CM STATISTIQUES

27/01 Introduction La statistique et les statistiques. Origine allemande. Vient du latin status (tat). Dfinition de LA statistique: l'tude des ensembles numriques et de leurs relations = moyen d'obtenir des indications probables sur des ensembles imparfaitement connus. Science qui pour objet le groupement mthodique pour une poque dtermine des faits sociaux qui se prte une valuation numrique. Mthode d'analyse et d'laboration scientifique des faits. Dfinition LES statistiques: ensemble des renseignements numriques dcoulant du recensement de la population, des donnes de registres d'tat civil et d'enqutes appropries. Deux fonctions principales = dcrire les donnes recueillis (statistiques descriptives) et d'infrer les caractristiques d'un ensemble plus large ) partir d'un ensemble restreint (statistiques infrentielles ou inductives). La statistique est une mthode qui met en uvre plusieurs statistiques en caractrisant et en rsumant les donnes par dnombrement ou rpartition. Intrt des l'usage des statistiques en psychologie: la psychologie est une discipline exprimentale. Les progrs de la psychologie repose aussi bien sur des comptences cliniques que sur une solide mthodologie de rechercher et des analyses statistiques. Les outils cliniques (ex: tests, psychomtrie, psychophysiologie et la neuroscience applique) sont issus de recherches approfondies sur de nombreuse donne recueillis partir de multitudes d'exprience. C'est la raison pour laquelle les techniques utilises par les chercheurs en psychologie requirent la connaissance des bases de la statistique, que cela soit dans l'objectif de piloter des expriences ou d'en celui de comprendre et/ou d'affiner les rsultats de recherche publis dans la littrature. I- Statistiques descriptives 1.1 Sries statistiques un caractre 1.1.1 Dfinition Population: ensemble de rfrence concern par les conclusions que l'on souhaite tirer des observations. Le psychologue n'a pas accs l'ensemble de la population la plupart du temps. chantillon: sous-ensemble de la population sur lequel sont rellement effectu les observations. On slectionne un chantillon pris au hasard pour connatre la vie des franais. Deux problmes = il faut construire un chantillon reprsentatif de la population (reprsentativit de l'chantillon) et le passage de l'chantillon la population (gnralisation/infrence). Individu ou unit statistique: reprsente tout lment de la population. On parlera aussi d'observation. Effectf: le nombre d'individu observ. On note cet effectif n (chantillon) ou N (population). Variable ou caractre: reprsente un aspect particulier de l'individu auquel on s'intresse (ge, profession,...). Modalits ou valeurs: les diffrents tat ou rubriques que l'on trouve associ un variable (ex: la variable sexe deux modalits = masculin ou fminin). Les modalits d'une variable doivent prsenter deux proprits = former une partition c'est--dire exhaustive et disjointe et chaque individu on doit pouvoir associer une et une seule modalit. 1.1.2 Les diffrentes catgories de variables A- Les variables qualitatives Variables qualitatives nominales: prsentent des modalits qui sont des noms. On ne peut que faire la liste des ces modalits. Pas d'ordre ni de calcul. Variables qualitatives ordinales: modalits qui sont la plupart du temps des noms. On peut les ordonner. Mme s'il y a un ordre, on ne peut pas valuer l'intervalle entre deux modalits. Pas de

calcul. B- Les variables quantitatives Variables quantitatives discrtes ou discontinues: les valeurs/modalits sont isoles les unes des autres (ex: nombre d'enfants 0;1;2... pas 1,2 ; 3,4;...). Variables quantitatives continues: les valeurs peuvent tre quelconque l'intrieur d'un intervalle dfini. Les limites de l'intervalle sont le minimum et le maximum observs sur la variable.

On peut nommer et ordonner les donnes d'une variable quantitative, on peut aussi faire des calculs. C- Description d'une variable Pour dcrire correctement une variable, on va dterminer la catgorie laquelle elle appartient. On va donner le nombre et la liste des modalits de cette variable, de faon systmatique pour les variables qualitatives et pour les variables quantitatives discrtes, si le nombre de modalits est peu important. Pour les variables numriques, on donne l'intervalle dans lequel se situe les modalits, de faon systmatique pour les variables quantitatives continus et pour les variables quantitative discrtes si le nombre de modalit est important. Intervalle = [min ; max] Il arrive souvent qu'on procde une codage des variables, notamment quand les modalits sont reprsentes par des noms ou des mots. Chaque modalit = un code qui peut tre un chiffre (ex: femme = 2 et homme = 1) mais on ne change pas la qualit de la variable (donc pas de calcul pour les variables qualitatives). Il arrive que ce codage transforme la variable c'est--dire la fait fait changer de catgorie. 1.1.3 Reprsentation des variables en tableau A- Reprsentation en tableau d'une variable qualitative xi ni fi fi % Boeuf mironton 5 0,25 25 Pot au feu 12 0,6 60 Poule au pot 3 0,15 15 Total 20 1 100

Xi = modalits ni = effectifs associs chaque modalits fi = frquence fi= ni / N (o N est l'effectif total) B- Reprsentation en tableau d'une variable quantitative Donnes brutes (non classs): 10; 11; 16; 9; 13; 11; 8; 10; 10; 7; 9; 11; 13; 12; 10; 11; 13; 9; 10; 11; 14; 12; 10; 8 xi ni fi fi % nic fic % c fic % d 7 1 0,04 4 1 4 100 8 2 0,08 8 3 12 96 9 3 0,13 13 6 25 88 10 6 0,25 25 12 50 75 11 5 0,21 21 17 71 50 12 2 0,08 8 19 79 29 13 3 0,13 13 22 95 21 14 1 0,04 4 23 96 8 15 0 0 0 23 96 4 16 1 0,04 4 24 100 4 Total 24 1 100

xi = on inscrit toutes les valeurs indpendamment des valeurs brutes, on se base juste sur le minimum et le maximum. fic % c = frquence cumule croissante fic % d = frquence cumule dcroissante c = cumul

L'effectif cumul d'une modalit donne correspond la somme de son effectif et des effectifs des modalits qui prcdent. Ce cumul peut se faire sur des variables qualitative ordinale. L'intrt est de pouvoir rpondre rapidement aux questions tels que quel est le pourcentage d'tudiants ayant 10 ou moins de 10? (ici il faut regarder la ligne fic % c et la rponse est 50%). 1.1.4 La mise en classe On l'utilise quand le nombre de modalits est trop important. Surtout valable pour les variables quantitatives continues. Une classe = un regroupement des modalits de la variable en un nombre fini de sous-ensemble. Bornes de classe: borne infrieur et borne suprieur [Borne infrieure ; Borne suprieur [ par convention, une classe est un intervalle ferm gauche et ouvert droite. La borne infrieure appartient la classe alors que la borne suprieure est exclue. La classe rend toutes les valeurs qui sont dedans quivalentes. Amplitude ou tendu d'une classe: ai exemple: [0;5[ [5;10[ [10;15[ On calcule cette amplitude de classe faisant la diffrence entre la plus petite valeur qui entre dans une classe et la plus petite valeur qui entre dans la classe suivante. 3/02 Centre d'une classe: ci ci = (borne infrieure + borne suprieure) / 2 Cette valeur est la seule qui permet de faire un calcul avec des classes. Densit d'une classe borne: di di = ni/ai Utile lorsque les classes prsentent des amplitudes ingales. Permet d'avoir une ide de la rpartition des effectifs. ai = 2 Classe d'amplitudes d'tendues gales

xi ni fi%

[7 ; 9[ 3 12,5

[9 ; 11[ 9 37,5

[11 ; 13[ 7 29

[13 ; 15[ 4 17

[15 ; 17[ 1 4

Classes d'effectifs gaux ou quasi-gaux xi ni fi% di [7 ; 10[ 6 25 2 [10 ; 11[ 6 25 6 [11 ; 12[ 5 21 5 [12 ; 17[ 7 29 1,4

Pour savoir remplir la ligne ni il faut regarder les effectifs cumuls dans un des tableau prcdant pour que dans chaque cellule, il y est environ le mme nombre d'individus. Une variable quantitative discrte regroupe en classe devient quivalente une variable quantitative continu. 1.1.5 Reprsentation graphiques Chaque type de variables est reprsent par un type de graphique.

 Variables qualitatives nominales ou ordinales On utilise le diagramme bandes. L'espacement entre les diffrentes bandes n'a aucune signification, on met donc le mme espace.

Diagramme a secteurs:

Diagramme figuratif ou pictogramme: Reprsentation plus imag de la variable, ou utilise de personnages stylis, on va jouer sur deux dimensions: le nom et la taille. Variables quantitatives discrtes Diagramme btons

Nuage de points:

On ne relie pas les points parce que c'est une variable quantitative discrte. Variables quantitatives continues regroupes en classes On utilise un histogramme. Premier cas: classes d'amplitudes gales

Deuxime cas: classe d'amplitude ingales Les rectangles ont une hauteur proportionnelle la densit et une largeur correspondant l'amplitude de chaque classe.

Polygone des frquences ou des effectifs Mme surface que l'histogramme et on l'obtient en reliant les milieux des segments de l'histogramme par un trait. Permet de supprimer l'histogramme pour l'aspect esthtique.

1.1.6 Les paramtres de position ou indices de tendance centrale Valeurs numriques qui rsument une srie statistique en caractrisant l'ordre de grandeur des observations. Ils s'expriment dans la mme unit que les observations. Le mode: mo On appelle mode d'une distribution statistique non-group la valeur observ d'effectif maximum. C'est donc la modalit qui correspond l'effectif le plus grand. Exemple: variable nombre d'abonns 5 journaux (A,B,C,D,E). Journaux % A 10 B 28 C 7 D 40 E 15 Total 100

40 effectif le plus grand. La variable est xi le journal auquel on est abonn son mode est D Lorsque la distribution est relie en classe, elle peut aussi dterminer le mode mais on va distinguer le cas o les classes on des amplitudes gales et le cas o les classes on des amplitudes ingales. Classe d'amplitude gale -< le mode correspond la classe d'effectif maximum. Classe d'amplitude ingale le mode correspond la classe de densit maximum. Lorsqu'on a plusieurs modes, on parle de distribution plurimodales (deux modes: bimodale, trois modes: trimodales). La mdiane: me C'est la valeur qui permet de partager un chantillon en deux sous-groupes d'effectifs gaux. Elle reprsente la modalit pour laquelle on a la moiti des effectifs d'un ct et la moiti des effectifs de l'autre. Si le nombre des observations est impair, par exemple 21, l'individu mdian est le 11me, 10 ont une modalit suprieure la sienne et 10 on une modalit infrieure. Si le nombre des observation est pair, par exemple 20, l'individu mdian ne peut tre qu'un individu fictif, le 10,5me, 10 ont l encore une modalit suprieure la sienne et 10 une modalit infrieure. On peut formaliser le calcul de cet individu mdian en appliquant la formule suivante: (N+1)/2 Exemple: distribution de l'ge d'tudiants en L1. N=147

Tableau 1 Age ni nic

17 2 2

18 15 17

19 37 54

20 34 88

21 21 109

22 18 127

23 15 142

24 5 147

Total 147

Comme N=147, on peut crire (N+1)/2=74, alors la mdiane correspond au 74me individu. Il se trouve parmi les 88 sur la ligne des nic. La mdiane correspond donc la modalit 20. Si la distribution est regroupe en classe: Exemple: reprenons l'exemple prcdant et effectuons une mise en classes d'amplitude 2. Tableau 2 xi ni nic Fic %

[17 ; 19[ 17 17 11,56

[19 ; 21[ 71 88 59,83

[21 ; 23[ 39 127 86,39

[23 ; 25[ 20 147 100

Total 147

N=147 donc la valeur prendre en considration est 74 (74me individu). On peut affiner ce rsultat en utilisant l'interpolation linaire. Calcul de la mdiane par interpolation linaire: Formule de calcul: Me = Linf. + (Sm Einf.)*(a/Ei) Linf.: limite infrieure de la classe mdiane Sm: rang du sujet mdian Einf.: effectif cumul de la classe infrieure (nic) a: l'amplitude de la classe mdiane Ei: l'effectif de la classe mdiane (ni) Sm = 74 Linf = 19 Einf = 17 a=2 Ei = 71 Me = 19 + (74-17) x (2/71) Me = 20,59 Remarque: si la distribution n'est pas regroupe en classes, il est possible de calculer la mdiane par interpolation linaire. Il faut considrer la modalit mdiane (ex: 20) comme une classe (ex: [19,5 ; 20,5]). De plus l'amplitude des classes dans ces condition est gale 1. Exemple: ge des tudiants sans mise en classes Me = 19,5 + (74-54) x 1/34 Me = 20,088 Le quantilage Quantiler c'est dcouper une distribution ordonne en tranches de mmes effectifs. Rang qr = r (N+1)/p (r = numro de quantile; p=nombre de tranches) Les quantilages classiques: Quartilage: on dcoupe la distribution en 4 tranches ce qui dtermine donc 3 quartiles Q1, Q2 et Q3 (Q2 correspond la mdiane); Dcilage: on dcoupe la distribution en 10 tranches ce qui dtermine donc 9 dciles, D1, D2, D3, D4, D5, D6, D7, D8, D9 (D5 correspond la mdiane). Centilage: on dcoupe la distribution en 100 tranches ce qui dtermine donc 99 centiles de C1

C99 (C50 correspond la mdiane). Exemple: ge des 147 tudiants. N=147 Les quartiles: Pour Q1: rQ1 = 1(147+1)/4=37 *Modalit qui contient Q1= 19 (distribution non groupe, tableau 1) *Modalit qui contient Q1= [19 ; 21[ (distribution groupe, tableau 2) *Par interpolation linaire Q1= 19+(37-17)x2/71 Q1= 19,57 10/02 Pour Q2: rQ2=2(147+1)/4=74 *Modalit qui contient Q2 = mdiane = 20 (distribution non groupe; tableau 1) *Modalit qui contient Q2 = mdiane = [19 ; 21[ (distribution groupe, tableau 2) *Par interpolation linaire Q2 = 19+(74-17)x(2/71) Q2 = 20,59 Pour Q3: rQ3=3(147+1)/4=111 *Modalit qui contient Q3 = 22 (distribution non groupe, tableau 1) *Modalit qui contient Q3 = [21 ; 23{ (distribution groupe, tableau 2) *Par interpolation linaire Q3 = 21+(111-88)x(2/39) Q3 = 22,17 Les dciles: Pour D1: rD1= 1(147+1)/10= 14,8 D1 = 18 (tableau 1) D1 = [17 ; 19[ (tableau 2) D1 = 17+(1408-0)x2/17 = 18,74 Pour D2: rD2 = 2(147+1)/10 = 29,6 D2 = 19 (tableau 1) D2 = [19 ; 21[ (tableau 2) D2 = 19+ (29,6-17)x2/71 = 19,35 Pour D3: rD3 = 3(147+1)/10 = 44,4 D3 = 19 (tableau 1) D3 = [19 ; 21[ D3 = 19+(44,4-17)x2/71 = 19,76 Pour D4: rD4 = 4(147+1)/10 = 59,2 D4 = 20 (T1) D4 = [19 ; 21[ (T2) D4 = 19+(59,2-17)x2/71 = 20,18 Pour D5: rD5 = 5(147+1)/10 = 74 D5 = mdiane = 20 (t1) D5 = [19 ; 21[ (t2) D5 = 20,59 D9

L'cart inter-quantiles: L'cart inter-quantiles reprsente reprsente l'cart entre les quantiles extrme, son principal intrt c'est de ne pas prendre en compte les valeurs marginales. Exemple: age des 147 tudiants. L'cart inter-quantiles = Q3 Q1 = 2,6 L'cart inter-dciles = D9 D1 = 4,88 L'cart inter-centiles = C99 C1 = 7,78 C1: r = 1,48 C1 = 17+(1,48 0)x2/17 = 17,17 C99: r = 146,52 C99 = 23+(146,52 127)x2/20 = 24,95 Utilit du quantilage: les quantiles permettent de rpondre des questions du type: au-dessous de quelle valeur trouve-t-on 40% des rsultats de la distribution? Rponse: on calcule la valeur du dcile 4. 10,00% 10,00% 10,00% 10,00% 10,00% 10,00% 10,00% 10,00% 10,00% 10,00% D1 D2 D3 D4 D5 D6 D7 D8 D9 MADOC pour les autres questions. La moyenne note x MADOC La reprsentativit MADOC Cependant, ces 3 paramtres ne donnent pas le mme type d'information. Le monde est le plus simple calculer mais il est sensible aux regroupements des observations. Deux regroupements diffrents peuvent conduire deux modes distincts. La mdiane est dtermine par les effectifs indpendamment des valeurs de la variable. Le calcul de la moyenne est base sur l'ensemble des valeurs xi (des modalits) et de ce fait est trs influence par les valeurs extrmes. Elle varie fortement avec les modalits extrmes. Ex: pour les notes 0 10 10 10 10 la moyenne est de 7,5 pour les notes 20 10 10 10 la moyenne est de 12,5 Lorsque c'est possible, on utilise la moyenne. Elle respecte mieux les proprits des variables. Dans les autres cas, on choisira celui qui reprsente le mieux la distribution. MADOC 1.1.7 Les paramtres de dispersion

x1 et x2 identique mais allure de courbe diffrente. Histoire de dispersion autour de la moyenne. Paramtres de dispersion sont des nombres qui mesurent la dispersion c'est--dire l'cart des diffrentes valeurs observes sur une variable autour d'un paramtre de position tel que la moyenne. Ils mesurent le degr de dispersion autour d'un paramtre de position. On les utilise seulement dans le cas des variables quantitative ou numrique. tendue ou amplitude de distribution Le plus simple calculer mais c'est aussi le plus approximatif. Cette tendue ou amplitude est note W et elle reprsente l'cart entre la plus grande et la plus petite valeur observe. Cela signifie que dans un tableau d'effectif on va calculer la diffrence entre le plus grand et le plus petit xi. MADOC La variance: note v ou s La moyenne des carrs des carts la moyenne. 17/02 MADOC L'cart type: not o (sigma) ou s C'est le paramtre de disperssion de plus utilis et on caractrise souvent la distribution d'une variable quantitative par sa moyenne et son cart type. L'cart type est driv de la variance et sa formule est: v Le principa intrt c'est que l'cart type s'exprime dans la mme unit que les observations alors que la variance s'exprime dans des units qui correspondraient des observations au carr. MADOC On sera ammen utiliser la variance d'chantillon ou variance corrige. MADOC On utilise la variance d'chantillon lorsqu'on dsire faire une infrence sur la variance de la population dont l'chantillon est extrait. Les calculs ont montr que cette estimation tait moins biais en utilisant N 1 quant en utilisant N. MADOC II- Statistiques infrentielles ou inductives 2.1 Infrences Dfinition du dictionnaire: l'infrence est une opration logique par laquelle on admet une proposition en vertu de sa liaison avec d'autres propositions dj tenues pour vraies . Il s'agit donc de passer du connu l'inconnu en se fondant sur un raisonnement logique. Le plus souvent dans le travail du chercheur en scien humaine, le connu repose sur des observations qu'il a recceuilli sur un ensemble ncessairement restreint d'individus (chantillon). L'exploration des ces donnes, leur mise en forme, le travail qui permet de leur faire dire quelque chose concernant le comportement humain font l'objet des statistiques descriptives et constitue la premire tape de l'analyse des donnes. Si le chercheur met en vidence des effets intressants sur ses donnes lors de cette premire tape, son dsir est de savoir dans quelle mesure et avec quel risque ces rsultats connus obtenus sur un nombre limit d'individus peuvent tre gnraliss des rsultats inconnus qu'il aurait pu obtenir sur un ensemble plus important d'individu. Et ainsi faire avancer la connaissance dans son domaine de recherche. 2.1.1 La loi normale Caractristique d'une distribution normale:

Cette loi normale reprsente la distribution la plus populaire, elle correspond celle dont le polygone des frquences ressemble au contour d'une cloche, on l'appelle la loi de LAPLACE-GAUSS, on parle aussi de loi des erreurs et on parle encore de courbe gaussienne. Le terme de normal qui qualifie cette loi fait rfrence au terme naturel. On avait en effet remarqu que de nombreux phnomnes naturels se distrubuaient selon cette courbe en cloche c'est--dire de manire symtrique par rapport la moyenne de la variable. Les effectifs dcroissent rgulirement, au fur et mesure que l'on s'loigne de la moyenne qui reprsente l'axe de symtrie. Le polygone d'effectif correpondant une distribution normale correspond une fonction qui prsente les caractristiques suivantes: parfaitement dfini par la moyenne de la distribution, l'cart type de cette distribution et le nombre d'unit statistique; elle est asymptote l'axe des mesures ( l'axe des x); elle prsente un point d'inflexion (l'endroit o la courbe change de sens) qui est situ une distance gale un cart type de la moyenne. La distribution normale centre rduite MADOC On est en mesure de dterminer la valeur y correspondant aux effectifs partir du moment o on connait la modalit x associ. En posant que l'aire totale comprise entre la courbe et l'axe des x est gale 100% de l'effectif d'une distribution, on peut donc calculer en pourcentage de l'aire totale, l'aire comprise entre la courbe, l'axe de x et certaines valeurs de x ou bien sous la courbe on peut calculer l'aire correspondant certaines valeurs suprieures x. MADOC L'intrt principale de ses tableaux c'est que n'importe quelle loi normale peut se rapporter une loi centre rduite donc on peut utiliser une table de z (voir feuille polycopi). Si une distribution normale a pour paramtres la moyenne et l'cart type alors les caractristiques prcdemment dcrites deviennent:

Exemple d'utilisation: un test de QI a t standardis pour avoir une distribution normale de moyenne 100 et d'cart type 15. 1) Quelle est la proportion d'individu qui ont un QI suprieur ou gal 100? On va avoir recours aux proprits de la loi normale pour rpondre. Puisque symtrique, 50% de chaque

ct de 100 donc 50%. 2) Une association recrute les individus les plus intelligents qu'elle dfinit comme tant ceux ayant un QI gal ou suprieur 130. Cette valeur 130 on peut l'crire: 130 = 100+2*15 donc 130 c'est la moyenne plus deux carts types. On va donc se situ par rapport aux pourcentages deux carts types de la moyenne. On sait que 95% des observations sont comprises entre la moyenne deux carts types et la moyenne + deux carts types, c'est--dire entre 70(100-2*15) et 130(100+2*15). Alors 5% des observations sont extrieurs cet intervalle. La distribution tant symtrique on a donc 2,5% (5/2) des observations qui sont gles ou suprieures 130. MADOC 10/03 Exemples: 1) 265 lves de CP ralisent une preuve d'identification perceptive note sur 60; la distrubution des rsultats est normale. La moyenne est de 37,8 et l'cart type de 6,1. Questions: a) Combien d'lves ont plus de 50? b) Combien d'lves ont moins de 30? c) Combien d'lves ont entre 35 et 44 inclus? a) On trandforme en valeur rduite z= (50,5 37,8)/6,1= 2,082 et on lit dans la table unilatrale que a (alpha) = 0,02; 0,02x265= 5,3 soit environ 5 lves qui ont plus de 50. b) z= (29,5 37,8)/6,1= -1,361; on trouve a (alpha) = 0,085 (0,17/2 car on la trouv dans le tableau bilatral); 0,85x265 = 22,52 soit environ 23 lves qui ont moins de trente. (voir poly) c) Premire borne: 34,5 (note 35) donne z= (34,5-37,8)/6,1= -0,541 donc alpha = 0,29 donc entre le dbut de la distribution et 34,5 on a 0,29. Deuxime borne: 44,5 (45) donne z= (44,5-37,8)/6,1= 1,098 soit z= 1,1 donc alpha= 0,135 donc entre 44,5 et la fin de la distribution on a 0,135. Donc entre 34,5 et 44,5 on a 1-(0,29+0,135)= 0,575 si on multiplie par 265 on obitent 152,375 soit environ 152 lves. 2) Mme distribution que prcdemment: N=265, la moyenne= 37,8 et l'cart type= 6,1. Questions: a) Au-dessus de quelle note a-t-on les 10 meilleurs lves? b) Entre quelles notes se trouvent les 30% du milieu de la distribution? a) 10 donne une proportion de 10/265=0,03774 soit environ 0,04. Pour alpha = 0,04 on trouve z= 1,751. x= 37,8 + 1,75 x 6,1 = 48,775 donc ceux qui ont 49 et plus. b) Les 30% du milieu de la distribution font que 356% se trouvent de art et d'autre de la zone recherche.

Avec la table on trouve z= 0,385. les 30% du milieu de la distribution sont donc ceux dont les notes sont comprises entre z= 0,385 et z= -0,385.

Soit x= 37,8-0,385x6,1= 35,45. Et x= 37,8+0,385x6,1= 40,15. Donc entre 35 et 40. Exemple avec deux inconnues: Un enseignant corrige les copies de statistique de 264 tudians. La distribution des rsultats est normale. Sachant que 15% des tudiants ont plus de 16 et que 60 ont plus de 9, combien ont moins de 6? Solution: 15% des tudiants ont plus de 16 et se trouvent au-dessus de la borne 16,5. 60% des tudiants ont plus de 9 et se trouvent donc au-dessus de la borne 9,5 donc 40% des tudiants se trouvent en dessous de la borne 9,5. Dans la table de la loi normale, la note z correpondant une proportion de 0,15 est de 1,036 soit 1,04, la note z correspondant une proportion de 0,40 est de 0,253 soit 0,25.

Calcul de l'cart type: la distance entre la borne 16,5 et la borne 9,5 est, en note x, de 16,5-9,5= 7 points. La mme distance en note z est de 1,04-(-0,25)= 1,29. 1,29= 7 points donc alpha= 7/1,29= 5,426

Combien ont moins de 6? Connaissant maintenant la moyenne et l'cart-type, la question pose reprsente un simple problme dans lequel il faut dterminer la frquence brute en-dessous de 6 (en-dessous de la borne 5,5). On transforme x en z: z= (5,5-10,857)/5,426= -0,987 soit environ -0,99. pour z = 0,994, la table donne une proportion de 0,16; 264x0,16= 42,24 donc 42 tudiants ont moins de 6. Utilisation des formules de la loi normale