Chapitre4 Esa Slides

Statistique Descriptives de deux variables
Khalid BOUIHAT
Ecole Supérieure des Affaires- Casablanca

Filière : Commerce et gestion
le 4 Mai 2023
Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 1 / 33

Plan
1 Généralités
2 Distribution marginales
Effectifs et fréquences cumulés
Moyennes marginales
Variances marginales
3 Distribution conditionnelle
Définitions
Moyennes
Variances
4 Relation entre distributions marginales et conditionnelles
5 Dépendance et indépendance statistique
Définition
La notion de covariance
Propriétés

Généralités
Définition :
Soient deux caractères X et Y définis sur une même population d’effectif
total N (X et Y peuvent être tous les deux qualitatifs, tous les deux
quantitatifs, ou l’un qualitatif ou l’autre quantitatif). La distribution
statistique à deux dimension relative au couple (X , Y ) est définie par la
donnée :
des n valeurs possible x1 , x2 , . . . , xn de X
des m valeurs possible y1 , y2 , . . . , ym de Y
des n × m effectifs correspondents aux observations (X = xi , Y = yj )
notés nij
Remarques :
Si X est qualitatif, xi représente la modalité numéro i de ce caractère.
Si X est quantitatif xi représente la i ème valeur de ce caractère ou le
centre de i ème classe.
De même pour Y .

Généralités
Exemple (Effecifs parcielles et marginales) :

On étudie le poids et la taille notés P et T de 100 étudiants pris au hasard
dans une faculté. On a obtenu les données suivantes :
Pen Kg/T en cm 150 155 160 165 170 E. marginales

50 3 5 4 3 2 17
55 5 7 7 8 7 34
60 6 6 4 6 8 30
65 4 5 3 2 5 19
E. marginales 18 23 18 19 22 N = 100

Généralités
Quelques définitions :
La casae de la 3ème colonne et la 2ème ligne noté n23 = 7 appelé
effectif partiel et represente le nombre d’étudiants qui ont un poids de
55kg et une taille 160cm
n2. = 34 c’est l’effectif marginal des étudiant ayant un poids égal
55kg et une taille quelconque
n2. = n21 + n22 + n23 + n24 + n25
n.2 = n12 + n22 + n32 + n42 c’est l’effectif marginal des étudiants
mesurant 155cm avec un poids quelconque

Généralités
Présentation en tableau :
Comme le cas de dimension 1, on représente les variables par leurs
effectifs, mais dans ce cas a chaque couple (xi , yj ) on fait correspondre
l’effectif nij . On construit un tableau à double entrée des effectives (ou de
contingence) ayant la forme suivante :
X/Y y1 ... yj ... ym E. marginales

x1 n11 ... n1j ... n1m n1.
.. .. .. .. ..
. . ... . ... . .
xi ni1 ... nij ... nim ni.
.. .. .. .. ..
. . ... . ... . .
xn nn1 ... nnj ... nnm nn.
E. marginales n.1 ... n.j ... n.m n.. = N

Généralités
nij est l’effectif ou la fréquece absolut (le nombre de répitition) de

(xi , yj ).
ni. l’effectif de la valeur xi (aussi, le total des effectifs de la ligne i) :
m
X
ni. = ni1 + ni2 + · · · + nim = nij
j=1
n.j l’effectif de la valeur yj (aussi, le total des effectifs de la colonne

j) :
X n
n.j = n1j + n2j + · · · + nnj = nij
i=1
N.. le nombre dindividus (aussi, l’effectif total) :

n
X m
X n X
X m
N.. = ni. = n.j = nij = N
i=1 j=1 i=1 j=1

Généralités
Exemple (Fréquences parcielles et marginales) :

De la même façon, on peut constuire un tableau à double entrée (ou
tableau de contingence) des féquences relative :
Pen Kg/T en cm 150 155 160 165 170 F. marginales

50 0.03 0.05 0.04 0.03 0.02 0.17
55 0.05 0.07 0.07 0.08 0.07 0.34
60 0.06 0.06 0.04 0.06 0.08 0.30
65 0.04 0.05 0.03 0.02 0.05 0.19
F. marginales 0.18 0.23 0.18 0.19 0.22 F =1

Généralités
De la même façon, on peut constuire un tableau à double entrée (ou

tableau de contingence) des féquences relative, c’est un tablau de type :
X/Y y1 ... yj ... ym F. marginales

x1 f11 ... f1j ... f1m f1.
.. .. .. .. ..
. . ... . ... . .
xi fi1 ... fij ... fim fi.
.. .. .. .. ..
. . ... . ... . .
xn fn1 ... fnj ... fnm fn.
F. marginales f.1 ... f.j ... f.m F.. = 1

Généralités
fij est la fréquece relative de (xi , yj ) :

nij
fij =
N
fi. fréquence marginale de l’observation (X = xi ) :

m
ni. X
fi. = = fij
N
j=1
f.j la fréquence marginale de l’observation (Y = yj ) :

n
n.j X
f.j = = fij
N
i=1
on a :
n
X m
X n X
X m
f.. = fi. = f.j = fij = 1
i=1 j=1 i=1 j=1

Distribution marginales
Définitions :
A partir de la distribution conjointe de (X , Y ), on peut déduire la
distribution de X seul et Y seul.
la distribution marginale de X est donnée par :
{(xi , ni. )} ∀i = 1, 2, . . . , n
Le tablau statistique de cette distribution est
X E F
x1 n1. f1.
.. .. ..
. . .
xi ni. fi.
.. .. ..
. . .
xn nn. fn.
Total N 1

Distribution marginales
La distribution marginale de Y est
{(yi , n.j )} ∀j = 1, 2, . . . , m
Le tablau statistique de cette distribution est
Y E F
y1 n.1 f.1
.. .. ..
. . .
yi n.j f.j
.. .. ..
. . .
ym n.m f.m
Total N 1

Distribution marginales Effectifs et fréquences cumulés
On appelle effectif cumulé partielle du couple de valeurs (Xi , Yj ) le nombre

d’individus Nij tel que :
X
Nij = nsk
s≤i,k≤j
Exemple
X
N22 = nsk = n11 + n12 + n21 + n22 = 20
s≤2,k≤2
j
X
L’effectif cumulé marginal est noté N.j = N.t
t=1
Exemple
N3. : c’est la sommes de tous les effectifs marginales des couples (Pi , Tj )
pour lesquels Pi ≤ 3 c’est à dire :
3
X
N.3 = nt3 = N13 + N23 + N33 = 17 + 34 + 30 = 81
t=1

Distribution marginales Effectifs et fréquences cumulés
On appelle fréquence partielle cumulée du couple de valeurs (Xi , Yj ) est

définie comme suit :
Nij
Fij =
N
Exemple
X
F22 = fsk = f11 + f12 + f21 + f22 = 0.2
s≤2,k≤2
j
X
La fréquence marginale cumulée est noté F .j = F.t
t=1
Exemple
F3. : c’est la sommes de tous les fréquences marginales des couples (Pi , Tj )
pour lesquels Pi ≤ 3 c’est à dire :
3
X
F.3 = Ft3 = F13 + F23 + F33 = 0.17 + 0.34 + 0.30 = 0.81
t=1

Distribution marginales Variances marginales
On appelle moyennes marginales, les quantités suivantes :

n m
1 X 1 X
x= ni. xi et y = n.j yj
N N
i=1 j=1
Les variances marginales sont données par

n n
!
1 X 1 X
Var (X ) = σ 2 (X ) = ni. (xi − x)2 = ni. xi2 − x2
N N
i=1 i=1
 
m m
1 X 1 X
Var (Y ) = σ 2 (Y ) = n.j (yj − y )2 =  n.j yj2  − y 2
N N
j=1 j=1

Distribution marginales Variances marginales
Exemple :
Les moyennes marginales de la série double de l’exemple sont :
17 × 50 + 34 × 55 + 30 × 60 + 19 × 65
P= = 57.55kg
100
18 × 150 + 23 × 155 + 18 × 160 + 19 × 165 + 22 × 170

T = = 160.2cm
100
4
1 X
Var (P) = Ni. (Pi − P)2 = 24.24
100
i=1
et
5
1 X
Var (T ) = N.j (Tj − T )2 = 50.44
100
j=1

Distribution conditionnelle Définitions
Etant donné une variable (X , Y ) de dimension deux, on appelle variable X

conditionné à que Y = yj , la variable qui prend toutes les valeurs de xi
avec effectif nij . On la note par X /Y = yj
(X /Y = yj ) = {(xi , nij )} ∀i = 1, . . . , n
Le tableau statistique de cette distribution est
X /Y = yj Eff fréq
n
x1 n1j f1/j = n1j.j
.. .. ..
. . .
n
xi nij fi/j = n.jij
.. .. ..
. . .
n
xm nnj fn/j = nnj.j
Total n.j 1

Exemple :
Etant donné une variable (P, T ) de dimension deux, on appelle variable P
conditionné à que T = 160cm, la variable qui prend toutes les valeurs de
Pi avec effectif nij . On la note par P/T = 160cm
(P/T = 160cm) = {(Pi , nij )} ∀i = 1, . . . , n
P/T = 160cm Eff fréq

4
50 4 f1/j = 18
7
55 7 f2/j = 18
4
60 4 f3/j = 18
3
65 3 f4/j = 18
Total 18 1

Où
n n
X nij X nij
n.j = nij , fi/j = et fi/j = =1
n.j n.j
i=1 i=1
De la même façon, la variable Y sachant que X = xi est la variable qui

prend toutes les valeurs de xi avec effectif nij . on la note par Y /X = xi
(Y /X = xi ) = {(yi , nij )} ∀j = 1, . . . , m
Le tableau statistique est

Y /X = xi Eff fréq
y1 ni1 f1/i = nni1i.
.. .. ..
. . .
n
yi nij fi/j = ni.ij
.. .. ..
. . .
ym nim fm/i = nnimi.
Total ni. 1
Où
m m
X nij X nij
ni. = nij , fj/i = et fi/j = =1
ni. ni.
j=1 i=1

Exemple :
Etant donné une variable (P, T ) de dimension deux, on appelle variable P
conditionné à que P = 60kg , la variable qui prend toutes les valeurs de Pi
avec effectif nij . On la note par T /P = 60kg
(T /P = 60kg ) = {(Ti , nij )} ∀i = 1, . . . , n
T /P = 60kg Eff fréq

6
150 6 f1/i = 30
6
155 6 f2/i = 30
4
160 4 f3/i = 30
6
165 6 f4/i = 30
8
170 8 f4/i = 30
Total 30 1

Distribution conditionnelle Variances
Moyennes et Variances conditionnelles :

n n
1 X X
xj = nij xi = fi/j xi
n.j
i=1 i=1
m m
1 X X
yi = nij yj = fj/i yj
ni.
j=1 j=1
n n n
1 X X 1 X
σj2 (x) = 2
nij (xi − x j ) = 2
fi/j (xi − x j ) = nij xi2 − x 2j
n.j n.j
i=1 i=1 i=1
m m m
1 X X 1 X
σi2 (y ) = nij (yj − y i )2 = fj/i (yj − y i )2 = nij yj2 − y 2i
ni. ni.
j=1 j=1 j=1

Relation entre distributions marginales et conditionnelles
On a les relations suivantes :

nij nij ni.
fij = = = fj/i fi.
n ni. n
nij nij n.j

fij = = = fi/j f.j
n n.j n
donc on a
fij = fj/i fi. = fi/j f.j
On aussi :
n
X n
X m
X n
X m
X m
X
x= fi. xi = xi fij = xi fi/j f.j = x j f.j
i=1 i=1 j=1 i=1 j=1 j=1
De même on a :
m
X m
X n
X m
X n
X n
X
y= f.j yj = yj fij = yj fj/i fi. = y i fi.
j=1 j=1 i=1 j=1 i=1 i=1

Exemple :
Dans un groupe de 400 personnes, on a mesuré deux variables X = salaire
et Y = âge, les résultats sont donnés par le tableau suivant :
X/Y [18-25[ [25-35[ [35-65[

[50-100[ 50 30 20
[100-150[ 40 60 50
[150-300[ 30 40 80
Trouver les distributions marginales et conditionnelles.

Marginale du salaire :
X ni. ci ni. ci ni. ci2

[50-100[ 100 75 7500 562500
[100-150[ 150 125 18750 2343750
[150-300[ 150 225 33750 7593750
400 60000 10500000
La moyenne est
1 X 60000
x= ni. xi = = 150
N 400
La variance
1 X 10500000
σ 2 (x) = ni. xi2 − x 2 = − 1502
N 400

Marginale de l’âge :
Y n.j cj n.j cj n.j cj2

[18-25[ 120 21.5 2580 55470
[25-35[ 130 30 3900 117000
[35-65[ 150 50 7500 375000
400 13950 547470
La moyenne est
1 X 13980
y= n.j cj = = 34, 95
N 400
La variance
1 X 547470
σ 2 (y ) = n.j cj2 − y 2 = − 34, 952
N 400

Les distributions conditionnelles de X sont :
X/y∼[18-25[ ni1 xi ni1 xi fi/j

50
[50-100[ 50 75 3750 120
40
[100-150[ 40 125 5000 120
30
[150-300[ 30 225 6750 120
120 15500 1
n
1 X 15500
x y =[18−25[ = nij xi = = 129, 166
n .j 120
i=1

X/y∼[25-35[ ni2 xi ni2 xi. fi/j

30
[50-100[ 30 75 2250 130
60
[100-150[ 60 125 7500 130
40
[150-300[ 40 225 9000 130
130 18750 1
n
1 X 18750
x y =[18−25[ = nij xi = = 144, 23
n .j 130
i=1

X/y∼[35-65[ ni3 xi ni2 xi. fi/j

20
[50-100[ 20 75 1500 150
50
[100-150[ 50 125 6250 150
80
[150-300[ 80 225 18000 150
150 25750 1
n
1 X 25750
x y =[35−65[ = nij xi = = 171, 66
n .j 150
i=1

Dépendance et indépendance statistique Définition
Étant donné deux caractères X et Y , X prenant les modalités :

x1 , x2 , . . . , xm et Y prenant les modalités : y1 , y2 , . . . , ym .
Définition :
On dit que les 2 caractères X et Y sont indépendants si les distributions
conditionnelles de X liées par yj de Y est identiques entre elles d’une part
et identique à la distribution marginale de X d’autre part. De même les
distributions conditionnelles de Y liées par xi de X est identiques entre
elles d’une part et identique à la distribution marginale de Y d’autre part.
Les lignes du tableau des effectifs ou des fréquences sont proportionnelles
entre elles et proportionnelles à la ligne marginale, de même pour les
colonnes.
Ainsi l’hypothèse de l’indépendance de X par rapport à Y est equivalente
à
ni. n.j
nij = ou fij = fi. f.j
n..

Dépendance et indépendance statistique Définition
Exemple :
On considère la statistique double donnée par le tableau suivant
X/Y y1 y2 y3 ni.
x1 4 6 2 12 ligne 1
x2 12 18 6 36 ligne 2
x3 24 36 12 72 ligne 3
n.j 40 60 20 120 ligne 4
Les lignes des effectifs sont proportionnelles entre elles et proportionnelles

à la ligne marginale, en effet :
10 10
ligne4 = 10 × ligne1 = ligne2 = ligne3
3 6
donc X et Y sont indépendants.

Dépendance et indépendance statistique La notion de covariance
Définition :
La covariance permet de détecter et de décrire la relation entre deux
variables statistiques. Elle donne cependant uniquement le sens et non le
degré de la liaison entre deux variable.
On considère deux caractères X et Y , X prenant les modalités :
x1 , x2 , . . . , xp et Y prenant les modalités : y1 , y2 , . . . , yq .
On appelle la covariance de deux variables X et Y , notée Cov (X , Y ), la
quantité donnée par
n m
1 XX
Cov (X , Y ) = nij (xi − x)(yj − y )
n
i=1 j=1

Dépendance et indépendance statistique Propriétés
Propriétés :
On démontre facilement les propriétés suivantes :
 
n X m
1 X
Cov (X , Y ) =  nij xi yj  − xy
n
i=1 j=1
Cov (X , Y ) = Cov (Y , X )
Cov (aX + b, cY + d) = acCov (X , Y )
Cov (X , X ) = Var (X )
Var (X + Y ) = Var (X ) + Var (Y ) + 2Cov (X , Y )
Var (X − Y ) = Var (X ) + Var (Y ) − 2Cov (X , Y )
Remarque :
X et Y indépendents, alors Cov (X , Y ) = 0 ; la réciproque est fausse c’est à
dire que la covariance peut être nulle mais X et Y ne sont pas
indépendents.

Chapitre4 Esa Slides

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre4 Esa Slides

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre4 Esa Slides

Transféré par

Droits d'auteur :

Formats disponibles

Statistique Descriptives de deux variables

Ecole Supérieure des Affaires- Casablanca

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 1 / 33

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 2 / 33

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 3 / 33

Exemple (Effecifs parcielles et marginales) :

Pen Kg/T en cm 150 155 160 165 170 E. marginales

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 4 / 33

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 5 / 33

X/Y y1 ... yj ... ym E. marginales

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 6 / 33

nij est l’effectif ou la fréquece absolut (le nombre de répitition) de

n.j l’effectif de la valeur yj (aussi, le total des effectifs de la colonne

N.. le nombre dindividus (aussi, l’effectif total) :

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 7 / 33

Exemple (Fréquences parcielles et marginales) :

Pen Kg/T en cm 150 155 160 165 170 F. marginales

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 8 / 33

De la même façon, on peut constuire un tableau à double entrée (ou

X/Y y1 ... yj ... ym F. marginales

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 9 / 33

fij est la fréquece relative de (xi , yj ) :

fi. fréquence marginale de l’observation (X = xi ) :

f.j la fréquence marginale de l’observation (Y = yj ) :

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 10 / 33

Le tablau statistique de cette distribution est

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 11 / 33

La distribution marginale de Y est

Le tablau statistique de cette distribution est

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 12 / 33

On appelle effectif cumulé partielle du couple de valeurs (Xi , Yj ) le nombre

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 13 / 33

On appelle fréquence partielle cumulée du couple de valeurs (Xi , Yj ) est

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 14 / 33

On appelle moyennes marginales, les quantités suivantes :

Les variances marginales sont données par

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 15 / 33

18 × 150 + 23 × 155 + 18 × 160 + 19 × 165 + 22 × 170

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 16 / 33

Etant donné une variable (X , Y ) de dimension deux, on appelle variable X

Le tableau statistique de cette distribution est

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 17 / 33

(P/T = 160cm) = {(Pi , nij )} ∀i = 1, . . . , n

Le tableau statistique de cette distribution est

P/T = 160cm Eff fréq

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 18 / 33

De la même façon, la variable Y sachant que X = xi est la variable qui

Le tableau statistique est

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 19 / 33

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 20 / 33

(T /P = 60kg ) = {(Ti , nij )} ∀i = 1, . . . , n

Le tableau statistique de cette distribution est

T /P = 60kg Eff fréq

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 21 / 33

Moyennes et Variances conditionnelles :

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 22 / 33

On a les relations suivantes :

nij nij n.j

Khalid BOUIHAT (ESAC) ESAC le 4 Mai 2023 23 / 33

X/Y [18-25[ [25-35[ [35-65[