3 , cest--dire {2; 3; 4; 6}.
4.1.3 Lintersection
Lvnement A\B (not parfois AB) est ralis ds que A et B sont raliss dans la mme exprience.
Dans un lancer de d, si lvnement A est obtenir un nombre pair et lvnement B obtenir un
multiple de 3 , lvnement est lvnement obtenir un nombre pair ET multiple de 3 , cest--dire
{6}.
vnement contraire : lvnement contraire de A, not A contient tous les lments de qui ne sont
pas dans A. Cest lvnement qui est ralis ds que A nest pas ralis.
vnements incompatibles : lorsque deux vnements ont une intersection vide, cest quil ne peuvent
pas tre raliss au cours dune mme exprience. On les appelle alors vnements incompatibles
ou mutuellement exclusifs.
4.1.4 Probabilit sur un ensemble fini

A. Dfinition mathmatique
chaque vnement on associe un nombre positif compris entre 0 et 1, sa probabilit. fin dviter
toute discussion de nature philosophique sur le hasard, la thorie moderne des probabilits repose sur
laxiomatique suivante :
AXIOMATIQUE DE KOLMOGOROV On appelle probabilit sur un ensemble fini est une
application P de dans [0; 1] vrifiant :
P () = 1 ;
pour tout ensemble dnombrable dvenements incompatibles A1 , A2 ...Ai on a :
i
X
P (A1 [ A2 [ ... [ Ai ) = P (Ak )
k=1

4.2 Lois de probabilits conditionnelles 19
B. Equiprobabilit
Si on estime que toutes les ventualits sont quiprobables, et si on note ||, le cardinal de , cest-
-dire le nombre dlments dans , chaque ventualit a une probabilit dapparition de :
1
P ({!1 }) = P ({!2 }) = ... = P ({!i }) =
||
Dans ce cas, et uniquement dans ce cas la probabilit de lvnement A est donne par la formule :
|A|
P (A) =
||
C. Proprits lmentaires
Des axiomes on dduit immdiatement les proprits suivantes :
Proprit 1 : p() = 1
Proprit 2 : p(;) = 0
Proprit 3 : p(A) = 1 p(A)
Proprit 4 : p(A [ B) = p(A) + p(B) p(A \ B)
Proprit 5 : p(A B) = p(A \ B) = p(A) p(A \ B)
Proprit 7 : p(A [ B [ C) = p(A) + p(B) + p(c) [p(A \ B) + p(A \ C) + p(B \ C) + p(A \ B \ C)]
D. Rappels utiles sur les oprations appliques aux ensembles

Lois associatives
A [ (B [ C) = (A [ B) [ C
A \ (B \ C) = (A \ B) \ C
Lois distributives
A [ (B \ C) = (A [ B) \ (A [ C)
A \ (B [ C) = (A \ B) [ (A \ C)
4.2 Lois de probabilits conditionnelles

4.2.1 Introduction et dfinitions
Supposons que lon sintresse la ralisation dun venement A, tout en sachant quun vnement B
est ralis (voir figure 4.2.1). Si A et B sont incompatibles la question est tranche : A ne se ralisera pas,
mais si A \ B 6= ;, il est possible que A se ralise ; cependant, lunivers des possibles nest plus tout
entier, mais est restreint B. En fait, seule nous intresse la ralisation de A linterieur de B, cest--dire
A \ B par rapport B.
Ceci justifie la dfinition suivante :
DFINITION
Soit B un vnement de probabilit non nulle. On appelle probabilit conditionnelle A
sachant B (ou encore de A si B) le rapport not P (A/B) :
P (A \ B)
P (A/B) =
P (B)
En cas dquiprobabilit, nous aurons :
|A \ B|
P (A/B) =
|B|

20 Calcul de probalilits
B
A
FIGURE 4.1 Intersection de deux sous ensembles A et B.
A. Probabilit de lintersection
Pour deux vnements nous avons :
P (A \ B) = P (A/B) P (B) = P (B/A) P (A)
Pour plus de deux vnements, nous aurons :
P (A \ B \ C) = P (A) P (B/A) P (C/A \ B)
4.2.2 Indpendance
A. Indpendance de deux vnements
DFINITION
A est indpendant de B si P (A/B) = P (A)
A et B sont indpendants si et seulement si P (A/B) = P (A) et P (B/A) = P (B)
A et B sont indpendants si et seulement si P (A \ B) = P (A) P (B)
B. Indpendance mutuelle
DFINITION
Soit A1 , A2 , ..., An des vnements, ils sont dits mutuellement indpendants si et seulement
sils sont indpendants deux deux.
C. Formules de BAYES
Les formules de BAYES ont pour but dexprimer P (A/B) en fonction de P (B/A).
Soit Bi un systme complet dvnements.
Premire formule X
P (A) = P (A/Bi ) P (Bi )
i
Deuxime formule
P (A/Bi ) P (Bi )
P (Bi /A) = P
k P (A/Bk ) P (Bk )

Table des matires
1 Introduction ltude de la statistique descriptive 1

1.1 Vocabulaire de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Srie statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Modalits et classes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
A. Variable discrte : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
B. Variable continue : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.2 Effectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
A. Effectif dune modalit ou dune classe . . . . . . . . . . . . . . . . . . 3
B. Effectif total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.3 Frquence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.4 Effectifs ou frquences cumuls . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Reprsentations graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.1 Caractre quantitatif discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
A. Diagramme en btons . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
B. Polygone des frquences . . . . . . . . . . . . . . . . . . . . . . . . . . 4
C. Diagramme cumulatif . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.2 Caractre quantitatif continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
A. Histogramme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
B. Polygone des frquences . . . . . . . . . . . . . . . . . . . . . . . . . . 4
C. Courbe cumulative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.3 Caractre qualitatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
A. Diagramme bande . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
B. Diagramme circulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Les paramtres statistique 7

2.1 Paramtres de position . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.1 Moyenne arithmtique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.2 Proprits de la moyenne arithmtique . . . . . . . . . . . . . . . . . . . . . . . 8
A. Le mode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
B. Quantile dordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Paramtres de dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 La variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2 Lcart type . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.3 Coefficient de variation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
21

22 TABLE DES MATIRES
2.2.4 tendu dune srie statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.2.5 Lcart absolu moyen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.6 cart interquartile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3 Lanalyse combinatoire 13
3.1 Principe fondamental de lanalyse combinatoire . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Arrangements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2.1 Arrangements sans rptition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2.2 Arrangements avec rptition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3 Permutations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3.1 Permutations sans rptition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3.2 Permutations avec rptition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.3.3 Permutations circulaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.4 Combinaisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.4.1 Combinaisons sans rptition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
A. Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.4.2 Cominaisons avec rptition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4 Calcul de probalilits 17
4.1 Vocabulaire de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.1.1 Oprations sur les venements . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.1.2 Lunion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.1.3 Lintersection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.1.4 Probabilit sur un ensemble fini . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
A. Dfinition mathmatique . . . . . . . . . . . . . . . . . . . . . . . . . 18
B. Equiprobabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
C. Proprits lmentaires . . . . . . . . . . . . . . . . . . . . . . . . . . 19
D. Rappels utiles sur les oprations appliques aux ensembles . . . . . . . 19
4.2 Lois de probabilits conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2.1 Introduction et dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
A. Probabilit de lintersection . . . . . . . . . . . . . . . . . . . . . . . . 20
4.2.2 Indpendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
A. Indpendance de deux vnements . . . . . . . . . . . . . . . . . . . . 20
B. Indpendance mutuelle . . . . . . . . . . . . . . . . . . . . . . . . . . 20
C. Formules de BAYES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

Résumé Probat-Stat

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Résumé Probat-Stat

Încărcat de

Drepturi de autor:

Formate disponibile

In the name of Allah, the Most Gracious, the Most Merciful

Premire anne de mdecine

Contactez nous sur facadm16@gmail.com votre service inchallah

Contactez nous sur facadm16@gmail.com votre service inchallah

Contactez nous sur facadm16@gmail.com votre service inchallah

2 Introduction ltude de la statistique descriptive

1.1 Vocabulaire de base

1.2 Srie statistique

Dans le cas dune variable continue, on procde un regroupement par classes.

Contactez nous sur facadm16@gmail.com votre service inchallah

1.3 Reprsentations graphiques 3

Diverses formules empiriques permettent dtablir le nombre de classes pour un chantillon de

1.2.4 Effectifs ou frquences cumuls

1.3 Reprsentations graphiques

1.3.1 Caractre quantitatif discret

Contactez nous sur facadm16@gmail.com votre service inchallah

4 Introduction ltude de la statistique descriptive

B. Polygone des frquences

1.3.2 Caractre quantitatif continu

B. Polygone des frquences

1.3.3 Caractre qualitatif

Contactez nous sur facadm16@gmail.com votre service inchallah

1.3 Reprsentations graphiques 5

FIGURE 1.1 En bleu le diagramme en btons, en noir le polygone des frquences.

FIGURE 1.2 En bleu le diagramme cumulatif.

Contactez nous sur facadm16@gmail.com votre service inchallah

6 Introduction ltude de la statistique descriptive

FIGURE 1.5 Diagramme bande. FIGURE 1.6 Diagramme circulaire.

Contactez nous sur facadm16@gmail.com votre service inchallah

Les paramtres statistiques

Contactez nous sur facadm16@gmail.com votre service inchallah

8 Les paramtres statistiques

2.1 Paramtres de position

2.1.1 Moyenne arithmtique

Lorsque les valeurs x1 , x2 , , xi se rptent rspectivement n1 , n2 , , ni , il faut les pondrer par

La moyenne de la srie xi associe aux frquences fi est :

2.1.2 Proprits de la moyenne arithmtique

Contactez nous sur facadm16@gmail.com votre service inchallah

2.1 Paramtres de position 9

Remarque : une srie peut tre unimodale ou plurimodale.

Certains quantiles ont des noms spciaux :

Calcul des quantiles

FIGURE 2.1 Interpolation linaire.

Calcul des quantiles par interpolation linaire

Contactez nous sur facadm16@gmail.com votre service inchallah

10 Les paramtres statistiques

FIGURE 2.2 Interpolation linaire.

2.2 Paramtres de dispersion

Lorsque les valeurs x1 , x2 , , xi se rptent rspectivement n1 , n2 , , ni , il faut les pondrer par

Pour des donnes groupes en classes, xi reprsente le centre de la classe.

2.2.2 Lcart type

Lcart-type sexprime dans les mmes units que la moyenne.

Contactez nous sur facadm16@gmail.com votre service inchallah

2.2 Paramtres de dispersion 11

2.2.3 Coefficient de variation

2.2.4 tendu dune srie statistique

2.2.5 Lcart absolu moyen

2.2.6 cart interquartile

Changement de variable statistique

Contactez nous sur facadm16@gmail.com votre service inchallah

Contactez nous sur facadm16@gmail.com votre service inchallah

Lanalyse combinatoire est lensemble des techniques qui servent, en math-

Contactez nous sur facadm16@gmail.com votre service inchallah

3.1 Principe fondamental de lanalyse combinatoire